大模型「上車」，車企打響「開城戰(zhàn)」

　　車企開城，國家立法

　　「鯰魚」特斯拉游向了自動駕駛領域。

　　8月14日，特斯拉中國在一項聲明中表示，特斯拉已經(jīng)在中國建立了數(shù)據(jù)中心，所有在中國大陸市場銷售車輛所產(chǎn)生的數(shù)據(jù)，都會存儲在中國境內(nèi)。

　　據(jù)36氪報道，特斯拉已經(jīng)從總部派了工程師來華，計劃組建一個20人左右的本地運營團隊，以推動自動駕駛解決方案FSD(Full Self-Drive)在中國市場落地。

　　此外，特斯拉還嘗試在中國成立一個數(shù)據(jù)標注團隊，規(guī)模約上百人，意圖同樣指向自動駕駛。

　　其實，早在特斯拉擺尾前，自動駕駛，尤其是NOA(導航輔助駕駛技術(shù)，Navigate On Autopilo)領域，資本市場早就從大模型的浪潮中覺察到了風向。

　　二級市場上，具備類似NOA等高速領航功能軟件開發(fā)能力的阿爾特(300825.SZ)自4月25日迄今股價累計*漲幅達80.45%。

　　拉長時間看，在城市NOA方面搭建面向自動駕駛?cè)�球�?shù)據(jù)的光庭信息(301221.SZ)年內(nèi)股價累計*漲幅達114.29%。

　　《2022年汽車行業(yè)報告：城市NOA重新定義智能汽車》指出，2023年搭載NOA的汽車總量或?qū)��?0萬輛，2025年可能將達到348萬輛。其中，支持城市NOA功能的車型占比將從2023年的17%迅速上升到70%。

　　那么在大模型的熱度下，2023年會是「城市NOA元年」嗎？

　　01、從重地圖到重感知，車企打響「開城戰(zhàn)」

　　嚴格來說，從始至終，NOA不是一項全新的、顛覆性的技術(shù)，它只是集成了ACC自適應巡航、LKA車道保持輔助、ALC自動變道輔助和高精地圖定位四項功能。

　　過去，在NOA的前面往往還有個定語——「高速」，因為無論在里程數(shù)，還是路況復雜程度，「高速」扮演的顯然是那個供新手練級的小Boss角色。

　　但城市，完全是另一個級別的對手。

　　小巷子里突然竄出的電瓶車、模糊的車道線、翻修道路導致的路線變更、更狹窄的視野……以高精度地圖為基礎的NOA技術(shù)在城市里處處碰壁。

　　城市的復雜直接反映在了車企的數(shù)據(jù)庫里。

　　根據(jù)小鵬汽車的數(shù)據(jù)，其城市NOA的代碼量是高速的6倍，感知模型數(shù)量是高速的4倍，預測/規(guī)劃/控制相關(guān)代碼量是高速的88倍。

　　但今年，車企和大模型玩家仿佛一起喝了「壯膽酒」，齊刷刷地將挺進這片NOA的深水區(qū)。

　　公開信息顯示，小鵬汽車預計下半年將在數(shù)十個無圖城市釋放XNGP;華為ADS2.0三季度將在15座城市實現(xiàn)無圖商用輔助駕駛，四季度將擴大至45座城市;理想汽車將于年底前完成100個城市的NOA推送;毫末智行計劃到2024年在100座城市落地無圖城市NOH。

　　是誰給了它們勇氣？答案或許離不開算法與大模型。

　　首先，算法上的突破讓汽車對現(xiàn)實的感知更加立體，車企在「重地圖」之外有了「重感知」的新選擇。

　　由于城市路況的復雜多變，「不依賴高精度地圖」成為了車企將智能駕駛落地城市的方案。探索過程中，特斯拉的BEV+Transformer方案為行業(yè)「脫圖」提供了技術(shù)上的可行性。

　　簡單來說，這套方案是將傳統(tǒng)自動駕駛的2D圖像視角(Image View)加測距的感知方式，轉(zhuǎn)換為了鳥瞰視角下的3D感知，優(yōu)勢在于保證了信息的完整性，有效解決物體遮擋問題，并極大方便后續(xù)規(guī)劃和控制任務。

　　放在大模型的語境下，這意味著在BEV空間內(nèi)，感知和預測都在同一個空間進行，可以通過神經(jīng)網(wǎng)絡實現(xiàn)端到端優(yōu)化，輸出并行結(jié)果，避免上下游誤差的傳遞與放大，從而開啟了借由數(shù)據(jù)驅(qū)動實現(xiàn)快速迭代的可能。

　　2021年特斯拉推出「BEV+Transformer」方案后，逐漸成為了行業(yè)的主流，蔚小理均跟進，其中，華為的ADS2.0采用GOD(融合激光雷達的Occupancy+Transformer)被光大證券認為，有可能已經(jīng)*特斯拉。

　　算法搭建起了閉環(huán)框架，剩下的工作就是往框架中填充數(shù)據(jù)，并讓飛輪轉(zhuǎn)動起來。狂飆的大模型，無疑是這套方案最強勁的引擎。

　　在云端，大模型的大容量優(yōu)勢，可以幫助車企完成絕大多數(shù)的數(shù)據(jù)標注和挖掘工作，降低數(shù)據(jù)標注成本。同時，生成式模型的「涌現(xiàn)能力」，構(gòu)建出了更多的仿真場景。

　　在車端，經(jīng)由將多個分管不同子任務的小模型合并為一個大模型后，可以大幅減少車端推理計算時間，為消費者關(guān)心的安全性問題上了一重保險。

　　更重要的是，從傳統(tǒng)的分模塊處理到端到端感知決策一體化，大模型的泛化能力被認為有希望突破自動駕駛系統(tǒng)必須事先學習相應的情況才能做出反應的限制，克服困擾行業(yè)的長尾難題。

　　算法和大模型兩團火照亮了自動駕駛的前路，也為車企勾畫出了一條可以落地的產(chǎn)品路徑。

　　跑道清晰后，關(guān)鍵性節(jié)點隨之浮現(xiàn)。

　　如火如荼的城市NOA「開城戰(zhàn)」，本質(zhì)上是車企間的數(shù)據(jù)收集戰(zhàn)，誰能率先用數(shù)據(jù)投喂出具備落地能力的「車載大腦」，誰就有希望*行業(yè)站上新的維度，在這個汽車幾乎要卷成家電城的年份打出最有競爭力的王牌。

　　02、繞不過的L3，責權(quán)歸屬成*難題

　　今天車企們涌向城市NOA的景象，很容易讓人聯(lián)想到2017年的自動駕駛熱潮。

　　當年，奧迪發(fā)布了全球*可以實現(xiàn)L3級別自動駕駛的新型轎車奧迪A8，這款車型也被定義為*專用L3級別自動駕駛而開發(fā)的量產(chǎn)車型。

　　隨后，包括吉利、廣汽、長安在內(nèi)的大量車企跟進，紛紛向外透露了L3自動駕駛量產(chǎn)車型的計劃。

　　直到特斯拉的一起事故將自動駕駛從技術(shù)層面拉到了倫理和法律層面。

　　2019年3月，美國佛羅里達州的一輛特斯拉Model 3由于沒能識別出前方的大貨車，沒有自動變道也沒有提示駕駛員，以每小時110公里的速度從貨車底下鉆過，致駕駛員死亡。

　　雖然這起事故被美國國家運輸安全委員會(NTSB)認定為駕駛員過度依賴L2級自動駕駛系統(tǒng)，但事故背后的所折射出的法律真空和L3、L2之間的微妙差別，給所有的車企潑了一盆冷水。

　　L3是自動駕駛中最難過的一道坎，被業(yè)內(nèi)人士稱為「恐怖谷」。

　　國際標準中，自動駕駛被分為L0到L5六個級別。L0到L2階段被稱為輔助駕駛，駕駛員把控方向盤，系統(tǒng)提供類似加減速、變換道的輔助。L3到L5被稱為自動駕駛階段，由系統(tǒng)逐漸接管車輛控制，適用范圍不斷擴大，駕駛員參與程度依次降低。

　　其中，L3級自動駕駛由系統(tǒng)和駕駛員「共享」方向盤，常規(guī)情況下由系統(tǒng)把控，特殊情況下需要司機接管。

　　據(jù)當時特斯拉所搭載Eye Q3芯片的制造商Mobileye所說，馬斯克曾當面向他保證，Autopilot會引入某種機制，保證司機必須手扶方向盤。而特斯拉所打出的「自動駕駛」的噱頭，卻讓消費者產(chǎn)生了可以松開方向盤的印象。

　　責權(quán)歸屬的模糊使L3成為了一塊車企不敢輕易踏入的禁地，行業(yè)也因此產(chǎn)生了分歧，一部分玩家選擇跳過L3，直接開發(fā)L4無人駕駛系統(tǒng)，而另一部分玩家則選擇停留在L2或L2+，甚至是L2++。

　　玩家的分歧造就了今天自動駕駛市場的多面向。

　　*個面向是「無人車跑在伊甸園」。

　　以北京亦莊自動駕駛示范區(qū)為例。在建設早期，亦莊就把高精度的數(shù)據(jù)地圖列為了重點建設項目之一，而這也是后來無人駕駛研發(fā)商能夠上路的基礎。全國有類似基礎的地區(qū)甚至都找不出第二個。

　　而且，即便實現(xiàn)了車內(nèi)無人，運營中心仍需配備后臺工程師隨時監(jiān)控。來去之間成本并沒有降低多少。

　　類似的困境包圍著所有致力于L4級研發(fā)的車企，資本眼看落地無望，紛紛抽身離場。Waymo估值從1750億美元下跌至300億美元，亞馬遜無人配送車Scout項目于2022年十月被關(guān)停，數(shù)據(jù)顯示，和*期相比，自動駕駛相關(guān)企業(yè)市值整體縮水80%。

　　第二個面向是「沿途下蛋」。

　　既然L4難落地，許多人萌生了技術(shù)賦能車企做輔助駕駛的想法，一能回籠資金，二能擴充數(shù)據(jù)量。

　　但這條路也沒那么好走，與期待質(zhì)變的L4領域不同，身處L2的車企還需要考量成本、續(xù)航、設計等內(nèi)容，輔助駕駛往往只是錦上添花，加上責權(quán)不清晰等因素的干擾，無論是車企還是消費者，都不敢輕易地邁出那一步。

　　第三個面向則是「人員流動頻繁」。

　　據(jù)「硅基研究室」統(tǒng)計，2023年至今，自動駕駛相關(guān)的高層人員離職事件就高達22起，其中不乏曾被資本捧在手心里的企業(yè)。

　　有觀點認為，人員流動頻繁可以促進企業(yè)間的技術(shù)交流，但觀察這些人員的流向，整體呈現(xiàn)出向產(chǎn)業(yè)鏈上游匯集的趨勢，也就是從車廠走向了大模型。

　　這條趨勢固然和眼下的大模型熱有關(guān)，究其根本，行業(yè)破局的關(guān)鍵仍要從大模型下手。

　　與車企紛紛下場開城結(jié)合，上述三個趨勢隱隱透露出一股決心，將事故率從1%降低到0.001%甚至更低并非毫無意義，過去被刻意回避的L3也已避無可避，剩下*需要考慮的問題是，如何用大模型撬開它。

　　同時，困擾行業(yè)已久的責權(quán)模糊問題，正在被提上日程。

　　在6月下旬，工信部副部長辛國斌表示：“將支持有條件的自動駕駛(L3級自動駕駛)，及更高級別自動駕駛功能的商業(yè)化應用，并將發(fā)布新版智能網(wǎng)聯(lián)汽車標準體系指南。我們已經(jīng)啟動了這項工作，地方也在積極響應”。

　　03、大模型「上車」，戰(zhàn)場在云端

　　今年8月2日，馬斯克在「X」平臺上發(fā)布帖文，其中提到了特斯拉正在開發(fā)“車輛控制是特斯拉FSD人工智能的最后一塊拼圖，目前正在接受訓練”，并透露AI將使原始FSD中的三十萬行C++控制代碼減少約兩個數(shù)量級。

　　與7月20日他在第二季度財報電話會議上透露出的，“明年底之前，我們將花費遠遠超過10億美元在Dojo智算中心項目上，我們有數(shù)量驚人的視頻數(shù)據(jù)要進行訓練”相結(jié)合，不難看出FSD快速成長的背后，智算中心所起到的關(guān)鍵作用。

　　而這也透露出，未來車企間的戰(zhàn)場，其實在云端。

　　之所以特斯拉選擇投入大量資金自建智算中心，效率和成本是兩個關(guān)鍵詞。

　　自動駕駛?cè)蝿沼柧毜奶攸c是文件多而雜，且多為視頻、圖像數(shù)據(jù)，因此這類模型的訓練和測試，靠的并不是CPU，而是以AI加速器為主的浮點計算能力，智算中心的特征就是以大規(guī)模GPU算力作為AI模型迭代的基礎。

　　云計算的本質(zhì)是租賃計算設備，云服務商的設備都是統(tǒng)一采購，為了獲得更多客戶，這些設備都具備很大的通用性，設備內(nèi)部使用的CPU、GPU/AI加速器、內(nèi)存的型號與規(guī)格都相對固定，很難與車企和自動駕駛公司的算法形成*匹配。

　　并且，云服務廠商對自動駕駛算法的了解程度不高，不可避免的會在調(diào)度算力時出現(xiàn)損耗和效率不高的問題。

　　而自建算力中心可針對自動駕駛應用特征布置更專業(yè)的算力集群、性能加速工具和AI大數(shù)據(jù)平臺，使得模型訓練性能、GPU資源利用率和算法研發(fā)效能都大大提升。

　　小鵬汽車董事長何小鵬曾表態(tài)：“如果現(xiàn)在不以這樣的方式(智算中心)提前儲備算力，那么今后5年內(nèi)，企業(yè)算力成本會從億級，加到數(shù)十億級。”

　　目前，國內(nèi)已經(jīng)有多家車企與云廠商合作建立專用的智算中心。

　　比如，小鵬汽車與阿里云合建了智算中心「扶搖」，專門用于自動駕駛模型訓練，算力可達到600PFLOPS;毫末智行與火山引擎聯(lián)合打造了國內(nèi)自動駕駛行業(yè)*的智算中心「雪湖.綠洲」，每秒浮點運算可達到67億億次;吉利也與阿里云合建了星睿智算中心，計算能力達到了81億億次/秒，結(jié)合*的算力調(diào)度管理算法和研發(fā)體系，吉利的整體研發(fā)效能取得20%的提升。

　　從這個角度來看，強調(diào)「不造車」的華為，將成為特斯拉最有力的競爭對手。

　　近日，華為智能汽車解決方案BU CEO余承東在微博上曝光*搭載鴻蒙4的車型——華為和奇瑞合作的*純電轎跑車「Luxeed」。

　　這意味著，奇瑞將極有可能成為繼賽力斯后，第二家與華為合作發(fā)布華為智選車產(chǎn)品的合作車企，而華為一直期望打造的智選車生態(tài)品牌聯(lián)盟，也有望加速取得實質(zhì)性進展。

　　關(guān)于智選車業(yè)務，市場「憂喜」參半。

　　「憂」在于，智選車的潛力肉眼可見的狹窄。歐美日企業(yè)無法選擇它，國內(nèi)新勢力有自己的追求;傳統(tǒng)的車企，如果怕失去「靈魂」也不會選它。

　　而華為在智選車業(yè)務上投入巨大，若沒有大量使用、大量銷售，就不能實現(xiàn)商業(yè)閉環(huán)。

　　「喜」則是因為，在華為智選車模式推出之前，業(yè)內(nèi)并沒有一個既有智能化核心技術(shù)與解決方案，又有強大to C能力與營銷零售渠道的角色。

　　通過智選模式，華為將深度參與品牌打造、產(chǎn)品設計和定義、營銷服務，賦能中小車企。

　　同時，華為汽車云所提供的數(shù)據(jù)生成、自動標注、模型訓練、云端仿真、虛實結(jié)合仿真、數(shù)據(jù)閉環(huán)等一系列能力，也能幫助車企和商用車企業(yè)加速自動駕駛算法的開發(fā)驗證和優(yōu)化迭代，降低成本和風險，提升效率和安全性。

　　大洋的彼岸，特斯拉也透露出公司正在討論將其全自動駕駛（FSD）駕駛輔助技術(shù)授權(quán)給另一家主要汽車制造商，并表示，授權(quán)FSD技術(shù)一直是計劃的一部分。

　　值得一提的是，特斯拉在中國建立數(shù)據(jù)標注團隊和數(shù)據(jù)存儲中心，除了順應國家在信息安全方面的硬性要求外，也收獲了更豐富的工具包。

　　對轉(zhuǎn)型不暢或技術(shù)落后的部分造車新勢力來說，特斯拉“數(shù)據(jù)+算法+存儲”的一條龍服務，顯然吸引力不小。

　　從最初的分布式計算、單個子系統(tǒng)擁有自己的ECU，到域控制器邏輯、以功能劃分集成化控制運算，再到最終實現(xiàn)整車運算能力的高速集中、智能化分配算力，汽車從工業(yè)品向電子消費品、智能終端逐步演化。

　　高通公司首席商務官吉姆·凱西的比喻或許最為貼切：“汽車正在成為‘車輪上的聯(lián)網(wǎng)計算機’”。

　　在這一過程中，固然還有軟硬件成本過高、法律法規(guī)不完善、消費者認同度較低等問題，但好在新的賽段已經(jīng)到來，也終歸是「車到山前必有路」。