文|智駕網(wǎng) 黃華丹
日前，英偉達(dá)聯(lián)合IDC（國際數(shù)據(jù)中心），共同發(fā)布了《現(xiàn)實+仿真，超大算力賦能自動駕駛》白皮書。探討了目前自動駕駛的發(fā)展情況以及車企在自動駕駛開發(fā)過程中的需求和挑戰(zhàn)。
此處，我們將要點(diǎn)提煉如下：
1，乘用車市場自動駕駛水平不斷提升，普及度增加，今年一季度L2級自動駕駛在乘用車市場的新車滲透率已達(dá)23.2%。
2，自動駕駛帶動汽車行業(yè)向智能化躍遷，車企與科技公司合作促進(jìn)乘用車自動駕駛水平提升。
3，自動駕駛系統(tǒng)訓(xùn)練需要超大算力，AI超算中心可提供算力支持。
高級別自動駕駛落地的困難讓今年的自動駕駛行業(yè)趨于冷靜。商業(yè)化難以實現(xiàn)，撤資、關(guān)停，明星公司也可以突然隕落。從外界看來，行業(yè)似乎充滿了不確定性。
但另一方面，從業(yè)者卻正以最大的耐心一步一步緩慢向終點(diǎn)靠近。
技術(shù)方面，目前的自動駕駛已經(jīng)解決了99%的問題，而剩下的1%卻需要付出更多的工作。
這似乎已成為共識。終點(diǎn)好像就在眼前，卻又遙遙無期。
Corner case，成為自動駕駛落地不得不跨越的下半場路障。
如何翻越？真實數(shù)據(jù)和仿真測試是訓(xùn)練自動駕駛進(jìn)一步優(yōu)化必要的兩個路徑。而兩者，都需要超大算力的支持。
除了介紹自動駕駛市場的現(xiàn)狀及對乘用車市場的推動作用，白皮書也介紹了AI超算中心的構(gòu)建以及英偉達(dá)助力企業(yè)建立超算中心的平臺。
以下，我們來看具體白皮書內(nèi)容。
01 自動駕駛發(fā)展現(xiàn)狀
首先來看自動駕駛目前的發(fā)展情況。
報告指出，在乘用車領(lǐng)域，目前自動駕駛技術(shù)整體發(fā)展良好，處于從L2到L3發(fā)展的階段。
根據(jù)IDC《中國自動駕駛汽車市場數(shù)據(jù)追蹤報告》數(shù)據(jù)，今年一季度L2級自動駕駛在乘用車市場的新車滲透率已達(dá)23.2%，而去年同期僅為7.5%。
其中，主流量產(chǎn)合資品牌的L2級自動駕駛已下探至人民幣18萬級別的車型，部分品牌已下探至10萬出頭。
報告指出，傳統(tǒng)自主品牌在電動化與網(wǎng)聯(lián)化兩大領(lǐng)域均走在市場前列，并與互聯(lián)網(wǎng)大廠、AI科技公司在自動駕駛領(lǐng)域開展了大量合作。
而造車新勢力則已開始提供如“導(dǎo)航駕駛輔助”之類實現(xiàn)起來更加復(fù)雜的駕駛輔助功能。并在上市車型中安裝支持更高級別自動駕駛的配套硬件，以便在政策放開后，可隨時通過OTA在線實現(xiàn)自動駕駛功能的升級。
此外，根據(jù)報告，從L3級開始要求汽車在一定條件下持續(xù)執(zhí)行全部的自動駕駛?cè)蝿?wù)，車輛既需要統(tǒng)籌各傳感器收集到的信號，又需要其對駕駛輔助相關(guān)的所有功能實現(xiàn)統(tǒng)一調(diào)配，由自動駕駛域的主控芯片統(tǒng)一向車輛的線控系統(tǒng)發(fā)出指令。車輛電子電氣架構(gòu)向域集中式發(fā)展也是自動駕駛發(fā)展下必然的趨勢。
而在乘用車以外領(lǐng)域，Robotaxi仍處于商業(yè)試運(yùn)行階段，在礦區(qū)、港口、物流園區(qū)等封閉場景則已基本實現(xiàn)落地，而商用車領(lǐng)域則已可用輔助駕駛覆蓋高速環(huán)境，實現(xiàn)半封閉場景下的自動駕駛。
對于汽車產(chǎn)業(yè)而言，自動駕駛是行業(yè)智能化轉(zhuǎn)型的核心。尤其在乘用車領(lǐng)域，在電動化轉(zhuǎn)型漸趨成熟后，智能化，尤其是智能駕駛方面的發(fā)展成為車企突圍的主要方向。但開發(fā)新的技術(shù)并不容易。
根據(jù)IDC數(shù)據(jù)，有40%企業(yè)認(rèn)為科技企業(yè)的入局讓競爭越加緊迫；技術(shù)更新迭代速度快，缺乏成熟的解決方案，導(dǎo)致新產(chǎn)品決策難；以及新老產(chǎn)品難以平衡，內(nèi)部資源分配難。
另一方面，對于自動駕駛公司而言，由于自動駕駛研發(fā)需要投入大量資金，而L4級別自動駕駛商業(yè)化困難，對以發(fā)展自動駕駛為主要業(yè)務(wù)的科技公司來說，維持資金鏈穩(wěn)定成為巨大的挑戰(zhàn)。
超過半數(shù)的科技公司認(rèn)為研發(fā)投入金額大，周期長，資金鏈壓力大。同時，對科技公司來說，汽車行業(yè)知識積累不足，與主機(jī)廠溝通效率不高。
雖然存在困難，但對雙方而言，合作是順其自然的結(jié)果。今年以來，已經(jīng)有多家L4級別自動駕駛科技公司宣布為主機(jī)廠開發(fā)L2、L3級別輔助駕駛系統(tǒng)，包括輕舟智航、文遠(yuǎn)知行、智行者等，其中部分已完成系統(tǒng)的開發(fā)，即將在主機(jī)廠部分車型實現(xiàn)落地。
自動駕駛系統(tǒng)的前期開發(fā)依賴大量道路環(huán)境數(shù)據(jù)的輸入，形成貫穿感知、決策、規(guī)劃、控制多環(huán)節(jié)的算法。而后依然需要持續(xù)不斷地輸入數(shù)據(jù)，繼續(xù)對算法的訓(xùn)練與驗證，從而實現(xiàn)迭代。
主機(jī)廠與科技公司的合作，一方面解決了雙方當(dāng)下的需求，同時，也可為自動駕駛的發(fā)展積累實際道路數(shù)據(jù)，推動自動駕駛的落地。
02 自動駕駛系統(tǒng)的訓(xùn)練涉及超大量運(yùn)算
白皮書指出，利用人工智能手段訓(xùn)練自動駕駛系統(tǒng)，首先需要車輛像人類駕駛員一樣快速準(zhǔn)確地識別車道、行人、障礙物等駕駛環(huán)境中的關(guān)鍵信息。通過在海量數(shù)據(jù)基礎(chǔ)上不斷的重復(fù)訓(xùn)練與驗證，使車輛對道路環(huán)境的認(rèn)知水平逐漸趨近于真實情景，判斷的準(zhǔn)確性在這一過程中不斷提升。
自動駕駛需要機(jī)器對環(huán)境的判斷具備相當(dāng)高的準(zhǔn)確度，所以前期需要輸入大量的場景數(shù)據(jù)。
此外，自動駕駛系統(tǒng)還需要像人類駕駛員一樣對環(huán)境信息做出回應(yīng)。這需要機(jī)器對同一道路環(huán)境中其它交通參與者的運(yùn)動軌跡做出預(yù)判，從而規(guī)劃合理的行進(jìn)路線，并及時調(diào)整車輛的行進(jìn)狀態(tài)。這同樣需要大量的訓(xùn)練對系統(tǒng)的預(yù)測軌跡進(jìn)行矯正。
同時，人工智能對人類駕駛員行為的學(xué)習(xí)是一個持續(xù)不斷的過程，量產(chǎn)車在上市后會回流海量的數(shù)據(jù)，用于自動駕駛算法模型的優(yōu)化。因而訓(xùn)練的規(guī)模會隨市場中車型存量的上升而不斷擴(kuò)大。
另一方面，由于真實路測信息無法涵蓋足夠豐富的長尾場景，而且，真實路況下無法實踐部分具有危險性的場景，因此，在自動駕駛系統(tǒng)開發(fā)前期利用虛擬仿真技術(shù)開展仿真測試是更好的選擇。
即，將真實世界中的物理場景通過數(shù)學(xué)建模進(jìn)行數(shù)字化還原，在軟件程序所建構(gòu)的虛擬環(huán)境中測試自動駕駛系統(tǒng)。
而且，仿真測試中通過運(yùn)行虛擬程序產(chǎn)生數(shù)據(jù)，不僅測試速度遠(yuǎn)高于物理世界中行駛的車輛，還允許開發(fā)團(tuán)隊在組裝成本高昂的樣車之前即開始測試并驗證系統(tǒng)算法?？勺畲笙薅忍嵘龑嵻嚋y試的效率。
在仿真測試方面，英偉達(dá)基于Omniverse構(gòu)建了自動駕駛汽車模擬器DRIVE Sim，可大規(guī)模地進(jìn)行物理精準(zhǔn)的傳感器仿真。開發(fā)人員可以在工作站上運(yùn)行可重復(fù)的仿真，然后在數(shù)據(jù)中心或云端擴(kuò)展為批量模式。
DRIVE Sim上包括DRIVE Replicator等多個應(yīng)用。DRIVE Replicator主要提供一系列專注于合成數(shù)據(jù)生成的功能，用于自動駕駛汽車的訓(xùn)練和算法驗證。DRIVE Sim和DRIVE Constellation還支持各個級別的自動駕駛?cè)珬７抡?，包括軟件在環(huán)、硬件在環(huán)和其他在環(huán)仿真測試（模型、植物、人類，以及更多）。
仿真測試需要場景庫基于數(shù)據(jù)中心大規(guī)模重建或回放現(xiàn)實場景，并以平臺內(nèi)部資產(chǎn)的泛化縮小仿真與真實數(shù)采之間的差距，以修正虛擬環(huán)境中的結(jié)果和反饋，從而保證對虛擬世界的構(gòu)建與現(xiàn)實世界實時互通，因而也需要大算力的支持。
03 AI超算中心
對算法能力強(qiáng)的公司來說，自建數(shù)據(jù)中心是順其自然的選擇。一方面可解決安全問題，自有數(shù)據(jù)中心良好的封閉性可最大程度降低數(shù)據(jù)資產(chǎn)外溢的風(fēng)險。同時，長期來看也是成本更低的選擇。
IDC的調(diào)研也顯示，自動駕駛行業(yè)的開發(fā)團(tuán)隊對這一領(lǐng)域的投資將在未來穩(wěn)定增長。
數(shù)據(jù)中心可為訓(xùn)練自動駕駛系統(tǒng)提供巨大的算力，為支撐人工智能計算提供了重要的硬件基礎(chǔ)設(shè)施，其底層硬件技術(shù)路徑包括GPU、ASIC、FPGA和NPU。
其中，ASIC為專用芯片，針對專門的用途而設(shè)計。FPGA屬于半定制芯片，可通過編程重組電路，在研發(fā)與使用兩個階段均可以彌補(bǔ)定制電路靈活性方面的不足。NPU則是專門針對AI和深度學(xué)習(xí)所設(shè)計的芯片。工作原理是在電路層模擬人類神經(jīng)元和突觸，通過存儲和計算的一體化提高運(yùn)行效率。
英偉達(dá)可以提供適用于自動駕駛汽車的基礎(chǔ)架構(gòu)，包括開發(fā)自動駕駛技術(shù)所需的數(shù)據(jù)中心全套硬件、軟件和工作流參考架構(gòu)，涵蓋從原始數(shù)據(jù)采集到驗證的每個環(huán)節(jié)，為神經(jīng)網(wǎng)絡(luò)開發(fā)、訓(xùn)練和驗證以及仿真測試提供所需的端到端基礎(chǔ)模塊。
蔚來就在使用NVIDIA HGX構(gòu)建綜合全面的數(shù)據(jù)中心基礎(chǔ)設(shè)施，并在此基礎(chǔ)上開發(fā)AI驅(qū)動的軟件定義汽車，包括ET7、ET5。包括8個NVIDIA A100 GPU和NVIDIA ConnectX-6 InfiniBand 網(wǎng)卡。
此外，小鵬與阿里云合作在烏蘭察布建成了自動駕駛智算中心“扶搖”。而阿里云，同樣是A100的大客戶。
自動駕駛的發(fā)展道路注定是漫長的，每一個細(xì)節(jié)都需要大量的修正。超大算力中心的構(gòu)建無疑將為大量真實數(shù)據(jù)的采集與運(yùn)算，以及仿真場景的建設(shè)提供條件。
大量訓(xùn)練是解決自動駕駛Corner Case的必要路徑。建立超算中心或許也將成為后期自動駕駛發(fā)展的必經(jīng)之路。