說人話講清自動駕駛,端到端到底是個啥?(3)
水滴汽車 殷楠 | 07-05
138528
本期視頻專業(yè)性有點高,適合對智能汽車尤其是自動駕駛感興趣的朋友們。
前面兩期視頻,我用最直白的方式解釋了一下上一代和當前最火的自動駕駛技術(shù),以后大家再聽到“端到端”、“神經(jīng)網(wǎng)絡(luò)算法”、“大語言模型”等專業(yè)名詞,就知道車企在說什么了。
但可能很多人也發(fā)現(xiàn),自動駕駛技術(shù)說的好聽,落到實際應(yīng)用層面,卻是八斤八兩,沒覺得誰家的自動駕駛功能達到了讓人驚艷的程度。
刨除法規(guī)限制、車輛硬件等因素不談,首先,企業(yè)采用的是不是端到端架構(gòu),又是哪種層次的端到端架構(gòu),我們很難知曉。
其次,端到端算法本身有一個先天問題,就是它更像一個黑盒。因為端到端模型被構(gòu)建為一個整體,無法像傳統(tǒng)自動駕駛?cè)蝿?wù)一樣,把中間某個環(huán)節(jié)單獨拿出來進行分析,所以端到端算法的可解釋性和閉環(huán)驗證性都不好。
目前,“端到端自動駕駛”的引領(lǐng)者還是特斯拉,去年8月馬斯克親測了FSD Beta V12,這是第一個端到端AI自動駕駛系統(tǒng)。國內(nèi)頭部企業(yè)大多采取漸進的策略,先將決策和規(guī)控算法神經(jīng)網(wǎng)絡(luò)化,小步快跑逐步為未來的全棧端到端打下基礎(chǔ)。像華為在2024年智能汽車解決方案發(fā)布會上,推出了GOD(感知大模型)+PDP(端到端規(guī)控大模型)算法;小鵬也推動了感知大模型升級和規(guī)控大模型上車,形成了Xnet+Xbrain+Xplanner的端到端自動駕駛架構(gòu)。即使目前已經(jīng)表示采用全棧端到端架構(gòu)的玩家,如元戎啟行和商湯,也會用規(guī)則化的策略來兜底,保障安全。
此外,就像我們學(xué)開車一樣,基礎(chǔ)的“腦力”、好的教練以及大量的練習都是不可或缺的,自動駕駛也是如此,它和所有AI應(yīng)用類似,必須算力、算法和數(shù)據(jù)都給力,才能實現(xiàn)媲美老司機的效果。
這里需要多說兩句,算力指的不是車上安的那顆英偉達8295芯片,而是車企用于訓(xùn)練自動駕駛模型的超算中心。數(shù)據(jù)指的也不是隨隨便便的駕駛數(shù)據(jù),而是成熟駕駛員的優(yōu)質(zhì)駕駛數(shù)據(jù)。
所以綜上所述,雖然自動駕駛現(xiàn)在更像是一門玄學(xué),但我們還是能夠通過一些硬性條件,推測出哪些企業(yè)的自動駕駛會越來越強的。
比如,這家企業(yè)一定要有算力足夠強的超算中心??梢杂^察到的是,伴隨端到端的落地,特斯拉對算力的需求出現(xiàn)了大幅提升,這也反過來幫助其算法實現(xiàn)更加快速的迭代。當然,這背后都是白花花的銀子,特斯拉計劃2024年底前對DOJO超算中心投資超過10億美元,以提升總算力至10萬PFLOPS。
國內(nèi)車企里,蔚小理、吉利長安等頭部主機廠也都在加速提升算力,上游供應(yīng)鏈里,華為、商湯、毫末等,已經(jīng)擁有了可觀的算力布局,但總體來看,量級和特斯拉還是有不小差距的。
另外,海量優(yōu)質(zhì)數(shù)據(jù)將成為自動駕駛行業(yè)的稀缺資源。截至今年4月,特斯拉已經(jīng)擁有累計20億公里的行駛里程數(shù),并且有望在年底接近100億公里。觀察特斯拉的功能迭代也可以看出,要想達到特斯拉的自動駕駛水準,海量、多樣化、高質(zhì)量的數(shù)據(jù)不可或缺。
海量優(yōu)質(zhì)數(shù)據(jù),最主要的來源是用戶,這要看你的車保有量多有大,具不具備收集駕駛數(shù)據(jù)的能力,用戶會不會用你的自動駕駛功能。根據(jù)公開信息,特斯拉在這方面還是遙遙領(lǐng)先的。
不過特斯拉的數(shù)據(jù)并不是在國內(nèi)收集的,很可能不適應(yīng)咱們國家的復(fù)雜路況,而國內(nèi)像華為這樣的頭部玩家,自動駕駛實際體驗已經(jīng)很出色了。
總而言之,自動駕駛目前正處在爆發(fā)的前夜,國內(nèi)外頭部企業(yè)都在進行有關(guān)算力、算法和數(shù)據(jù)的新一輪軍備競賽,未來強者恒強的馬太效應(yīng)會越來越明顯,贏家將是大力出奇跡的那些企業(yè)。