文|車東西 昊晗
編輯|曉寒
自動(dòng)駕駛數(shù)據(jù)“上云”已成大勢(shì)所趨，那下一步是什么？
眼下，自動(dòng)駕駛行業(yè)已經(jīng)進(jìn)入商業(yè)落地的下半場(chǎng)，路面上搭載各級(jí)別自動(dòng)駕駛系統(tǒng)的車輛也是越來越多。
對(duì)于車企們來說，落地交付不僅是對(duì)其多年潛心研發(fā)的一個(gè)認(rèn)可，更要面臨量產(chǎn)所帶來的龐大數(shù)據(jù)量的挑戰(zhàn)，而當(dāng)下僅憑新建機(jī)房顯然并不劃算，數(shù)據(jù)存儲(chǔ)“上云”也就成為不二之選。
但隨著自動(dòng)駕駛行業(yè)越來越“卷”，車企對(duì)云的需求已不滿足于僅數(shù)據(jù)存儲(chǔ)本身，像是感知模型訓(xùn)練、仿真測(cè)試、研發(fā)工具鏈等對(duì)智能汽車云的需求也是越來越旺。
所以在這個(gè)時(shí)間節(jié)點(diǎn)，自動(dòng)駕駛數(shù)據(jù)“上云”已經(jīng)可以算是最低要求，自動(dòng)駕駛研發(fā)“入云”才是關(guān)鍵。
那么，車企們眼前對(duì)云最大的需求是什么？云服務(wù)又如何助力自動(dòng)駕駛開發(fā)？智能車云未來該向何處發(fā)展？
近日，安永（中國(guó)）企業(yè)咨詢有限公司（以下簡(jiǎn)稱“安永”）與華為智能汽車解決方案BU合作撰寫并發(fā)布了《從“上云”到“入云”，云服務(wù)賦能汽車產(chǎn)業(yè)智能網(wǎng)聯(lián)升級(jí)——智能汽車云服務(wù)白皮書》（以下簡(jiǎn)稱《白皮書》）。
該《白皮書》也是第一本云服務(wù)應(yīng)用在汽車行業(yè)智能汽車時(shí)代，核心業(yè)務(wù)核心應(yīng)用上的白皮書。書中對(duì)目前自動(dòng)駕駛開發(fā)、車聯(lián)網(wǎng)等智能車云服務(wù)應(yīng)用場(chǎng)景進(jìn)行了詳細(xì)解讀。
對(duì)此，車東西從這本《白皮書》中找到了上述問題的答案。
01 自動(dòng)駕駛要落地，數(shù)據(jù)“上云”只是第一步
如果把自動(dòng)駕駛行業(yè)發(fā)展分成上下半場(chǎng)，那么上半場(chǎng)就是從零到一的開發(fā)驗(yàn)證階段，而下半場(chǎng)就是從一到多的商業(yè)落地階段。
在上半場(chǎng)競(jìng)爭(zhēng)中，車企們比拼的是誰家自動(dòng)駕駛系統(tǒng)算法更高效，誰的接管率更低。而在下半場(chǎng)中，比拼的是誰交付規(guī)模最大、實(shí)際使用里程最多。
畢竟，實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)，自動(dòng)駕駛也是同理。當(dāng)下，各級(jí)別自動(dòng)駕駛車輛越來越多，可行駛測(cè)試范圍越來越廣，應(yīng)用場(chǎng)景也越來越豐富。
對(duì)于車企來說，“車多路廣”固然是好事，但隨之產(chǎn)生的海量數(shù)據(jù)就成為一件新“頭疼事”。
通常來說，在自動(dòng)駕駛研發(fā)階段，如果按照10輛測(cè)試車，每年累計(jì)采集天數(shù)300天估算，單車每天可以產(chǎn)生10TB左右的數(shù)據(jù)量，每年產(chǎn)生的數(shù)據(jù)總量達(dá)到30PB左右。
而在商業(yè)落地階段，雖然車輛不會(huì)像測(cè)試車那樣沒日沒夜地跑，但車輛總數(shù)卻呈指數(shù)級(jí)上漲。如果按照10萬輛車，每年累計(jì)采集天數(shù)300天估算，那么未來車企所面臨的數(shù)據(jù)總量將會(huì)達(dá)到ZB級(jí)。
這里簡(jiǎn)單介紹一下PB級(jí)和ZB級(jí)間的換算關(guān)系，1ZB=1024EB，1EB=1024PB，而用我們熟悉的TB單位來換算，1ZB約等于10億TB。車企們所面臨的數(shù)據(jù)壓力可想而知。
商用階段數(shù)據(jù)量將達(dá)ZB量級(jí)（圖片取自白皮書正文）
現(xiàn)階段，無論是從建設(shè)、運(yùn)維成本還是信息安全來說，通過新建或擴(kuò)容機(jī)房的方式顯然已經(jīng)跟不上數(shù)據(jù)增長(zhǎng)的速度。
“傳統(tǒng)的數(shù)據(jù)中心已經(jīng)不能適應(yīng)自動(dòng)駕駛商用化的要求，“上云”是自動(dòng)駕駛從開發(fā)到商用的必由之路?！蹦掣呖萍脊局悄苘囋品?wù)產(chǎn)品部總經(jīng)理說道。
由此可見，在自動(dòng)駕駛商業(yè)落地下半場(chǎng)中，數(shù)據(jù)“上云”也就成為車企們的一大剛需，也成為決定其能否實(shí)現(xiàn)快速迭代的重要因素。
但是，海量數(shù)據(jù)不僅帶來了存儲(chǔ)難題，如何高效利用和處理又是另一大難題。
所以，數(shù)據(jù)“上云”只是第一步，而智能汽車云之于自動(dòng)駕駛的意義也絕不是僅僅停留在滿足數(shù)據(jù)存儲(chǔ)本身。
02 感知模型怎么練，數(shù)據(jù)標(biāo)注“入云”是關(guān)鍵
上文提到，自動(dòng)駕駛行業(yè)正處于商業(yè)落地的下半場(chǎng)，各家表面上拼的是落地，是規(guī)模，是里程，但背后其實(shí)拼的是快速迭代能力、解決Corner Case能力。
也就是說，自動(dòng)駕駛車輛的落地商用離不開持續(xù)而高效的算法迭代。
對(duì)自動(dòng)駕駛算法迭代而言，感知模型訓(xùn)練和仿真測(cè)試又是重中之重，前者直接關(guān)乎自動(dòng)駕駛系統(tǒng)的安全性，而后者決定了自動(dòng)駕駛系統(tǒng)能否實(shí)現(xiàn)快速迭代。
但根據(jù)部分車企的研發(fā)人員反饋，感知模型訓(xùn)練和仿真測(cè)試卻也是整個(gè)自動(dòng)駕駛研發(fā)過程中的兩大痛點(diǎn)。
自動(dòng)駕駛相關(guān)高頻痛點(diǎn)場(chǎng)景（圖片取自白皮書正文）
首先是感知模型訓(xùn)練。眾所周知，自動(dòng)駕駛系統(tǒng)在感知層面與人類駕駛員類似，都是通過各種傳感器對(duì)外部環(huán)境進(jìn)行感知，前者靠攝像頭、激光雷達(dá)、毫米波雷達(dá)，人類駕駛員靠的是眼睛、耳朵甚至是鼻子。
并且，對(duì)于自動(dòng)駕駛系統(tǒng)和人類駕駛員來說，都是看到相對(duì)容易，辨別是什么更難。
自動(dòng)駕駛感知方案
所以，感知模型訓(xùn)練就成為自動(dòng)駕駛研發(fā)過程中最基礎(chǔ)的一部分也是最重要的一部分。
畢竟只有看清了，認(rèn)出是什么了，才能進(jìn)行規(guī)劃和決策。
具體來說，感知模型訓(xùn)練按照流程可以劃分為五大環(huán)節(jié)，分別為數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)預(yù)處理、難例挖掘、數(shù)據(jù)標(biāo)注以及模型訓(xùn)練。
自動(dòng)駕駛研發(fā)關(guān)鍵控制點(diǎn)（圖片取自白皮書正文）
而在這五大環(huán)節(jié)中，數(shù)據(jù)標(biāo)注又是最耗時(shí)耗力的一環(huán)，讓一眾車企直呼“頭疼”。
數(shù)據(jù)標(biāo)注是指通過人工以及智能化工具，對(duì)傳感器所捕捉的圖像、視頻、路牌文本等各類別信息進(jìn)行目標(biāo)檢測(cè)和識(shí)別。簡(jiǎn)單來說，數(shù)據(jù)標(biāo)注就是把圖像（點(diǎn)云、相機(jī)）中的信息逐一標(biāo)出來，是一個(gè)簡(jiǎn)單但對(duì)精度、效率要求極高的工作。
數(shù)據(jù)標(biāo)注
所以，當(dāng)人類在處理這項(xiàng)工作時(shí)，就難免會(huì)出現(xiàn)數(shù)據(jù)篩選耗時(shí)、人工標(biāo)注返工率高、數(shù)據(jù)格式不統(tǒng)一等問題，也就使得整體標(biāo)注效率比較低。而國(guó)外某自動(dòng)駕駛車企也曾為了提升數(shù)據(jù)標(biāo)注效率，因此減少人工標(biāo)注的比例。
既然人工效率低，那么用AI進(jìn)行數(shù)據(jù)標(biāo)注呢？
通過AI對(duì)數(shù)據(jù)進(jìn)行標(biāo)注，雖然解決了人工的效率問題，但是數(shù)據(jù)積累的深度、廣度都會(huì)直接限制及影響AI的學(xué)習(xí)能力，且基礎(chǔ)算法模型的算力亦難以承擔(dān)日益增長(zhǎng)的數(shù)據(jù)量。
所以，像自動(dòng)駕駛感知模型這種訓(xùn)練數(shù)據(jù)體量大、算法精度要求高、訓(xùn)練效率要求快的工作，就更適合采用汽車云服務(wù)進(jìn)行數(shù)據(jù)處理。
相較于人工與本地AI訓(xùn)練的數(shù)據(jù)處理能力，汽車云服務(wù)憑借超強(qiáng)算力、高效精準(zhǔn)的智能化策略優(yōu)勢(shì)，可以有效緩解自動(dòng)駕駛數(shù)據(jù)處理過程中出現(xiàn)的各類難題與挑戰(zhàn)。
《白皮書》提到高等級(jí)自動(dòng)駕駛在港口、礦山等封閉場(chǎng)景中商用落地的節(jié)奏早于乘用車，而且汽車云服務(wù)也會(huì)在這些行業(yè)應(yīng)用場(chǎng)景中發(fā)揮“云上大腦”的巨大價(jià)值。以礦區(qū)無人駕駛為例，汽車云服務(wù)對(duì)感知模型的訓(xùn)練起到了至關(guān)重要的作用。
無人駕駛卡車在礦區(qū)內(nèi)經(jīng)常會(huì)遇到非結(jié)構(gòu)化路面、隨機(jī)落石、異形車輛等情況，并且礦區(qū)還存在飛塵、揚(yáng)土等惡劣環(huán)境。這對(duì)于自動(dòng)駕駛系統(tǒng)研發(fā)來說，非?？简?yàn)數(shù)據(jù)標(biāo)注的準(zhǔn)確度和模型訓(xùn)練的效率，而汽車云服務(wù)通過高效的數(shù)據(jù)處理、難例挖掘、自動(dòng)標(biāo)注、模型訓(xùn)練等能力，可以快速幫助無人駕駛卡車適應(yīng)礦區(qū)復(fù)雜的作業(yè)環(huán)境，降低接管率，提升無人化作業(yè)效率。
從數(shù)據(jù)上來說，本地AI訓(xùn)練數(shù)據(jù)處理的效率較人工提升3～4倍，而依托云端的更高算力和更多的經(jīng)驗(yàn)積累，汽車云服務(wù)數(shù)據(jù)處理的綜合處理效率提升10倍以上，數(shù)據(jù)處理成本較人工降低50%。
自動(dòng)駕駛研發(fā)數(shù)據(jù)處理發(fā)展歷程（圖片取自白皮書正文）
綜上來看，在自動(dòng)駕駛研發(fā)數(shù)據(jù)處理方面，汽車云服務(wù)的優(yōu)勢(shì)正在逐漸凸顯。不僅可以有效識(shí)別高價(jià)值數(shù)據(jù)，優(yōu)化存儲(chǔ)空間，加速難例挖掘，還可以深度學(xué)習(xí)實(shí)現(xiàn)自動(dòng)標(biāo)注能力提升，優(yōu)化標(biāo)注算法效率與精度，降低數(shù)據(jù)處理成本。
03 要想快速迭代，仿真測(cè)試需要云來幫
在解決了數(shù)據(jù)處理難題后，對(duì)于在自動(dòng)駕駛持續(xù)投入的車企們來說，要想實(shí)現(xiàn)快速迭代，海量測(cè)試必不可少。
行業(yè)普遍觀點(diǎn)認(rèn)為，自動(dòng)駕駛系統(tǒng)至少需要100億英里（約合161億公里）的試駕數(shù)據(jù)，以確保車輛上路的行駛安全，但顯然僅憑測(cè)試車“沒日沒夜”地跑難以完成。
所以，仿真測(cè)試也就成為自動(dòng)駕駛研發(fā)的重要環(huán)節(jié)，也是必經(jīng)之路。
據(jù)統(tǒng)計(jì)，在仿真測(cè)試中，車企主要面臨四大挑戰(zhàn)，分別為場(chǎng)景庫覆蓋度不足，行業(yè)間格式互不兼容；仿真測(cè)試所涉里程數(shù)大，場(chǎng)景類別多且耗時(shí)長(zhǎng)；仿真測(cè)試與實(shí)車路測(cè)偏差大，置信度低；仿真評(píng)價(jià)體系不完善，反饋效果差。
自動(dòng)駕駛仿真測(cè)試體系（圖片取自白皮書正文）
并且，仿真測(cè)試對(duì)技術(shù)團(tuán)隊(duì)能力要求較高，要兼具多種交叉學(xué)科的專業(yè)技能，對(duì)業(yè)務(wù)融合程度的要求也更高一個(gè)層級(jí)，遠(yuǎn)超自動(dòng)駕駛研發(fā)的其他業(yè)務(wù)環(huán)節(jié)。
上述這些挑戰(zhàn)和問題，也就促發(fā)了仿真測(cè)試“入云”的迫切需求。那仿真汽車云又能解決什么問題呢？又是怎么解決問題的呢？
首先，仿真汽車云服務(wù)通過構(gòu)建開放場(chǎng)景庫，幫助仿真場(chǎng)景庫更為標(biāo)準(zhǔn)與全面。其次，憑借云端大規(guī)模并行仿真的強(qiáng)大算力及高并發(fā)處理能力，將單線模式轉(zhuǎn)變成并發(fā)模式，支持多場(chǎng)景下同時(shí)完成多個(gè)仿真任務(wù)，大大提升了仿真效率。
自動(dòng)駕駛云仿真
而至于仿真測(cè)試與實(shí)車路測(cè)偏差大的問題，仿真汽車云服務(wù)可以集成計(jì)算機(jī)軟件、車輛動(dòng)力工程、交通等多領(lǐng)域?qū)I(yè)能力，從微觀到宏觀提高仿真測(cè)試逼真度。
最后，在仿真測(cè)試評(píng)價(jià)方面，汽車云服務(wù)基于汽車行業(yè)經(jīng)驗(yàn)并結(jié)合場(chǎng)景庫，能為仿真測(cè)試過程提供多維且全面的評(píng)價(jià)指標(biāo)體系，支持不同車企、不同發(fā)展階段評(píng)價(jià)指標(biāo)的定制化服務(wù)，加速仿真測(cè)試的算法迭代與場(chǎng)景庫優(yōu)化。
所以總結(jié)來看，對(duì)于整個(gè)自動(dòng)駕駛云服務(wù)來說，高質(zhì)量的仿真測(cè)試體系就像皇冠上的明珠，極具代表性地體現(xiàn)出自動(dòng)駕駛研發(fā)“入云”的價(jià)值。而在數(shù)據(jù)處理和仿真測(cè)試這兩大自動(dòng)駕駛研發(fā)的關(guān)鍵控制點(diǎn)中，智能汽車云的作用已不可小覷。
對(duì)于涉足自動(dòng)駕駛的車企來說，如今智能汽車云的重要性已經(jīng)與傳感器、計(jì)算平臺(tái)、整車制造旗鼓相當(dāng)，并已經(jīng)成為在商業(yè)落地下半場(chǎng)中降本增效的秘密武器。
04 研發(fā)效率怎么提，工具鏈貫通是重點(diǎn)
當(dāng)感知模型訓(xùn)練和仿真測(cè)試的效率得到改善后，那么是否就意味著整個(gè)自動(dòng)駕駛研發(fā)流程的效率可以整體提升呢？
答案是否定的。
舉例來說，某車企就曾在自動(dòng)駕駛研發(fā)過程中，由于在不同階段使用的各項(xiàng)工具零散，數(shù)據(jù)處理格式不一，導(dǎo)致開發(fā)模型迭代需要2個(gè)月，效率低下且成本高。
這也就意味著，僅單一研發(fā)流程的效率提升，而沒有一個(gè)完整的自動(dòng)駕駛研發(fā)工具鏈，并不能讓整體研發(fā)效率得到有效提升。
最后的結(jié)果很有可能是1+1。