圖片來源@視覺中國(guó)
文 | 硅基研究室，作者｜白嘉嘉
「鯰魚」特斯拉游向了自動(dòng)駕駛領(lǐng)域。
8月14日，特斯拉中國(guó)在一項(xiàng)聲明中表示，特斯拉已經(jīng)在中國(guó)建立了數(shù)據(jù)中心，所有在中國(guó)大陸市場(chǎng)銷售車輛所產(chǎn)生的數(shù)據(jù)，都會(huì)存儲(chǔ)在中國(guó)境內(nèi)。
據(jù)36氪報(bào)道，特斯拉已經(jīng)從總部派了工程師來華，計(jì)劃組建一個(gè)20人左右的本地運(yùn)營(yíng)團(tuán)隊(duì)，以推動(dòng)自動(dòng)駕駛解決方案FSD（Full Self-Drive）在中國(guó)市場(chǎng)落地。
此外，特斯拉還嘗試在中國(guó)成立一個(gè)數(shù)據(jù)標(biāo)注團(tuán)隊(duì)，規(guī)模約上百人，意圖同樣指向自動(dòng)駕駛。
其實(shí)，早在特斯拉擺尾前，自動(dòng)駕駛，尤其是NOA（導(dǎo)航輔助駕駛技術(shù)，Navigate On Autopilo）領(lǐng)域，資本市場(chǎng)早就從大模型的浪潮中覺察到了風(fēng)向。
二級(jí)市場(chǎng)上，具備類似NOA等高速領(lǐng)航功能軟件開發(fā)能力的阿爾特（300825.SZ）自4月25日迄今股價(jià)累計(jì)最大漲幅達(dá)80.45%。
拉長(zhǎng)時(shí)間看，在城市NOA方面搭建面向自動(dòng)駕駛?cè)驍?shù)據(jù)的光庭信息（301221.SZ）年內(nèi)股價(jià)累計(jì)最大漲幅達(dá)114.29%。
《2022年汽車行業(yè)報(bào)告：城市NOA重新定義智能汽車》指出，2023年搭載NOA的汽車總量或?qū)?0萬輛，2025年可能將達(dá)到348萬輛。其中，支持城市NOA功能的車型占比將從2023年的17％迅速上升到70％。
那么在大模型的熱度下，2023年會(huì)是「城市NOA元年」嗎？
嚴(yán)格來說，從始至終，NOA不是一項(xiàng)全新的、顛覆性的技術(shù)，它只是集成了ACC自適應(yīng)巡航、LKA車道保持輔助、ALC自動(dòng)變道輔助和高精地圖定位四項(xiàng)功能。
過去，在NOA的前面往往還有個(gè)定語——「高速」，因?yàn)闊o論在里程數(shù)，還是路況復(fù)雜程度，「高速」扮演的顯然是那個(gè)供新手練級(jí)的小Boss角色。
但城市，完全是另一個(gè)級(jí)別的對(duì)手。
小巷子里突然竄出的電瓶車、模糊的車道線、翻修道路導(dǎo)致的路線變更、更狹窄的視野……以高精度地圖為基礎(chǔ)的NOA技術(shù)在城市里處處碰壁。
城市的復(fù)雜直接反映在了車企的數(shù)據(jù)庫(kù)里。
根據(jù)小鵬汽車的數(shù)據(jù)，其城市NOA的代碼量是高速的6倍，感知模型數(shù)量是高速的4倍，預(yù)測(cè)/規(guī)劃/控制相關(guān)代碼量是高速的88倍。
但今年，車企和大模型玩家仿佛一起喝了「壯膽酒」，齊刷刷地將挺進(jìn)這片NOA的深水區(qū)。
公開信息顯示，小鵬汽車預(yù)計(jì)下半年將在數(shù)十個(gè)無圖城市釋放XNGP；華為ADS2.0三季度將在15座城市實(shí)現(xiàn)無圖商用輔助駕駛，四季度將擴(kuò)大至45座城市；理想汽車將于年底前完成100個(gè)城市的NOA推送；毫末智行計(jì)劃到2024年在100座城市落地?zé)o圖城市NOH。
是誰給了它們勇氣？答案或許離不開算法與大模型。
首先，算法上的突破讓汽車對(duì)現(xiàn)實(shí)的感知更加立體，車企在「重地圖」之外有了「重感知」的新選擇。
由于城市路況的復(fù)雜多變，「不依賴高精度地圖」成為了車企將智能駕駛落地城市的方案。探索過程中，特斯拉的BEV+Transformer方案為行業(yè)「脫圖」提供了技術(shù)上的可行性。
簡(jiǎn)單來說，這套方案是將傳統(tǒng)自動(dòng)駕駛的2D圖像視角（Image View）加測(cè)距的感知方式，轉(zhuǎn)換為了鳥瞰視角下的3D感知，優(yōu)勢(shì)在于保證了信息的完整性，有效解決物體遮擋問題，并極大方便后續(xù)規(guī)劃和控制任務(wù)。
放在大模型的語境下，這意味著在BEV空間內(nèi)，感知和預(yù)測(cè)都在同一個(gè)空間進(jìn)行，可以通過神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)端到端優(yōu)化，輸出并行結(jié)果，避免上下游誤差的傳遞與放大，從而開啟了借由數(shù)據(jù)驅(qū)動(dòng)實(shí)現(xiàn)快速迭代的可能。
2021年特斯拉推出「BEV+Transformer」方案后，逐漸成為了行業(yè)的主流，蔚小理均跟進(jìn)，其中，華為的ADS2.0采用GOD（融合激光雷達(dá)的Occupancy+Transformer）被光大證券認(rèn)為，有可能已經(jīng)領(lǐng)先特斯拉。
算法搭建起了閉環(huán)框架，剩下的工作就是往框架中填充數(shù)據(jù)，并讓飛輪轉(zhuǎn)動(dòng)起來?？耧j的大模型，無疑是這套方案最強(qiáng)勁的引擎。
在云端，大模型的大容量?jī)?yōu)勢(shì)，可以幫助車企完成絕大多數(shù)的數(shù)據(jù)標(biāo)注和挖掘工作，降低數(shù)據(jù)標(biāo)注成本。同時(shí)，生成式模型的「涌現(xiàn)能力」，構(gòu)建出了更多的仿真場(chǎng)景。
在車端，經(jīng)由將多個(gè)分管不同子任務(wù)的小模型合并為一個(gè)大模型后，可以大幅減少車端推理計(jì)算時(shí)間，為消費(fèi)者關(guān)心的安全性問題上了一重保險(xiǎn)。
更重要的是，從傳統(tǒng)的分模塊處理到端到端感知決策一體化，大模型的泛化能力被認(rèn)為有希望突破自動(dòng)駕駛系統(tǒng)必須事先學(xué)習(xí)相應(yīng)的情況才能做出反應(yīng)的限制，克服困擾行業(yè)的長(zhǎng)尾難題。
算法和大模型兩團(tuán)火照亮了自動(dòng)駕駛的前路，也為車企勾畫出了一條可以落地的產(chǎn)品路徑。
跑道清晰后，關(guān)鍵性節(jié)點(diǎn)隨之浮現(xiàn)。
如火如荼的城市NOA「開城戰(zhàn)」，本質(zhì)上是車企間的數(shù)據(jù)收集戰(zhàn)，誰能率先用數(shù)據(jù)投喂出具備落地能力的「車載大腦」，誰就有希望領(lǐng)先行業(yè)站上新的維度，在這個(gè)汽車幾乎要卷成家電城的年份打出最有競(jìng)爭(zhēng)力的王牌。
今天車企們涌向城市NOA的景象，很容易讓人聯(lián)想到2017年的自動(dòng)駕駛熱潮。
當(dāng)年，奧迪發(fā)布了全球首款可以實(shí)現(xiàn)L3級(jí)別自動(dòng)駕駛的新型轎車奧迪A8，這款車型也被定義為首款專用L3級(jí)別自動(dòng)駕駛而開發(fā)的量產(chǎn)車型。
隨后，包括吉利、廣汽、長(zhǎng)安在內(nèi)的大量車企跟進(jìn)，紛紛向外透露了L3自動(dòng)駕駛量產(chǎn)車型的計(jì)劃。
直到特斯拉的一起事故將自動(dòng)駕駛從技術(shù)層面拉到了倫理和法律層面。
2019年3月，美國(guó)佛羅里達(dá)州的一輛特斯拉Model 3由于沒能識(shí)別出前方的大貨車，沒有自動(dòng)變道也沒有提示駕駛員，以每小時(shí)110公里的速度從貨車底下鉆過，致駕駛員死亡。
雖然這起事故被美國(guó)國(guó)家運(yùn)輸安全委員會(huì)（NTSB）認(rèn)定為駕駛員過度依賴L2級(jí)自動(dòng)駕駛系統(tǒng)，但事故背后的所折射出的法律真空和L3、L2之間的微妙差別，給所有的車企潑了一盆冷水。
L3是自動(dòng)駕駛中最難過的一道坎，被業(yè)內(nèi)人士稱為「恐怖谷」。
國(guó)際標(biāo)準(zhǔn)中，自動(dòng)駕駛被分為L(zhǎng)0到L5六個(gè)級(jí)別。L0到L2階段被稱為輔助駕駛，駕駛員把控方向盤，系統(tǒng)提供類似加減速、變換道的輔助。L3到L5被稱為自動(dòng)駕駛階段，由系統(tǒng)逐漸接管車輛控制，適用范圍不斷擴(kuò)大，駕駛員參與程度依次降低。
其中，L3級(jí)自動(dòng)駕駛由系統(tǒng)和駕駛員「共享」方向盤，常規(guī)情況下由系統(tǒng)把控，特殊情況下需要司機(jī)接管。
據(jù)當(dāng)時(shí)特斯拉所搭載Eye Q3芯片的制造商Mobileye所說，馬斯克曾當(dāng)面向他保證，Autopilot會(huì)引入某種機(jī)制，保證司機(jī)必須手扶方向盤。而特斯拉所打出的「自動(dòng)駕駛」的噱頭，卻讓消費(fèi)者產(chǎn)生了可以松開方向盤的印象。
責(zé)權(quán)歸屬的模糊使L3成為了一塊車企不敢輕易踏入的禁地，行業(yè)也因此產(chǎn)生了分歧，一部分玩家選擇跳過L3，直接開發(fā)L4無人駕駛系統(tǒng)，而另一部分玩家則選擇停留在L2或L2+，甚至是L2++。
玩家的分歧造就了今天自動(dòng)駕駛市場(chǎng)的多面向。
第一個(gè)面向是「無人車跑在伊甸園」。
以北京亦莊自動(dòng)駕駛示范區(qū)為例。在建設(shè)早期，亦莊就把高精度的數(shù)據(jù)地圖列為了重點(diǎn)建設(shè)項(xiàng)目之一，而這也是后來無人駕駛研發(fā)商能夠上路的基礎(chǔ)。全國(guó)有類似基礎(chǔ)的地區(qū)甚至都找不出第二個(gè)。
而且，即便實(shí)現(xiàn)了車內(nèi)無人，運(yùn)營(yíng)中心仍需配備后臺(tái)工程師隨時(shí)監(jiān)控。來去之間成本并沒有降低多少。
類似的困境包圍著所有致力于L4級(jí)研發(fā)的車企，資本眼看落地?zé)o望，紛紛抽身離場(chǎng)。Waymo估值從1750億美元下跌至300億美元，亞馬遜無人配送車Scout項(xiàng)目于2022年十月被關(guān)停，數(shù)據(jù)顯示，和巔峰期相比，自動(dòng)駕駛相關(guān)企業(yè)市值整體縮水80%。
第二個(gè)面向是「沿途下蛋」。
既然L4難落地，許多人萌生了技術(shù)賦能車企做輔助駕駛的想法，一能回籠資金，二能擴(kuò)充數(shù)據(jù)量。
但這條路也沒那么好走，與期待質(zhì)變的L4領(lǐng)域不同，身處L2的車企還需要考量成本、續(xù)航、設(shè)計(jì)等內(nèi)容，輔助駕駛往往只是錦上添花，加上責(zé)權(quán)不清晰等因素的干擾，無論是車企還是消費(fèi)者，都不敢輕易地邁出那一步。
第三個(gè)面向則是「人員流動(dòng)頻繁」。
據(jù)「硅基研究室」統(tǒng)計(jì)，2023年至今，自動(dòng)駕駛相關(guān)的高層人員離職事件就高達(dá)22起，其中不乏曾被資本捧在手心里的企業(yè)。
有觀點(diǎn)認(rèn)為，人員流動(dòng)頻繁可以促進(jìn)企業(yè)間的技術(shù)交流，但觀察這些人員的流向，整體呈現(xiàn)出向產(chǎn)業(yè)鏈上游匯集的趨勢(shì)，也就是從車廠走向了大模型。
這條趨勢(shì)固然和眼下的大模型熱有關(guān)，究其根本，行業(yè)破局的關(guān)鍵仍要從大模型下手。
與車企紛紛下場(chǎng)開城結(jié)合，上述三個(gè)趨勢(shì)隱隱透露出一股決心，將事故率從1%降低到0.001%甚至更低并非毫無意義，過去被刻意回避的L3也已避無可避，剩下唯一需要考慮的問題是，如何用大模型撬開它。
同時(shí)，困擾行業(yè)已久的責(zé)權(quán)模糊問題，正在被提上日程。
在6月下旬，工信部副部長(zhǎng)辛國(guó)斌表示：“將支持有條件的自動(dòng)駕駛（L3級(jí)自動(dòng)駕駛），及更高級(jí)別自動(dòng)駕駛功能的商業(yè)化應(yīng)用，并將發(fā)布新版智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系指南。我們已經(jīng)啟動(dòng)了這項(xiàng)工作，地方也在積極響應(yīng)”。
今年8月2日，馬斯克在「X」平臺(tái)上發(fā)布帖文，其中提到了特斯拉正在開發(fā)“車輛控制是特斯拉FSD人工智能的最后一塊拼圖，目前正在接受訓(xùn)練”，并透露AI將使原始FSD中的三十萬行C++控制代碼減少約兩個(gè)數(shù)量級(jí)。
與7月20日他在第二季度財(cái)報(bào)電話會(huì)議上透露出的，“明年底之前，我們將花費(fèi)遠(yuǎn)遠(yuǎn)超過10億美元在Dojo智算中心項(xiàng)目上，我們有數(shù)量驚人的視頻數(shù)據(jù)要進(jìn)行訓(xùn)練”相結(jié)合，不難看出FSD快速成長(zhǎng)的背后，智算中心所起到的關(guān)鍵作用。
而這也透露出，未來車企間的戰(zhàn)場(chǎng)，其實(shí)在云端。
之所以特斯拉選擇投入大量資金自建智算中心，效率和成本是兩個(gè)關(guān)鍵詞。
自動(dòng)駕駛?cè)蝿?wù)訓(xùn)練的特點(diǎn)是文件多而雜，且多為視頻、圖像數(shù)據(jù)，因此這類模型的訓(xùn)練和測(cè)試，靠的并不是CPU，而是以AI加速器為主的浮點(diǎn)計(jì)算能力，智算中心的特征就是以大規(guī)模GPU算力作為AI模型迭代的基礎(chǔ)。
云計(jì)算的本質(zhì)是租賃計(jì)算設(shè)備，云服務(wù)商的設(shè)備都是統(tǒng)一采購(gòu)，為了獲得更多客戶，這些設(shè)備都具備很大的通用性，設(shè)備內(nèi)部使用的CPU、GPU/AI加速器、內(nèi)存的型號(hào)與規(guī)格都相對(duì)固定，很難與車企和自動(dòng)駕駛公司的算法形成最佳匹配。
并且，云服務(wù)廠商對(duì)自動(dòng)駕駛算法的了解程度不高，不可避免的會(huì)在調(diào)度算力時(shí)出現(xiàn)損耗和效率不高的問題。
而自建算力中心可針對(duì)自動(dòng)駕駛應(yīng)用特征布置更專業(yè)的算力集群、性能加速工具和AI大數(shù)據(jù)平臺(tái)，使得模型訓(xùn)練性能、GPU資源利用率和算法研發(fā)效能都大大提升。
小鵬汽車董事長(zhǎng)何小鵬曾表態(tài)：“如果現(xiàn)在不以這樣的方式（智算中心）提前儲(chǔ)備算力，那么今后5年內(nèi)，企業(yè)算力成本會(huì)從億級(jí)，加到數(shù)十億級(jí)。”
目前，國(guó)內(nèi)已經(jīng)有多家車企與云廠商合作建立專用的智算中心。
比如，小鵬汽車與阿里云合建了智算中心「扶搖」，專門用于自動(dòng)駕駛模型訓(xùn)練，算力可達(dá)到600PFLOPS；毫末智行與火山引擎聯(lián)合打造了國(guó)內(nèi)自動(dòng)駕駛行業(yè)最大的智算中心「雪湖.綠洲」，每秒浮點(diǎn)運(yùn)算可達(dá)到67億億次；吉利也與阿里云合建了星睿智算中心，計(jì)算能力達(dá)到了81億億次/秒，結(jié)合領(lǐng)先的算力調(diào)度管理算法和研發(fā)體系，吉利的整體研發(fā)效能取得20%的提升。
從這個(gè)角度來看，強(qiáng)調(diào)「不造車」的華為，將成為特斯拉最有力的競(jìng)爭(zhēng)對(duì)手。
近日，華為智能汽車解決方案BU CEO余承東在微博上曝光首款搭載鴻蒙4的車型——華為和奇瑞合作的首款純電轎跑車「Luxeed」。
這意味著，奇瑞將極有可能成為繼賽力斯后，第二家與華為合作發(fā)布華為智選車產(chǎn)品的合作車企，而華為一直期望打造的智選車生態(tài)品牌聯(lián)盟，也有望加速取得實(shí)質(zhì)性進(jìn)展。
關(guān)于智選車業(yè)務(wù)，市場(chǎng)「憂喜」參半。
「憂」在于，智選車的潛力肉眼可見的狹窄。歐美日企業(yè)無法選擇它，國(guó)內(nèi)新勢(shì)力有自己的追求；傳統(tǒng)的車企，如果怕失去「靈魂」也不會(huì)選它。
而華為在智選車業(yè)務(wù)上投入巨大，若沒有大量使用、大量銷售，就不能實(shí)現(xiàn)商業(yè)閉環(huán)。
「喜」則是因?yàn)?，在華為智選車模式推出之前，業(yè)內(nèi)并沒有一個(gè)既有智能化核心技術(shù)與解決方案，又有強(qiáng)大to C能力與營(yíng)銷零售渠道的角色。
通過智選模式，華為將深度參與品牌打造、產(chǎn)品設(shè)計(jì)和定義、營(yíng)銷服務(wù)，賦能中小車企。
同時(shí)，華為汽車云所提供的數(shù)據(jù)生成、自動(dòng)標(biāo)注、模型訓(xùn)練、云端仿真、虛實(shí)結(jié)合仿真、數(shù)據(jù)閉環(huán)等一系列能力，也能幫助車企和商用車企業(yè)加速自動(dòng)駕駛算法的開發(fā)驗(yàn)證和優(yōu)化迭代，降低成本和風(fēng)險(xiǎn)，提升效率和安全性。
大洋的彼岸，特斯拉也透露出公司正在討論將其全自動(dòng)駕駛（FSD）駕駛輔助技術(shù)授權(quán)給另一家主要汽車制造商，并表示，授權(quán)FSD技術(shù)一直是計(jì)劃的一部分。
值得一提的是，特斯拉在中國(guó)建立數(shù)據(jù)標(biāo)注團(tuán)隊(duì)和數(shù)據(jù)存儲(chǔ)中心，除了順應(yīng)國(guó)家在信息安全方面的硬性要求外，也收獲了更豐富的工具包。
對(duì)轉(zhuǎn)型不暢或技術(shù)落后的部分造車新勢(shì)力來說，特斯拉“數(shù)據(jù)+算法+存儲(chǔ)”的一條龍服務(wù)，顯然吸引力不小。
從最初的分布式計(jì)算、單個(gè)子系統(tǒng)擁有自己的ECU，到域控制器邏輯、以功能劃分集成化控制運(yùn)算，再到最終實(shí)現(xiàn)整車運(yùn)算能力的高速集中、智能化分配算力，汽車從工業(yè)品向電子消費(fèi)品、智能終端逐步演化。
高通公司首席商務(wù)官吉姆·凱西的比喻或許最為貼切：“汽車正在成為‘車輪上的聯(lián)網(wǎng)計(jì)算機(jī)’”。
在這一過程中，固然還有軟硬件成本過高、法律法規(guī)不完善、消費(fèi)者認(rèn)同度較低等問題，但好在新的賽段已經(jīng)到來，也終歸是「車到山前必有路」。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請(qǐng)綁定手機(jī)號(hào)后發(fā)表評(píng)論