我們玩的AI作畫 百度能拿來訓練自動駕駛？

　　【太平洋汽車 新車頻道】近期，百度舉辦了Apollo Day技術開放日上，百度自動駕駛技術專家全景化展示Apollo技術實力及前沿技術理念，發布新一代Apollo自動駕駛地圖，并在業內首發文心大模型落地應用于自動駕駛的技術。近年來百度重點發力人工智能領域，在相關產業各個領域都進行了大幅的投入，我們驚喜的看到Apollo將百度在不同行業的布局引入到自動駕駛領域進行應用，并取得了成績。拍攝最常用的地圖這一的百度地圖正在幫助教自動駕駛開車；而最近流行的AI作畫，其底層模型也正在成為自動駕駛訓練的有力助手......

　　近段時間以來，多位車企高管發出了自動駕駛應該擺脫高精度地圖的觀點，引發了人們對這一話題的討論。對于業界提"重感知，輕地圖"這一主張，百度自動駕駛技術專家黃際洲表示：“提出‘輕高精地圖’的主張，其實主要的原因是因為很難翻越高精地圖面臨的"三座大山"，那么這三座大山分別是資質壁壘、自研壁壘和供給稀缺。”

　　隨著自動駕駛相關技術的快速發展，國家在地圖資質層面也進行了大力的推動，有權采集高精度地圖的甲級資質圖商迅速從數家發展到了數十家。但作為涉及國家安全的重要數據資源，這樣的規模相比整個行業規模依然是稀缺資源，有著很高的門檻。同時地圖是一個周期長、門檻高，同時回報率并不高的行業，資質并不是高精度地圖唯一的壁壘。黃際洲表示：“可以說國內除我們之外，沒有第二家既精通地圖、又深耕自動駕駛的公司。”

　　由于種種現實的限制，截止目前高精度地圖的覆蓋率還不是很高，在高階輔助駕駛快速發展的當下，高精度地圖的覆蓋率大幅限制了強依賴高精度地圖的自動輔助駕駛的可用范圍，這也是業界提出"重感知，輕地圖"的現實背景。但對于高度自動駕駛，尤其是L4級以上自動駕駛而言，要達到99.99%以上的成功率，高精度地圖是不可或缺的底層能力之一。

　　高精度地圖或許不是自動駕駛的唯一解，但一定是最有用的工具之一。作為圖商的百度，提供更好用的高精度地圖就是其當下最迫切的工作之一，而同時又是自動駕駛技術深度參與者的百度Apollo能夠為百度地圖帶來最高效的溝通與實際反饋，這也是百度的優勢。在本屆Apollo Day技術開放日活動上，百度對外分享了其在高精度地圖方面的最新成果。

　　為了更安全、更舒適、更高效的自動駕駛體驗，百度提出了Apollo自動駕駛地圖。不同于外賣常用的導航地圖，甚至不同于外賣常規對地圖的理解，Apollo自動駕駛地圖主要分為四層：

　　第一層是靜態層，也就是傳統的厘米級高精地圖的內容，包括了車道級的數據，然后拓撲數據以及輔助車輛定位的定位數據；

　　第二層是動態層，這一層基于百度地圖海量的時空數據以及車路協同等實時的交通的事件、實時的交通的態勢以及實時的環境的變化等；

　　第三層是知識層，這一層包含了百度首創的駕駛知識圖譜，以及與自動駕駛體驗強相關的安全駕駛，還有舒適駕駛行為與知識等等；

　　第四層是駕駛層，通過知識與駕駛策略的融合實現了深度融合地圖和感知、決策，還有控制應用，而數據實時感知的融合，數據閉環還有實時更新，就實現了高鮮度的地圖的數據。

　　如今我們已經習慣了使用導航地圖，并不會覺得導航地圖在精度方面有太大的問題。其實，我們常用的導航地圖主要由粒度較粗的道路拓撲信息構成，精度僅在15米左右，而高精度地圖要做到厘米級精度。對于人類駕駛員而言，其實是將更多的感知與運算由人腦來實現的，地圖的精度要求不高，而是需要提供與駕駛員更好的交互。理論上，媲美甚至超越人腦的單車智能是可以不依賴地圖等數據實現全路況自動駕駛，但現實是目前人工智能并沒有達到這樣的高度。同時不得不考慮的一點是，機器智能的強項不在于人類的感性認知，而在于人類相對弱勢的理性認知方面更占優勢。能夠提供更密集、精確信息的自動駕駛專用地圖就有了其存在的合理性與必要性。

　　而Apollo自動駕駛地圖更有趣的一點是百度首創的駕駛知識圖譜。也就是“知識層”。簡單來說就是百度將通過百度地圖大數據搜集的人類駕駛員行為教給自動駕駛，讓自動駕駛陌生路段也能做到更擬人的操作。舉個簡單的例子，單車智能能夠通過識別路邊的限速標識來規范行進速度，但在限速120km/h的高速駛出到匝道時，路邊會突然出現60km/h，甚至30km/h的限速標識，在數百米的識別范圍內猛然如此劇烈的減速無論是舒適性還是安全性都得不到保障。而知識層就能夠根據大數據提前將更合適的駕駛行為提前告知車輛，讓自動駕駛更擬人、安全的駕駛。當然這是一個我們能想到的簡單例子，也很容易解決。但自動駕駛最大的難點就在于“長尾效應”，不是說遇到的場景有多難，而是總會遇到開發過程中無法提前預想到的問題，駕駛知識圖譜對于解決此類問題有很大的幫助，并且能夠做到更擬人的解決問題。

　　Apollo自動駕駛地圖基于百度地圖超過1200萬公里的路網覆蓋、日均20億公里的軌跡里程的獨有的數據資源，向數億的司機進行學習。通過百度領先的人工智能的技術，構建了全路網級別的駕駛知識圖譜。

　　隨著自動駕駛的規模化落地，數據規模將出現爆發式增長。如何尋找更有價值的數據，如何高效地利用數據提升駕駛能力，成為自動駕駛持續學習和實現規模化的關鍵。百度自動駕駛技術專家李昂提出了“高提純、高消化”的數據閉環設計理念，全面強化自動駕駛的數據煉金術。官方介紹，該方案的數據提純路徑利用車端小模型和云端大模型，實現高效率數據挖掘和自動化標注；數據消化架構實現自動化訓練，具備聯合優化和數據分布理解的能力，有效地利用高純度數據進一步提升自動駕駛系統的整體智能水平。

　　汽車智能化時代，百度也積極將自動駕駛技術落地高級輔助駕駛產品，探索L4/L2+技術共生路線。百度自動駕駛技術專家王亮認為，百度賦能汽車智能化的信心和底氣源于十年自動駕駛技術沉淀。目前，技術棧層面已實現L4與L2+智駕產品視覺感知方案統一、技術架構統一、地圖統一、數據打通及基礎設施共享。L4將持續為L2+智駕產品提供先進的技術遷移，L2數據反哺也將助力L4泛化能力提升。同時，王亮也強調高精地圖是保障L2+城市級智駕產品高安全、體驗好的必需必要條件。

　　提起最近一段時間最潮、最火的事情，AI作畫絕對是能上榜的話題之一。只需要輸入文本和參考就能夠得到一幅全新的繪畫作品，新奇的玩法和清奇的腦洞吸引了人們廣泛的參與。其中一款AI作畫工具——文心 ERNIE-ViLG 2.0便是基于百度文心大模型打造的AI作畫工具。而在本屆pollo Day技術開放日上，我們也見到了文心大模型。百度在此次活動上發布了文心大模型-圖文弱監督預訓練模型。

　　文心大模型是一款基于大規模自監督學習的多模態人工智能算法，能夠通過自監督學習完成更大規模的深度學習訓練，只2019年發布以來，基于文心大模型開發的工具已經在航天、電網、金融、生物、寫作、繪畫等等領域得到了應用。

　　在自動駕駛領域，需要標注大量的數據，往往相對而言容易獲得千萬量級的2D的標注數據，但對3D的標注數據來講相對比較困難。也就是通過標注海量的圖像對自動駕駛系統進行攝像頭感知的訓練，但給激光雷達采集的3D信息進行標注就困難了很多。并且感知技術一直在迭代，不同代際的激光雷達、4D毫米波雷達等采集的信息用于訓練，并非完全通用。文心大模型-圖文弱監督預訓練模型就是解決這一問題。

　　百度在在既有2D又有3D的訓練數據上面，去訓練一個感知大模型出來，然后給那些沒有3D標注的數據打上3D偽標注。然后再繼續訓練一個感知大模型出來，如此迭代，逐步的把感知大模型的效果提升，同時也使得3D的尾標注的效果越來越好。

　　大模型技術是自動駕駛行業近年的熱議趨勢，但能否落地應用、能否用好是關鍵難題。百度自動駕駛依托文心大模型特色優勢，率先實現技術應用突破。百度自動駕駛技術專家王井東表示：文心大模型-圖文弱監督預訓練模型，背靠文心圖文大模型數千種物體識別能力，大幅擴充自動駕駛語義識別數據，比如消防車、救護車等需要避讓的特殊車輛識別，還有塑料袋等不易分辨的小物件的辨識等等，自動駕駛長尾問題解決效率指數級提升；此外，得益于文心大模型-自動駕駛感知模型10億以上參數規模，通過大模型訓練小模型，自動駕駛感知泛化能力顯著增強。

　　除了軟件、算法，硬件也是自動駕駛的核心，尤其是備受關注的芯片。Apollo Day技術開放日上，昆侖芯科技CEO歐陽劍透露，百度自研AI芯片昆侖芯2代已完成無人駕駛場景端到端性能適配。

　　昆侖芯科技是百度2011年投資成立的AI芯片企業，目前已成功推出兩代通用AI計算處理器產品:昆侖芯1代AI芯片、昆侖芯2代AI芯片及多款基于自研芯片的AI加速卡。昆侖芯2代采用7nm制成工藝，基于XPU-R架構，算力從128T到256T，是業界第一顆采用GDDR6內存技術的AI芯片。

　　歐陽劍表示，未來還會考慮面向高階自動駕駛系統定制我們的車規高性能的SOC，把過去10余年所有的積累、所有的創新都會用在車上。

　　百度Q3財報數據顯示，2022年第三季度蘿卜快跑訂單量超過47.4萬，同比增幅高達311%，環比增幅高達65%。其中，武漢重慶兩地的全無人自動駕駛訂單量增長迅速；此外，在北上廣三個一線城市，平均單車日訂單量15次以上，逼近傳統網約車服務的日均訂單量。從覆蓋范圍、訂單量、用戶粘性等多個維度來看，蘿卜快跑均已形成“連點成線、積線成面“之勢。

　　高級別自動駕駛研發成本高、周期長。在新一輪行業洗牌中，前期投入帶來的滾雪球式技術積累效應開始顯現。全球自動駕駛行業正在加速呈現兩極分化的局面，其中關鍵分水嶺在于能否實現“無人化”突破。具體來看，實現全無人落地、穩步擴區推進規模商業化演進的實力玩家將迎來發展新機遇；反之，潮水退去，技術積累不足無法跨越無人化落地的公司或將面臨掉隊局面。

　　當前，百度、Waymo等公司均跨過全無人自動駕駛運營落地的門檻，密集推進規模商業化進程。例如，Waymo近日獲得加州CPUC批準在舊金山、灣區部分城市等區域向公眾提供無人駕駛網約車服務；與此同時，百度繼重慶、武漢雙城開展全無人自動駕駛商業運營后，在北京繼續擴大無人測試。Apollo Day技術開放日活動上，百度也宣布，2023年將擴大業務規模，在更多區域開展全無人自動駕駛運營，著力打造全球最大的全無人自動駕駛運營服務區。

　　自動駕駛行業沒有彎道超車，多年技術積累才能實現全無人落地的臨門一腳。百度自動駕駛技術專家陳競凱介紹，百度Apollo依托堅實的AI技術底座，打造安全、智能、高效的自動駕駛技術體系，實現從全無人運營到規模商業化運營。目前，自動駕駛技術泛化能力進步速度超預期，落地新城市技術交付時間僅需20天。

　　當前，汽車產業已經從電動化競爭轉向智能化競爭，Apollo依托百度在人工智能領域的全方面投入，從軟件到硬件方面都取得了不俗的成績。開放的Apollo能夠將自身擁有的全方位能力賦能給更多行業伙伴，加速國內自動駕駛領域的更快發展。而蘿卜快跑作為Apollo落地的項目之一，正在悄然取得相當可觀的訂單成績，而他面向的，是未來共享出行的服務競爭。（文：太平洋汽車 郭睿）