中國自動駕駛,不能只靠「搭積木」

曼孚科技 發表於 2022-11-24

中國車,靠「堆料」解決所有問題已成常態。

從「大而不強」的燃油車時代,到「強而不精」的新能源汽車,中國造車業的天花板已被徹底顛覆。

除了汽車動力系統的更替外,技術層面的發展也起著至關重要的作用。自動駕駛儼然成為新能源車企的又一大賣點。

自動駕駛一詞最早出現於上世紀,並於2015年正式進入網際網路時代。有媒體報導稱:“自2018年開始,自動駕駛車型上市數量逐步增多,在2020年呈現顯著增長態勢,僅半年時間的上市量已接近去年全年上市量。”

但銷量上漲的背後,技術層面的輔助卻是杯水車薪。2019年至今,智慧駕駛一直停留在L2級別沒有前進,於是車企將注意力從“質量”轉為“數量”,堆料成為新的噱頭。

搭積木——行不通的路線

在裝置供應上,車企可謂牟足了勁兒。硬體上,鐳射雷達必須要裝三顆以上,感知硬體更是堆到30個以上。英偉達Orin-X晶片越多越好,1000TOPS+的算力剛是入門級別。

只求量而不求質,智慧駕駛的問題並沒有因為硬體升級而改變,安全事故反倒發生得更加頻發。

因剎車失靈、駕駛失控釀成的慘烈車禍屢屢登上熱搜,甚至傳出智慧駕駛在研發階段,測試車手就因車輛失控而墜樓身亡等社會新聞。

這一系列的事件,直接影響了使用者的體驗感。在使用者體驗方面,智慧駕駛的堆料非但沒有提升消費者滿意度,反而致使消費者對新功能更加懷疑猜忌。據易車研究院報告,2021年明確認為車企誇大自動駕駛宣傳的中國使用者比例高達48.32%。

某吧、某乎、某條上充斥著對自動駕駛的擔憂與警惕等內容,使用者的心智被安全事故、虛假宣傳、隱私侵犯等擔憂佔滿。

早期自動駕駛炒出來的新能源紅利市場早已不在,輔助自動駕駛發展受到了阻力,新功能的推廣成本也將更高。

“搭積木”的技術發展到了盡頭,智慧汽車技術變革的奇點卻還沒出現,到底下一個風口在哪裡?

自動駕駛—效能最強的電腦

常有人說,未來,智慧汽車會成為效能最強的電腦。

這句話是指,人類對汽車進行智慧化改造的原始動機,與算盤、計算機、電腦一樣,本質上都是讓機器代替人類勞作,創造更舒適的生活。

算力的進步,帶動了多場景應用,並最終延伸至個人移動計算裝置,也就是手機。作為最貼近人類的網路通訊樞紐,手機獨有的連線與通訊能力,造就了“算力+想象”的無限可能。

對自動駕駛而言,除“算力+想象”外,“感知+決策”也是必不可少的智慧化變革核心。

眾所周知,車規級高效能解決方案強大的技術積累背後是多年的鉅額投入。要實現L4“入門”級別的自動駕駛,AI算力至少需達100TOPS,約等於10臺PS5的算力,L5需要的AI算力則高達500-1000TOPS。這僅是入門,

這還僅僅是入門,如果要實現全智慧座艙,所需的算力數將更加驚人。

由此推算,L4級自動駕駛搭載的高度模擬感知裝置,每分每秒都將產生大量的資料。

毫不誇張地說,這些資料的處理程度,將決定自動駕駛的高度。

資料標註——下一個風口浪尖

訓練自動駕駛感知模型需要使用大量準確真實的資料,而將原始資料結構化的處理技術就是資料標註。

資料標註為人工智慧提供資料,對圖片、影片、文字資料進行拉框、標點等操作,將感測器採集到的資料轉換成機器可理解的語言,產出滿足演算法訓練的資料集,供計算機平臺分析處理。

其中,自動駕駛涉及的資料集中於影像與3D標註兩大類。影像標註方法包括矩形框、語義分割、多邊形、多段線、關鍵點、立體框、橢圓;3D標註方法包含連續幀、2D3D融合與語義分割。

藉助優秀的資料處理平臺,資料標註的效率也會成倍增加。大中型資料標註公司自研的資料平臺不僅工具豐富,且服務經驗全面,能夠為使用者不同場景需求提供定製化資料解決方案。

MindFlow SEED就是這樣一個資料服務平臺,作為曼孚科技旗下的自研產品,MindFlow SEED現已更新至第三代,除包含影像、文字、影片、點雲等上百種標註工具外,也包含專案、供應鏈、資料安全等管理類目。

透過整合資料集管理、團隊人員管理、工作流管理、資料統計分析等工作環節,打破資料孤島模式,實現對資料全生命週期的統一管理,有效節約管理成本並顯著提升業務執行效率。

截至目前,曼孚科技已與眾多世界頂級Tier1廠商、一線科技公司、主流演算法公司、造車新勢力、傳統汽車主機廠商等數十家自動駕駛相關賽道企業達成深度合作。

而在未來,曼孚科技將繼續深耕自動駕駛賽道,扮演好自動駕駛基礎資料供應商的角色,為自動駕駛企業提供高質量資料支撐,推動自動駕駛在更多場景下落地應用。


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69956378/viewspace-2925057/,如需轉載,請註明出處,否則將追究法律責任。