目前市面上常見的幾種概念，如L2+，L2.5，L2++並沒有本質區別。
儘管自動駕駛廠商的理念開始貼合實際，但業內也不乏出現反對的聲音，其中最集中的就是——L4算法遷移至L2平台時難以匹配。
張強指出，目前L4的算法已可以通過剪裁應用到L2輔助駕駛，這對公司算法的剪裁能力要求較高，如何在保障L2輔助駕駛功能安全和可靠性的同時，平衡計算平台的算力利用效率和成本，這是企業面臨的挑戰。
對此，百度方面向虎嗅表示，在成本問題上，近年來百度進行了L4、L2+整體技術架構的統一，同時把兩邊數據打通，形成數據閉環和建立仿真基礎設施、把二者的配套工具鏈完全共享。所以整體而言，成本是能夠被攤薄的。
此外，L4公司降維L2+的另一大問題是，這些過去缺乏工程開發經驗的公司，在供應鏈管理和系統集成的能力上存在明顯的短板。
一位業內人士向虎嗅表示，「傳統Tier1廠商在配合車廠研發時，可以派出上百人的工程師團隊，例如複雜的電子電氣架構，都需要大量的人力資源投入，以滿足不同車廠的標準，這對於以軟件工程師為核心的L4廠商來說是個很大的挑戰。」
但L4公司降維去做L2+，是否會和傳統L2廠商形成針尖對麥芒的對立局面？
「在輔助駕駛系統供應商中，2020年年搭載量超過百萬套級的有博世、大陸、電裝和安波福，僅這四大Tier1廠商所占的市場份額就超過80%。」一位業內人士認為，初創自動駕駛商不會輕易染指已經固化的傳統L2業務，相反，上述的Tier1廠商可能會因為數據算法能力的不足，主動找到L4和L2+廠商展開合作，補足自身短板。
實際上，張強所說的這種合作趨勢在行業中已經非常明顯。比如博世自2020年6月開始，先後投資了馭勢科技、Monmenta、文遠知行三家從事L2+技術開發的公司。
綜合看來，2022年可能是L4廠商降維的最後機會了。一位自動駕駛領域資深人士告訴虎嗅，類似小馬智行、AutoX等今年還在執着於「跨越式路線」（L4）的公司，明年可能真的要好好考慮下風險問題。
「道理很簡單，在當前悲觀的大環境下資本市場對於高階自動駕駛無法『自我造血』的忍耐度很有限，少有投資者能再給他們3-5年的時間去實現量產。」上述資深人士表示。
當然，這並不代表L4自動駕駛的願景將就此破滅。
百度的做法可能是一條可行的道路。有業內人士認為，從更長期看，利用L2的規模優勢，能夠提前收集L4泛化所需要儲備的長尾問題(即制約高級別自動駕駛發展的關鍵問題)。隨着未來制約L4的政策和技術突破，L2積累下的數據也會賦能L4的發展。
按照百度的測算，未來3年-5年，百度領航輔助駕駛產品搭載量有望突破百萬，如此龐大的L2+乘用車規模，可有效地收集和補充長尾問題。
人們為何對AIGC如此興奮？
2022年，被稱為「AIGC元年」。
在2022年中旬，就有人如此定義，彼時，人們還只是看到了基於DALL-E 2、Stable Diffusion在圖像生成領域的成就，以及那張Midjourney的《太空歌劇院》。
Jason Allen製作的AIGC畫作《太空歌劇院》，圖片來源：technologyreview
Midjourney社群
直到AIGC文本生成模型ChatGPT上線，這個刷爆Twitter和朋友圈的網紅應用可以說是把「AIGC元年」的標籤貼死了。AIGC即AI-Generated Content，利用人工智能生成內容。
2022年，對於AI行業來說，無疑是里程碑式的一年。AIGC的現象級應用通過社交媒體刷新了公眾對AI的認知，每個人似乎都能明顯感覺到，AI正在變聰明。而對於科學家來說，AI for Science的成果則把AI的想象力拓展到更寬廣的領域。
AI大模型是AI的一種基礎模型（Foundation Model），在大規模寬泛的數據上進行訓練後能適應一系列下游任務的模型。這與過去相比，是一個明顯的改變。
早期的人工智能以小模型為主，針對單一場景和需求引入知識圖譜，單獨訓練解決單一任務的模型，其代表就是戰勝了人類圍棋大師的AlphaGo。小模型擅長分析單個問題，在過去的幾年中，AI小模型在安全、金融、工業等領域解決單一問題的能力已經超過了人類。
2018年穀歌發布了大規模預訓練模型BERT之後，AI研究人員發現持續增大AI模型訓練的數據量，不僅能直接有效地提升AI的能力，更可以拓展AI的邊界，從單一任務向多模態發展。但此後的數年，AI行業一直處於學術研究和商業化的瓶頸，難以出現一個明顯的進步以帶動大規模創新。
隨着算力成本逐年下降，大模型算法不斷優化，數據量指數上漲，GPT-3、DALL-E 2、LaMADA、PaLM、Switch-Transformer等AI大模型不斷迭代升級，AI學界、產業界正在從「大煉模型」向「煉大模型」轉變。
AI行業從業者普遍認為，大模型正在推動人工智能的第三波發展浪潮。在2022年中引爆的AIGC，正是乘上了這一波浪潮，在AI文本生成、圖像生成、視頻、3D模型，甚至是蛋白質生成方面不斷湧現強大的應用。
OpenAI通過強化學習和通用大模型打造的ChatGPT在2022年底上線公測，其「萬事通」的「人設」迅速躥紅。而OpenAI此前推出的通用大模型GPT-3，則已經開始賺錢，通過API（Application Programming Interface，指軟件系統之間的通信接口）的形式向開發者客戶有償提供文字生成服務基於GPT-3產生的App超過300個。
其中使用GPT-3為網站創建營銷副本的創業公司Jasper，在發布僅18個月後就達到了15億美元估值。客戶人數約10萬，其中部分客戶已將網絡文本編寫工作全部轉向了AI。據行業媒體TechCrunch報道，該公司2021年的收入約3為4500萬美元，到2022年底，其收入有望翻一番。
在圖像生成方面，同樣來自OpenAI的大模型DALL-E 2和Stability AI公司的開源大模型Stable Diffusion則把「文生圖」的AIGC能力推向了可用。Stability AI CTO Tom Mason介紹，Stability AI在AWS上有4000個A100節點，在其他地方還有1500個節點。Stability AI正在將資源開放給研究員們，以便他們訓練模型，這些模型最終都會開源。
此外，英偉達、Meta、谷歌等公司還各自推出了基於AI大模型的「文生3D」、「文生視頻」工具，GET3D、Make-A-Video、DreamFusion等。
與AIGC一樣，在2022年中實現了跨越式進步的還有AI for Science。同樣是AI研發機構的Deepmind在研究方向上與OpenAI火爆的AIGC不同，Deepmind更關注AI for Science，利用強化學習和大模型，深入發掘AI在科學探索方面的能力。
