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。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69956378/viewspace-2897635/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 為什麼自動駕駛需要5G自動駕駛
- 英偉達聯合豐田開發可量產自動駕駛系統自動駕駛
- 自動化和AI 真正的區別是什麼?AI
- 當自動駕駛還未擺脫人類自動駕駛
- 自動駕駛,是“平視”還是“俯視”?自動駕駛
- 自動駕駛產品化競備開啟:百度Apollo如何定義量產車?自動駕駛
- 經緯恆潤底盤域控制器,助力自動駕駛量產落地自動駕駛
- 自動駕駛爭議不斷,距離落地還有幾道坎?|上雲那些事自動駕駛
- 從研發域到量產域的自動駕駛工具鏈探索與實踐自動駕駛
- 全面推廣自動駕駛還不成熟:無人駕駛還要跨過三道坎自動駕駛
- 全新 A8:奧迪強勢推出全球首臺量產型Level 3自動駕駛汽車自動駕駛
- 5G、自動駕駛、人工智慧都到什麼階段了自動駕駛人工智慧
- L3立法試水,為自動駕駛產業帶來什麼?自動駕駛產業
- 特斯拉Autopilot自動駕駛軟體負責人離職自動駕駛
- 什麼是動量?
- 自動駕駛Waymo開始在公路投放自動駕駛汽車自動駕駛
- Udacity簡明自動駕駛原理:它憑什麼改變未來?自動駕駛
- 自動駕駛汽車又出事了,你還充滿期待嗎?自動駕駛
- 程式設計師,你離年薪100萬差什麼?程式設計師
- 曼孚科技完成數千萬元A+輪融資,加速自動駕駛資料標註量產程式自動駕駛
- 除了汽車,自動駕駛還將顛覆這33個行業……自動駕駛行業
- MIPS CPU或有出路:將使用在自動駕駛產品上自動駕駛
- 福特或為谷歌生產自動駕駛汽車雙方正談判谷歌自動駕駛
- OpML 2020會議回顧:我們離真正的AI產品還有多遠?AI
- 華納雲:雲資料庫中自動讀寫分離是什麼?資料庫
- 大疆攪局自動駕駛自動駕駛
- 自動駕駛研究報告自動駕駛
- 自動駕駛拉鋸戰自動駕駛
- 特斯拉2年內實現全自動駕駛,無人駕駛時代還遠嗎?丨曼孚科技自動駕駛
- 自動駕駛資料閉環:實現高階自動駕駛的必由之路自動駕駛
- ScrollView(RecyclerView等)為什麼會自動滾動原理分析,還有阻止自動滑動的解決方View
- ScrollView(RecyclerView等)為什麼會自動滾動原理分析,還有阻止自動滑動的解決方案View
- RESTful 真正意味著什麼?REST
- 小鵬汽車首款量產車開售:搭載自動駕駛應用,補貼前售價20萬起自動駕駛
- 除了汽車,自動駕駛場景的實現還能依靠機器人自動駕駛機器人
- 因為距離行人過近,通用自動駕駛汽車吃了一張罰單自動駕駛
- 自動駕駛哪國強?各國和地區自動駕駛成熟度指數自動駕駛
- 奧迪:自動駕駛的脈搏自動駕駛