自动驾驶打“巷战”

文|周文斌亦庄新城又名北京经济技术开发区，位于北京西南部，距离市中心约20公里。近两年，随着自动驾驶的快速发展，亦庄也成为各大自动驾驶企业最肥沃的试验田。从市区开车到亦庄大约需要半个小时。其他经济开发区没有常见的高层建筑。相反，由于它位于郊区，视野不受阻碍，再加上巨大的华北平原作为背景，它显得荒芜而空旷。这种感觉，尤其是在习惯了熙熙攘攘的北京之后，形成了特别强烈的对比。然而，如果你把目光从地平线上移开，重新聚焦在亦庄纵横交错的街道上，你很快就会在这荒凉空旷的外表下感受到绝对的热度，就像一团火焰在猛烈燃烧。在这里，无处不在的自动驾驶汽车正在使亦庄成为一个真正的自动驾驶城市。进入亦庄，我们遇到了第一个红绿灯路口，两边有两辆自动驾驶测试车并排等候。一个属于百度Apollo，另一个属于小马智行。一辆车的安全员坐在驾驶座上，而另一辆车是空的。红灯熄灭，绿灯亮起；当我们的车辆刚起步时，两边的自动驾驶汽车已经早早地通过了十字路口，我们只能远远地看到后面的一排尾灯。除了在主干道上行驶的自动驾驶汽车，美团的自动配送车、不知名品牌的快递车、自动道路清洁车，以及那些躺在路上被工程车抬着维修的故障车辆，在附近的辅道上随处可见。在此之前，我们从未想过自动驾驶可以如此具体，所有车辆都可以各司其职，一种赛博朋克的感觉扑面而来。整个亦庄似乎都在努力成为一个无人城市。

图片：亦庄街道上的自动驾驶巡逻车和自动驾驶出租车以前很流行，我们只能在远离亦庄这样的城市的郊区看到这种热情。最近，自动驾驶正准备正式进入这座城市。最近，小鹏城市NGP经过10个月的预览，终于开始向广州的一些用户推送。从网友上传的视频中可以看出，更新后的NGP小鹏P5已经能够在人类驾驶员的监督下在城市道路上平稳行驶。自动识别红绿灯，自动并线超车，主动避让占道的行人和自行车，在路口会车时主动“堵车”一系列操作就像一个老司机，能够轻松处理最拥挤、最复杂的路段。在整个过程中，驾驶员的手甚至不需要触摸方向盘，只需充当监督者，防止潜在的事故发生。

图片：随着城市辅助驾驶在广州的推出，驾驶员和汽车之间的关系正在发生深刻的变化。今年以来，城市辅助驾驶也成为各大车企和自动驾驶公司竞争最激烈的焦点。8月18日，魏派首席营销官乔新宇率先在微博上喊话，表示只有面对更复杂路况的城市辅助驾驶才是自动驾驶的“大学级”，将自动驾驶的舆论焦点带到了城市辅助驾驶上。随后，在9月13日的人工智能日，Mimo详细介绍了城市辅助驾驶解决方案的技术迭代；宏鲸智家还在2022世界智能网联汽车大会上展示了包括城市智能导航在内的全套自动驾驶解决方案。除此之外，同样不甘落后的玩家今年还计划在ET7和ET5等车型上安装的NAD系统上实施辅助驾驶；L9搭载智能驾驶系统“理想AD Max”，实现全场景导航辅助驾驶的理想；

以及搭载华为ADS系统的阿维塔11，它还具有在高速和城市场景中辅助驾驶的能力。据亿欧汽车统计，未来两年，至少有12家车企/自动驾驶公司将实施支持NOA停车与交通一体化的智能驾驶解决方案。渐进式辅助驾驶已经成为城市自动驾驶最关键的一战。自动驾驶进城有两种路线：车辆单向随意停放在路边，行人从路肩上走过，电瓶车送食物，自行车行驶，行人过马路，红绿灯拥堵。从30万公里的高速公路到1100万公里的城市道路，自动驾驶不仅大大延长了其使用里程，而且在进入城市后，其道路的复杂性增加了一个数量级以上。据民摩智行首席执行官顾伟豪介绍，城市道路最显著的三个特征是：交叉口多、变道频繁、拥堵程度高。

图：从某种意义上说，城市道路辅助驾驶系统需要解决的问题在上海测试时的难度并不低于L4级自动驾驶。延续高速辅助驾驶的路径，城市辅助驾驶系统也分为两个技术方向，即重高精度地图和重感知，各有优缺点。首先，该解决方案依赖于高精度地图。由于能够精确跟踪1米左右的车道信息，使用高精度地图解决方案的车辆往往运行更稳定。在转弯、并线、车道规划以及上下坡道时，它会更顺畅。新车制造商蔚小理采用了这种解决方案，理想和小鹏使用高德的高精度地图，蔚来使用百度地图。不采用高精度地图解决方案的车企，如特斯拉，在进入匝道时往往会经历“拔龙”，也可能会经历过早或较晚的车道规划。然而，高精度地图解决方案也存在许多问题。例如，由于地图的覆盖范围有限，驾驶辅助的范围也有限；

例如，如果数据没有及时更新，遇到一些临时施工分流道路，车辆会因为数据没有更新而陷入封闭的施工道路。中国城市道路的往返里程高达1100万公里，如果按照高精度地图的要求进行维护，几乎不可能实现数据的及时更新。

图：除了高精度地图，高精度地图的使用也有相应的规定，通常需要经过相关部门的审核才能推出。这种审查往往会导致已经准备好的辅助驾驶功能出现延迟。例如，小鹏城的NGP大约在三个月前就已经准备好了，但由于高精度地图没有获得批准，一直推迟到现在。相比之下，高度感知的路线相对自由，能够应对更复杂的路况，其使用范围不需要受到高精度地图的限制。重感知路线的代表车型包括特斯拉和蔚来等。因此，为了避免高精度地图带来的一些限制，许多车企/自动驾驶公司现在都考虑绕过高精度地图作为主要发展方向。此外，还有使用“重感知，轻地图”的中间路径——以感知为主要途径，以地图为辅助途径。最终的解决方案是围绕车身上的传感器建立一个连续的时空模型，然后从该模型中提取车辆运行所需的车道线、车辆位置、其他交通参与者的意图等。然后，它与导航信息相结合，最终引导车辆的运动。这种方式就像开车一样，我们只是在前面的路上行驶， “顾伟豪说。总体而言，降低高精度地图在城市导航中的比例是一种趋势。余承东和何小鹏也曾在公开场合提到，对于自动驾驶来说，高精度地图必须是一种过渡，真正的自动驾驶必须能够在所有场景下驾驶。此外，伟品牌计划在年底前覆盖10个城市，采用Nano C小鹏也在推广不依赖高精度地图的辅助驾驶车型。然而，为什么强调路线感知的城市导航没有在各个城市广泛推出？相关技术负责人告诉光锥智能，“在实际应用中，每个城市都有许多意想不到的复杂路况，比如奇怪的红绿灯。”在保定的一次测试中，他们每天经过的十字路口突然增加了一个红绿灯。没有人知道这个红绿灯是什么时候出现的，也没有人在其他地方看到过同样的事情。三排红绿灯穿过整个十字路口，两侧都包裹着明亮的LED灯，周围都是LED彩灯。“一个辅助驾驶要花费数万元的奇怪红绿灯竟然不能调整？

图片：城市中奇怪的红绿灯的道路在不断变化，不同城市之间的道路不同，同一城市的道路也不同。为了确保产品交付的稳定性，我们在前期一定会控制节奏，每个新开放的城市都会进行具体的测试。然而，当我们发现新问题的数量开始减少或在一定程度上迅速收敛时，我们只会进行大规模部署。根据计划，到今年年底，魏派将覆盖10个城市NOH，并计划明年覆盖100多个城市。此外，搭载华为城市辅助驾驶系统的极狐预计将于今年年底向用户推出。NIO和理想汽车也将在2023年更新自己的城市辅助驾驶系统。自动驾驶3.0，开始与计算能力作斗争。“大众汽车辅助驾驶，交通拥堵导致前车变道发生碰撞。”“在高速ACC时，它帮助我防止了追尾。”用户对辅助驾驶的评价出现了两极分化。事实上，从目前的许多事故来看，确实很难说辅助驾驶是安全的。不久前，具有LCC功能的小鹏遭遇高速追尾事故；

之后，特斯拉在进入社区时也突然加速。而这一系列的事故也让车主产生了强烈的不信任感。辅助驾驶在高速公路和停车场等相对简单的场景中无法保证安全，在更复杂的城市道路上值得信赖吗？顾伟豪认为，当前城市辅助驾驶面临的挑战主要是道路的复杂性，表现在四个方面：城市道路维护、大型车辆密集、变道空间狭窄、城市环境多样。为了解决这些问题，人工智能需要更多的数据样本进行训练，因此数据已经成为驱动自动驾驶成熟的核心。与以前的辅助驾驶不同，在车载高计算能力芯片上计算单个传感器数据，进入城市辅助驾驶后，最初将所有传感器的原始数据放在一起，然后通过人工智能大模型输出车辆的全局感知结果。

图：整合车身周围的传感器数据并输出当前路况信息的优势在于，车辆在认知领域的进步可以逐渐脱离前人设定的规则，进而逐步提取人类真实的驾驶行为和常识。简单地说，这意味着让人工智能驾驶更像一个老人类司机。但要达到这种状态，支持训练模型的数据必须至少超过1亿公里。此外，在进入城市道路后，汽车也应该开始适应常见的人际互动方法，例如了解周围车辆的转向灯和尾灯的不同信号的意图。但现在市场上有许多不同型号和形状的尾灯，这不仅对算法识别提出了挑战，而且增加了巨大的数据量。为了解决人工智能训练中的语义理解问题，谷歌在4月份发布了一个新的训练模型——路径语言模型。由于其训练参数达到5400亿，使用了7800亿代币，它也被戏称为“让世界没有困难的模因”。但这种能力需要在自动驾驶环境中使用，而且还需要至少1亿公里的自动驾驶训练距离。

图：PaLM用两个镜头提示解释了一个原创笑话。很明显，为了培养良好的自动驾驶，未来的数据量将越来越大。特斯拉目前拥有三大数据中心，共计11544个GPU。为了提高数据使用效率，特斯拉还在2021 AI日发布了自主研发的DOJO超级计算系统和D1芯片。然而，传统的数据使用方式仍然制约着自动驾驶的发展。此前，在进入训练阶段之前，需要手动注释大量数据，这意味着人们必须首先告诉人工智能，这个东西是红绿灯，那个东西是围栏，帮助人工智能建立基本认知。海量的数据标注催生了数据标注师这一职业，曾被戏称为“有多少人就有多少智慧”。但这种依赖人工标注的训练方法也存在许多问题，如占用大量时间和成本。顾伟豪在毫米人工智能日上表示，在之前的人工智能训练中，费用主要用于训练注释。今年6月，特斯拉加州办公室近200名员工被解雇，主要是自动驾驶的数据注释团队。为了解决数据标注的成本问题，特斯拉也开始引入更高效、更具成本效益的数据标注系统。

该系统只需要从道路上行驶的车辆中收集真实的驾驶数据，然后使用注释数据来训练模型。对结果进行联合优化后，可以获得更准确、更详细的注释结果，整个过程不需要人工参与。2021 8月的人工智能日，特斯拉自动驾驶仪（Tesla Autopilot）软件总监阿肖克·埃尔卢斯瓦米（Ashok Elluswamy）表示，他们可以在一周内自动标记10k个剪辑，而此前这至少需要几个月的时间。

图：数据注释示意图在中国，所使用的大型模型训练方法有相似之处，也有不同之处。毫秒级的解决方案是用大量未标记的数据进行预训练，然后形成骨干模型，然后使用注释的数据进行特定的优化……

n个特定任务。这样，训练效率提高了三倍，准确度和精度远高于以前只使用注释数据训练的结果。清华大学智能科学讲座教授、中国工程院外籍院士张亚勤表示，自动驾驶正逐步朝着大模型、大数据、预训练、多模式、端到端的趋势发展。近年来，随着Attention to Transformer的广泛应用，人工智能的自然语言识别性能已迅速超过人类平均水平。但问题也出现了，因为这个大型模型消耗的计算能力远远超过摩尔定律提供的支持。这也导致人工智能大模型的训练成本很高，并且在传输之后，也使得自动驾驶在车尾的落地更加复杂。针对这一问题，该行业目前正在积极探索解决方案。目前有两种主流的解决方案，一种是轻量级的，另一种是减少计算中的弱相关性计算。首先，它重量轻。关注变压器模型的计算能力和复杂性是以前CNN模型的100倍，而这种100倍的冗余显然尚未完全释放。因此，许多玩家试图在不同阶段集成CNN和Attention，以达到降低计算能力和实现轻量级的目的。其中，苹果2021提出的MobileVit和三星今年提出的XForm是代表。另一个是减少弱相关性计算。需要注意的是，Attention实际上有一个特点，即在大规模计算中，6.9%的计算贡献了大约94%的值，而其余93%的计算是弱相关计算，没有显著影响，导致计算能力的巨大浪费。基于这一特点，清华大学的一位教授开始为Attention的机制设计芯片，以达到减少弱相关性计算的目的。

图：在芯片上设计一个独立的单元结构，计算中有精确的大值和近似的小值；

并且，一种减少弱相关性计算的双向渐进方法在28nm芯片上实现了27.5TOS/W的功耗。顾伟豪认为，自动驾驶所需的数据主要包括两个方面：规模和多样性。我们今天所做的所有工作都是以更低的成本更高效地获取数据。然后将数据发送到计算中心，并使用训练方法将数据转换为自动驾驶能力。除了在算法模型上下功夫，计算能力也是未来自动驾驶能力的关键。8月初，小鹏和阿里云专门为自动驾驶建立的智能计算中心“福耀”在被称为“草原云谷”的乌兰察布正式落成。这个智能计算中心的计算能力高达600PFLOPS，用于小鹏的自动驾驶模型训练。在最近举行的人工智能日上，Mimo还宣布了其首个超级计算中心。顾伟豪表示，毫米超级计算中心的目标是满足千亿参数大模型的要求，训练数据规模为100万个片段，并将整体训练成本降低200倍。随着自动驾驶发展阶段的变化，自动驾驶公司的成本中心也开始转移。在自动驾驶的2.0阶段，资金都花在了数据标注上。在大模型应用后的3.0时代，成本将从注释转向计算， “顾伟豪说。总之，数据的规模、获取成本、质量和处理速度都与自动驾驶能力的提高速度呈正相关。自动驾驶已经进入了依靠算力驱动数据处理的时代。结论：如今，地方政府也在加快发展自动驾驶和辅助驾驶。9月初，上海市政府发布了《上海市加快智能网联汽车创新发展实施方案》，目标是到2025年，新车产量达到70%以上，具备组合驾驶辅助和有条件自动驾驶功能。具有高度自动驾驶功能的车辆将在有限的区域和特定的场景中实现商业化。在2022世界智能网联汽车大会上，北京经济技术开发区相关负责人表示，自动驾驶示范区3.0阶段的开放将实现信号全覆盖。截至目前，北京经济技术开发区已建成329个智能网联标准路口，双向城市道路750公里，高速公路10公里，实现车路一体化云覆盖。聚集了100多家行业相关领域的企业、国内顶尖大学和研究机构参与示范区建设。此外，深圳、广州、长沙、成都、上海等全国多个城市正在积极推动自动驾驶落地。一系列措施也将加速辅助驾驶和自动驾驶的落地。8月28日，百度集团高级副总裁兼智能驾驶事业部总经理李振宇，他表示：“自动驾驶正成为智能汽车竞争的焦点。未来3-5年将是全球汽车智能竞争的关键窗口期，到2030年，没有自动驾驶能力的电动汽车将完全失去竞争力。”在政策和市场的推动下，自动驾驶终于进入了普及的关键时期。华山资本杨磊|红点中国刘澜|华山资本王志伟|华业天成资本张忠荣|石城资本刘英航|石城Capital谢晨星智能汽车：鸿景智能驾驶|威马上市|小米造车|汽车企业自主研发自动驾驶|自动驾驶黄金转折点|高精度地图|无人重卡|飞车云生态：阿里云|华为云|腾讯云|钉钉|飞书|国内数据库| SaaS观察|工业互联网| Shopify | RPA |英伟达数据中心| BI数智|“东数西算”| Figma Retreat |聚焦两会|商业智能|数字藏品|海洋基地机器人：海康机器人|工业机器人|物流机器人|医疗机械手|服务机器人|机器人新周期|机器人时代|小米机器人贡献，S……

制作，商业合作请为您的应用程序添加更多高质量的内容。本文首发于微信公众号：光锥智能。文章内容属于作者个人观点，不代表和讯网络的立场。投资者应据此操作，并承担风险。

标签：小鹏特斯拉北京魏牌蔚来

汽车资讯热门资讯