产业观察：这朵“云”为自动驾驶量产提质加速

近年来，随着人工智能的快速发展，在一系列利好政策加持下，我国自动驾驶技术进入全场景落地阶段，从为普通人出行代步，到在矿山、物流等商用领域大显身手，产业潜力不断迸发。

(资料图片)

6月21日，工信部相关负责人表示，将启动智能网联汽车准入和上路通行试点，组织开展城市级“车路云一体化”示范应用，支持L3级及更高级别的自动驾驶功能商业化应用。

所谓“车路云一体化”系统，是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间融合为一体。在这一过程中，云底座正助力中国汽车产业在电动化、智能化转型跑出“加速度”，为自动驾驶量产提质加速。

自动驾驶技术加速落地 云底座化解发展堵点

随着智能驾驶里程的持续积累，海量行车数据的产生推动自动驾驶水平快速提高，自动驾驶研发企业面临的挑战也随之而来。业界认为，影响高阶自动驾驶落地的关键因素，是让模型快速学习各类不常见、但不断出现的“长尾问题”。因此，如何提升数据处理效率，如何加速模型迭代，成为影响自动驾驶技术快速演进的关键。

在山东日照港，一汽解放无人驾驶港口车已投入运营。一汽解放商用车开发院智能网联开发部部长王占春在接受人民网记者采访时表示，当前，商用车自动驾驶迎来发展拐点，车企正积极寻求落地场景，基于市场导向，行业对于技术探索更趋于理性。云技术在行业探索高级别自动驾驶技术的过程中，是不可替代的一环。

元戎启行技术合伙人、副总裁刘念邱则认为，目前，市场上的智能驾驶汽车因为依赖高精度地图，就只能在特定区域行驶，不利于数据积累，所以能否突破行驶区域限制极为重要。

“以地图更新为例，打造在线安全闭环的合规服务，可满足政府安全要求和用户更新数据需求，为车厂提供开发闭环、运营闭环，为行业形成基于高精度地图的商业化生态闭环。”四维图新高级副总裁蒋晟表示，与“云”服务相结合，打造完善的数据合规闭环服务，有利于自动驾驶高质量发展。

华为云中国区副总裁张鹏在接受人民网记者采访时表示，自动驾驶要对海量的数据进行算法训练和仿真验证，因此需要强大的算力和学习推理能力。云计算有着海量计算和存储资源，可以实现超大规模的数据处理、模型训练和仿真集群，同时，还能提供大量工具和服务帮助行业提升研发效率。

“近期，我们单集群2000P Flops的昇腾AI云服务正式上线，可以为自动驾驶开发提供千卡训练一个月以上不中断的算力。我们也新开设了乌兰察布汽车专区，设计了三分区合规架构，将汽车专区划分为数据处理区、智驾业务区和网络中继区，实现了严格的物理隔离和权限控制，满足自动驾驶开发合规要求。同时，汽车专区有资质图商驻场，协同运维，能够全流程保障数据的安全。”张鹏说。

盘古大模型赋能 推进自动驾驶规模化量产

近年来，我国正抢抓机遇，加速布局智能网联汽车产业。近日，继重庆、武汉等城市之后，上海、北京也正式为无驾驶人智能网联汽车发放道路测试牌照，全自动无人驾驶乘用车商业化运营再进一步。

与此同时，在机场、港口、矿山等场景，无人车已经开始顺利“上岗”。在矿山，面对扬尘遮蔽、无标识的颠簸道路、特种作业车辆混行等等的情况，通过自动驾驶开发平台强大能力和算法支持，重载达上百吨的自动驾驶车辆可以实现精准停靠；在天津港，通过自动驾驶的集卡，同样可以让港口24小时不间断的高效作业，大大提升了港口效率。

记者了解到，自动驾驶需要通过积累真实世界的行车数据来训练和验证模型算法，这个过程需要构建很多复杂的驾驶环境，雇佣安全员进行大量的道路测试，积累必要的里程数来进行算法训练。

“大模型突出的数据生成能力可以广泛应用于数据预处理、模型训练、仿真等环节，有望解决自动驾驶发展应用过程中的数据积累瓶颈。”张鹏进一步阐述，比如场景生成大模型，可以按需生成现实世界中难以再现或者无法采集数据的场景，例如沙漠、暴雨、山路等极端场景。再比如自动标注大模型，现在的自动驾驶逐渐发展为“轻地图、重感知”，通过车身上的激光雷达和摄像头等传感器去感知路况实现自动驾驶，在学习和训练的过程中需要对大量的传感器数据进行标注，通过大模型可以进行AI自动标注，不仅成本低还很高效，标注效率可以提升5到10倍，将标注成本降低为人工标注的十分之一。

“智能汽车已经成为我国新的经济增长点，自动驾驶的量产进程正在加速。”张鹏表示，在这一过程中，盘古大模型有望赋能自动驾驶，释放量产加速度。

关键词：