自動駕駛，離真正量產還差什麼？

2022年上半年，自動駕駛商業化在政策端與市場端均迎來新的發展階段。

政策方面，4月份北京正式對外發放無人化載人示範應用通知書，並允許Robotaxi主駕去掉安全員;

5月份，雲南省工業和資訊化廳釋出了《關於“十四五”推進雲南省車路協同自動駕駛試點示範建設的指導意見》，明確到2025年，逐步實現高階別自動駕駛商業應用，L4級別智慧車輛在特定領域開始試執行，力爭建設成為國家級車路協同自動駕駛產業集聚區。

而在廠商方面，IDC最新發布的《中國自動駕駛汽車市場資料追蹤報告》中顯示，2022年一季度，中國自動駕駛汽車市場，L2級自動駕駛乘用車滲透率達23.2%，較2021年一季度的7.5%大幅提升，自動駕駛商業化應用正迎來新的發展黃金期。

然而，政策與廠商端的火熱，卻無法在短時間內改變消費端對自動駕駛的認知，公眾對自動駕駛技術的場景適應性仍存疑問。自動駕駛落地場景更多集中於封閉路段，距離真正的開放路段大規模商業化應用仍有一段距離。

那麼自動駕駛，離真正量產到底還缺了點什麼?

硬體成本逐年下降

長期以來，自動駕駛技術無論是在硬體端，如鐳射雷達、多目攝像頭，還是在軟體演算法端，前期的投入與採購成本均十分高昂。

以自動駕駛感知系統為例，目前主流的感知技術路徑有兩種，一種是以機器視覺為核心，毫米波雷達+攝像頭解決方案，典型代表企業特斯拉、Mobileye、百度Apollo等;另一種則是以高精地圖+鐳射雷達為核心的感測器路線，代表企業為Waymo、華為等。

為了追求更高的感知度，提高行車安全性，各大自動駕駛企業在感知系統硬體選擇上均投入了較高的成本。

以特斯拉使用的前置攝像頭為例，3個攝像頭每個畫素約為120萬。即將量產的Cybertruck，畫素將提升至為540萬，成本不菲。而鐳射雷達成本則更為高昂，以鐳射雷達行業內知名企業Velodyne 公司為例，旗下的HDL-64E售價在接近10萬美金左右。

但隨著生產工藝的進步，鐳射雷達的成本已顯著下降。華為已將自研的鐳射雷達成本控制在200美元之內，並計劃在未來兩年將成本進一步降低至100美元，這為鐳射雷達的大規模普及打下了堅實的基礎。

資料成為演算法迭代核心

既然硬體端規模化量產不存在問題，那麼問題則大機率出現在軟體演算法端。

目前，自動駕駛核心演算法以深度學習方式為主，是基於已知變數和因變數推導函式關係的演算法模型。

不同於礦山、港口、機場等封閉場景，開放路段場景更為複雜且多變，需要自動駕駛演算法有很深的場景積累度與迭代能力。但演算法的迭代無法獨立完成，需要人工智慧的另外兩駕馬車，即算力與資料的拉動下才能實現。

深度學習技術本質上需要海量的資料進行“投餵”才能推動演算法的迭代與更新。以特斯拉FSD方案為例，這套方案透過視覺感知網路生成三維向量空間，融入成本函式、人工干預資料或其他模擬模擬資料，獲得最優的規控方案，實現汽車自動駕駛。

這套方案無論在感知層面還是規控層面，核心演算法都是由資料進行驅動，資料的規模與質量直接決定了演算法的最終效能。

正如泰合資本曾指出的一樣，資料已是行業技術的核心競爭點，對技術迭代起到決定性作用，唯有提高資料迭代速度、降低迭代成本，才能持續取得勝利，真實資料規模已然成為智慧駕駛行業的“命脈”。

資料規模化量產

自動駕駛演算法離不開海量資料的“投餵”，這事關各大廠商自動駕駛演算法的最佳化成果以及現實落地效率，因此構建一套高效獲取、標註及模擬訓練資料的閉環至關重要。

然而，與指數型增長的資料服務需求相比，則是行業長久以來受限的資料生產力，尤其表現在資料產能與資料產出質量兩方面。

產能方面，目前國內資料標註第一梯隊服務商年營業額普遍以千萬級為主，業務規模、執行效率與專案經理能力高度繫結，產能瓶頸問題凸顯，無法有效填補並搶佔極速擴張的需求市場。資料標註產業在國內發展多年，卻從未誕生獨角獸企業，供需之間的鴻溝已愈發難以填平。

而在資料產出質量方面，隨著自動駕駛行業邁向商業化運營階段，以點雲資料為代表的資料處理需求佔比逐漸擴大，傳統依靠簡單工具且依賴人力的業務執行方式，也早已無法滿足垂直市場的需求。

自動駕駛實現規模化量產，資料服務領域能否率先實現突破將成為關鍵。

而作為行業領先的資料服務廠商，曼孚科技深知自動駕駛資料服務行業痛點，憑藉從戰略到技術落地的一站式資料解決方案以及PLG商業模式(Product-Led Growth，產品驅動增長)，構建起高效的資料閉環，直擊資料產能與資料產出質量兩大核心關鍵。

以曼孚科技SEED資料服務平臺為例，作為曼孚科技第三代資料智慧平臺產品，SEED平臺除擁有目前市面上主流第二代平臺的“多場景標註能力+有限專案管理能力”以外，還創新性的大量引入生命週期管理、AI增強等模組，形成了覆蓋“資料全生命週期管理能力+供應鏈管理+專案協同+AI人機協同+自定義許可權+全場景標註”的多維立體資料處理能力。

在這些功能模組的加持下，平臺資料標註效率平均提升10倍以上;AI輔助篩查下，資料精準度可達99.99%級別，直擊AI企業資料需求痛點，從源頭端解決AI應用場景持續擴充對於高質量多源異構資料的海量需求。

憑藉PLG模式帶來的旺盛創新力與產能復刻能力，曼孚科技在實現自動駕駛資料標註量產的同時，也構建起了一套可持續迭代的資料閉環，為自動駕駛行業在資料方面的短板提供了新的卓有成效的解決方案。

曼孚科技期待用高質量資料助推AI應用持續擴充與落地，早日實現自動駕駛規模化商業量產。