江湖,又到了風(fēng)云變幻急的時候。

前幾天,蔚來ET7連續(xù)直播13小時挑戰(zhàn)續(xù)航1000公里刷爆車圈。但相對于“蔚小理”曾經(jīng)的意氣風(fēng)發(fā),這場直播卻充滿奮力一搏的壯烈感。

150度電池包,的確能緩解中國車主續(xù)航不足的深度焦慮,但如果想著僅憑這招就能在高新技術(shù)扎堆的電動車江湖呼風(fēng)喚雨,就未免簡單。

江湖新的打開模式已鎖定——就是智能駕駛,它的背后是基礎(chǔ)算力、AI大模型、云計算所有這些尖端的科技。

所以,蔚來真正的麻煩還在后面?，F(xiàn)在,比蔚來更麻煩的可能是通用Cruise。

Cruise,在之前眾多智能駕駛相關(guān)的排行、測評中是僅次于谷歌Waymo的存在,遙遙領(lǐng)先于百度、特斯拉,也一度被看作是通用汽車的未來。

圖源:Cruise官網(wǎng)

但只是因為未能合理處理一個Corner case,Cruise的境遇急轉(zhuǎn)直下,牌照被叫停,高管們紛紛離職,還有裁員……從第二滑到排行榜單屏都看不到,僅5年。

Corner cases(CC),是自動駕駛場景中不常見或一些極端的場景數(shù)據(jù),比如路邊變形的事故車,或者外觀變動大的車輛等等,它的背后往往意味著更大安全事故的可能性。

一個Corner Case接近毀掉一家自動駕駛企業(yè)。這也意味著,自動駕駛技術(shù)行至今天,仿佛已經(jīng)到了沖擊珠峰的最后幾百米,每進(jìn)一步,都非常困難。

現(xiàn)在,這個江湖的最大懸念就是:誰將第一批登頂?

01行百里者半九十

續(xù)航400公里,還是1000公里,重要嗎?重要,但不是唯一的重要。

從商業(yè)的角度,為了多出來的幾百公里,用戶要多花很多錢,值不值一定會成為一個問題。

從技術(shù)護(hù)城河的角度,電動汽車的幾大核心部分:動力電池、電機、電控和智能駕駛,前三個都有了相對成熟的解決方案,差距也在可容忍范圍內(nèi),只有智能駕駛,才是行業(yè)公認(rèn)的“天王山”。

不久前,美國加州機車輛管理局公布了一份《2018年自動駕駛接管報告》,62家持牌公司達(dá)到披露標(biāo)準(zhǔn)的有48家,全是行業(yè)的頂級玩家,它們當(dāng)年的差距大到超乎想象。

如今5年過去,L2已經(jīng)成熟,L3似乎近在咫尺,這個進(jìn)化速度讓人們相信,自動駕駛的大時代肯定會來,只是時間早晚。

但Cruise的遭遇帶來了一抹陰影,頭部玩家之間的差距看起來大為縮小,但想要彌補卻變得比5年前更難。

行百里者半九十,這警告現(xiàn)實而且殘酷。

自動駕駛95%以上的常見駕駛場景,或者說容易的都解決了,剩余5%場景(即業(yè)內(nèi)所稱的Corner case)的處理能力才是最殘酷的考驗。

如果不能成為第一批解決這個技術(shù)問題的企業(yè),那很可能就意味著出局。

Corner case于智能駕駛而言,大約就相當(dāng)于珠穆朗瑪峰北坡位于8680米處的那個高數(shù)米而幾乎垂直的巖壁,過不去,北坡就叫“死亡線路”,過去了就是無限風(fēng)光。

它們罕見,卻又無法完全避免,花樣層出不窮,自動駕駛必須保證高效應(yīng)對,否則,就有極大可能導(dǎo)致嚴(yán)重事故。2018年,特斯拉就因為一次事故,導(dǎo)致在某個測評中墊底。

按照傳統(tǒng)方法,要征服Corner case,有點玄學(xué)的意味。

比如,它們的算力需求是碎片化的,從0.5T到幾十、甚至幾百T,對數(shù)據(jù)精度的要求,也是大相徑庭,當(dāng)然還涉及到算法,導(dǎo)致投入、產(chǎn)出比難以估算。

簡單說,如果用傳統(tǒng)的路測車輛去發(fā)現(xiàn)、積累這些無窮盡的Corner Case,在成本、安全性、和時間上可能都是車企無法承受的。

更麻煩的是,有很多Corner Case在路測中可能永遠(yuǎn)也不會遇到。

所以,要贏得這場比賽,讓自動駕駛盡快成為“老司機“,有兩種辦法:

第一,找到一個搭配智能輔助功能車輛足夠多的地方,這也是馬斯克一直對中國電動車市場極為羨慕的原因之一;

第二,就是當(dāng)下最火的人工智能大模型,在GPT進(jìn)化到GPT4-Turbo之后,新思路已經(jīng)躍然而出。

上海人工智能實驗室和華東師范大學(xué)的研究人員在今年7月發(fā)表了一篇論文中指出,雖然人類駕駛員和以前基于優(yōu)化的自動駕駛系統(tǒng)都會開車,但人具備基本常識,而傳統(tǒng)的自動駕駛系統(tǒng)連常識也需要學(xué)習(xí)和訓(xùn)練。

但是,以GPT技術(shù)加持的LLM能夠像人類駕駛員一樣用常識推理復(fù)雜的駕駛場景,從而解決Corner Case 問題。

圖注:研究人員用具體例子展示了LLM在駕駛場景中強大的零樣本理解和推理能力。利用常識知識,不僅讓LLM能夠更好地理解場景中的語義信息,還能讓其做出更理性的決策,更符合人類的駕駛行為。

在國內(nèi),以華為云為代表的廠商在用大模型解決Corner case方面,已經(jīng)積累了不少經(jīng)驗。

第一,你可以將其理解為真實重構(gòu)。

盤古大模型結(jié)合NeRF技術(shù),構(gòu)建AI 3D引擎以及在此之上的AI 3D平臺,進(jìn)行建模、渲染以及3D 素材制作、場景制作等工作,最終實現(xiàn)將不同時刻拍攝的視頻、圖片、點云等多種模態(tài)的數(shù)據(jù)重建為虛擬的3D空間,并通過重建各類障礙物素材庫,變換已有場景的天氣、晝夜、季節(jié)等環(huán)境因素,基于已有路采數(shù)據(jù)做場景重建等方式,構(gòu)造出新的Corner case。

傳統(tǒng)上培養(yǎng)一個老司機可能需要積累100億公里的駕駛數(shù)據(jù),那么現(xiàn)在這個里程被大大縮減,而且不用真車實跑,讓大模型跑起來就可以了。

第二,數(shù)據(jù)標(biāo)注一步到位。

傳統(tǒng)主要是通過回放方式來給數(shù)據(jù)分類,而大模型+NeRF的方式可對街景、泊車等場景進(jìn)行三維重建,實現(xiàn)“同一對象只標(biāo)一次”即可遷移所有相關(guān)圖像,“同一場景只采一次”即可獲得不同視角圖像,數(shù)據(jù)成本可降低到路采+人工標(biāo)注模式的1/5,效率也大大提升。

車廠每年積累的數(shù)據(jù)不斷增加,甚至達(dá)到百TB級別,但真正能夠用做算法訓(xùn)練的數(shù)據(jù)占比不到 10%,想提高利用率要么花千百億重新進(jìn)行數(shù)據(jù)標(biāo)注,而盤古的場景理解大模型則已經(jīng)可以高效從原始數(shù)據(jù)中把需要的數(shù)據(jù)篩選出來,最高可降低90%的標(biāo)準(zhǔn)量,效率提升30%-40%。

第三,算法優(yōu)化。

傳統(tǒng)技術(shù)路徑中,自動駕駛方案中的算法訓(xùn)練也是需要經(jīng)過反復(fù)驗證,而大模型可以學(xué)習(xí)自動駕駛系統(tǒng)的弱點,自動創(chuàng)建對抗性場景,無需手動調(diào)整算法,可以適應(yīng)更快節(jié)奏、更大規(guī)模的訓(xùn)練。

大模型哪家強,現(xiàn)在公認(rèn)的是美國遙遙領(lǐng)先,中國緊隨其后,歐美日韓各有所長,而這個江湖的命運現(xiàn)在都聚焦在了大模型上。

02變“短板”為“跳板”

1975年,為了征服珠峰北坡8680米處的絕壁,中國將一個長6米的金屬梯樹立于此,讓國際上對中國人居然從北坡登頂珠峰的質(zhì)疑,從此煙消云散。

當(dāng)年中國一定要登頂?shù)谋澈笠彩且粓鰢H較量,中國與尼泊爾為了珠穆郎波峰的歸屬爭執(zhí)了幾十年,尼方提出的最大質(zhì)疑就是:你說珠峰歸你,但你還從未從中國境內(nèi)登頂過一次。

所以,中國梯包含了國人的尊嚴(yán),賭上了幾批登山隊員的生命,背后也包含了中國最頂級航天材料加工技術(shù)。

如果說,大模型就是我們實現(xiàn)自動駕駛的那個“金屬梯”,但這道梯子本身也絕不簡單。

每一個大模型背后都意味著海量算力的投入。比如,在自然語言處理領(lǐng)域GPT-3模型,就需要上千片A100芯片超一個月的訓(xùn)練時間。

國盛證券估算,GPT-3的單次訓(xùn)練成本就高達(dá)140萬美元,對于一些更大的大模型,單次訓(xùn)練成本介于200萬美元至1200萬美元之間。

據(jù)業(yè)內(nèi)機構(gòu)預(yù)測,全球頭部AI大模型訓(xùn)練算力需求每3～4個月翻一番,即平均每年增幅達(dá)到10倍。

與算力需求端的高歌猛進(jìn)相比,算力供給端則明顯跟不上節(jié)奏。地緣爭端更是人為加劇了這場競賽的不公平。

過去幾個月,并濟科技、匯納科技等多家 A 股上市公司公告,將內(nèi)嵌英偉達(dá)A100芯片的高性能算力服務(wù)收費上調(diào)100%,而一些云廠商則悄然暫停A100服務(wù)器出租業(yè)務(wù)。

英偉達(dá)專供中國大陸市場的H800型號芯片,因新增列入禁售名單,其售價已翻倍,從原本的人民幣21萬元急漲至最高人民幣40萬元,但仍然很難買到。

在算力焦慮之下,業(yè)內(nèi)甚至出現(xiàn)了“誰能爭搶到算力,誰就更有先發(fā)權(quán)”的觀點。

所幸的是,國內(nèi)有華為云這樣的算力玩家頂了上來。而通過可持續(xù)的算力服務(wù),華為云已經(jīng)成為大模型企業(yè)的重要算力提供商。

據(jù)了解,華為云烏蘭察布數(shù)據(jù)中心部署了單集群達(dá)2000P Flops的昇騰AI云服務(wù),大模型訓(xùn)練30天長穩(wěn)率達(dá)到90%,斷點恢復(fù)時長不超過10分鐘,同時訓(xùn)練效能可以調(diào)優(yōu)到業(yè)界主流GPU的1.1倍,推動大模型技術(shù)更好地服務(wù)于汽車行業(yè)。

華為云烏蘭察布數(shù)據(jù)中心

昇騰算力底座可部署于私有云、公有云、專屬云、人工智能計算中心 AICC 等。除了支持華為的AI框架Mindspore 外,還支持 Pytorch、Tensorflow 等主流 AI 框架,框架中的90%算子,可以通過華為端到端遷移工具從 GPU 平滑遷移到昇騰。

在安全方面,華為云也異常重視。為了滿足監(jiān)管和車企的需求,華為云在烏蘭察布汽車專區(qū)采用3分區(qū)合規(guī)架構(gòu)設(shè)計,包括數(shù)據(jù)處理區(qū)、智駕業(yè)務(wù)區(qū)和網(wǎng)絡(luò)中繼區(qū),實現(xiàn)嚴(yán)格物理隔離和權(quán)限控制,滿足自動駕駛開發(fā)合規(guī)要求。

在運營上,華為云還構(gòu)建7層安全縱深防御體系,并打造了安全云腦方案,構(gòu)建300多個安全檢測模型,100多個自動響應(yīng)劇本,實現(xiàn)99%的安全威脅5分鐘閉環(huán)。

同時,在汽車專區(qū)的認(rèn)證資質(zhì)方面,華為云通過了業(yè)內(nèi)120+權(quán)威安全合規(guī)認(rèn)證,是中國首個通過汽車TISAX認(rèn)證的云廠商。

此外,華為云還構(gòu)建了AI-Native存儲系統(tǒng),提供數(shù)據(jù)24小時入云、精細(xì)存儲、高效訓(xùn)練服務(wù),助力汽車行業(yè)面對智能化帶來的數(shù)據(jù)浪涌挑戰(zhàn)。

事實上,對于車企而言,有了大模型和算力仍然不夠,還需要一個構(gòu)建數(shù)據(jù)閉環(huán)能力的平臺,把大模型和算力池的強大功效真正發(fā)揮出來,對車企而言就是自動駕駛開發(fā)平臺。

眾所周知,大模型開發(fā)和調(diào)優(yōu)是一個復(fù)雜的系統(tǒng)工程,而安全、高效地運維、使用大規(guī)模算力也有著極高的技術(shù)門檻。

因此,車企們就需要一個強大的工具包,來實現(xiàn)開發(fā)自動駕駛方案所需算力、數(shù)據(jù)、算法的同時加速。

在國內(nèi),華為云的自動駕駛開發(fā)平臺就是這樣一個功能強大的基礎(chǔ)設(shè)施。

該平臺基于盤古大模型和ModelArts AI開發(fā)生產(chǎn)線,提供了數(shù)據(jù)生成、自動標(biāo)注、模型訓(xùn)練、云端仿真、虛實結(jié)合仿真、數(shù)據(jù)閉環(huán)等一系列能力,幫助車企和商用車企業(yè)加速自動駕駛算法的開發(fā)驗證和優(yōu)化迭代,降低成本和風(fēng)險,提升效率和安全性。

目前,該平臺已經(jīng)在長安、一汽等多個車企以及礦用卡車、港口ART、專線物流重卡等商用車場景中應(yīng)用并取得良好效果。

比如,在露天礦上進(jìn)行裝排土作業(yè)的場景下,華為云就幫助無人駕駛寬體車實現(xiàn)了全無人駕駛、全天候7*24小時連續(xù)作業(yè),解決了露天礦揚塵遮蔽、無標(biāo)識顛簸道路、特種作業(yè)車輛混行等多種挑戰(zhàn),并對重載達(dá)上百噸的車輛規(guī)控算法進(jìn)行了有效調(diào)優(yōu),實現(xiàn)厘米級的精準(zhǔn)?？?。

03時間窗口不多了

人工智能大模型對自動駕駛的影響到底如何?汽車行業(yè)的人都在關(guān)注特斯拉的自動駕駛系統(tǒng)FSD V12。

此前有消息稱,特斯拉近期已向內(nèi)部員工提供FSD V12,而業(yè)內(nèi)預(yù)計明年年初會正式面世。

業(yè)內(nèi)人士普遍認(rèn)為,FSD V12的發(fā)布將拔高自動駕駛層級,讓L3(有條件自動駕駛)級別以上的競爭提前到來。

而最近,隨著北京、上海大量發(fā)放L3自動駕駛測試牌照,一場新的自動駕駛競賽又迫在眉睫了。

最憂慮的還是那些傳統(tǒng)車企,它們在這場競賽中,已經(jīng)被遠(yuǎn)遠(yuǎn)的拉下。

現(xiàn)在,絕大多數(shù)傳統(tǒng)車企的自動駕駛方案還停留在L2級別,而如果不能快速升級至L3級別,可能很難參與未來更加激烈的市場競爭,被淘汰將不可避免。

但要參與L3級別的競爭,傳統(tǒng)車企的技術(shù)現(xiàn)狀又著實令人擔(dān)憂。

一些車企想著靠堆砌硬件的方式來追求L3級別的自動駕駛能力,但是過多的硬件配置又拉高了車輛的成本。

此外,仔細(xì)觀察行業(yè),你還會發(fā)現(xiàn),雖然車企口頭上都對自動駕駛信誓旦旦,但是很多車企根本就沒有搭建其專業(yè)的自動駕駛開發(fā)平臺,而有些車企雖然已經(jīng)搭建開發(fā)平臺,但真正能用起來的又不多。

不用說,L3級自動駕駛方案研發(fā)所涉及的技術(shù)門檻很高。

以傳統(tǒng)車企現(xiàn)有的人才結(jié)構(gòu),很難走特斯拉那條全自研的路,更何況市場也不會給予車企更多時間進(jìn)行技術(shù)積累。

面對現(xiàn)實,華為云已經(jīng)鋪就的技術(shù)平臺,也許會成為它們跨越絕壁的梯子,能讓它們避免被L3的競爭過早的淘汰。

事實上,通過這種合作模式,自動駕駛領(lǐng)域未來專業(yè)化的分工體系也初現(xiàn)端倪,可能也更符合汽車行業(yè)的發(fā)展現(xiàn)狀。

04結(jié)語

汽車智能化的大時代已經(jīng)到來,整個產(chǎn)業(yè)鏈都被裹挾在巨浪之中,或被動或主動,但改變、創(chuàng)新是唯一的選擇。

同時,圍繞自動駕駛方案的研發(fā),也已經(jīng)成為車企不能輸也輸不起的核心戰(zhàn)場。

根據(jù)麥肯錫的預(yù)測,到2025年全球自動駕駛技術(shù)及相關(guān)應(yīng)用的市場規(guī)模將達(dá)6000億美元。伴隨大模型驅(qū)動的研發(fā)平臺加速進(jìn)化,自動駕駛量產(chǎn)進(jìn)程也將駛?cè)肟燔嚨馈?/p>

與巨大的市場機遇相伴,一條決定車企未來命運的自動駕駛生死線也已經(jīng)慢慢劃開。

從L2到L3級別的升級,看似簡單,但闖過去了才有可能是新時代的弄潮兒,闖不過去就一定是舊時代的諾基亞。

由于有了“中國梯”,已經(jīng)有上千人征服了曾經(jīng)的“死亡路線”,而且死亡率一直在下降。

在自動駕駛的珠峰攀登之路上,顯然傳統(tǒng)車企也需要找到能讓自己突破技術(shù)瓶頸,避免行百里者半九十的那道“中國梯”。(來源：智谷趨勢)

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）