從研發域到量產域的自動駕駛工具鏈探索與實踐

來源：百度Geek說

導讀 

introduction

本文整理自 2023 年 9 月 5 日百度雲智大會 - 智慧汽車分論壇，百度智慧雲自動駕駛雲研發高階經理徐鵬的主題演講《從研發域到量產域的自動駕駛工具鏈探索與實踐》。

全文中部段落附有演講中 2 個產品演示影片的完整版，精彩不容錯過。

全文3580，預計閱讀時間9分鐘。

百度作為國內最早佈局自動駕駛的企業，一直積極向行業輸出自動駕駛相關的產品、技術和服務。很榮幸今天有這樣一個機會向大家去分享百度在自動駕駛工具鏈領域的實踐經驗，也希望把我們對自動駕駛工具鏈的理解同大家做一些共同的探討。  

自動駕駛是一門融合多項能力的複雜學科，如果沒有紮實的技術沉澱和產業佈局，很難破解自動駕駛快速落地的難題。百度從 2013 年便開始佈局自動駕駛核心研發技術，2021 年我們向產業開放了在多年自動駕駛領域積累的經驗形成系統化工具鏈產品。兩年內，我們獲得了國內外很多主機廠和 Tier1 的廣泛認可。

這裡也給大家分享幾個案例：

第一個案例是雲模擬平臺。我們跟客戶一起積累了 50w+ 的定製化場景，在不到一年的時間內幫助車企客戶完成了 700 多版自動駕駛演算法的迭代，實現了近千萬公里的測試驗證，讓車企的量產智慧駕駛落地時間大大提前。

第二個案例是資料閉環。我們在一年內幫助客戶累計託管了 50 PB 資料，並且在平臺中嵌入了 500 多個自動駕駛資料探勘模型，完成上億幀資料的高效處理，實現資料的價值提升和轉化。

第三個是資料標註。對自動駕駛的研發訓練而言，高質量和大數量的資料集獲取，在傳統條件下一般是人工逐幀標註。百度自主研發的 AI 智慧標註模型，幫助客戶累計標註了千萬幀的資料，省去了上千萬的人力成本。

這三個案例從左往右分別對應著資料應用、資料管理和資料生產過程。在和車企落地實踐的過程中，我們認為，自駕的研發新模式就是能夠讓海量自駕資料在資料的應用、生產、管理上更高效的模式。這也是我們在逐步跟客戶溝透過程中，逐步找到的工具鏈價值，也得到了客戶們的認可。 

剛才我們分享了早期基於研發域的工具鏈需求，以及和客戶做探索和落地的一些思考。而隨著智慧化汽車逐步發展，尤其是以智慧化為核心的下半場已經到來，智慧汽車即將跨過發展臨界點，迎來真正的大爆發。

因此如果要決勝智慧駕駛市場，必須提前進行量產研釋出局。

然而，目前行業大部分自動駕駛雲產品，主要提供的是自動駕駛功能從無到有的研發能力。但在量產階段，車企更關注自家演算法從有到優，其中核心要解決的就是長尾問題。雖然長尾問題的比例可能只有 10%，但是解決長尾問題的成本和代價是非常高的，這也給車企帶來了四大挑戰：

• 首先是資料合規。根據自然資源部去年釋出的 1 號文的要求，智慧網聯汽車在路上跑，已經明確為測繪行為，需要委託資質圖商管控，保障地理資訊資料安全，滿足合規要求。所以對車企來說，量產回傳的資料如何在符合監管政策的前提下回傳到雲端，幫助後端做研發就成了第一大挑戰。
• 其次是效率問題。對量產車來說，每天需要回傳百萬臺車的海量資料，這就對平臺的處理效率提出了極高的要求。那麼，如何從海量混雜的業務資料中挖掘出高質量資料，解決長尾問題，就成了車企面臨的巨大挑戰。
• 第三是服務問題。我們需要根據不同使用者反饋，持續提升智慧駕駛效果和乘車體驗，實現千人千面的個性化服務能力。
• 最後是成本問題。城市道路場景複雜，測試尤為困難。汽車量產需要以低成本的方式擴充至全國各地，如何快速適應不同城市場景，也需要要有對應的處理方案。

所以，量產時代自動駕駛需要新的工具、新的服務。

百度作為國內最早佈局自動駕駛的企業，率先完成了從研發域工具鏈到量產域服務的產品升級，致力於服務智駕量產，攻堅長尾難題，為車企贏得新的市場增長點。

百度作為最早進入自動駕駛的企業之一，目前已經率先完成了自動駕駛工具鏈從研發域到量產域的全面升級。

下圖是百度智慧雲面向量產車全面升級的自動駕駛工具鏈的全套解決方案。

百度升級的自動駕駛工具鏈解決方案，為車企搭建了一條用於車輛智慧化開發的智慧駕駛產線，構建了面向自動駕駛全生命週期的雲服務。這套方案為車企提供在智駕研發過程中的模型開發、模型訓練、資料採集、資料標註、模擬測試、運營與監管等全棧工具平臺，讓自動駕駛開發變得更智慧、更高效、更簡單，助力車企快速開發和使用自動駕駛，實現資料閉環、問題閉環和場景閉環。

百度自動駕駛工具鏈經過了充分的實踐驗證。透過大量的自動駕駛道路測試資料，目前已經形成了千萬量級的場景庫；基於領先的 AI 大底座，已實現日行千萬公里的自動駕駛模擬測試；同時，也已經支援百度 6000w+ 公里的自動駕駛實測里程，為百度自動駕駛技術的快速迭代、效果驗證提供了有效支撐。

百度智慧雲提供的這一套解決方案，在工具鏈的基礎之上，還為客戶輸出了百度在自駕研發過程中的一些實踐和經驗，將我們實踐中積累的產品 Know-How 一併和使用者分享，幫助車企始終走在智駕前沿，搶佔智駕服務新市場。

下面我會從三個方面分別講講自動駕駛工具鏈在實踐過程中的主要的一些思考。

第一點是工具鏈 + 合規服務。我們知道，合規是底線，只有資料安全，智駕行業才能健康快速發展。百度作為行業內唯一支既懂合規，又懂能提供完善的基礎設施，同時還精通自動駕駛業務的公司，在打造自動駕駛工具鏈時，精準理解資料合規要求，同時滿足客戶業務創新需要，實現「原始資料不出車、測繪資料不出雲、測繪成果不關聯、資質圖商全管控」的效果，幫助車企實現全流程的合規升級改造。

在「精準的合規」背後，百度設立了專業的合規保障團隊，能夠提供全生命週期的安全服務與多部門的「會診」服務，解決各類疑難場景，為車企的智駕安全可持續發展保駕護航。

第二點是資料服務。在過去的幾年的快速發展中，車企逐步積累了大量資料。如何在海量資料中快速、準確地挖掘出有價值的資訊，是影響智駕迭代速度的關鍵。

傳統的資料探勘過程，更多的還是透過人工標註或者演算法打標的方式進行流程式的挖掘，已無法滿足客戶對海量長尾資料的需求。

我們基於百度多年在搜尋領域的積累，結合文心大模型實現了自動駕駛「資料智慧搜尋引擎」。資料服務從「流程式」向「檢索式」升級，實現資料探勘的“大海撈針”。

在檢索式資料探勘能力的幫助下，標籤的能力更豐富。同時透過對資料場景的精準定義，可以基於圖片、文字做一些更加精準的需求定義和檢索能力，讓資料資產快速從無到有，從有到優。傳統特殊場景的挖掘，大概需要一週時間才可以開發完畢，而透過檢索式的服務，基本可以實現場景的一鍵獲取。

接下來是一個影片，把我們剛才提到的產品給大家做一個展示。

自動駕駛研發過程中，經常需要一些定製化的場景進行問題的復現。傳統的解決防範是根據需要的場景來讓研發人員寫一些挖掘演算法，然後再佈置對應的任務工作流才能跑出來。而現在可以如影片中的所展示的，透過以圖搜圖、以文搜圖或者場景檢索等功能，直接從海量資料中把所需資料搜尋出來，將無序的資料變成寶貴的資料資源。

第三點是模擬服務。我們觀察到，行業中很多夥伴其實是缺乏資料積累的。我們也一直在思考，如何讓缺乏資料積累的行業夥伴以低成本的方式快速進行自動駕駛的研發、測試和運營。此時，高精度和多場景的城市級模擬就是解決該問題的關鍵。

百度多年來已積累了海量的自動駕駛資料，一方面，我們基於百度地圖大規模路網自動構建孿生城市，在孿生城市中實現高精度模擬還原，全面覆蓋百城差異化場景；另一方面，百度目前已經積累了超過 6000w+ 公里的自動駕駛測試里程資料，並積累了千萬級場景庫。

百度智慧雲的模擬服務將為車企提供超過百城的真實路網、千萬公里的場景資料，支援日行千萬公里的大規模模擬測試。車企在雲端就可輕鬆驗證不同城市場景下的自動駕駛能力，解決因地理環境、路況差異帶來的「智車出城難」問題，釋放百億價值資料，助力車企快速積累測試里程，大幅降低研發成本，研發效率提升 10 倍以上。

接下來的一個影片，為大家呈現下百度智慧雲模擬平臺相應的操作介面。

百度智慧雲的模擬平臺自 2021 年正式對外發布以來，已經經過了多個版本的迭代。在這個過程中，非常感謝行業各位合作伙伴的信任。同時基於大模型技術的發展趨勢，我們的模擬平臺也新增了模擬場景的自動生成在內的很多新功能，後面也會逐步釋出，並分享給更多的行業夥伴。  

智慧汽車的發展也即將跨越臨界點，迎來真正的大爆發。百度智慧雲自動駕駛工具鏈透過提供「管家式」的雲服務，切實解決智駕量產面臨的諸多挑戰。百度期待和行業夥伴一起，共同攻克自動駕駛技術難關，抓住增長機遇，共赴智駕量產新時代。

- - - - - - - - - - END - - - - - - - - - -