汽车云，自动驾驶的隐蔽战场

遥远的心

图片来源@视觉中国
文 | 汽车之心自动驾驶的竞技场似乎来到了云端。
8月2日，小鹏汽车宣告建成国际最大的自动驾驶智算核心「扶摇」，公用于自动驾驶模型训练。
据何小鹏引见，「扶摇」是为了处置自动驾驶愈来愈大的数据量，具备 60 亿亿次浮点运算才能。
在此以前，特斯拉也公布了用于训练神经网络的超级计算机 Dojo，浮点运算才能达到了 exaflop 级别，即每秒百亿亿次运算，被马斯克称为「如野兽个别」。
一时间，接入云办事成为中美两地各自畛域的自动驾驶头部玩家不谋而合的选择。但是关于更多的参预者来讲，车企为何要上云、上云能够做甚么、应该怎么样上云，这些问题的谜底尚不明晰，却也亟待失掉解答。
刚巧此时，由安永（中国）企业征询无限公司（下简称「安永」）和华为智能汽车解决计划 BU 独特编写的《智能汽车云办事白皮书》公布，外面深化剖析了云的数据赋能和业务赋能才能，并按照行业痛点以及企业开展阶段，讨论车企和云办事商应该如何进行协作，助力自动驾驶研发与继续降级。
海量数据时期，「上云」是殊途同归
2022 年，在技术、政策法规接连取得冲破后，自动驾驶真正开始从小规模的实验场，走向大范围商业化落地。
当初无论是风头正盛的造车新权势，仍是高举高打的 L4 级自动驾驶公司，抑或是正鼎力转型智能化的传统车企，都在分秒必争地将自动驾驶功用上车，以期完成量产运用。
与此同时，应战随之而来。自动驾驶时期，车端数据量指数级回升，因为需求借助激光雷达、摄像头号各种传感器「视察」路途，按照 Garner 估量，每一个部自动驾驶联网车辆天天最少发生 4TB 数据，而当车企销售出数十万，乃至上百万的自动驾驶车辆时，其数据量将是从 PB 级到 ZB 级的增长，非常损耗车企在数据获得、存储和计算上的资源。
过来在研发阶段，自动驾驶公司经过建立数据核心的形式，撑持存储、算力需要。
因为测试车辆范围不大，传统的数据核心足以应答。乃至在一些 Robotaxi 公司，仅用最原始的「硬盘拷贝」形式，回传全量数据，而后再进行数据挖掘。
而到了量产阶段，接入的车辆数、发生的数据量大幅晋升，训练和并行仿真对 GPU 算力要求陡然增大，传统数据核心难堪重负。
有业内人士透露，公司以前在训练自动驾驶模型的开发阶段时，就常常遇到一些超越当地算力之外的突发性算力需要，后果他们只能走流程推销新的办事器，因为审批流程太长，重大拖累开发进度。
对此，部份车企开始追求改革。有动静称，某一外资新权势车企已自建超算核心，用来挖掘海量冗余数据，从本钱下去说，堪称是投入不菲：仅硬件耗资就高达 1.4 亿美元。
「这显然不是个别车企可以接受的。」一家汽车团体旗下智能科技公司运维总监表现，建立超算核心，硬件只是其中一项收入，假如算上经营保护、价值挖掘等人工破费，本钱还要进一步回升。
更首要的是，将来跟着数据存储需要的减少，企业必将还要追加投入更多资金，而自动驾驶公司现金流本就非常紧张，难以撑持这一模式。
「上云是自动驾驶从开发到商用的殊途同归。」在安永和华为智能汽车解决计划 BU 独特编写《智能汽车云办事白皮书》（下列简称《白皮书》）中，旗号光鲜地提出了这一观念。
《白皮书》将车企对自动驾驶数据的需要详细划分为四大部份，分别是本钱粗放、上市效力、可扩展性和平安牢靠，并按照车企自动驾驶研发的三个阶段：研发测试期、范围化初期、剧烈竞争期，探讨了不同阶段的需要变动趋向。
例如在范围化初期，车企对本钱及扩容性需要逐渐回升，同时，因为已处于商业化阶段，关于数据平安以及上市效力需要也将进步。而在蓬勃开展的竞争期，市场趋于饱和，车企对本钱管制、扩容需要逐步达到最高点，关于产品更新迭代的需要则逐渐降落。
环抱着各阶段需要，汽车云办事都能表演可受控的「外助」角色，成为车企自动驾驶商业化路上必不成少的拼图。
据理解，基于云办事的形式，经过对多元算力的反对，可知足车企在自动驾驶开发过程当中，模型训练和并行仿真对海量根底设施资源极致算力、平安牢靠和弹性灵敏的业务需要，且比拟传统数据核心，能够无效晋升 60% 以上的运维经营效力，并升高 30~60% 的 TCO（总具有本钱）。
更进一步的意义是，跟着汽车数据上云，车企将从搭设机房专线、容灾备份、降级扩容，以及运维办理等问题中解脱出来，能够将更多的精神投入到自动驾驶中心算法的开发上。
不止于效力工具，  更是一场自动驾驶反动
云办事给车企带来的不仅是效力工具的晋升，更为速了自动驾驶反动。
一个残缺的自动驾驶零碎闭环由感知、布局、决策构成，其中感知和布局构成为了数据生成的次要部份，包罗数据收集、数据荡涤、数据标注、仿真测试。
而云办事能做的不只是海量存储和计算，还融入了智能战略，推翻以往的数据处置形式。
要知道，自动驾驶零碎收集的内容种别单一，包罗视频、图象、激光点云、雷达点云等，除了数据量大，更明显的特征是，价值数据占比低，有关和无价值信息占用了极大存储空间。
针关于此，有云办事商可以提供依托标签、以图搜图等形式提取难例场景的功用，经过构建高品质数据库与场景集，及时反馈给算法训练，在优化存储空间之余，也减速自动驾驶算法迭代。
「在需求云端被动搜集积攒数据进行学习的场景，例如经过隧道、遭受电动二轮车，能够闪开发人员上传需求车辆获得的图片，经过云端下发指令，车端会采用相似『以图搜图』的形式，将相似场景自动截取上去。这样可防止上传整段数据，而只需求把打过标签的『有价值』数据筛选出来上传到云端便可，大大晋升了 Corner Case 挖掘的效力。」一名汽车云办事商外部人士向汽车之心引见道。
在挖掘到价值数据后，接上去是对数据进行荡涤和标注。简略而言，数据荡涤就是擦除车端收集的敏感数据，因为其中包孕地舆地位、人脸、车牌等波及国度平安和隐衷的信息，必需进行脱敏合规处置，并一致格局，而数据标注则是对荡涤后的数据进一步加工，大抵分为 2D、3D 指标物标注、联结标注、车道线标注和语义联系等。
无论是数据荡涤仍是数据标注，都需求少量的人力休息参预。通过这类形式处置的数据品质品质错落不齐、返工率高，且效力非常低下。即使起初车企缓缓引入当地 AI 训练数据处置，较人工处置晋升其实不大。
国际某科技龙头公司在标注任务中，就投入了超 100 人的团队，发现依托人工进行标注的任务量占机器学习的比例极高，且耗时耗力，功课效力还难以进步。
这类困扰在自动驾驶企业中其实不少见，以致于有人喊出：「在自动驾驶行业内，谁能高效低本钱地挖掘数据价值，谁就可以成为竞争的王者。」
假如将数据标注的任务交给汽车云办事商，将带来显著的改动。基于云端训练繁杂神经网络模型，汽车云办事结合深度学习完成自动标注才能晋升，优化标注算法效力与精度，升高数据处置本钱。
《白皮书》中提到，汽车云高算力结合智能战略，综合数据处置效力晋升 10 倍以上，数据处置本钱较人工升高 50%。
假如说基于数据的感知进程是铺设地基，那末仿真训练就是屋宇的构筑环节，前者抉择了自动驾驶技术研发的成败，后者间接影响了全部研发进程的停顿。
根据业内的广泛说法，自动驾驶零碎要走向成熟，需求最少 100 亿英里的试驾数据。这关于任何车企来讲，仅仅依托实车路测，都是不成能实现的工作，因此仿真测试成了一条必经之路。
在仿真测试体系中，仿真场景库、仿真测试平台以及仿真评估三者环环相扣，缺一不成。


详细来讲，场景库包孕了虚构创立的场景以及实在路采的场景，有人将其比作考官出的试题，用来评估仿真软件好坏的规范，而仿真测试平台基于传感器、能源学、交通流等仿真模型的构建，在相应场景中实现仿真测试，至关因而做题的先生角色，而仿真评估可类比为「评分规范」，对测试进程与后果进行评估和反馈，例如是不是平安行驶，能否高效抵达目的地等。
理想状况下，大少数车企在自动驾驶仿真测试的各个环节都面临应战：场景库掩盖度缺乏，行业间格局互不兼容；仿真测试所涉里程数大、场景多，耗时长；仿真测试与实际路测偏差大，相信度低；仿真评估体系不完美，反馈成果差等等。
例如，有车企反应自动驾驶车辆在雨雪天气下刹车经过了仿真测试，但是在实际路测时，却由于磨擦系数变动，致使刹车间隔和时间的判别泛起了偏差，这就是典型的仿真测试实在性缺乏。
以上种种都间接影响到仿真效力，某车企研发部门总经理表现，公司天天仅能推动几十到几百千米的测试，过程过于迟缓。
自动驾驶云办事有助于解决这些问题，经过构建片面多样且传神的仿真场景库、建设片面零碎的模型摹拟实际车路场景，并经过定制化的多维指标进行仿真评估，以一站式仿真办事完成对自动驾驶车辆在各类繁杂场景下的高效仿真测试，既补救了实车路测的局限性，又进步了开发效力，减速自动驾驶车辆商用落地。
有汽车云办事商向汽车之心透露，其云端大范围并行仿真反对多场景下同时实现多个仿真工作，车辆逐日仿真测试里程达到千万千米。
车企研发之痛，  呼叫专业汽车云赋能业务
不少车企曾经意识到云办事关于自动驾驶的首要性，相应的投入正在疾速回升，无数据显示，2020 年，车企在该畛域的投入占到总体汽车数字化投入的 60% 以上。
不外，车企上云的形式各有不同，大体可分为两类：自建公有云、推销私有云（混合云）。
小部份原有 IT 实力较为微弱的车企或新权势以自建云（公有云）为主，仅外采部份针对图形数据的云计算和云存储办事，这类形式无利于车企掌握中心数据以及全流程算法技术才能，打造产品差别化。
不外自建公有云存在本钱高、难度大、耗时长的缺陷。另外，也难以灵敏应答研发过程当中，带来的巨量数据存储和颠簸的高算力需要，假如对公有云进行扩容，则要购买或租借新的硬件和资源，掣肘了自动驾驶迭代开发的速度。
私有云则完善解决了这一问题，不只能提供微弱的算力，其数据办理才能更是无庸置疑。这也致使车企近年纷纭转向私有云。艾媒征询数据显示，2020 年，私有云范围在 2019 年超过了公有云，成为中国云计算最次要的市场。
某汽车团体信息技术部 VP 表现，公司当初对私有云的推销范围比年大幅增长。「单是云存储这一块，2022 年的估算要比 2021 年增长了差未几 30%，云计算同比也增长了 26%。」
需求指出的是，数据办理只是云办事的根底才能，如何利用云深挖数据价值、赋能自动驾驶才是车企的中心诉求。
车企的难题点当初集中到了业务赋能层——用哪些数据、怎么来用、如何平安高效地使用，这需求云在提供资源的根底上输出才能。
某汽车团体 IT 总监对此深表认同，他以为云厂商应该在 SaaS 层面，给企业提供更轻量化的研发场景，以使本人能专一到最中心的研发下面去。「好比把自动驾驶训练模型都筹备好，让企业间接拿来即用。」
这一期待对云办事商提出非常高的要求，象征着后者不只需求 ICT 才能，还要懂汽车，具有专业的常识贮备，而且能做到两者深度融会。
这一点在自动驾驶工具链断点问题上表示得尤其显著。正如上文引见的，自动驾驶算法研发的症结管制点次要包罗数据收集、感知模型训练、仿真测试和实车测试四部份，经过工具链串连，贯通全部开发中心流程。
个别来讲，每个症结管制点的工具链往往都是由不同的供给商提供，即「分段开发」，例如仿真环节就找仿真工具链公司，需求标注就找标注工具链公司协作，这致使车企在自动驾驶研发和迭代过程当中，常常遭受「断点」。
「咱们在处置数据传递、算法加载、模型适配的时分，要用到多种工具链，但由于短少行业标准，这些工具链之间的兼容性非常差，致使咱们不能不花少量的时间去适配。」
一名自动驾驶研发工程师举例，公司曾采取各个供给商提供的离散工具链计划，光调试链路，就花了几个月的时间，让全部开发团队苦不胜言。
要解决这一痛点，需求汽车云办事商具有提供或整合一致工具链的才能，买通上上游链路，帮忙车企尽快跑通（数据驱动）Pipeline。
《白皮书》以为，车企对云办事的需要曾经从 IaaS 和 PaaS 层的「资源云」转向 SaaS 层的「才能云」，且再也不知足云办事只针对场景中的繁多业务，而是但愿能纵向延长最多项业务，解决「数据孤岛」和「业务断层」，复线打透造成体系化输入。
不外也有业内人士对此表现质疑：云办事商如斯深档次涉足自动驾驶中心业务，是否象征着车企把「灵魂」交出去一半？
这类耽心正切中部份车企的隐忧。以工具链的使用为例，一方面，出于效力斟酌，他们但愿独自一家供给商提供全栈工具链，另外一方面，出于「平安自主」的耽心，又想扩散协作，乃至经过自研工具链，连续本人过来在生态中的掌控位置。
某汽车团体 IT 总监婉言，选择汽车云办事供给商的考量目标之一就在于，能不克不及把底层耦合拆洁净。「业务和业务之间的合作其实不在于云的一体化，咱们更看重的是云办事商能不克不及灵敏地适配需要。」
事实上，曾经有云办事商正在将各模块解耦，以完成帮忙车企降本增效的同时，包管后者还具有打造云才能上的主导权。
据某汽车云厂商引见，其所提供的工具链分为数据、训练、仿真、监管四部份，彻底凋谢解耦、不绑定，客户随时能够交换。《白皮书》总结，这标记着云办事模式正在阅历从「授人以鱼」到「授人以渔」的全新转变。
结语
跟着自动驾驶踏入大范围商业化，一场浩浩荡荡的数据反动未然展开，并正在重塑汽车产业的格式。
一方面，数据给车企带来的是应战，为应答海量数据发生、处置、交互，需求引入云办事解决，依靠弱小的存储、计算才能，为车企提供 ICT 资源撑持；
另外一方面，数据也象征着无量的价值，需求调用专业汽车云办事商的才能，在 SaaS 层进行充沛挖掘，赋能车企业务。
从最新开展趋向来看，车企对云办事建立的需要曾经从简略的拿来即用的云资源降级，转变为了在智能网联各垂直场景专精化，深度融入业务开发的云才能。
要顺应这一变动，需求云办事商与车企增强沟通、对齐需要，双向奔赴：车企筛选出亟需云办事赋能的业务板块，而云办事商借助对汽车智能网联业务的粗浅洞察，为车企做运用价值点的输出。
与此同时，车企和云办事商还需求构建一个开发协作的生态零碎，既让前者罢黜「被绑定」、无差别化的顾忌，还能发扬出后者高效力、低本钱的劣势，以此携手共建，减速行业总体改革过程。
值得留意的是，自动驾驶只是云办事赋能智能汽车的其中一个场景，在数字化浪潮席卷之下，汽车云办事更助力车联网孕育出新业态。


《白皮书》中提到，智能网联时期，车企依赖其自然数据资源与获客劣势，使得办事从本来的车辆产品买卖起点，转变成提供车辆全生命周期办事的终点，而云办事可以帮忙车企采集和被动探究数据价值，在加强用户体验的同时，也为车企发明了价值和收益。
详细来讲，汽车云推进近程诊断、路途营救、毛病监控、形态检测、OTA 云办事、UBI、二手车评价等多个详细运用场景的落地，买通各畛域的数据壁垒，发明更加丰硕多彩的汽车生态。