圖片來源@視覺中國
文｜解碼Decode
1989年，卡內(nèi)基梅隆大學(xué)接到了美國軍方的一個(gè)研究課題，內(nèi)容是當(dāng)時(shí)看起來不可思議的自動駕駛。
為此，研究人員給一輛翻新的軍用急救車，裝上了一個(gè)看起來像探照燈的碩大攝像頭，還配備了一臺冰箱大小的處理器和一部5000W的發(fā)電機(jī)。
盡管設(shè)備簡陋、數(shù)據(jù)粗糙，比如據(jù)媒體報(bào)道當(dāng)時(shí)車頂?shù)臄z像頭只能輸入30×32像素網(wǎng)格，但借助開創(chuàng)性的神經(jīng)網(wǎng)絡(luò)，這輛名為ALVINN的自動駕駛汽車最高速度能達(dá)到88km/h。
ALVINN被譽(yù)為自動駕駛領(lǐng)域一個(gè)里程碑項(xiàng)目。其最深刻的影響，正是用神經(jīng)網(wǎng)絡(luò)替代人工代碼，成為后來自動駕駛技術(shù)發(fā)展的一座燈塔。
此后數(shù)十年，自動駕駛技術(shù)沿著ALVINN的方向飛速發(fā)展，直到chatGPT問世，大模型走上舞臺，成為改變自動駕駛最大的一個(gè)變量。
在車端，大模型已經(jīng)作用于自動駕駛的感知和預(yù)測環(huán)節(jié)，正在向決策層滲透；在云端，大模型為L3及以上自動駕駛落地鋪平了道路；甚至，大模型還將加速城市NOA落地。
而全球的下游企業(yè)中，特斯拉毫無疑問是跑在最前面的少數(shù)。
今年8月特斯拉端到端AI自動駕駛系統(tǒng)FSD Beta V12版本的公開亮相，據(jù)稱可以完全依靠車載攝像頭和神經(jīng)網(wǎng)絡(luò)，識別道路和交通情況并做出相應(yīng)的決策。
這種端到端模型的感知決策一體化，讓自動駕駛直接從一端輸入圖像數(shù)據(jù)，一端輸出操作控制，更接近人類的真實(shí)駕駛。
但車企們努力接近端到端模型時(shí)才發(fā)現(xiàn)，想要超越必須先跟隨。
讓大模型上車，特斯拉絕對是最激進(jìn)的一個(gè)。
早在2015年，特斯拉就開始布局自動駕駛軟硬件自研，2016-2019年陸續(xù)實(shí)現(xiàn)了算法和芯片自研。隨后在2020年，特斯拉自動駕駛又迎來大規(guī)模升級：
不僅用FSD Beta替換了Mobileye的Autopilot 3.0，還將算法由原來的2D+CNN升級為BEV+Transform。
Transformer就是GPT中的T，是一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，優(yōu)勢是可實(shí)現(xiàn)全局理解的特征提取，增強(qiáng)模型穩(wěn)定性和泛化能力。
BEV全稱是Bird’s Eye View(鳥瞰視角），是一種將三維環(huán)境信息投影到二維平面的方法，以俯視視角展示環(huán)境當(dāng)中的物體和地形。
與傳統(tǒng)小模型相比，BEV+Transformer對智能駕駛的感知和泛化能力進(jìn)行了提升，有助于緩解智能駕駛的長尾問題：
1）感知能力：BEV統(tǒng)一視角，將激光雷達(dá)、雷達(dá)和相機(jī)等多模態(tài)數(shù)據(jù)融合至同一平面上，可以提供全局視角并消除數(shù)據(jù)之間的遮擋和重疊問題，提高物體檢測和跟蹤的精度 ；
2）泛化能力：Transformer模型通過自注意力機(jī)制，可實(shí)現(xiàn)全局理解的特征提取，有利于尋找事物本身的內(nèi)在關(guān)系，使智能駕駛學(xué)會總結(jié)歸納而不是機(jī)械式學(xué)習(xí)。
2022年特斯拉又在算法中引入時(shí)序網(wǎng)絡(luò)，并將BEV升級為占用網(wǎng)絡(luò)(OccupancyNetwork)，有效解決了從三維到二維過程中的信息損失問題。
從感知算法的推進(jìn)來看，行業(yè)總體2022年及之前的的商業(yè)化應(yīng)用主要為2D+CNN算法。隨著ChatGPT等AI大模型的興起，算法已經(jīng)升級至BEV+Transformer。
時(shí)間上特斯拉有領(lǐng)先優(yōu)勢（2020年），國內(nèi)小鵬、華為、理想等均是今年才切換至BEV+Transformer。
但不論是特斯拉還是國內(nèi)主機(jī)廠，BEV+Transformer都仍只應(yīng)用于感知端。
雖然學(xué)術(shù)界以最終規(guī)劃為目標(biāo)，提出感知決策一體化的智能駕駛通用大模型UniAD+全棧Transformer模型，不過受限于算法復(fù)雜性+大算力要求，目標(biāo)落地尚無準(zhǔn)確時(shí)間表。
2016年，因輔助駕駛致死事故和Mobileye分道揚(yáng)鑣的特斯拉，找到英偉達(dá)定制了算力為24TOPS的計(jì)算平臺 Drive PX2，由此開啟了車企瘋狂追求算力的神奇序幕。
繼Drive PX2之后，英偉達(dá)在6年時(shí)間內(nèi)發(fā)布了三代智能駕駛芯片，從Xavier、Orin再到Thor，算力從30TOPS一躍升到2000TOPS，足足增長了83倍，比摩爾定律還要快。
上游如此“喪心病狂”的堆算力，歸根結(jié)底還是因?yàn)橄掠斡腥速I單。
一方面，隨著智能汽車上的傳感器規(guī)格和數(shù)量提升，帶來數(shù)據(jù)層面的暴漲。
以特斯拉Model Y和小鵬 G6 Max為例，后者因配置了更多傳感器，所需算力達(dá)到了前者的3.5倍。
當(dāng)一輛自動駕駛車輛每天可以產(chǎn)生數(shù)TB，甚至數(shù)十TB數(shù)據(jù)，數(shù)據(jù)處理能力即為自動駕駛技術(shù)驗(yàn)證的關(guān)鍵點(diǎn)之一。
另一方面，“大模型化”也讓智能駕駛算法的芯片算力愈發(fā)吃緊。
上汽人工智能實(shí)驗(yàn)室曾測試，實(shí)現(xiàn)L2級自動駕駛只需10Tops以下的算力，即便是實(shí)現(xiàn)L4級自動駕駛也只需100Tops左右的算力。而下游企業(yè)暴漲的算力需求，實(shí)際也另有原因。
一個(gè)是云端算力。
自動駕駛系統(tǒng)前期和后期開發(fā)依賴大量環(huán)境數(shù)據(jù)輸入，對算法進(jìn)行訓(xùn)練與驗(yàn)證，同時(shí)仿真測試中場景搭建與渲染也需要高算力支持。
而且特斯拉引領(lǐng)的神經(jīng)網(wǎng)絡(luò)Transformer又是一個(gè)資源消耗大戶，毫末智行數(shù)據(jù)顯示，Transformer在訓(xùn)練端所需算力是CNN的100倍。
如此一來，下游企業(yè)想要獲得算力要么自建智算中心（特斯拉），要么與云服務(wù)商合作，最不濟(jì)的全部外采，包括算法、計(jì)算資源、應(yīng)用服務(wù)等。
國內(nèi)主流主機(jī)廠/自動駕駛廠商的智算中心雖然都已上線，但因自建成本較高，國內(nèi)主流自動駕駛廠商大多采取合作模式/采購模式，比如吉利星睿、小鵬扶搖都是阿里云，毫末和理想則是火山引擎。但從長期成本優(yōu)勢來看，仍具備較高的自建傾向。
還有一個(gè)則是NOA。
現(xiàn)實(shí)中主機(jī)廠具備城市NOA高階智能駕駛功能的車型，算力大多在200-500TOPS左右。
但NOA從高速道路向城市道路拓展（高速道路-城市快速路-城市主干道-城市次干道-城市支路）的過程中，人流越密集（每天僅25%的人出行途徑高速，而城市道路則是100%）的道路環(huán)境復(fù)雜度更高，物體識別、感知融合和系統(tǒng)決策的算力需求就越高。
沐曦首席產(chǎn)品官孫國梁就指出，在車端部署大模型并能實(shí)現(xiàn)既定任務(wù)，算力至少要達(dá)到300～500TOPS。模型優(yōu)化或可降低算力要求，但考慮到未來場景復(fù)雜度和數(shù)據(jù)量增加，以及視覺感知占比增加（相對基于規(guī)則），車端算力或?qū)⒎哆_(dá)800TOPS以上。
光大證券有一個(gè)判斷，認(rèn)為L2/L2+級向L3級高階智能駕駛邁進(jìn)的三大要素重要性排序分別是數(shù)據(jù)>算法>硬件，而后階段向更高階智能駕駛邁進(jìn)的排序或?yàn)橛布?gt;=算法>數(shù)據(jù)。
理論依據(jù)在于，實(shí)現(xiàn)L3級智能駕駛的關(guān)鍵在于全面感知，主要依賴海量+長尾場景數(shù)據(jù)驅(qū)動算法升級優(yōu)化；其中，無圖場景覆蓋還需低線城市數(shù)據(jù)（vs.當(dāng)前車載算力已基本滿足L3-L4級需求）。
而當(dāng)前階段，海量+長尾場景數(shù)據(jù)的獲取就要依靠車載傳感器（攝像頭）的大幅升級。
根據(jù)Yole報(bào)告，自動駕駛L1-L3所需的攝像頭數(shù)量翻倍增長，比如L1-L2級僅需前后兩顆攝像頭，到L3就要20顆。
而實(shí)際上，主機(jī)廠為后續(xù)OTA升級預(yù)留冗余，單車攝像頭配置遠(yuǎn)超本級所需的攝像頭數(shù)量，如特斯拉Model 3搭載9顆，蔚來、小鵬、理想車型達(dá)到10-13顆。
此外，因大模型對感知數(shù)據(jù)的精細(xì)化要求，高分辨率圖像數(shù)據(jù)可以作為深度學(xué)習(xí)模型中更新和優(yōu)化其架構(gòu)的參數(shù)的數(shù)據(jù)源，尤其是前視攝像頭，需要解決的場景最多，目標(biāo)識別任務(wù)最復(fù)雜，比如遠(yuǎn)距離小目標(biāo)識別、近距離目標(biāo)切入識別。
為了對更遠(yuǎn)距離的目標(biāo)進(jìn)行識別和監(jiān)測，車載攝像頭就要向800萬像素或更高升級。典型如百度Apollo，就已聯(lián)合索尼、聯(lián)創(chuàng)與黑芝麻智能，全球首創(chuàng)了超1500萬高像素車載攝像頭模組。
而在提高感知能力這件事上，還有兩個(gè)所有車企都想繞開的坎，高精地圖和激光雷達(dá)。
高精度地圖作為先驗(yàn)信息，可以給自動駕駛提供大量的安全冗余，在數(shù)據(jù)和算法尚未成熟之前，主機(jī)廠依賴程度較高。而脫圖的原因也比較好理解：
1）高精地圖存在更新周期長、成本高、圖商資格收緊等弊端，限制了高階自動駕駛大規(guī)模商業(yè)化的可能性。
2）構(gòu)建數(shù)據(jù)閉環(huán)，形成對算法模型的迭代升級反哺車端。
至于如何脫圖，特斯拉的辦法是引入車道線網(wǎng)絡(luò)及新的數(shù)據(jù)標(biāo)注方法，國內(nèi)自動駕駛頭部公司則采取車端實(shí)時(shí)建圖方案，通過安裝在車輛上的相機(jī)等傳感器來構(gòu)建車輛行駛過程中周圍的環(huán)境地圖。
目前小鵬、華為等頭部主機(jī)廠發(fā)布無高精地圖的高階智能駕駛方案，并定下量產(chǎn)時(shí)間表，華為、毫末、元戎啟行等自動駕駛公司也加入其中，自動駕駛算法“重感知，輕地圖”趨勢明確。
激光雷達(dá)則是因?yàn)槌杀締栴}。
激光雷達(dá)在距離和空間信息方面具有精度優(yōu)勢，搭載激光雷達(dá)的多傳感器融合感知方案可通過互補(bǔ)達(dá)到全環(huán)境感知能力，為高級別自動駕駛提供安全冗余。
但激光雷達(dá)也的確是成本大戶，早些年除了特斯拉，幾乎所有成熟的無人駕駛技術(shù)方案都采用了64位激光雷達(dá)，它的成本約人民幣70萬元，一個(gè)小雷達(dá)抵得上一輛車甚至幾輛車。
特斯拉利用占用網(wǎng)絡(luò)來實(shí)現(xiàn)類似激光雷達(dá)的感知效果，國內(nèi)主機(jī)廠由于機(jī)器視覺算法的缺失，預(yù)計(jì)仍將激光雷達(dá)作為重要的補(bǔ)充傳感器，由此可減少在視覺領(lǐng)域所需積累的數(shù)據(jù)量。
另外4D成像毫米波雷達(dá)或?qū)⑼耆娲?D毫米波雷達(dá)，有望對低線激光雷達(dá)形成替代。
與激光雷達(dá)相比，4D成像毫米波雷達(dá)部分指標(biāo)近似達(dá)到16線激光雷達(dá)性能，但成本僅為激光雷達(dá)十分之一。
特斯拉基于全新的自動駕駛硬件HW4.0，首次在S/X的車型上搭載了4D毫米波雷達(dá)。除特斯拉外，價(jià)格在40萬元以下的理想車型和價(jià)格在70萬以上的寶馬車型、以及通用收購的Cruise自動駕駛服務(wù)車均于近兩年完成了4D毫米波雷達(dá)布局。同時(shí)大陸、采埃孚等汽車Tier-1巨頭基本完成對該領(lǐng)域的布局。
8月，馬斯克親自上線開啟了一場FSD Beta V12的試駕直播，45分鐘內(nèi)FSD Beta V12系統(tǒng)在行駛?cè)踢M(jìn)展非常順利，能夠輕松繞過障礙物，識別道路各種標(biāo)志。
馬斯克激動地表示：
V12系統(tǒng)從頭到尾都是通過AI實(shí)現(xiàn)。我們沒有編程，沒有程序員寫一行代碼來識別道路、行人等，全部交給了神經(jīng)網(wǎng)絡(luò)。
而這一切是建立在巨量的「視頻數(shù)據(jù)」和1萬個(gè)H100之上。
遺憾的是，這兩個(gè)戰(zhàn)略性資源都不是國內(nèi)主機(jī)廠能夠輕易追趕上的。
參考資料：
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論