智能驾驶的「终极进化体」是这样?

全文2014字,阅读约需6分钟,帮我划重点

划重点

01随着智能网联汽车的高速发展,各地纷纷推出利好政策,车路云一体化成为智能驾驶的未来趋势。

02云端在智能驾驶中扮演重要角色,处理车辆和道路基础设施收集的数据,提供实时交通流量、交通拥堵预测等有用信息。

03除此之外,车路云一体化还有助于实现车车协同,甚至车辆、交通、城市的深度融合。

04目前,美国、日本、欧盟等国家和地区都在积极布局智能网联汽车建设,争夺算力和数据的优势。

05由于芯片被卡脖子,智能驾驶需要更强的云平台来联通数据,共用共享,推动技术进化。

以上内容由腾讯混元大模型生成,仅供参考

图片

在汽车智能化发展的当下,端到端俨然成为单车智能最大化的体现。

但如果还想进一步的提高智能上限,则需要考虑车路云一体化。尤其是今年,智能网联汽车高速发展,各地纷纷抛出利好政策。

今年5月,北京发布近100亿元“车路云一体化”新基建项目规划,随后在7月,新基建项目规划中的“北京市高级别自动驾驶示范区3.0扩区建设项目路侧智能感知设备招标项目”公示中标候选结果,三家公司入围。

图片

6月,武汉的“车路云一体化”重大示范项目获得批准,备案金额达170亿元。另外,福州、鄂尔多斯、沈阳、杭州等多个城市也已启动相关项目招标。

就在最近,陕西省制造强省建设领导小组办公室印发了《陕西省加快新能源与智能网联汽车产业发展行动方案(2024-2027)》,旨在加快智能网联汽车的建设。

图片

通常来说,车、路、云三方各自为政,但又互为对方的最大助攻。

车辆能够收集自身周围的信息,比如道路状况、交通信号和其他车辆的情况,并将这些信息发送到云端或路端系统。

云端是数据处理的部分,是一个强大的在线平台,用于接收和处理从车辆和道路基础设施收集的数据。再通过分析这些数据,生成有用的信息,如实时交通流量、交通拥堵预测,并将结果返回到车端或路端系统,提供优化建议或指令。

图片

路端主要为边缘计算,能够快速分析和及时响应,更能够有效改善道路拥堵等问题。

这样一来不仅是单车智能,还是车车协同,甚至能够实现车辆、交通、城市的深度融合。

图片

目前来看,比较发达的汽车产业国家,都在这方面有相应的布局。

近期,美国交通部(U.S.Department of Transportation,USDOT)对外正式发布了C-V2X车联网技术国家部署计划《Saving Lives with Connectivity: A Plan to Accelerate V2X Deployment》。

图片

该计划提出在2024年至2036年(总共12年时间内),分为短期、中期、长期三个阶段,在美国全国加速C-V2X车联网全国部署。

目标至2036年,建成覆盖美国全国范围的C-V2X蜂窝车联网,高速公路实现100%覆盖,75个大型主要城市十字路口覆盖率达到85%,其中大多数地区能够提供弱势交通参与者安全服务。其他国家或地区,像日本、欧盟也是布局已久。

所以说,无论是智能化产业做防守,还是做主动引领,“车路云一体化”这座高峰,我们都会努力去占领。

图片

事实上,近几年,“车路云一体化”到底该怎么演化,也一直在发展与变化中。比如,相比车端、路段来说,云端的重要性开始变得越来越重要了。

理想汽车智能驾驶研发副总裁郎咸朋坦言称,“我们深刻理解做人工智能,除了要建立各种平台体系外,最终大家要竞争就是算力和数据。”

同时他表示,特斯拉从不担心自己的技术路线被学习,就是因为特斯拉相信其他企业无法超越其算力和数据。

图片

细细想来,这番言论也不无道理。

在智能世界中,智能是知识和智力的总和,智能翻译到数字世界就是“数据+算力+算法”。

图片

经过各个大厂算法工程师兢兢业业的内卷,算法的差距正迅速缩小。下一步,再争夺的,就是算力和数据的差距。

据国际数据公司IDC、浪潮信息、清华大学全球产业研究院联合发布的《2022-2023全球计算力指数评估报告》显示,随着全球数字化发展加速,正在对算力提出庞大的需求。

图片

而伴随算力需求而来的是一笔“经济账”。

根据业内专家的预估,OpenAI推出的Sora在训练环节大约需要在4200-10500张NVIDIA H100,训练时间至少1个月,并且当模型生成到推理环节以后,计算成本还将迅速超过训练环节。

而受美国芯片禁令影响,H100的服务器(8张卡)在国内的报价一度高达人民币300多万元。

图片

而现在国内主机厂纷纷自研智驾技术,向大模型“开炮”,更需要强大的算力平台,所以,目前也诞生了「汽车云」这一说法。

百度副总裁李硕在解释百度智能云推出汽车云体系的原因时表示,汽车云的需求主要有三个方面:

一是传统车企正在上云,建设数字化底座,打造智能化应用;

二是以“蔚小理”为代表的造车新势力有大量新增的云服务需求;

三是为汽车生产配套的供应链企业,通过云平台可以连通数据、提升效率。

图片

但在资源投入上还是消耗不起,所以更多还是采取共同合作的做法。

比如说小鹏汽车,就基于阿里云智能计算平台,在内蒙古乌兰察布联合建立了国内最大的自动驾驶智算中心“扶摇”,算力可达600PFLOPS(每秒浮点运算60亿亿次),据悉,可将小鹏汽车自动驾驶核心模型的训练速度提升近170倍。

图片

我们会发现一个很有意思的现象,多年以前,行业还有过“单车智能、车路协同”的对立争论。说白了,就是哪条路线更符合我国的实际交通环境。事实上,单车智能在很长一段时间胜出了,因为车企能主动发力的,只有“单车智能”。

他们可以去增加激光雷达,强化芯片算力,以及在近两年,引入BEV、‌‌Transformer模型,包括今年再度转向“端到端”,目之所及的一亩三分地,皆在“单车智能”这个领域。

图片

而如今,我们似乎看到了“殊途同归”,所有的技术路线都汇聚到了“云”平台这个概念上。本质上,都对算力有强大的渴望。当我们的芯片被“卡脖子”之后,更需要“云”平台联通数据,共用共享。

这大概是冲向智能驾驶「终极进化体」,绕不过去的一道门槛了。我们要这么做,也必须这么做。

图片

当年很多人都不理解,人类为什么要登月。

在探索宇宙奥秘时,也诞生了很多新的技术,极大地改变了人类生活。而自动驾驶技术也是这样,每一项足以改变并重新定义我们生活的技术,其背后都有足够多的“小技术”在堆积。

也许,就在不远的将来,我们就能看见全新的技术年代,共飨年华。