自動駕駛的下半場戰爭——資料

自動駕駛行業上半場競爭中，從零到一的開發試驗階段已經過去，各家車企們比拼的自動駕駛演算法系統已到了瓶頸期，為了避免發生“望山跑死馬”，現階段自動駕駛屹然到了調整計劃的時刻。

隨著L4級車企紛紛“降維”闖進L2、L3級市場，自動駕駛已漸進深水期。在下半場比拼中，交付量與實際使用里程成為車企們新的競爭目標。

畢竟，商業落地才是技術最終的歸宿，自動駕駛汽車也需要實踐出真知。當下，自動駕駛車輛應用場景愈漸豐富，可行駛測試範圍越來越廣，產量也翻倍提升。

這對車企來說固然是好事，但“車多”帶來了新的問題，對於所需的海量資料又該如何支撐?

企業“頭疼”的資料標註

資料標註為什麼對自動駕駛如此重要?

這需要提及自動駕駛三大要素“ 感測器、計算平臺與演算法與資料。”上面提到，現階段自動駕駛比拼的是規模，但車企們暗自較勁的其實是 迭代與極端案例處理能力。

因此感知模型訓練與模擬測試仍是重中之重，關乎著自動駕駛的安全性與迭代效能優良。

以感知訓練為例，自動駕駛與人類駕駛員一樣，都需要先看到後思考，具體來說，感知模型訓練按照流程可以劃分為五大環節，分別為資料儲存、資料預處理、難例挖掘、資料標註以及模型訓練。

這其中 資料標註是最繁雜、費力、耗時的一環，讓一眾企業直呼“頭疼”。

資料標註透過人工或智慧化工具將感測器採集的影像、影片、文字等資料進行檢測識別，這是一份簡單但對質量要求較高的繁瑣工作。

而自動駕駛作為人工智慧裡的特殊行業，容錯率極低，對資料標註要求非常嚴苛。

在自動駕駛領域，資料標註處理的場景通常包括換道超車、透過路口、無紅綠燈控制的無保護左轉、右轉，以及一些複雜的長尾場景諸如闖紅燈車輛、橫穿馬路的行人、路邊違章停靠的車輛等。

所以，像自動駕駛這種對資料體量要求大、精度要求高、效率要求快的工作，更適合與專業的 平臺服務型資料標註公司合作。

市面上中型及以上的資料標註公司有近十家，但每家標註公司都有不同的主營賽道，按型別可分為文字、語音、點雲、影像、影片等，而按照行業可分為自動駕駛、零售、金融、安防、物流、教育等。

按此方法，自動駕駛企業需尋找 專業為自動駕駛提供資料服務的公司。而 曼孚科技就是一家專注於自動駕駛標註賽道的平臺服務型公司。

作為行業領先的資料服務企業，曼孚科技長期聚焦自動駕駛行業，自研了旗下第三代資料服務平臺—— MindFlow SEED資料服務平臺。

藉助AI演算法驅動的自動標註，以及針對自動駕駛場景推出的布林運算、融合點雲車道線、自動關鍵幀等功能，MindFlow SEED資料服務平臺在資料處理尤其是自動駕駛 3D點雲資料處理方面建立了深厚的技術壁壘，平均標註效率 提升10倍以上，在業內維持了較高的技術領先性。

而除專業的標註工具外，MindFlow SEED平臺也包含 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。

現階段，曼孚科技利用平臺技術為自動駕駛企業提供資料支撐，在未來，曼孚科技將繼續加大智慧標註研發投入，滿足自動駕駛資料多樣性需求供給，推動自動駕駛在更多場景下落地應用。