流量至上、追星現(xiàn)場(chǎng)，這兩個(gè)詞應(yīng)該是大多數(shù)人在今年北京車展上的第一感受。

車企的宣發(fā)重點(diǎn)，從技術(shù)分享和戰(zhàn)略展望轉(zhuǎn)向了車型介紹，甚至不少車企在車展現(xiàn)場(chǎng)直接安排上了帶貨主播。

媒體的關(guān)注重點(diǎn)，也跟著車企的節(jié)奏轉(zhuǎn)移，來(lái)到了自帶流量的雷軍和周鴻祎身上。

然而這場(chǎng)「流量盛宴」的背后，暗藏了價(jià)格戰(zhàn)下車企對(duì)于銷量的焦慮——一邊是友商瘋狂降價(jià)，一邊是智駕技術(shù)不斷迭代，降價(jià)提質(zhì)的雙重壓力之下，能帶動(dòng)銷量的流量成了車企的救命稻草。

如果走出會(huì)展中心的 8 個(gè)主要展館，來(lái)到周邊供應(yīng)商的展臺(tái)，對(duì)這份焦慮的感知會(huì)更加明顯。

畢竟車企在智駕領(lǐng)域降價(jià)提質(zhì)的壓力，最終還是會(huì)傳導(dǎo)到供應(yīng)商身上。

車企忙著展示車、銷售車，智駕產(chǎn)業(yè)鏈上的供應(yīng)商則在技術(shù)上鉆起了牛角尖。

從英偉達(dá)、騰訊云、元戎啟行、安霸科技等多家供應(yīng)商的描繪中，逐漸拼湊出 2024 年智駕技術(shù)的發(fā)展藍(lán)圖——除了降本這個(gè)避不開的話題以外，各家談到最多的關(guān)鍵詞就是大模型和端到端，以及衍生出的算力不足恐懼癥、數(shù)據(jù)饑渴、無(wú)高精地圖、前融合與規(guī)則算法。

大模型標(biāo)志著 AI 定義汽車觀念的形成，給行業(yè)帶來(lái)了算力不足恐懼癥，以及數(shù)據(jù)饑渴。

端到端大模型則意味著行業(yè)進(jìn)入了 AI 定義汽車的 2.0 時(shí)代，無(wú)高精地圖、前融合與強(qiáng)大的規(guī)則算法能力是實(shí)現(xiàn)端到端的技術(shù)關(guān)鍵。

01、大模型時(shí)代：算力不足恐懼癥和數(shù)據(jù)饑渴

「好像現(xiàn)在不提大模型，大家都不知道怎么問(wèn)問(wèn)題了?！?/span>

在接連回答了十幾個(gè)問(wèn)題之后，騰訊智慧出行副總裁劉澍泉發(fā)出了如上的感慨，這也是大多數(shù)智駕產(chǎn)業(yè)鏈上的供應(yīng)商都會(huì)遇到的問(wèn)題——不管你是做芯片的，還是做智駕方案的。

大模型之所以成為關(guān)注重點(diǎn)，在于其重塑了自動(dòng)駕駛的技術(shù)路線。

英偉達(dá)全球副總裁吳新宙認(rèn)為，自動(dòng)駕駛是三段式的發(fā)展：

第一階段的自動(dòng)駕駛系統(tǒng)完全基于規(guī)則，有著大量人工 Engineer Feature（工程師特征），目前已經(jīng)過(guò)時(shí)。

第二階段的自動(dòng)駕駛方案是規(guī)則算法與 AI（大模型）相結(jié)合，目前感知部分幾乎全部交給了模型，預(yù)測(cè)和規(guī)劃部分則是人工規(guī)則和 AI 模型結(jié)合，屬于目前的主流方案，也是 AI 定義汽車（智駕）的 1.0 時(shí)代。

第三階段的自動(dòng)駕駛方案就是端到端大模型的方式，目前特斯拉的 FSD 就是基于此方案打造的，屬于 AI 定義汽車（智駕）的 2.0 時(shí)代。

自從大模型被引入自動(dòng)駕駛之后，汽車自動(dòng)駕駛的開發(fā)流程也發(fā)生了變化。

在軟件定義汽車時(shí)代，工程師要先寫好智駕系統(tǒng)的規(guī)則代碼，隨后進(jìn)行大量路測(cè)收集問(wèn)題，再針對(duì)性的修改智駕代碼。

而到了 AI 定義汽車時(shí)代，智駕開發(fā)分成了云端和車端兩部分。云端負(fù)責(zé)模型訓(xùn)練和仿真驗(yàn)證，隨后將云端成熟的智駕模型通過(guò) OTA 部署到車端，再通過(guò)車端回傳的數(shù)據(jù)加強(qiáng)云端模型的訓(xùn)練。

大模型的出現(xiàn)，無(wú)疑提升了智駕系統(tǒng)的能力上限，并加快了開發(fā)、迭代流程，但是也給車企帶來(lái)了新的問(wèn)題——算力不足恐懼癥和數(shù)據(jù)饑渴。

想在云端訓(xùn)練出優(yōu)秀的大模型，對(duì)算力的需求非常高。

早在去年，特斯拉便砸錢 3 億美元購(gòu)買了 1 萬(wàn)塊英偉達(dá) H100 芯片，將云端算力堆到了 10 EFLOPS，而在 4 月份的 Q1 財(cái)報(bào)上，特斯拉公布已投入使用了 3.5 萬(wàn)臺(tái)英偉達(dá) H100，并計(jì)劃在年底增加至 8.5 萬(wàn)臺(tái)。

國(guó)內(nèi)智駕第一梯隊(duì)的華為，云端算力也從去年 12 月的 2.8 EFLOPS 增加至 3 月的 3.3 EFLOPS，4 月份又更新至 3.5 EFLOPS。

在堆云端算力這件事上，車企只有三個(gè)選擇：

• 和特斯拉的 Dojo 一樣從零做起，自研高算力芯片。雖然成功后收益很高，但要面臨技術(shù)和資金雙重壓力，目前特斯拉 Dojo 超算中心的進(jìn)度同樣不明朗，屬于高風(fēng)險(xiǎn)高收益的方式。

• 購(gòu)買英偉達(dá)的芯片自建超算中心，雖然比第一種方式簡(jiǎn)單了不少，但是自建云端超算中心的難度依舊不亞于造車。

• 與國(guó)內(nèi)現(xiàn)有的云服務(wù)商合作，共建云端超算中心。

綜合來(lái)看，第三種方式是目前國(guó)內(nèi)車企的共同選擇。問(wèn)界、極越、蔚小理等分別選擇了華為云、百度云、阿里云、火山引擎和騰訊云等合作伙伴，云端算力正成為智駕開發(fā)的數(shù)字基建。

卷完了云端算力之后，車端算力成了第二戰(zhàn)場(chǎng)。

「做好自動(dòng)駕駛的第一步是重建事件，重建的事件越真實(shí)、越一對(duì)一、越穩(wěn)定、距離越遠(yuǎn)，智駕的基本功也就越扎實(shí)」，元戎啟行 CEO 周光在采 訪中表示，「如果智駕連重建事件都做不好，又何談后面的理解、交互呢？」

而完美的重建事件，則非常考驗(yàn)傳感器、感知算法和車端算力之間的綜合能力。

傳感器越多、精度越高，收集的信息便越多，構(gòu)建事件也就越容易，但是相應(yīng)的對(duì)車端算力的要求也越高。

在目前智駕白熱化的競(jìng)爭(zhēng)階段，通過(guò)優(yōu)化算法減少對(duì)傳感器數(shù)量的依賴「太慢」，先加大算力跟上節(jié)奏顯然更「劃算」。

為了應(yīng)對(duì)車端算力日增的需求，芯片廠商紛紛推出了更高算力的車端芯片。

英偉達(dá)推出了單顆芯片算力超過(guò) 1000TOPS 的 Thor，安霸科技也推出了 750TOPS 算力的 CV3-AD685 芯片，為車企后續(xù)更高的算力需求提供保障。

不過(guò)在車端芯片上，算力高不是唯一標(biāo)準(zhǔn)，還必須要考慮架構(gòu)。

安霸科技中國(guó)區(qū)總經(jīng)理馮羽濤告訴汽車之心，智駕芯片雖然是底層硬件，但是開發(fā)過(guò)程非常強(qiáng)調(diào)「算法優(yōu)先」——比如 Transformer 架構(gòu)出現(xiàn)后，很多芯片由于沒有提前適配所以沒辦法運(yùn)行，要想跟上需求的發(fā)展，就必須更加關(guān)注前沿算法。

安霸科技總裁兼首席執(zhí)行官王奉民補(bǔ)充了一個(gè)有趣的案例：

安霸科技在 2018 年時(shí)，發(fā)現(xiàn)特斯拉的報(bào)告中提到了正在研究新一代的算法，雖然沒提到具體的架構(gòu)，但是安霸科技從描述中推斷特斯拉要用到的算法應(yīng)該是 2017 年提出的 Transformer，便開始針對(duì)該算法進(jìn)行芯片開發(fā)，最終在 2018 年推出了支持 transformer 的 CV2 系列芯片。

當(dāng)然，這次豪賭背后同樣存在風(fēng)險(xiǎn)——安霸的智駕芯片流片一次的成本大概在 2000 萬(wàn)美元，所以芯片廠商不僅要關(guān)注前沿算法，還要能判斷算法的發(fā)展趨勢(shì)。

供應(yīng)商們解決了車企的算力不足恐懼癥后，還要繼續(xù)滿足車企的數(shù)據(jù)饑渴。

元戎啟行 CEO 周光多次強(qiáng)調(diào)，要想做好大模型、尤其是端到端大模型的自動(dòng)駕駛，就必須要有大量數(shù)據(jù)，沒有量產(chǎn)數(shù)據(jù)支撐就是死路一條。

供應(yīng)商雖然無(wú)法為車企提供量產(chǎn)數(shù)據(jù)，但是可以用大模型的方式，提供「平替」數(shù)據(jù)。

英偉達(dá)和騰訊均強(qiáng)調(diào)了基于生成式 AI 的「仿真」環(huán)節(jié)。通過(guò)生成式 AI，車企可以生成海量仿真數(shù)據(jù)用來(lái)訓(xùn)練云端大模型。

雖然和真實(shí)數(shù)據(jù)相比，AI 仿真訓(xùn)練還存在置信度和覆蓋度等方面的問(wèn)題，但是對(duì)于本就缺乏真實(shí)數(shù)據(jù)的車企而言，生成式 AI 不僅讓訓(xùn)練大模型成為可能，還能加快智駕系統(tǒng)的開發(fā)流程。

訓(xùn)練后的模型在 OTA 部署到車端之前，可以先在仿真環(huán)境中進(jìn)行測(cè)試和驗(yàn)證，更快更高效地排查問(wèn)題。

解決了算力和數(shù)據(jù)的問(wèn)題，車企才算邁入 AI 定義智駕的 1.0 時(shí)代。

02、端到端大模型：無(wú)圖、前融合、規(guī)則算法缺一不可

從 AI 定義智駕的 1.0 時(shí)代進(jìn)入 2.0 時(shí)代，核心是實(shí)現(xiàn)端到端的智駕大模型。

而要做到端到端，就面臨著三個(gè)門檻：

無(wú)高精地圖、前融合，以及強(qiáng)大的規(guī)則算法做支持。

首先是業(yè)內(nèi)喊了一年多的去高精地圖，關(guān)注重點(diǎn)普遍集中在覆蓋面積、采集成本和地圖鮮度上，但是即使解決了上述問(wèn)題，不去掉高精地圖依舊無(wú)法實(shí)現(xiàn)端到端。

在這一點(diǎn)上，英偉達(dá)和元戎啟行表達(dá)了相似的觀點(diǎn)——真正的端到端大模型是擬人的，擅長(zhǎng)邏輯推理而非計(jì)算。

目前的高精地圖，本質(zhì)上還是給機(jī)器看的地圖，用的是機(jī)器語(yǔ)言。而端到端大模型的思考方式更類似于人腦，在處理機(jī)器語(yǔ)言的能力上非常薄弱，看不懂高精地圖。

端到端智駕大模型需要的地圖，是人類也能看的懂的導(dǎo)航地圖。

元戎啟行推出的端到端智駕平臺(tái) IO，使用的就是騰訊提供的導(dǎo)航級(jí)地圖。最近傳聞即將在華落地的特斯拉 FSD，也被曝出將在百度提供的車道級(jí)導(dǎo)航地圖上進(jìn)行部署。

端到端落地的第二個(gè)前提，是多傳感器信息必須要做前融合。

在以往的智駕方案中，各個(gè)傳感器中收集到的信息會(huì)先用人工規(guī)則篩選一遍，再將人類認(rèn)為有用的信息進(jìn)行融合，最后交由智駕系統(tǒng)使用。

但是端到端大模型和大腦一樣，對(duì)于人類程序員來(lái)說(shuō)像一個(gè)「黑盒」，如果還是按照人工規(guī)則先篩一邊傳感器的信息，無(wú)疑會(huì)遺漏掉很多對(duì)于端到端大模型有用的信息。

而先融合的方式，能在成本不變甚至減少的情況下，大幅提升傳感器信息的準(zhǔn)確性。

基于該理念，安霸做了一款基于 CV3 中央域控的 4D 成像雷達(dá)，在毫米波雷達(dá)上不放任何處理芯片，將雷達(dá)收集到的信息全部傳回中央域控，由高算力的中央域控融合處理多個(gè)傳感器的信息——通過(guò)這種方式，可以大幅提高毫米波雷達(dá)的感知能力。

想要做好端到端智駕方案的第三個(gè)條件，是車企具備強(qiáng)大的基于規(guī)則算法的智駕方案。

雖然端到端智駕大模型成功的標(biāo)志，就是盡量減少人工編寫的規(guī)則算法，但是對(duì)于端到端智駕系統(tǒng)而言，則離不開上一代基于人工規(guī)則的智駕算法。

元戎啟行和安霸都提到，目前特斯拉的智駕系統(tǒng)后臺(tái)同時(shí)運(yùn)行著 V11（規(guī)則算法）和 V12（端到端大模型）兩套方案，在不同的路況下會(huì)切換使用。

兩套方案并行的原因主要有二：

第一點(diǎn)，是兩套方案的能力互補(bǔ)。

貼近人腦的端到端大模型，具備更強(qiáng)的推理能力和博弈能力——比如遇到突發(fā)情況時(shí)，規(guī)則算法只會(huì)根據(jù)規(guī)則死板執(zhí)行命令，而端到端則可以根據(jù)理解靈活操作。

基于人工代碼的規(guī)則算法，在計(jì)算能力上更具優(yōu)勢(shì)——比如在泊車時(shí)，規(guī)則算法可以通過(guò)精確的計(jì)算，選擇最完美的倒車入庫(kù)路徑，而端到端則會(huì)像人一樣邊開邊調(diào)整，不斷揉庫(kù)。

第二點(diǎn)，是目前的端到端大模型才剛剛起步，需要不斷學(xué)習(xí)。

吳新宙用了一個(gè)很形象的比喻來(lái)描述端到端大模型和上一代規(guī)則算法的關(guān)系，端到端大模型天賦更高，未來(lái)可以成為博士，但是在成長(zhǎng)的過(guò)程中，也需要小學(xué)老師、初中老師去教導(dǎo)，而這些老師，就是規(guī)則算法。

吳新宙和周光也給出了共同的預(yù)判：

目前的端到端大模型處于起步階段，還需要不斷成長(zhǎng)才能趨于完美，因此在未來(lái)幾年，端到端大模型和規(guī)則算法兩套方案相輔相成應(yīng)該是大勢(shì)所趨。

AI 定義智駕 1.0 時(shí)代對(duì)算力和數(shù)據(jù)等硬實(shí)力的需求，或許可以通過(guò)供應(yīng)商提供的數(shù)字基建來(lái)解決。

但是想邁入 AI 定義智駕 2.0 時(shí)代，如何去高精地圖、如何做好前融合，有沒有強(qiáng)大的規(guī)則算法能力，則是對(duì)車企和智駕供應(yīng)商軟實(shí)力的考驗(yàn)。

03、大模型不是終點(diǎn)，只是 AI 時(shí)代的開端

在和多家智駕產(chǎn)業(yè)鏈供應(yīng)商交流之后，還有兩個(gè)不那么「技術(shù)」的感受。

第一個(gè)感受，是端到端大模型并不會(huì)是 AI 定義汽車的終點(diǎn)，而只是個(gè)起點(diǎn)。

元戎啟行的分享中提到，端到端大模型雖然在推理能力上和人類非常類似，但是某些情況下的學(xué)習(xí)能力依舊不足。

比如在復(fù)雜的路口時(shí)，人和端到端大模型都可能會(huì)走錯(cuò)路，但是人再一次繞回這個(gè)路口時(shí)，能立即排除一個(gè)錯(cuò)誤選項(xiàng)，而端到端大模型不行，大模型要學(xué)會(huì)一個(gè)東西，可能要在云端經(jīng)過(guò)成千上萬(wàn)次的訓(xùn)練。

要想提高端到端大模型的表現(xiàn)，還有很長(zhǎng)的路要走。

第二個(gè)感受，是業(yè)內(nèi)也在探索大模型在汽車行業(yè)的更多應(yīng)用場(chǎng)景。

英偉達(dá)汽車行業(yè)數(shù)據(jù)中心業(yè)務(wù)副總裁 Norm Marks 分享了六大類英偉達(dá)正在應(yīng)用大語(yǔ)言模型的場(chǎng)景，涉及智駕、智艙、數(shù)字工廠、開發(fā)設(shè)計(jì)等多個(gè)領(lǐng)域。

除了英偉達(dá)以外，安霸也進(jìn)行了類似的探索，推出了生成式 AI 芯片 N1，算力水平達(dá)到了英偉達(dá) A100 的 70%，但功耗僅有 A100 的 10%，50 瓦的功耗讓車端運(yùn)行大模型成為了可能。

目前車端搭載的普遍為云端大模型，存在隱私和穩(wěn)定性兩方面的缺點(diǎn)，因此只能用于娛樂(lè)、對(duì)話等功能。

而當(dāng)通用大模型部署到車端本地之后，就可以參與一些更重要的工作中去，比如幫助智駕大模型做一些判斷等。

這種在應(yīng)用場(chǎng)景上的探索與迷茫，一定程度上說(shuō)明目前 AI 的技術(shù)發(fā)展速度已經(jīng)超過(guò)了實(shí)際應(yīng)用場(chǎng)景，存在著一定的「泡沫」。

但是反過(guò)來(lái)看，當(dāng)技術(shù)超前到一定程度之后，必然會(huì)從底層重塑整個(gè)汽車行業(yè)。就像 2001 年互聯(lián)網(wǎng)泡沫破裂之后，互聯(lián)網(wǎng)反而重塑了整個(gè)人類社會(huì)的生產(chǎn)方式。

目前端到端大模型在汽車上的應(yīng)用，必然只是 AI 定義汽車時(shí)代的開始。

返回第一電動(dòng)網(wǎng)首頁(yè) >