AI助力自动驾驶，“汽车人”或将更快到来

原創

日期：2023年6月30日 下午6:22作者：李瑩 編輯：effie

美国人工智能公司OpenAI打造的爆款ChatGPT，成为AI应用落地的成功案例。

ChatGPT的迅速爆火也开启了人工智能发展的新天地，不仅在内容生产、便捷交互和简化工作等消费端快速普及，还在工业设计、药物研发、自动驾驶等多个领域展示出更大的发展潜力。

华泰证券认为，目前市场关注度较高的大模型只是AI的一部分，而自动驾驶才是应用落地最全面的AI领域。

自动驾驶新畅想：汽车“机器人”

随着AI大模型展示出更大的发展潜力，自动驾驶领域再次被点燃。

全球新能源汽车巨头特斯拉（TSLA.US），同时也是自动驾驶领域的开拓者，近来持续向外界展示其在AI领域的最新研究。

今年5月，特斯拉更新其FSD算法至v11.4，此次升级实现FSD端到端的能力，即包含高速领航、城市道路领航和泊车三个域的智驾功能。

6月22日，特斯拉在推特账户“Tesla AI”发文称，其正在制造自主机器人的基础模型，并已安装在汽车上。

据其推文介绍，目前，自主机器人所涉及的多模态神经网络已经安装在客户的汽车上，这些网络可接受任意模态，如摄像视频、地图、导航、IMU(惯性测量单元)、GPS等。

机器人服务于汽车自动驾驶，或者也可以说汽车开始机器人化是马斯克布局AI的一个重要初衷。此前在特斯拉投资者日活动上，马斯克表示，“特斯拉汽车是放在轮子上的机器人。”

在自动驾驶、叠加AI新机遇下，特斯拉似乎不想失去头部车企优势。

公司还计划于2023年7月开始生产Dojo超级计算机，目标是为了提高特斯拉自动驾驶和智能机器人等AI产品的性能。

自动驾驶已经成为特斯拉未来的价值主张。马斯克在今年6月还透露，他掌管的特斯拉已经接近让车辆实现自动驾驶，并强调自动驾驶技术已成为特斯拉品牌价值的主要驱动力。

不仅特斯拉，随着AI大规模模型的爆火，国内车企巨头也在争相挖掘自动化驾驶新机遇，汽车开始趋向机器人路径的新演化。

近日，集度、吉利、红旗等汽车企业纷纷车企纷纷宣布支持汽车机器人自然交流，宣示以AI驱动的自动驾驶，将成为新能源汽车发展的重要方向。

集度对自动驾驶有着更超前的设想，其也是行业较早提出汽车机器人概念的企业。

早在2021年集度在成立之初，公司就把汽车机器人作为产品定位，并完整定义了汽车机器人“自由移动、自然交流、自我成长”三大产品理念。

集度CEO夏一平表示，智能汽车3.0时代就是汽车机器人的时代，时代变革起点是汽车驾驶权由人类向AI转移，AI驱动汽车进化。

在此基础上，ChatGPT此类预训练大模型人工智能技术的突破，对实现汽车机器人的“自由移动、自然交流、自我成长”有了更强大的技术支撑，为行业实现自动驾驶提供新的发展逻辑。

目前，集度、吉利、红旗等汽车企业宣布支持汽车机器人自然交流，具体包括能够给自动驾驶带来语音交互提升，成为提升智能座舱语音交互质量的重要工具。

此外，除了人机交互外，生成式AI为自动驾驶模型训练提供高质量合成数据，可帮助破解自动驾驶数据和测试难题。赛迪研究院认为，大模型技术路线启发自动驾驶底层算法跃迁升级。

大模型应用于自动驾驶算法

自动驾驶是指在没有人类驾驶员干预的情况下，通过感知、决策和执行使车辆自动运行的技术。

SAE根据人为干预的程度和驾驶场景的范围，将汽车自动化分为L0级（无自动化驾驶）到L5级（完全自动化驾驶）六个级别。

目前，全球自动驾驶行业正处于从L2级自动化迈向L3级自动化的过程。

可以说，在实现向更高级别的自动驾驶中，AI正在发挥越来越大的作用。

自动驾驶涉及即时感知、决策和控制等关键环节，而大模型可以在数据处理、机器学习、视觉等环节中发挥重要作用，帮助提高感知、决策和控制等关键环节的能力，从而实现更可靠、智能和安全的自动驾驶汽车。

例如，在感知方面，自动驾驶系统需要准确地识别和理解周围的道路环境、交通标志和其他车辆行为。

早期的自动驾驶感知算法主要是基于传统计算机视觉技术，而后者存在一些限制，直到2010年之后随着深度学习技术的发展，神经网络被引入到自动驾驶感知算法中，自动驾驶汽车的感知效果有了质的提升。

感知模块硬件部分主要为传感器，软件为感知算法，其中算法是决定自动驾驶车辆感知能力的核心要素。

据安信证券研报，当前应用于感知层面的神经网络模型可以分为两类，一类是以CNN、RNN为代表的小模型，另一类是Transformer大模型。

采用大模型，如深度学习神经网络，可以通过训练大量数据来提高识别和理解能力，从而提高自动驾驶车辆对环境的感知能力。

据公开报道，谷歌（Waymo）已经投入了数十亿美元，并花费了十多年的时间来收集数百万英里的真实驾驶数据，并将其用于自动驾驶技术的训练研究。

安信证券认为，生成式AI有望推动仿真场景大幅提升泛化能力，帮助主机厂提升仿真场景数据的应用比例，从而提高自动驾驶模型的迭代速度、缩短开发周期。

超算中心成主机厂竞争核心

自动驾驶Transformer大模型是由特斯拉引入，目前其在自动驾驶中应用趋势较为清晰和明确。

Transformer是一种基于注意力机制（Attention）的神经网络模型。与传统神经网络RNN和CNN不同，Transformer不会按照串行顺序来处理数据，而是通过注意力机制，去挖掘序列中不同元素的联系及相关性，拥有优秀的长序列处理能力和更高的并行计算效率。

而安信证券研报显示，Transformer大模型应用对算力的需求来自于两个方面，分别是云端算力和车端算力。云端算力需求体现在大模型的预训练环节；车端算力用于量产车上自动驾驶模型推理的过程。毫末CEO顾潍颢表示，基于Attention的大模型会将大量的“关注”放在弱关联（与所求结果关联度不高的参数）运算上，导致Transformer所需算力是CNN所需算力的100倍。

基于大算力需求，超算中心将成自动驾驶车企必要基础设施。

超算中心前期投入较大，根据IDC数据，主机厂及一级供应商对搭建人工智能计算中心的预算普遍超过1亿人民币，超过2亿人民币投入的主机厂占比超过20%。

小鹏汽车是国内较早布局超算中心的整车厂。2022年8月，小鹏和阿里联合打造了国内最大的自动驾驶AI智算中心“扶摇”，用于自动驾驶模型训练。

据小鹏汽车CEO何小鹏介绍，该中心具备60亿亿次浮点运算能力（60000TFLOPs），可将自动驾驶算法的模型训练时间提速170倍，并且未来还具备10-100倍的算力提升空间。

6月29日，搭载SEPA2.0扶摇技术架构的首款战略产品—小鹏G6正式上市。据悉，该款车型基于BEV + Transformer 技术架构，拥有包括激光雷达在内的31个高性能智驾传感器、总算力高达508TOPS的双Orin-X芯片，代表了当前行业最高水平的高阶智能辅助驾驶能力。

综合来看，AI大模型在智能座舱语音、自动驾驶模型训练等方面已经具备成熟应用，随着技术持续推进，预训练大模型将助力汽车实现向“汽车人”的跃迁，助力自动驾驶更早到来。