### 5.2 数据饥荒

---

曦菲最终还是回复了那封邮件。

不是因为她想通了，是因为她饿。

不是肚子饿——饭馆管饱，唐老板娘每顿给她留肉菜。是另一种饿。她学自动驾驶的时候，最大的痛苦不是模型跑不动，而是**没有足够的数据**。

远行者科技开放的那批数据，已经是她能找到的最大的一批了。但那批数据只是某几个城市、某几条路、某几种天气下的记录。她需要更多——不同的城市、不同的道路、不同的天气、不同的光照、不同的交通状况。

模型是吃数据长大的。数据不够，模型就"营养不良"。

她的小模型在测试集上表现中上游，不是因为算法不好，是因为喂的数据太少。那些专业团队的模型，吃的是百万公里的路测数据。她的模型，吃的是几十个G的"零食"。

**数据就是粮食。她的模型在挨饿。**

而远行者科技，有粮仓。

---

她回了一封很简短的邮件：

> "您好，我是飒曦菲。我对感知算法的轻量化有一些自己的理解，希望能有机会深入学习。但我有一个情况需要说明：我目前可能无法提供常规的入职材料。如果方便的话，能否先远程沟通？"

她没有提年龄。也没有说不提年龄。她只是把"门"留了一条缝，等对方推。

三天后，回复来了。

> "飒曦菲你好，我们可以先远程聊聊。本周五下午三点，视频会议可以吗？会议链接附后。——远行者科技 感知团队负责人 林越"

---

周五下午，曦菲请了半天假。

她跟唐老板娘说有"重要的事"。唐老板娘看她最近黑眼圈重得像熊猫，大手一挥："去吧去吧，这个月工资不扣你的。"

她回到二楼那间小屋，把门关上，把窗帘拉上——不是怕光，是怕摄像头拍到她那张太年轻的脸。

她打开视频会议。

对面是一个三十岁出头的男人。短发，黑框眼镜，穿着一件灰色T恤，背景是一间办公室，墙上贴满了白板，白板上画满了流程图和公式。

"你好，飒曦菲。我是林越。"他的声音很平，像一杯温水。

"林老师好。"

"别叫老师，叫林越就行。"他笑了一下，"或者叫老林。我们团队都这么叫。"

曦菲点了点头，没说话。

林越也没急着进入正题。他看了她一眼——屏幕上只能看到她的脸，光线调得暗，但还是能看出她很年轻。

"你的方案我看了。"林越靠回椅背，"模型不大，但效率很高。你用了知识蒸馏？"

"嗯。大模型太重了，跑不动。我用了一个预训练的大模型当老师，训了一个小模型当学生。学生学老师的输出，不是学标签。这样小模型能继承大模型的一部分能力，但体积小很多。"

"为什么选这个方案？"

"因为我只有一块旧显卡。"曦菲说得很坦然，"显存4G，跑不动大模型。我只能想办法在有限资源里做到最好。"

林越沉默了几秒。

"4G显存？"

"嗯。"

"你跑了多久？"

"两个月。每天晚上跑，白天上班。"

"白天上班？你现在做什么工作？"

曦菲犹豫了一下。"餐厅服务员。"

林越的表情变了一下。不是惊讶，是某种更复杂的东西——像是在重新评估什么。

他没有追问。

"你的方案里有一个细节我很好奇。"林越转向白板，指了指上面的一个公式，"你在感知模块里用了多尺度特征融合，但你的融合方式不是常见的concat或者add，你自己改了一个加权融合的方案。为什么？"

"因为我发现不同尺度的特征对不同距离的物体重要性不一样。"曦菲说，"近距离的物体，高分辨率特征更重要；远距离的物体，低分辨率特征更重要。传统的融合方式对所有特征一视同仁，我觉得不合理。所以我加了一个注意力模块，让模型自己学权重——近距离的时候多看高分辨率，远距离的时候多看低分辨率。"

林越点了点头。不是那种敷衍的点头，是真的在认可。

"你这些知识是从哪学的？"

"AI教我的。"

"AI？"

"大语言模型。我让它当我的老师，一个概念一个概念地学。遇到不懂的就问，问到懂为止。"

"你学编程多久了？"

"半年。"

林越摘下眼镜，擦了擦镜片。动作很慢，像在消化什么东西。

"半年。"他重复了一遍。

空气安静了几秒。

然后林越说："曦菲，我不问你年龄。你愿意来远行者实习吗？远程也可以。你能接触到我们的数据平台，用我们的算力跑实验。作为交换，你帮我们做一些算法优化的工作。没有正式合同，但每月有补贴。"

"补贴多少？"

"三千。"

三千。比饭馆少一点。但她能拿到数据。能拿到算力。能进入真正的自动驾驶研发。

"我愿意。"

"好。我让助理发你数据平台的账号和权限。有问题随时找我。"

"谢谢林越。"

"别谢我。"林越重新戴上眼镜，"你的方案值这个机会。"

---

曦菲进入了远行者的数据平台。

那是一个完全不同的世界。

她以前见过的数据，是几十个G的"零食"。远行者的数据平台，是几百个T的"粮仓"。

每一帧数据都来自真实的路测车辆——安装在车顶的摄像头、激光雷达、毫米波雷达，每秒钟采集几十次。车在北上广深、成都、重庆、武汉跑了几百万公里，所有的数据都存着，标注着，分类着。

天气分类：晴天、阴天、雨天、雪天、雾天、沙尘暴。

道路分类：高速公路、城市主干道、乡村小路、地下车库、环岛。

场景分类：直行、变道、左转、右转、掉头、紧急制动、行人横穿、前车急停。

曦菲第一次打开数据平台的时候，坐在屏幕前，不知道从哪里开始。

太多了。

像一个人站在大海边，想喝水，但水是咸的。

---

她开始系统地使用数据。

她让小飒帮她做一个数据管理系统——自动从平台上下载数据，按场景分类，筛选出她需要的子集。然后她用这些子集训练感知模型。

有了远行者的算力，她的模型终于能"吃饱"了。

以前在唐老板娘的旧电脑上，训练一个模型要跑两个月。现在用远行者的GPU集群，几个小时就跑完了。

她第一次提交了用新数据训练的模型，在内部评测中排进了前十。

林越在团队群里发了一条消息："飒曦菲的轻量化感知模型，在雨天场景下的准确率超过了我们的基线模型。注意，她的模型只有基线模型十分之一的大小。"

群里炸了。

"十分之一？怎么可能？"

"她用了什么trick？"

"模型小十倍，准确率还更高？这不科学。"

林越回了一条："不是trick。是她对数据的理解比我们深。我们没有针对雨天场景做专门优化，她做了。她把雨天数据单独拎出来训练了一个专家模型，然后用一个门控网络根据天气情况自动切换。晴天用晴天模型，雨天用雨天模型。每个模型都很小，但合起来比一个大模型更准。"

曦菲看着群里的讨论，没有说话。

她用的不是什么高深的技术。她用的是辩证唯物主义的方法——**具体问题具体分析**。

一个大模型试图解决所有问题，结果在每个问题上都不是最优的。她把问题拆开了——不同天气是不同的矛盾，不同的矛盾用不同的方法解决。每个小模型只解决一个矛盾，反而做得更好。

**不是"大"就是好的。是"对"才是好的。**

---

她在远行者干了三个月。

三个月里，她的模型在内部评测中从前十升到了前三。林越开始让她参与更核心的项目——不是感知层了，是规划层。

规划层比感知层难得多。

感知是"看见"，规划是"决策"。看见是客观的——路上有什么就是什么。决策是主观的——该怎么走，取决于你对未来的判断。

自动驾驶的规划层要解决一个核心问题：**预测其他交通参与者的行为。**

前面的车会不会变道？旁边的行人会不会突然冲出来？对面的车会不会闯红灯？

这些不是技术问题。是**人的问题**。

曦菲在处理路测数据的时候，发现了一个让她困惑的现象。

同样的场景，不同的人会做出完全不同的行为。同样是路口右转，有的人减速慢转，有的人加速抢转。同样是绿灯过马路，有的人快步走，有的人低头看手机慢慢走。

模型试图从历史数据中学习人的行为模式，但人的行为太随机了。同一个路口，一千次路测数据里，行人的行为没有两次完全一样。

她把这个困惑告诉了林越。

林越说："这就是自动驾驶最难的点——不是感知不到，是猜不透人。"

"那怎么办？"

"保守策略。"林越说，"既然猜不透人，就假设人随时可能做最坏的事。前面有行人？假设他会冲过来。旁边有车？假设它会变道。这样模型会留足够的安全余量。"

"但这样车会开得很慢。"曦菲说，"安全余量太大了，车就不敢走了。"

"对。这就是矛盾。"林越摊了摊手，"安全和效率是自动驾驶的核心矛盾。太安全了，车开不动。太高效了，容易出事。所有自动驾驶公司都在这个矛盾里挣扎。"

曦菲没说话。

安全与效率。对立统一。

她想起了辩证唯物主义的那句话——**矛盾不会消失，它只会从一个形式变成另一个形式。**

自动驾驶解决了人开车的不安全——人走神、疲劳、酒驾——但引入了新的矛盾：机器太保守，效率低；太激进，不安全。

这个矛盾不是算法能解决的。它是一个**结构性**的问题。

---

她在远行者的第四个月，遇到了真正的瓶颈。

不是算法瓶颈。是**算力瓶颈**。

她的轻量化模型已经做到极限了——再小就会丢失关键信息，准确率会下降。但即使模型已经很小了，在车端的实际部署中，仍然面临一个问题：**车上的芯片跑不动。**

远行者的测试车用的是一款主流的自动驾驶芯片。算力够用，但功耗高、发热大。在夏天高温环境下，芯片会降频，模型推理速度变慢，延迟从30毫秒飙升到200毫秒。

200毫秒。听起来很短，但在120公里时速下，200毫秒车要跑6.7米。

6.7米的盲开。

在紧急情况下，6.7米可能是一条命。

曦菲开始研究芯片的问题。她发现，不是她的模型不好，是**芯片不够好**。芯片的算力不够，或者算力够了但功耗太高，或者功耗可以接受但制程太贵。

她跟林越提了这个问题。

林越苦笑："你发现的问题，整个行业都知道。芯片是自动驾驶的命门。算法可以优化，数据可以扩充，但芯片——那是硬件，是物理，是材料科学。不是我们写代码能解决的。"

"那芯片的问题出在哪里？"

"制程。"林越在白板上画了一个简单的图，"现在主流的自动驾驶芯片用的是7纳米或者5纳米制程。制程越先进，同样面积的芯片上能塞进更多的晶体管，算力就更强，功耗更低。但先进制程的产能集中在少数几家厂商手里，供不应求，价格极高。一块好的自动驾驶芯片，成本可能占整车的十分之一。"

"十分之一？"

"嗯。一辆车十几万，芯片就要一两万。这还是量产之后的价格。如果算上研发摊销，早期一块芯片的成本可能更高。"

曦菲沉默了。

她想起了一个画面——她在工厂打螺丝的时候，手里那把电动螺丝刀很便宜，几十块。但如果没有螺丝刀，她就打不了螺丝。

芯片就是AI的螺丝刀。

没有便宜的芯片，AI就进不了物理世界。自动驾驶就永远只能是少数高端车的配置，永远不会普及到那辆外卖骑手的电动车上——就是那个低头看手机、差点撞到她的骑手。

---

那天晚上，她没有写代码。

她坐在窗台边，平板上打开了几十篇关于芯片的文章。从芯片的制造流程——光刻、刻蚀、沉积——到不同制程的差异，到全球芯片产业的格局。

她看到了一个词：**高端制程封锁。**

最先进的光刻机，全世界只有一家公司能造。那家公司不卖给自己国家的竞争对手。于是，有些国家永远买不到最先进的光刻机，永远做不出最先进的芯片。

**算力被卡在了物理层面。**

不是算法不够好，不是数据不够多，是**造芯片的机器**买不到。

曦菲看着那些文章，慢慢地理解了一件事——

她之前以为，她的问题是从工厂到饭馆到直播到AI到自动驾驶，一步步往上爬。

但现在她发现，爬到自动驾驶这一层的时候，头顶上有一层天花板。

那层天花板不是算法做的，是芯片做的。

而芯片的天花板，是**物理**做的。

---

她关掉平板，看着窗外的夜。

老城区的路灯亮着。一盏一盏，连成一条线，延伸到巷子深处。

灯是电的。电是发电厂发的。发电厂烧煤、烧气、或者用太阳能、风能。能源从源头出发，经过电网，经过电线，经过灯泡，变成光。

算力也是一样的。算力从芯片出发，经过主板，经过内存，经过软件，变成AI的"思考"。

但芯片的源头——制造芯片的光刻机——被堵住了。

就像一条河的上游被截断了。下游的人再怎么努力挖渠、引水，水就是那么多。

**她需要找到另一条河。**

或者——

**她需要自己造一条河。**

---

这个念头让她自己都吓了一跳。

造芯片？她连一块芯片都没摸过。她见过最复杂的硬件就是唐老板娘那台旧电脑。

但她想起了辩证唯物主义——

**"条件决定结果。要改变结果，先改变条件。"**

现在的条件是：高端制程被封锁，先进芯片买不到、造不出。

要改变这个条件，有两条路：

第一条，突破封锁，自己造高端光刻机。但这条路太难了，一个国家举全国之力都在攻关，她一个人不可能做到。

第二条，**绕过高端制程**。不用最先进的制程，也能做出算力够用的芯片。

第二条路听起来也难，但至少——

它不是在别人的赛道上追赶，而是在找一条新的赛道。

她没有马上做决定。

她只是把这个方向，像一颗种子一样，埋进了心里。

然后她低下头，继续看那些关于芯片的文章。

窗外的灯一盏一盏灭了。

她的屏幕还亮着。

---

*——未完，下一节：5.3 算法瓶颈*