鄧思邈 發自 副駕寺
智能車參考 | 公眾號 AI4Auto
隨著ChatGPT為代表的AICG應用取得前所未有的成功，AI大模型真正引發全球產業界的關注。
作為人工智慧領域主要賽道的自動駕駛，在AI大模型上有哪些應用和突破，也成為行業關注的熱點。
3月24日，毫末智行聯合清華大學智能產業研究院（AIR）舉辦了首場自動駕駛精品公開課媒體訓練營，深入解讀前沿AI技術與大模型，在自動駕駛產品上的發展趨勢與應用邏輯。
作為自動駕駛系列公開課的第一期，本期課程以自動駕駛產品和AI技術基礎原理介紹為主。
自動駕駛發展需要突破四方面
現場，來自清華AIR的袁基睿博士和來自毫末智行的艾銳博士分別帶來各自的分享，為報名參加課程的近百名業內媒體人，提供了一份自動駕駛的前沿技術探路指南。
在題為《自動駕駛OVERVIEW》的分享中，袁基睿博士結合清華AIR的研究背景，從自動駕駛發展背景、單車智能自動駕駛、車路協同自動駕駛，和高等級智能道路建設等四個方面，介紹了自動駕駛的發展。
據袁基睿博士介紹，作為面向第四次工業革命的國際化、智能化和產業化的研究機構，清華AIR主要依託清華大學的平台和創始團隊的企業基因，開展關鍵核心技術突破，賦能產業，推動社會進步。
智慧交通是清華AIR非常重要的科研方向， AIR在交通方向提出了AIR Pilot計劃，引領數字世界到物理世界的AI科技創新，構建開源開放的智能交通產學研平台，推動自動駕駛技術規模商業化落地。
一方面，面向前沿技術依託DAIR數據平台，及DISCOVER仿真平台，形成AI核心科研能力，其中包括：多模態感知、輕地圖AI導航、端到端自動駕駛等。
另一方面構建產業影響力，參與行業標準制定、白皮書、並創新孵化企業等。
此外，面向自動駕駛、車路協同、智能交通等方向，與合作夥伴一起構建產學研應用與平台。
在袁基睿博士看來，自動駕駛乃至智能網聯汽車產業發展，需要突破四個方面，包括：技術突破、基礎設施建設、政策法規、以及標準建設。
首先，在技術突破層面，無線通信技術、智能互聯技術、信息安全、隱私保護都是需要突破的點，但最重要的是自動駕駛本身技術的突破。
自動駕駛是一個十分複雜的系統問題，涉及到感知、認知、規劃、決策與執行等諸多環節，需要在極短時間內做出可執行的正確決策。儘管自動駕駛已經涉及了大量前沿的AI算法，目前仍有一個亟待解決的問題：即如何提升感知的魯棒性和可泛化性。
其次，基礎設施建設方面，道路智能化與駕駛智能化發展不夠協同，需要建設高等級智能化道路，服務於車路協同自動駕駛、智能交通管理和智慧城市建設。
目前國內部分城市和高速公路已經規劃建設了一批自動駕駛封閉測試場、開放測試道路，但這些都還處在小範圍測試驗證和應用示範階段，目前還難以滿足高等級自動駕駛對數據精度、數據質量的要求，因此需要建設高等級智能化道路，以推進自動駕駛規模商業化落地應用。
第三是在政策法規層面，雖然國家和地方已積極出台了關於自動駕駛的道路測試管理規定，一定程度上推動了全國範圍內自動駕駛公開道路測試進程，加快了自動駕駛應用的步伐，但總體上，影響自動駕駛汽車研發、生產、銷售和商業化應用的相關法律法規仍需要加快研究和制定。
最後是標準層面，工業和信息化部、國家標準化管理委員會、交通運輸部、公安部歸口管理的相關標準化組織已經牽頭制定了不少自動駕駛、智能網聯、車路協同相關技術標準，但是道路基礎設施、雲控基礎平台、功能安全和預期功能安全等核心技術標準仍未統一。
綜合來講，現階段自動駕駛落地仍存在大量的不確定性，但在這些不確定性中，有幾點是確定的。
首先，技術發展離不開商業的落地，垂直自動駕駛將會率先落地；其次，單車智能方面需要關注感知系統的可泛化性，以及進一步希望擴展端到端自動駕駛；並且，袁基睿博士認為車路協同讓自動駕駛更安全，而車路協同中國會具備優勢；最後則是開放生態有助於產業進步，而隱私保護是開放生態的基礎。
自動駕駛AI技術基礎原理
在公開課下半場，艾銳博士結合毫末智行在自動駕駛數據智能體系MANA的實踐，向大家介紹了自動駕駛AI技術基礎原理，以及當前大模型在自動駕駛的應用趨勢。
艾銳博士表示，作為一家致力於自動駕駛的人工智慧技術公司，毫末在成立之初就定下了「風車戰略」，即以數據智能為核心，驅動乘用車輔助駕駛、末端物流配送車和智能硬體三個主要業務發展。
從成立至今的三年多時間裡，毫末建立了中國首個自動駕駛數據智能體系、中國自動駕駛公司首個智算中心和全球首個自動駕駛認知大模型，穩居中國量產自動駕駛第一名，並推出了中國第一個大規模量產、重感知的城市導航輔助駕駛，成為首個出海量產落地的自動駕駛公司……而這一系列亮眼成績的背後，則是毫末對人工智慧三要素——算法、算力、數據的鑽研和利用。
艾銳博士表示：
用更低的成本、更快的疊代速度開發出更好的產品是毫末的思想鋼印。
正是基於這樣的思想鋼印，毫末發展出了數據智能體系MANA。MANA由TARS、LUCAS、VENUS和BASE四大板塊組成，能夠將感知、認知、標註、仿真、計算等多個數據分析環節高度融合於一體，具備對超大數據規模處理的能力。
基於MANA賦予的超級能力，毫末智行的自動駕駛產品正在變得更強大——據艾銳博士介紹，截至2023年3月，毫末輔助駕駛用戶行駛里程突破3800萬公里，毫末城市NOH作為國內首個重感知技術方案的城市導航輔助駕駛產品，軟體已經封版並達到交付狀態，這也是中國第一個可大規模落地的城市導航輔助駕駛，未來搭載車型將超百萬輛。
艾銳博士指出，隨著業界的持續探索，針對各種各樣的問題都找到了合適的網絡結構決，並且網絡結構逐步趨同收斂到Transformer這種形態，可以理解為「算法」層面趨同，目前的主要難題是「數據」和「算力」。
算法方面的一個焦點是多模態和純視覺之爭，由於不同模態傳感器本身的物理特性，多模態獲取的信息量一定比單模態多，所以天花板一定更高。但是純視覺能力近期也有很大的進展，而且具有非常大的成本優勢。
針對這個問題，艾銳博士也向業內分享了毫末的做法。
首先是在算法架構層面，毫末的感知模型結構做了很強的兼容性設計，具有純視覺和多模態多種版本，並且乘用車行泊和末端物流自動配送車等不同業務線也可以復用。多種版本帶來的好處就是大規模多模態數據可以讓純視覺能力提升更快，提升成本更低。
「毫末的障礙物檢測、靜態道路檢測、動靜態障礙物對比、BEV車道線檢測技術等多個已量產技術都得到了業內頂會的認可，多傳感器融合效果業內領先。」
確定算法架構之後，下面要做的事情就是如何找到更多高價值數據、如何很快訓練出新的模型，以及怎麼在車端的有限算力上快速部署。
這些問題則由LUCAS大規模自主持續學習系統來完成，它可以基於線上TOP問題，制定數據回傳策略，快速完成配置下發，進而收集更多的問題場景，實現數據獲取的閉環。
據艾銳博士介紹，毫末MANA的LUCAS車端診斷服務支持數十萬輛量產車+百輛級研發車，140+觸發條件，數據入庫支持自動駕駛產品研發和訓練使用的質量要求。
「毫末已經建立起一種最高性價比的作業方法體系。融合預標註、自動標註、三維重建、半自動人機互動等多種方法，針對每一個品類設計了與之匹配的最高效的流程和方法，實現95%的自動化率，周產能10W Clips。」艾銳博士表示，毫末通過MANA以及在中國境內的數據累積優勢，找到了一條高效低成本的路徑保持雙線同步發展，提供不同性能和價格的產品。
「感知之外更重要的是認知」，針對認知問題，2023年2月，毫末將MANA人駕自監督認知大模型正式升級為DriveGPT，這也是全球首個自動駕駛生成式預訓練大模型。
目前，毫末DriveGPT已完成模型搭建和第一階段數據的跑通，參數規模可對標GPT-2的水平。接下來，DriveGPT將持續引入大規模真實接管數據，通過人駕數據反饋的強化學習，來不斷提升測評效果，同時也將DriveGPT作為雲端測評模型，用來評估車端小模型的駕駛效果。
艾銳博士也透露，DriveGPT最新重要進展將在4月舉行的第八屆HAOMO AI DAY上公布。同時，為了支持各類大模型的數據和算力需求，2023年1月，毫末正式發布智算中心雪湖·綠洲(MANA OASIS)。
作為中國自動駕駛行業最大智算中心，MANA OASIS由毫末與火山引擎聯合打造，每秒浮點運算達67億億次，存儲帶寬每秒2T，通信帶寬每秒800G。
艾銳博士表示，大模型助力下MANA最新的車端感知架構是一個更加端到端的架構，過去分散的多個下游任務都集成到了一起，除了車道線、車輛、紅綠燈等任務，還包括通用障礙物識別、局部路網、行為預測這些任務，實現了一個跨代升級，能夠更好地支持毫末跨入自動駕駛的3.0時代。
在現場問答環節，針對「如果ChatGPT是人工智慧的『iPhone時刻』，那麼自動駕駛領域的『iPhone時刻』會是什麼」這一問題，艾銳博士給出了自己的觀點：
我們希望DriverGPT就是自動駕駛『iPhone時刻』。
「事實上，ChatGPT證明了一件事，現在的人工智慧方法加算力體系，可以針對自然語言處理給出一個大家可以接受的結果，它終於做到了讓人覺得可用的地步，並且在很多方面比普通人還厲害。自動駕駛領域，如果有一天，當AI的駕駛能力超過人類老司機的平均水平之後，我覺得那個時候就會很不一樣了。」
通過自動駕駛精品公開課，毫末與清華AIR攜手業內資深媒體人，共赴AI知識的山海，領略技術魅力，共創行業價值。
未來，毫末智行也將繼續加速賦能自動駕駛技術，攜手更多同路人，以「讓機器智能移動，給生活更多美好」為願景，推動自動駕駛行業的繁榮發展。