江湖，又到了風(fēng)云變幻急的時(shí)候。前幾天，蔚來(lái)ET7連續(xù)直播13小時(shí)挑戰(zhàn)續(xù)航1000公里刷爆車(chē)圈。但相對(duì)于“蔚小理”曾經(jīng)的意氣風(fēng)發(fā)，這場(chǎng)直播卻充滿(mǎn)奮力一搏的壯烈感。150度電池包，的確能緩解中國(guó)車(chē)主續(xù)航不足的深度焦慮，但如果想著僅憑這招就能在高新技術(shù)扎堆的電動(dòng)車(chē)江湖呼風(fēng)喚雨，就未免簡(jiǎn)單。江湖新的打開(kāi)模式已鎖定——就是智能駕駛，它的背后是基礎(chǔ)算力、AI大模型、云計(jì)算所有這些尖端的科技。所以，蔚來(lái)真正的麻煩還在后面?，F(xiàn)在，比蔚來(lái)更麻煩的可能是通用Cruise。Cruise，在之前眾多智能駕駛相關(guān)的排行、測(cè)評(píng)中是僅次于谷歌Waymo的存在，遙遙領(lǐng)先于百度、特斯拉，也一度被看作是通用汽車(chē)的未來(lái)。

圖源：Cruise官網(wǎng)

但只是因?yàn)槲茨芎侠硖幚硪粋€(gè)Corner case，Cruise的境遇急轉(zhuǎn)直下，牌照被叫停，高管們紛紛離職，還有裁員……從第二滑到排行榜單屏都看不到，僅5年。Corner cases(CC)，是自動(dòng)駕駛場(chǎng)景中不常見(jiàn)或一些極端的場(chǎng)景數(shù)據(jù)，比如路邊變形的事故車(chē)，或者外觀變動(dòng)大的車(chē)輛等等，它的背后往往意味著更大安全事故的可能性。一個(gè)Corner Case接近毀掉一家自動(dòng)駕駛企業(yè)。這也意味著，自動(dòng)駕駛技術(shù)行至今天，仿佛已經(jīng)到了沖擊珠峰的最后幾百米，每進(jìn)一步，都非常困難?，F(xiàn)在，這個(gè)江湖的最大懸念就是：誰(shuí)將第一批登頂？

行百里者半九十

續(xù)航400公里，還是1000公里，重要嗎？重要，但不是唯一的重要。從商業(yè)的角度，為了多出來(lái)的幾百公里，用戶(hù)要多花很多錢(qián)，值不值一定會(huì)成為一個(gè)問(wèn)題。從技術(shù)護(hù)城河的角度，電動(dòng)汽車(chē)的幾大核心部分：動(dòng)力電池、電機(jī)、電控和智能駕駛，前三個(gè)都有了相對(duì)成熟的解決方案，差距也在可容忍范圍內(nèi)，只有智能駕駛，才是行業(yè)公認(rèn)的“天王山”。不久前，美國(guó)加州機(jī)車(chē)輛管理局公布了一份《2018年自動(dòng)駕駛接管報(bào)告》，62家持牌公司達(dá)到披露標(biāo)準(zhǔn)的有48家，全是行業(yè)的頂級(jí)玩家，它們當(dāng)年的差距大到超乎想象。

如今5年過(guò)去，L2已經(jīng)成熟，L3似乎近在咫尺，這個(gè)進(jìn)化速度讓人們相信，自動(dòng)駕駛的大時(shí)代肯定會(huì)來(lái)，只是時(shí)間早晚。但Cruise的遭遇帶來(lái)了一抹陰影，頭部玩家之間的差距看起來(lái)大為縮小，但想要彌補(bǔ)卻變得比5年前更難。行百里者半九十，這警告現(xiàn)實(shí)而且殘酷。自動(dòng)駕駛95%以上的常見(jiàn)駕駛場(chǎng)景，或者說(shuō)容易的都解決了，剩余5%場(chǎng)景（即業(yè)內(nèi)所稱(chēng)的Corner case）的處理能力才是最殘酷的考驗(yàn)。如果不能成為第一批解決這個(gè)技術(shù)問(wèn)題的企業(yè)，那很可能就意味著出局。

Corner case于智能駕駛而言，大約就相當(dāng)于珠穆朗瑪峰北坡位于8680米處的那個(gè)高數(shù)米而幾乎垂直的巖壁，過(guò)不去，北坡就叫“死亡線(xiàn)路”，過(guò)去了就是無(wú)限風(fēng)光。它們罕見(jiàn)，卻又無(wú)法完全避免，花樣層出不窮，自動(dòng)駕駛必須保證高效應(yīng)對(duì)，否則，就有極大可能導(dǎo)致嚴(yán)重事故。2018年，特斯拉就因?yàn)橐淮问鹿?#xff0c;導(dǎo)致在某個(gè)測(cè)評(píng)中墊底。按照傳統(tǒng)方法，要征服Corner case，有點(diǎn)玄學(xué)的意味。比如，它們的算力需求是碎片化的，從0.5T到幾十、甚至幾百T，對(duì)數(shù)據(jù)精度的要求，也是大相徑庭，當(dāng)然還涉及到算法，導(dǎo)致投入、產(chǎn)出比難以估算。

簡(jiǎn)單說(shuō)，如果用傳統(tǒng)的路測(cè)車(chē)輛去發(fā)現(xiàn)、積累這些無(wú)窮盡的Corner Case，在成本、安全性、和時(shí)間上可能都是車(chē)企無(wú)法承受的。更麻煩的是，有很多Corner Case在路測(cè)中可能永遠(yuǎn)也不會(huì)遇到。所以，要贏得這場(chǎng)比賽，讓自動(dòng)駕駛盡快成為“老司機(jī)“，有兩種辦法：第一，找到一個(gè)搭配智能輔助功能車(chē)輛足夠多的地方，這也是馬斯克一直對(duì)中國(guó)電動(dòng)車(chē)市場(chǎng)極為羨慕的原因之一；第二，就是當(dāng)下最火的人工智能大模型，在GPT進(jìn)化到GPT4-Turbo之后，新思路已經(jīng)躍然而出。

上海人工智能實(shí)驗(yàn)室和華東師范大學(xué)的研究人員在今年7月發(fā)表了一篇論文中指出，雖然人類(lèi)駕駛員和以前基于優(yōu)化的自動(dòng)駕駛系統(tǒng)都會(huì)開(kāi)車(chē)，但人具備基本常識(shí)，而傳統(tǒng)的自動(dòng)駕駛系統(tǒng)連常識(shí)也需要學(xué)習(xí)和訓(xùn)練。但是，以GPT技術(shù)加持的LLM能夠像人類(lèi)駕駛員一樣用常識(shí)推理復(fù)雜的駕駛場(chǎng)景，從而解決Corner Case 問(wèn)題。

圖注：研究人員用具體例子展示了LLM在駕駛場(chǎng)景中強(qiáng)大的零樣本理解和推理能力。利用常識(shí)知識(shí)，不僅讓LLM能夠更好地理解場(chǎng)景中的語(yǔ)義信息，還能讓其做出更理性的決策，更符合人類(lèi)的駕駛行為。

在國(guó)內(nèi)，以華為云為代表的廠商在用大模型解決Corner case方面，已經(jīng)積累了不少經(jīng)驗(yàn)。

第一，你可以將其理解為真實(shí)重構(gòu)。

盤(pán)古大模型結(jié)合NeRF技術(shù)，構(gòu)建AI 3D引擎以及在此之上的AI 3D平臺(tái)，進(jìn)行建模、渲染以及3D 素材制作、場(chǎng)景制作等工作，最終實(shí)現(xiàn)將不同時(shí)刻拍攝的視頻、圖片、點(diǎn)云等多種模態(tài)的數(shù)據(jù)重建為虛擬的3D空間，并通過(guò)重建各類(lèi)障礙物素材庫(kù)，變換已有場(chǎng)景的天氣、晝夜、季節(jié)等環(huán)境因素，基于已有路采數(shù)據(jù)做場(chǎng)景重建等方式，構(gòu)造出新的Corner case。傳統(tǒng)上培養(yǎng)一個(gè)老司機(jī)可能需要積累100億公里的駕駛數(shù)據(jù)，那么現(xiàn)在這個(gè)里程被大大縮減，而且不用真車(chē)實(shí)跑，讓大模型跑起來(lái)就可以了。

第二，數(shù)據(jù)標(biāo)注一步到位。

傳統(tǒng)主要是通過(guò)回放方式來(lái)給數(shù)據(jù)分類(lèi)，而大模型+NeRF的方式可對(duì)街景、泊車(chē)等場(chǎng)景進(jìn)行三維重建，實(shí)現(xiàn)“同一對(duì)象只標(biāo)一次”即可遷移所有相關(guān)圖像，“同一場(chǎng)景只采一次”即可獲得不同視角圖像，數(shù)據(jù)成本可降低到路采+人工標(biāo)注模式的1/5，效率也大大提升。車(chē)廠每年積累的數(shù)據(jù)不斷增加，甚至達(dá)到百TB級(jí)別，但真正能夠用做算法訓(xùn)練的數(shù)據(jù)占比不到 10%，想提高利用率要么花千百億重新進(jìn)行數(shù)據(jù)標(biāo)注，而盤(pán)古的場(chǎng)景理解大模型則已經(jīng)可以高效從原始數(shù)據(jù)中把需要的數(shù)據(jù)篩選出來(lái)，最高可降低90%的標(biāo)準(zhǔn)量，效率提升30%-40%。

第三，算法優(yōu)化。

傳統(tǒng)技術(shù)路徑中，自動(dòng)駕駛方案中的算法訓(xùn)練也是需要經(jīng)過(guò)反復(fù)驗(yàn)證，而大模型可以學(xué)習(xí)自動(dòng)駕駛系統(tǒng)的弱點(diǎn)，自動(dòng)創(chuàng)建對(duì)抗性場(chǎng)景，無(wú)需手動(dòng)調(diào)整算法，可以適應(yīng)更快節(jié)奏、更大規(guī)模的訓(xùn)練。大模型哪家強(qiáng)，現(xiàn)在公認(rèn)的是美國(guó)遙遙領(lǐng)先，中國(guó)緊隨其后，歐美日韓各有所長(zhǎng)，而這個(gè)江湖的命運(yùn)現(xiàn)在都聚焦在了大模型上。

變“短板”為“跳板”

1975年，為了征服珠峰北坡8680米處的絕壁，中國(guó)將一個(gè)長(zhǎng)6米的金屬梯樹(shù)立于此，讓國(guó)際上對(duì)中國(guó)人居然從北坡登頂珠峰的質(zhì)疑，從此煙消云散。當(dāng)年中國(guó)一定要登頂?shù)谋澈笠彩且粓?chǎng)國(guó)際較量，中國(guó)與尼泊爾為了珠穆郎波峰的歸屬爭(zhēng)執(zhí)了幾十年，尼方提出的最大質(zhì)疑就是：你說(shuō)珠峰歸你，但你還從未從中國(guó)境內(nèi)登頂過(guò)一次。所以，中國(guó)梯包含了國(guó)人的尊嚴(yán)，賭上了幾批登山隊(duì)員的生命，背后也包含了中國(guó)最頂級(jí)航天材料加工技術(shù)。如果說(shuō)，大模型就是我們實(shí)現(xiàn)自動(dòng)駕駛的那個(gè)“金屬梯”，但這道梯子本身也絕不簡(jiǎn)單。每一個(gè)大模型背后都意味著海量算力的投入。比如，在自然語(yǔ)言處理領(lǐng)域GPT-3模型，就需要上千片A100芯片超一個(gè)月的訓(xùn)練時(shí)間。國(guó)盛證券估算，GPT-3的單次訓(xùn)練成本就高達(dá)140萬(wàn)美元，對(duì)于一些更大的大模型，單次訓(xùn)練成本介于200萬(wàn)美元至1200萬(wàn)美元之間。據(jù)業(yè)內(nèi)機(jī)構(gòu)預(yù)測(cè)，全球頭部AI大模型訓(xùn)練算力需求每3～4個(gè)月翻一番，即平均每年增幅達(dá)到10倍。與算力需求端的高歌猛進(jìn)相比，算力供給端則明顯跟不上節(jié)奏。地緣爭(zhēng)端更是人為加劇了這場(chǎng)競(jìng)賽的不公平。

過(guò)去幾個(gè)月，并濟(jì)科技、匯納科技等多家 A 股上市公司公告，將內(nèi)嵌英偉達(dá)A100芯片的高性能算力服務(wù)收費(fèi)上調(diào)100%，而一些云廠商則悄然暫停A100服務(wù)器出租業(yè)務(wù)。英偉達(dá)專(zhuān)供中國(guó)大陸市場(chǎng)的H800型號(hào)芯片，因新增列入禁售名單，其售價(jià)已翻倍，從原本的人民幣21萬(wàn)元急漲至最高人民幣40萬(wàn)元，但仍然很難買(mǎi)到。在算力焦慮之下，業(yè)內(nèi)甚至出現(xiàn)了“誰(shuí)能爭(zhēng)搶到算力，誰(shuí)就更有先發(fā)權(quán)”的觀點(diǎn)。所幸的是，國(guó)內(nèi)有華為云這樣的算力玩家頂了上來(lái)。而通過(guò)可持續(xù)的算力服務(wù)，華為云已經(jīng)成為大模型企業(yè)的重要算力提供商。

據(jù)了解，華為云烏蘭察布數(shù)據(jù)中心部署了單集群達(dá)2000P Flops的昇騰AI云服務(wù)，大模型訓(xùn)練30天長(zhǎng)穩(wěn)率達(dá)到90%，斷點(diǎn)恢復(fù)時(shí)長(zhǎng)不超過(guò)10分鐘，同時(shí)訓(xùn)練效能可以調(diào)優(yōu)到業(yè)界主流GPU的1.1倍，推動(dòng)大模型技術(shù)更好地服務(wù)于汽車(chē)行業(yè)。

華為云烏蘭察布數(shù)據(jù)中心

昇騰算力底座可部署于私有云、公有云、專(zhuān)屬云、人工智能計(jì)算中心 AICC 等。除了支持華為的AI框架Mindspore 外，還支持 Pytorch、Tensorflow 等主流 AI 框架，框架中的90%算子，可以通過(guò)華為端到端遷移工具從 GPU 平滑遷移到昇騰。

在安全方面，華為云也異常重視。為了滿(mǎn)足監(jiān)管和車(chē)企的需求，華為云在烏蘭察布汽車(chē)專(zhuān)區(qū)采用3分區(qū)合規(guī)架構(gòu)設(shè)計(jì)，包括數(shù)據(jù)處理區(qū)、智駕業(yè)務(wù)區(qū)和網(wǎng)絡(luò)中繼區(qū)，實(shí)現(xiàn)嚴(yán)格物理隔離和權(quán)限控制，滿(mǎn)足自動(dòng)駕駛開(kāi)發(fā)合規(guī)要求。在運(yùn)營(yíng)上，華為云還構(gòu)建7層安全縱深防御體系，并打造了安全云腦方案，構(gòu)建300多個(gè)安全檢測(cè)模型，100多個(gè)自動(dòng)響應(yīng)劇本，實(shí)現(xiàn)99%的安全威脅5分鐘閉環(huán)。

同時(shí)，在汽車(chē)專(zhuān)區(qū)的認(rèn)證資質(zhì)方面，華為云通過(guò)了業(yè)內(nèi)120+權(quán)威安全合規(guī)認(rèn)證，是中國(guó)首個(gè)通過(guò)汽車(chē)TISAX認(rèn)證的云廠商。

此外，華為云還構(gòu)建了AI-Native存儲(chǔ)系統(tǒng)，提供數(shù)據(jù)24小時(shí)入云、精細(xì)存儲(chǔ)、高效訓(xùn)練服務(wù)，助力汽車(chē)行業(yè)面對(duì)智能化帶來(lái)的數(shù)據(jù)浪涌挑戰(zhàn)。事實(shí)上，對(duì)于車(chē)企而言，有了大模型和算力仍然不夠，還需要一個(gè)構(gòu)建數(shù)據(jù)閉環(huán)能力的平臺(tái)，把大模型和算力池的強(qiáng)大功效真正發(fā)揮出來(lái)，對(duì)車(chē)企而言就是自動(dòng)駕駛開(kāi)發(fā)平臺(tái)。眾所周知，大模型開(kāi)發(fā)和調(diào)優(yōu)是一個(gè)復(fù)雜的系統(tǒng)工程，而安全、高效地運(yùn)維、使用大規(guī)模算力也有著極高的技術(shù)門(mén)檻。因此，車(chē)企們就需要一個(gè)強(qiáng)大的工具包，來(lái)實(shí)現(xiàn)開(kāi)發(fā)自動(dòng)駕駛方案所需算力、數(shù)據(jù)、算法的同時(shí)加速。

在國(guó)內(nèi)，華為云的自動(dòng)駕駛開(kāi)發(fā)平臺(tái)就是這樣一個(gè)功能強(qiáng)大的基礎(chǔ)設(shè)施。該平臺(tái)基于盤(pán)古大模型和ModelArts AI開(kāi)發(fā)生產(chǎn)線(xiàn)，提供了數(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，幫助車(chē)企和商用車(chē)企業(yè)加速自動(dòng)駕駛算法的開(kāi)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。
目前，該平臺(tái)已經(jīng)在長(zhǎng)安、一汽等多個(gè)車(chē)企以及礦用卡車(chē)、港口ART、專(zhuān)線(xiàn)物流重卡等商用車(chē)場(chǎng)景中應(yīng)用并取得良好效果。比如，在露天礦上進(jìn)行裝排土作業(yè)的場(chǎng)景下，華為云就幫助無(wú)人駕駛寬體車(chē)實(shí)現(xiàn)了全無(wú)人駕駛、全天候7*24小時(shí)連續(xù)作業(yè)，解決了露天礦揚(yáng)塵遮蔽、無(wú)標(biāo)識(shí)顛簸道路、特種作業(yè)車(chē)輛混行等多種挑戰(zhàn)，并對(duì)重載達(dá)上百?lài)嵉能?chē)輛規(guī)控算法進(jìn)行了有效調(diào)優(yōu)，實(shí)現(xiàn)厘米級(jí)的精準(zhǔn)?？?。

時(shí)間窗口不多了

人工智能大模型對(duì)自動(dòng)駕駛的影響到底如何？汽車(chē)行業(yè)的人都在關(guān)注特斯拉的自動(dòng)駕駛系統(tǒng)FSD V12。此前有消息稱(chēng)，特斯拉近期已向內(nèi)部員工提供FSD V12，而業(yè)內(nèi)預(yù)計(jì)明年年初會(huì)正式面世。業(yè)內(nèi)人士普遍認(rèn)為，FSD V12的發(fā)布將拔高自動(dòng)駕駛層級(jí)，讓L3（有條件自動(dòng)駕駛）級(jí)別以上的競(jìng)爭(zhēng)提前到來(lái)。而最近，隨著北京、上海大量發(fā)放L3自動(dòng)駕駛測(cè)試牌照，一場(chǎng)新的自動(dòng)駕駛競(jìng)賽又迫在眉睫了。最憂(yōu)慮的還是那些傳統(tǒng)車(chē)企，它們?cè)谶@場(chǎng)競(jìng)賽中，已經(jīng)被遠(yuǎn)遠(yuǎn)的拉下。

現(xiàn)在，絕大多數(shù)傳統(tǒng)車(chē)企的自動(dòng)駕駛方案還停留在L2級(jí)別，而如果不能快速升級(jí)至L3級(jí)別，可能很難參與未來(lái)更加激烈的市場(chǎng)競(jìng)爭(zhēng)，被淘汰將不可避免。但要參與L3級(jí)別的競(jìng)爭(zhēng)，傳統(tǒng)車(chē)企的技術(shù)現(xiàn)狀又著實(shí)令人擔(dān)憂(yōu)。一些車(chē)企想著靠堆砌硬件的方式來(lái)追求L3級(jí)別的自動(dòng)駕駛能力，但是過(guò)多的硬件配置又拉高了車(chē)輛的成本。此外，仔細(xì)觀察行業(yè)，你還會(huì)發(fā)現(xiàn)，雖然車(chē)企口頭上都對(duì)自動(dòng)駕駛信誓旦旦，但是很多車(chē)企根本就沒(méi)有搭建其專(zhuān)業(yè)的自動(dòng)駕駛開(kāi)發(fā)平臺(tái)，而有些車(chē)企雖然已經(jīng)搭建開(kāi)發(fā)平臺(tái)，但真正能用起來(lái)的又不多。不用說(shuō)，L3級(jí)自動(dòng)駕駛方案研發(fā)所涉及的技術(shù)門(mén)檻很高。以傳統(tǒng)車(chē)企現(xiàn)有的人才結(jié)構(gòu)，很難走特斯拉那條全自研的路，更何況市場(chǎng)也不會(huì)給予車(chē)企更多時(shí)間進(jìn)行技術(shù)積累。
面對(duì)現(xiàn)實(shí)，華為云已經(jīng)鋪就的技術(shù)平臺(tái)，也許會(huì)成為它們跨越絕壁的梯子，能讓它們避免被L3的競(jìng)爭(zhēng)過(guò)早的淘汰。事實(shí)上，通過(guò)這種合作模式，自動(dòng)駕駛領(lǐng)域未來(lái)專(zhuān)業(yè)化的分工體系也初現(xiàn)端倪，可能也更符合汽車(chē)行業(yè)的發(fā)展現(xiàn)狀。

結(jié)語(yǔ)

汽車(chē)智能化的大時(shí)代已經(jīng)到來(lái)，整個(gè)產(chǎn)業(yè)鏈都被裹挾在巨浪之中，或被動(dòng)或主動(dòng)，但改變、創(chuàng)新是唯一的選擇。同時(shí)，圍繞自動(dòng)駕駛方案的研發(fā)，也已經(jīng)成為車(chē)企不能輸也輸不起的核心戰(zhàn)場(chǎng)。根據(jù)麥肯錫的預(yù)測(cè)，到2025年全球自動(dòng)駕駛技術(shù)及相關(guān)應(yīng)用的市場(chǎng)規(guī)模將達(dá)6000億美元。伴隨大模型驅(qū)動(dòng)的研發(fā)平臺(tái)加速進(jìn)化，自動(dòng)駕駛量產(chǎn)進(jìn)程也將駛?cè)肟燔?chē)道。與巨大的市場(chǎng)機(jī)遇相伴，一條決定車(chē)企未來(lái)命運(yùn)的自動(dòng)駕駛生死線(xiàn)也已經(jīng)慢慢劃開(kāi)。從L2到L3級(jí)別的升級(jí)，看似簡(jiǎn)單，但闖過(guò)去了才有可能是新時(shí)代的弄潮兒，闖不過(guò)去就一定是舊時(shí)代的諾基亞。由于有了“中國(guó)梯”，已經(jīng)有上千人征服了曾經(jīng)的“死亡路線(xiàn)”，而且死亡率一直在下降。在自動(dòng)駕駛的珠峰攀登之路上，顯然傳統(tǒng)車(chē)企也需要找到能讓自己突破技術(shù)瓶頸，避免行百里者半九十的那道“中國(guó)梯”。