文|光錐智能 周文斌
亦莊新城，又叫北京經(jīng)濟技術(shù)開發(fā)區(qū)，位于北京西南方，離市中心大概20公里。最近兩年，隨著自動駕駛的高速發(fā)展，亦莊也成為了各大自動駕駛企業(yè)最肥沃的試驗田。
從市區(qū)前往亦莊，驅(qū)車大概需半個小時，這里沒有其他經(jīng)開區(qū)常見的高樓林立，反而因為地處郊外，視線沒有遮礙，再加上偌大的華北平原作為背景，所以顯得有些荒蕪和空寂。這種感覺，特別是在見慣了北京的繁華之后，對比得格外強烈。
但是，如果你將眺望天邊的視線收回，將目光重新注意到亦莊往來交錯的街道，那么你很快又會在這荒蕪空寂的外表下感受到一種絕對的熾熱，就像一團火焰，正在熊熊燃燒。
在這里，隨處可見的自動駕駛車輛，正在讓亦莊成為一座真正的自動駕駛之城。
進入亦莊，我們遇到的第一個紅綠燈路口，左右兩邊與我們并排等待的，就是兩輛自動駕駛測試車，一輛屬于百度Apollo，一輛屬于小馬智行，一輛車的安全員坐在主駕駛，另一輛車的主駕駛位置卻空著。
紅燈熄滅，綠燈亮起；在我們的車輛才剛剛起步的時候，兩旁自動駕駛的汽車卻已經(jīng)早早地駛過了路口，我們只能在后面遙遙地看到一排尾燈。
除了主路上行駛的自動駕駛車輛之外，旁邊的輔路隨處可見美團的自動駕駛送餐車，不知品牌的快遞配送車，自動行駛的路面清潔車，以及那些在路上趴了窩，正在被工程車馱著送去檢修的故障車輛。
在這之前，我們從未想象過自動駕駛可以表現(xiàn)得如此具體，所有交通工具各司其職，一種賽博朋克的感覺撲面而來。整個亦莊似乎都在為成為一個無人化的城市而努力。
在之前，這種熱烈我們也只能在亦莊這種遠離城市的郊區(qū)看到。而最近，自動駕駛卻準備正式“進城”了。
近日，小鵬城市NGP（Navigation Guided Pilot智能導(dǎo)航輔助駕駛）在預(yù)告10個月之后，終于在廣州開始向部分用戶推送了。從網(wǎng)友上傳的視頻可以看到，更新NGP之后的小鵬P5已經(jīng)能夠在人類駕駛員的監(jiān)督下，平穩(wěn)地行駛在城市道路上。
自動識別紅綠燈，自動并線、超車，主動繞開占道的行人和自行車，在路口會車的時候主動“加塞”......一系列的操作就如同一個老司機，面對最擁擠復(fù)雜的路段也游刃有余。而整個過程中，駕駛員的手甚至都不需要碰到方向盤，只是作為一個監(jiān)督者，預(yù)防可能發(fā)生的意外。
可以說，隨著城市輔助駕駛的上線，駕駛員與車的關(guān)系，正在發(fā)生深刻的改變。
今年以來，城市輔助駕駛也正在成為各大車企和自動駕駛企業(yè)爭奪最激烈的焦點。
8月18日，魏牌CMO喬心昱率先在微博喊話，稱只有面臨更復(fù)雜路況的城市輔助駕駛才是自動駕駛的“大學水準”，將自動駕駛的輿論焦點拉到了城市輔助駕駛。
之后，毫末在9月13日AI DAY上，詳細介紹了城市輔助駕駛方案（城市NOH）技術(shù)迭代；宏景智駕也在2022世界智能網(wǎng)聯(lián)汽車大會上展示了包含城市智慧領(lǐng)航（NOP-C）的全棧自動駕駛解決方案。
而除了這些之外，同樣不甘落后的玩家還有計劃今年內(nèi)在ET7和ET5等車型搭載的NAD系統(tǒng)上實現(xiàn)輔助駕駛的蔚來；在L9上搭載了智能駕駛系統(tǒng)“理想AD Max”，以實現(xiàn)全場景導(dǎo)航輔助駕駛的理想；以及搭載了華為ADS系統(tǒng)，同樣具備具備高速+城市場景輔助駕駛的能力的阿維塔11等等。
據(jù)億歐汽車統(tǒng)計，今明兩年，至少有12家車企/自動駕駛企業(yè)將落地支持NOA行泊一體的智能駕駛方案。
漸進式的輔助駕駛“進城”，成為當前自動駕駛最關(guān)鍵的一場戰(zhàn)役。
01 自動駕駛進城，兩種路線一個方向
路旁隨意停放的車輛，走下路肩的行人，送外賣的電瓶車，往來的自行車，橫穿馬路的行人，紅綠燈路口的擁堵、加塞......
從高速公路的30萬公里到城市道路的1100萬公里，自動駕駛進入城市后，不僅僅在使用里程上有極大的延展，其道路的復(fù)雜程度也上升了不止一個數(shù)量級。毫末智行CEO顧濰灝總結(jié)，城市道路最顯著的三個特點，就是——路口多、變道多、擁堵多。
某種意義上說，城市道路輔助駕駛系統(tǒng)要解決的問題難度，并不低于L4級自動駕駛。
延續(xù)高速輔助駕駛的路徑，城市輔助駕駛系統(tǒng)也分為兩個技術(shù)方向，即重高精地圖和重感知，這兩個方案各有優(yōu)劣。
首先是依賴高精地圖的方案，由于其能夠?qū)④嚨佬畔⒕_到1m左右，所以采用高精地圖方案的車輛行駛起來都會比較穩(wěn)定。在轉(zhuǎn)彎、并線、車道規(guī)劃，以及上下匝道時都較平順。新造車的蔚小理采用的都是這種方案，其中理想和小鵬用的是高德的高精地圖，而蔚來用的則是百度地圖。
而沒有采用高精地圖方案的車企，如特斯拉在進入匝道時往往會出現(xiàn)“畫龍”的情況，在車道規(guī)劃時也會出現(xiàn)過早、過晚的情況。
不過，高精地圖方案也存在許多問題。比如，因為地圖覆蓋范圍有限，輔助駕駛能夠使用的范圍也有限；比如數(shù)據(jù)更新不及時，碰到一些臨時施工改道的道路，車輛會因為數(shù)據(jù)沒有更新而一頭扎進封閉的施工道路中。
中國城市道路來回里程高達到1100萬公里，這樣龐大的規(guī)模，如果都按高精地圖的要求來維護，數(shù)據(jù)幾乎不可能實現(xiàn)及時更新。
除此之外，高精地圖的使用也有相應(yīng)的規(guī)范，通常需要相關(guān)部門審核之后才能上線。而這種審核，往往也會導(dǎo)致早已準備好的輔助駕駛功能延期。比如，小鵬城市NGP大概三個月前就已經(jīng)準備好了，但是因為高精地圖沒有審核通過，所以一直拖到了現(xiàn)在。
而作為對比，重感知的路線則相對自由，能夠應(yīng)對更多的復(fù)雜路況，使用范圍也不必被高精地圖所掣肘。重感知路線的代表車型就有特斯拉和魏牌（采用的毫末NOH）等等。
所以，為了規(guī)避高精地圖帶來的一些局限，如今許多車企/自動駕駛企業(yè)都將繞開高精地圖作為主要的發(fā)展方向。
除此之外，也有如毫末采用“重感知，輕地圖”的中間路徑——以感知為主，地圖為輔。
毫末的方案是，通過圍繞車身的傳感器（雷達、攝像頭等），建立一個連續(xù)的時空模型，再從這個模型中提取車輛行駛時需要的車道線、車輛位置、其他交通參與者的意圖等等。然后再與導(dǎo)航信息進行結(jié)合，最終指導(dǎo)車輛行駛。
“這種方式就和人開車一樣，我們就把眼前的這段路開好?！鳖櫈H灝說。
整體來看，降低高精地圖在城市領(lǐng)航中的占比是大勢所趨。余承東、何小鵬也都在公開場合提到，對于自動駕駛而言，高精地圖一定是過渡，真正的自動駕駛一定要能夠全場景駕駛。
除了采用毫末城市NOH的魏牌計劃在年底覆蓋10座城市，小鵬也在推進不依賴高精地圖的輔助駕駛車型。
但是，重感知路線的城市領(lǐng)航，為什么也仍然沒有大面積在各個城市上線？
毫末相關(guān)技術(shù)負責人對光錐智能表示，“在實際應(yīng)用當中，每個城市都有許多意想不到的復(fù)雜路況，比如奇葩的紅綠燈?！?/p>
在保定的一次測試中，他們每天經(jīng)過的路口突然新增了一個紅綠燈，沒人知道這個紅綠燈什么時候出現(xiàn)的，大家也沒有在其他地方見過同樣的東西?！叭偶t綠燈橫穿整個路口，兩邊用高亮的LED包裹，四周圍繞的全部都是LED的彩燈。”
一個奇葩的紅綠燈，把數(shù)萬元的輔助駕駛整不會了？
城市的道路，每時每刻都在發(fā)生著變化，不同城市之間的不同道路會有區(qū)別，同一個城市的不同道路也會有所不同。
“為了保證產(chǎn)品交付的穩(wěn)定，我們前期肯定會控制節(jié)奏，每一個新開通的城市都會去做具體的測試，而當某一天我們發(fā)現(xiàn)新增的問題數(shù)量開始減少，或者快速收斂達到一定程度之后，才會去做大規(guī)模的鋪開?！焙聊忮F智能如是說。
按照計劃，魏牌會在年底之前讓城市NOH覆蓋10座城市，并計劃在明年覆蓋超100座城市。除此之外，搭載華為城市輔助駕駛的極狐預(yù)計在今年年底向用戶推送，蔚來、理想也將在2023年陸續(xù)更新自家的城市輔助駕駛系統(tǒng)。
02 自動駕駛3.0，開始拼算力
“大眾輔助駕駛，擁堵跟車把變道的前車給撞了”
“有次在高速ACC幫我防止了追尾?！?/p>
用戶對輔助駕駛的評價，呈現(xiàn)出兩極分化。
事實上，從目前的許多事故上來看，輔助駕駛確實還很難說得上安全，就在不久之前，開著LCC功能的小鵬就在高速追尾；之后也有特斯拉在進入小區(qū)時突然加速。
而這一系列的事故也給了廣大車主一個非常強的不信任感。輔助駕駛在高速、停車場這樣相對簡單的場景都不能保證安全，那在更復(fù)雜的城市道路上又值得信任嗎？
顧維灝認為，目前城市輔助駕駛的挑戰(zhàn)主要還是道路的復(fù)雜性，具體表現(xiàn)為城市道路養(yǎng)護，大型車輛密集，變道空間狹窄，城市環(huán)境多樣四個方面。而要解決這些問題，AI就需要更多的數(shù)據(jù)樣本進行訓練，所以數(shù)據(jù)也就成了驅(qū)動自動駕駛成熟的核心。
區(qū)別于之前輔助駕駛將單個傳感器數(shù)據(jù)在車載大算力芯片上進行計算，在進入城市輔助駕駛之后，毫末開始將所有傳感器的原始數(shù)據(jù)放在一起，然后再通過AI大模型輸出車輛的全局感知結(jié)果。
這樣做的好處是，車輛在認知領(lǐng)域的進步可以逐漸脫離之前人為設(shè)定的規(guī)則，然后逐漸把人類真實駕駛的行為和常識提取出來。簡單說就是讓AI駕駛更像人類的老司機。但要達到這種狀態(tài)，那支持訓練的模型的數(shù)據(jù)至少要超過1億公里。
除此之外，進入城市道路之后，汽車也要開始適應(yīng)人類常用的交互方式，比如要理解周圍車輛轉(zhuǎn)向燈、尾燈的不同信號的意圖。但現(xiàn)在市面上，不同車型、不同形狀的尾燈都有很多，這不僅對算法識別帶來挑戰(zhàn)，龐大的數(shù)據(jù)量同樣也會增加。
為了解決AI訓練中語義理解的問題，谷歌在四月份發(fā)布了一個新的訓練模型——Pathways Language Model（PaLM），由于其訓練參數(shù)達到5400億，使用了7800億個Tokens，也被大家戲稱為，讓世界沒有難懂的梗。但這種能力要使用到自動駕駛環(huán)境，也要求自動駕駛訓練的里程至少在一億公里以上。
很顯然，要訓練出好的自動駕駛，未來的數(shù)據(jù)量會變得越來越大，特斯拉現(xiàn)在擁有三大數(shù)據(jù)中心，總計11544GPUs。為了提高數(shù)據(jù)的使用效率，特斯拉在2021年AI DAY上還發(fā)布了自研的DOJO超級計算系統(tǒng)和D1芯片。
但傳統(tǒng)的數(shù)據(jù)使用方式還是制約了自動駕駛的發(fā)展。在之前，大量的數(shù)據(jù)進入訓練階段之前，都需要人工進行標注，即人要先告訴AI，這個東西是紅綠燈，那個東西是柵欄，幫助AI建立基本認知。龐大的數(shù)據(jù)標注催生了數(shù)據(jù)標注師這個職業(yè)，也一度被人們戲稱“有多少人工就有多少智能”。
但這種依賴人工標注的訓練方式也存許多問題，比如大量時間和成本的占用。顧維灝在毫末AI DAY上表示，之前的AI訓練中，成本主要用在了訓練標注上。而在今年6月份，特斯拉加州辦公室有近200位員工被裁，主要也是自動駕駛的數(shù)據(jù)標注團隊。
為了解決數(shù)據(jù)標注的成本問題，特斯拉也開始引入效率更高，成本更低的數(shù)據(jù)標注系統(tǒng)。這個系統(tǒng)只需要將車輛在路上行駛采集到的真實駕駛數(shù)據(jù)，再利用標注好的數(shù)據(jù)來訓練模型，將結(jié)果進行聯(lián)合優(yōu)化以后便可以得到更加精確和詳細的標注結(jié)果，整個過程都不需要人工的參與。
在2021年8月的AI Day上，特斯拉Autopilot的軟件總監(jiān)Ashok Elluswamy就表示，他們可以在一周內(nèi)自動標記10k個clips（最小標注單元），而之前這個工作量至少需要幾個月的時間。
在國內(nèi)，毫末采用的大模型訓練方式也有異曲同工之處。
毫末的方案是用大量未經(jīng)標注的數(shù)據(jù)進行預(yù)訓練，然后形成一個主干模型，之后再用標注過的數(shù)據(jù)在特定的任務(wù)上做特定的優(yōu)化。通過這種方式，毫末讓訓練效率提升了三倍，精度和準確性也遠高于之前只用標注數(shù)據(jù)訓練的結(jié)果。
清華大學智能科學講席教授，中國工程院外籍院士張亞勤表示，自動駕駛正在逐步在向大模型，大數(shù)據(jù)、預(yù)訓練、多模態(tài)、端到端的趨勢發(fā)展。
最近幾年，隨著Attention to Transformer的廣泛應(yīng)用，AI的自然語言識別效果很快超過了人類的平均水平。但問題也隨之而來，這種大模型對算力的消耗要遠遠高于摩爾定律能給到的支持。這也導(dǎo)致AI大模型的訓練成本太高了，傳導(dǎo)之后，也讓自動駕駛在車端的落地變得比較復(fù)雜。
針對這個問題，目前行業(yè)里也在積極探索解決方案。目前主流的方案有兩種，一種是輕量化，另一種是降低計算中的弱關(guān)聯(lián)計算。
首先是輕量化。Attention to Transformer這種模型，其計算力和計算量比之前的CNN（卷積神經(jīng)網(wǎng)絡(luò)）要高100倍，而這100倍的冗余顯然還沒有達到完全釋放的時候，所以許多玩家就在嘗試將CNN與Attention在不同環(huán)節(jié)做不同程度的融合，以達到降低算力，實現(xiàn)輕量化的目的。其中像蘋果在2021年提出的mobileVit和三星在今年提出的XFormer都是其中代表。
另一個則是降低弱關(guān)聯(lián)計算。要知道，Attention其實有一個特點，就是在龐大的計算中，6.9%的計算貢獻了大概94%的價值，剩下93%左右的計算則是弱關(guān)聯(lián)計算，并沒有太大的作用，這就造成了非常龐大的算力浪費。
基于這樣的特點，清華的一位教授開始針對Attention的機制設(shè)計芯片（之前相關(guān)芯片的設(shè)計都是針對CNN進行的），以達到降低弱關(guān)聯(lián)計算的目的。
顧維灝認為，自動駕駛需要的數(shù)據(jù)主要是兩個方面，一個是規(guī)模，另一個是多樣性。我們今天做的所有工作，都是為了更加高效，低成本地獲取數(shù)據(jù)。然后把數(shù)據(jù)送到計算中心，用訓練的方法把數(shù)據(jù)轉(zhuǎn)換為自動駕駛的能力。
除了在算法模型上下的功夫之外，算力也是未來自動駕駛能力的關(guān)鍵。
8月初，小鵬與阿里云專門為自動駕駛建立的智算中心“扶搖”，在被稱為“草原云谷”的烏蘭察布正式落成。這座智算中心算力可達600PFLOPS，用于小鵬的自動駕駛模型訓練。
而在剛剛舉辦的AI DAY上，毫末也公布了首個超算中心。顧維灝表示，毫末超算中心的目標是滿足千億參數(shù)大模型，訓練數(shù)據(jù)規(guī)模100萬clips，將整體訓練成本降低200倍。
隨著自動駕駛發(fā)展階段的改變，自動駕駛公司的成本重心也開始發(fā)生轉(zhuǎn)移?！白詣玉{駛2.0階段，錢都花在數(shù)據(jù)標注上了，應(yīng)用大模型后的3.0時代，成本會發(fā)生轉(zhuǎn)移，會從標注轉(zhuǎn)到計算?！鳖櫨S灝稱。
總之，數(shù)據(jù)的規(guī)模、獲取成本、質(zhì)量、處理速度等，都和自動駕駛能力的提升速度正相關(guān)。自動駕駛已經(jīng)進入了依靠算力推動數(shù)據(jù)處理的時代。
03 結(jié)語
如今，各地政府也在加快推進自動駕駛和輔助駕駛的發(fā)展。
9月初，上海市政府印發(fā)《上海市加快智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展實施方案》，目標到2025年，具備組合駕駛輔助功能（L2級）和有條件自動駕駛功能（L3級）汽車占新車生產(chǎn)比例超過70%，具備高度自動駕駛功能（L4級及以上）汽車在限定區(qū)域和特定場景實現(xiàn)商業(yè)化應(yīng)用。
在2022世界智能網(wǎng)聯(lián)汽車大會上，北京經(jīng)開區(qū)相關(guān)負責人表示自動駕駛示范區(qū)開啟3.0階段將實現(xiàn)全域信號覆蓋。
截至目前，北京經(jīng)開區(qū)已經(jīng)建成329個智能網(wǎng)聯(lián)標準路口，雙向750公里城市道路和10公里高速公路實現(xiàn)車路云一體化功能覆蓋，并匯聚了產(chǎn)業(yè)相關(guān)領(lǐng)域百余家企業(yè)、國內(nèi)頂級院校與研究機構(gòu)參與示范區(qū)建設(shè)。
除此之外，還有像深圳、廣州、長沙、成都、上海等全國多個城市都在積極推動自動（輔助）駕駛落地。一系列的舉措，也都將推動輔助駕駛和自動駕駛加快落地。
8月28日，百度集團資深副總裁、智能駕駛事業(yè)群組總經(jīng)理李震宇表示：“自動駕駛正成為智能汽車競爭的焦點，未來3-5年，將是全球汽車智能化競爭的關(guān)鍵窗口期，2030年沒有自動駕駛能力的電動汽車將完全失去競爭力?！?/p>
在政策和市場的雙層推動下，自動（輔助）駕駛也終于走到了一個開始普及的關(guān)鍵。