自動駕駛的競技場似乎來到了云端。

8 月 2 日，小鵬汽車宣布建成國內(nèi)最大的自動駕駛智算中心「扶搖」，專用于自動駕駛模型訓(xùn)練。

據(jù)何小鵬介紹，「扶搖」是為了處理自動駕駛越來越大的數(shù)據(jù)量，具備 60 億億次浮點運算能力。

在此之前，特斯拉也發(fā)布了用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的超級計算機Dojo，浮點運算能力達到了exaflop 級別，即每秒百億億次運算，被馬斯克稱為「如野獸一般」。

一時間，接入云服務(wù)成為中美兩地各自領(lǐng)域的自動駕駛頭部玩家不約而同的選擇。然而對于更多的參與者來說，車企為什么要上云、上云可以做什么、應(yīng)該怎樣上云，這些問題的答案尚不清晰，卻也亟待得到解答。

正巧此時，由安永（中國）企業(yè)咨詢有限公司（下簡稱「安永」）和華為智能汽車解決方案 BU 共同編寫的《智能汽車云服務(wù)白皮書》發(fā)布，里面深入分析了云的數(shù)據(jù)賦能和業(yè)務(wù)賦能能力，并根據(jù)行業(yè)痛點以及企業(yè)發(fā)展階段，探討車企和云服務(wù)商應(yīng)該如何進行合作，助力自動駕駛研發(fā)與持續(xù)升級。

01、海量數(shù)據(jù)時代，「上云」是必由之路

2022 年，在技術(shù)、政策法規(guī)接連取得突破后，自動駕駛真正開始從小范圍的試驗場，走向大規(guī)模商業(yè)化落地。

現(xiàn)在無論是風(fēng)頭正盛的造車新勢力，還是高舉高打的 L4 級自動駕駛公司，抑或是正大力轉(zhuǎn)型智能化的傳統(tǒng)車企，都在爭分奪秒地將自動駕駛功能上車，以期實現(xiàn)量產(chǎn)應(yīng)用。

與此同時，挑戰(zhàn)隨之而來。自動駕駛時代，車端數(shù)據(jù)量指數(shù)級上升，由于需要借助激光雷達、攝像頭等各種傳感器「觀察」道路，根據(jù) Garner 估計，每一部自動駕駛聯(lián)網(wǎng)車輛每天至少產(chǎn)生4TB 數(shù)據(jù)，而當(dāng)車企銷售出數(shù)十萬，甚至上百萬的自動駕駛車輛時，其數(shù)據(jù)量將是從PB 級到 ZB 級的增長，十分消耗車企在數(shù)據(jù)獲取、存儲和計算上的資源。

過去在研發(fā)階段，自動駕駛公司通過建設(shè)數(shù)據(jù)中心的方式，支撐存儲、算力需求。

由于測試車輛規(guī)模不大，傳統(tǒng)的數(shù)據(jù)中心足以應(yīng)對。甚至在一些 Robotaxi 公司，僅用最原始的「硬盤拷貝」方式，回傳全量數(shù)據(jù)，然后再進行數(shù)據(jù)挖掘。

而到了量產(chǎn)階段，接入的車輛數(shù)、產(chǎn)生的數(shù)據(jù)量大幅提升，訓(xùn)練和并行仿真對 GPU 算力要求陡然增大，傳統(tǒng)數(shù)據(jù)中心難堪重負(fù)。

有業(yè)內(nèi)人士透露，公司之前在訓(xùn)練自動駕駛模型的開發(fā)階段時，就經(jīng)常遇到一些超出本地算力以外的突發(fā)性算力需求，結(jié)果他們只能走流程采購新的服務(wù)器，由于審批流程過長，嚴(yán)重拖累開發(fā)進度。

對此，部分車企開始尋求變革。有消息稱，某一外資新勢力車企已自建超算中心，用來挖掘海量冗余數(shù)據(jù)，從成本上來說，可謂是投入不菲：僅硬件耗資就高達 1.4 億美元。

「這顯然不是一般車企能夠承受的?！挂患移嚰瘓F旗下智能科技公司運維總監(jiān)表示，建設(shè)超算中心，硬件只是其中一項支出，如果算上運營維護、價值挖掘等人工花費，成本還要進一步上升。

更重要的是，未來隨著數(shù)據(jù)存儲需求的增加，企業(yè)勢必還要追加投入更多資金，而自動駕駛公司現(xiàn)金流本就十分緊張，難以支撐這一模式。

「上云是自動駕駛從開發(fā)到商用的必由之路。」在安永和華為智能汽車解決方案 BU 共同編寫《智能汽車云服務(wù)白皮書》（以下簡稱《白皮書》）中，旗幟鮮明地提出了這一觀點。

《白皮書》將車企對自動駕駛數(shù)據(jù)的需求具體劃分為四大部分，分別是成本集約、上市效率、可擴展性和安全可靠，并根據(jù)車企自動駕駛研發(fā)的三個階段：研發(fā)測試期、規(guī)?；缙?、激烈競爭期，討論了不同階段的需求變化趨勢。

例如在規(guī)?；缙?，車企對成本及擴容性需求逐步上升，同時，由于已處于商業(yè)化階段，對于數(shù)據(jù)安全以及上市效率需求也將提高。而在蓬勃發(fā)展的競爭期，市場趨于飽和，車企對成本控制、擴容需求逐漸達到最高點，對于產(chǎn)品更新迭代的需求則逐步下降。

圍繞著各階段需求，汽車云服務(wù)都能扮演可受控的「外援」角色，成為車企自動駕駛商業(yè)化路上必不可少的拼圖。

據(jù)了解，基于云服務(wù)的方式，通過對多元算力的支持，可滿足車企在自動駕駛開發(fā)過程中，模型訓(xùn)練和并行仿真對海量基礎(chǔ)設(shè)施資源極致算力、安全可靠和彈性靈活的業(yè)務(wù)需求，且相比傳統(tǒng)數(shù)據(jù)中心，可以有效提升 60% 以上的運維運營效率，并降低 30~60%的 TCO（總擁有成本）。

更進一步的意義是，隨著汽車數(shù)據(jù)上云，車企將從搭設(shè)機房專線、容災(zāi)備份、升級擴容，以及運維管理等問題中解脫出來，可以將更多的精力投入到自動駕駛核心算法的開發(fā)上。

02、不止于效率工具，更是一場自動駕駛革命

云服務(wù)給車企帶來的不只是效率工具的提升，更加速了自動駕駛革命。

一個完整的自動駕駛系統(tǒng)閉環(huán)由感知、規(guī)劃、決策構(gòu)成，其中感知和規(guī)劃構(gòu)成了數(shù)據(jù)生成的主要部分，包括數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)注、仿真測試。

而云服務(wù)能做的不僅是海量存儲和計算，還融入了智能策略，顛覆以往的數(shù)據(jù)處理方式。

要知道，自動駕駛系統(tǒng)采集的內(nèi)容類別繁多，包括視頻、圖像、激光點云、雷達點云等，除了數(shù)據(jù)量大，更顯著的特點是，價值數(shù)據(jù)占比低，無關(guān)和無價值信息占用了極大存儲空間。

針對于此，有云服務(wù)商能夠提供依靠標(biāo)簽、以圖搜圖等方式提取難例場景的功能，通過構(gòu)建高質(zhì)量數(shù)據(jù)庫與場景集，及時反饋給算法訓(xùn)練，在優(yōu)化存儲空間之余，也加速自動駕駛算法迭代。

「在需要云端主動搜集積累數(shù)據(jù)進行學(xué)習(xí)的場景，例如通過隧道、遭遇電動二輪車，可以讓開發(fā)人員上傳需要車輛獲取的圖片，通過云端下發(fā)指令，車端會采取類似『以圖搜圖』的方式，將類似場景自動截取下來。這樣可避免上傳整段數(shù)據(jù)，而只需要把打過標(biāo)簽的『有價值』數(shù)據(jù)篩選出來上傳到云端即可，大大提升了 Corner Case 挖掘的效率?！挂晃黄囋品?wù)商內(nèi)部人士向汽車之心介紹道。

在挖掘到價值數(shù)據(jù)后，接下來是對數(shù)據(jù)進行清洗和標(biāo)注。簡單而言，數(shù)據(jù)清洗就是擦除車端采集的敏感數(shù)據(jù)，由于其中包含地理位置、人臉、車牌等涉及國家安全和隱私的信息，必須進行脫敏合規(guī)處理，并統(tǒng)一格式，而數(shù)據(jù)標(biāo)注則是對清洗后的數(shù)據(jù)進一步加工，大致分為 2D、3D 目標(biāo)物標(biāo)注、聯(lián)合標(biāo)注、車道線標(biāo)注和語義分割等。

無論是數(shù)據(jù)清洗還是數(shù)據(jù)標(biāo)注，都需要大量的人力勞動參與。經(jīng)過這種方式處理的數(shù)據(jù)質(zhì)量質(zhì)量參差不齊、返工率高，且效率十分低下。即便后來車企慢慢引入本地 AI 訓(xùn)練數(shù)據(jù)處理，較人工處理提升并不大。

國內(nèi)某科技龍頭公司在標(biāo)注工作中，就投入了超 100 人的團隊，發(fā)現(xiàn)依靠人工進行標(biāo)注的工作量占機器學(xué)習(xí)的比例極高，且耗時耗力，作業(yè)效率還難以提高。

這種困擾在自動駕駛企業(yè)中并不少見，以至于有人喊出：「在自動駕駛行業(yè)內(nèi)，誰能高效低成本地挖掘數(shù)據(jù)價值，誰就能成為競爭的王者?！?/span>

如果將數(shù)據(jù)標(biāo)注的工作交給汽車云服務(wù)商，將帶來明顯的改變?；谠贫擞?xùn)練復(fù)雜神經(jīng)網(wǎng)絡(luò)模型，汽車云服務(wù)結(jié)合深度學(xué)習(xí)實現(xiàn)自動標(biāo)注能力提升，優(yōu)化標(biāo)注算法效率與精度，降低數(shù)據(jù)處理成本。

《白皮書》中提到，汽車云高算力結(jié)合智能策略，綜合數(shù)據(jù)處理效率提升 10 倍以上，數(shù)據(jù)處理成本較人工降低 50%。

如果說基于數(shù)據(jù)的感知過程是鋪設(shè)地基，那么仿真訓(xùn)練就是房屋的構(gòu)筑環(huán)節(jié)，前者決定了自動駕駛技術(shù)研發(fā)的成敗，后者直接影響了整個研發(fā)過程的進展。

按照業(yè)內(nèi)的普遍說法，自動駕駛系統(tǒng)要走向成熟，需要至少 100 億英里的試駕數(shù)據(jù)。這對于任何車企來說，僅僅依靠實車路測，都是不可能完成的任務(wù)，因此仿真測試成為了一條必經(jīng)之路。

在仿真測試體系中，仿真場景庫、仿真測試平臺以及仿真評價三者環(huán)環(huán)相扣，缺一不可。

具體來說，場景庫包含了虛擬創(chuàng)建的場景以及真實路采的場景，有人將其比作考官出的試題，用來評價仿真軟件好壞的標(biāo)準(zhǔn)，而仿真測試平臺基于傳感器、動力學(xué)、交通流等仿真模型的構(gòu)建，在相應(yīng)場景中完成仿真測試，相當(dāng)于是做題的學(xué)生角色，而仿真評價可類比為「評分標(biāo)準(zhǔn)」，對測試過程與結(jié)果進行評價和反饋，例如是否安全行駛，能否高效到達目的地等。

現(xiàn)實情況下，大多數(shù)車企在自動駕駛仿真測試的各個環(huán)節(jié)都面臨挑戰(zhàn)：場景庫覆蓋度不足，行業(yè)間格式互不兼容；仿真測試所涉里程數(shù)大、場景多，耗時長；仿真測試與實際路測偏差大，置信度低；仿真評價體系不完善，反饋效果差等等。

例如，有車企反映自動駕駛車輛在雨雪天氣下剎車通過了仿真測試，然而在實際路測時，卻因為摩擦系數(shù)變化，導(dǎo)致剎車距離和時間的判斷出現(xiàn)了偏差，這就是典型的仿真測試真實性不足。

以上種種都直接影響到仿真效率，某車企研發(fā)部門總經(jīng)理表示，公司每天僅能推進幾十到幾百公里的測試，進程過于緩慢。

自動駕駛云服務(wù)有助于解決這些問題，通過構(gòu)建全面多樣且逼真的仿真場景庫、建立全面系統(tǒng)的模型模擬實際車路場景，并通過定制化的多維目標(biāo)進行仿真評價，以一站式仿真服務(wù)實現(xiàn)對自動駕駛車輛在各類復(fù)雜場景下的高效仿真測試，既彌補了實車路測的局限性，又提高了開發(fā)效率，加速自動駕駛車輛商用落地。

有汽車云服務(wù)商向汽車之心透露，其云端大規(guī)模并行仿真支持多場景下同時完成多個仿真任務(wù)，車輛每日仿真測試?yán)锍踢_到千萬公里。

03、車企研發(fā)之痛，呼喚專業(yè)汽車云賦能業(yè)務(wù)

不少車企已經(jīng)認(rèn)識到云服務(wù)對于自動駕駛的重要性，相應(yīng)的投入正在快速上升，有數(shù)據(jù)顯示，2020 年，車企在該領(lǐng)域的投入占到整體汽車數(shù)字化投入的 60% 以上。

不過，車企上云的方式各有不同，大體可分為兩類：自建私有云、采購公有云（混合云）。

小部分原有 IT 實力較為強勁的車企或新勢力以自建云（私有云）為主，僅外采部分針對圖形數(shù)據(jù)的云計算和云存儲服務(wù)，這種方式有利于車企掌握核心數(shù)據(jù)以及全流程算法技術(shù)能力，打造產(chǎn)品差異化。

不過自建私有云存在成本高、難度大、耗時長的缺點。此外，也難以靈活應(yīng)對研發(fā)過程中，帶來的巨量數(shù)據(jù)存儲和波動的高算力需求，如果對私有云進行擴容，則要購買或租借新的硬件和資源，掣肘了自動駕駛迭代開發(fā)的速度。

公有云則完美解決了這一問題，不僅能提供強勁的算力，其數(shù)據(jù)管理能力更是毋庸置疑。這也導(dǎo)致車企近些年紛紛轉(zhuǎn)向公有云。艾媒咨詢數(shù)據(jù)顯示，2020 年，公有云規(guī)模在 2019 年超過了私有云，成為中國云計算最主要的市場。

某汽車集團信息技術(shù)部 VP 表示，公司現(xiàn)在對公有云的采購規(guī)模連年大幅增長?！竼问窃拼鎯@一塊，2022 年的預(yù)算要比 2021 年增長了差不多 30%，云計算同比也增長了 26%?！?/p>

需要指出的是，數(shù)據(jù)管理只是云服務(wù)的基礎(chǔ)能力，如何利用云深挖數(shù)據(jù)價值、賦能自動駕駛才是車企的核心訴求。

車企的困難點現(xiàn)在集中到了業(yè)務(wù)賦能層——用哪些數(shù)據(jù)、怎么來用、如何安全高效地使用，這需要云在提供資源的基礎(chǔ)上輸入能力。

某汽車集團 IT 總監(jiān)對此深表認(rèn)同，他認(rèn)為云廠商應(yīng)該在SaaS層面，給企業(yè)提供更輕量化的研發(fā)場景，以使自己能專注到最核心的研發(fā)上面去?！副热绨炎詣玉{駛訓(xùn)練模型都準(zhǔn)備好，讓企業(yè)直接拿來即用?！?/p>

這一期待對云服務(wù)商提出十分高的要求，意味著后者不僅需要ICT 能力，還要懂汽車，擁有專業(yè)的知識儲備，并且能做到二者深度融合。

這一點在自動駕駛工具鏈斷點問題上表現(xiàn)得尤為明顯。正如上文介紹的，自動駕駛算法研發(fā)的關(guān)鍵控制點主要包括數(shù)據(jù)采集、感知模型訓(xùn)練、仿真測試和實車測試四部分，通過工具鏈串聯(lián)，貫穿整個開發(fā)核心流程。

一般來說，每個關(guān)鍵控制點的工具鏈往往都是由不同的供應(yīng)商提供，即「分段開發(fā)」，例如仿真環(huán)節(jié)就找仿真工具鏈公司，需要標(biāo)注就找標(biāo)注工具鏈公司合作，這導(dǎo)致車企在自動駕駛研發(fā)和迭代過程中，經(jīng)常遭遇「斷點」。

「我們在處理數(shù)據(jù)傳遞、算法加載、模型適配的時候，要用到多種工具鏈，但因為缺少行業(yè)規(guī)范，這些工具鏈之間的兼容性十分差，導(dǎo)致我們不得不花大量的時間去適配?！?/span>

一位自動駕駛研發(fā)工程師舉例，公司曾采用各個供應(yīng)商提供的離散工具鏈方案，光調(diào)試鏈路，就花了幾個月的時間，讓整個開發(fā)團隊苦不堪言。

要解決這一痛點，需要汽車云服務(wù)商擁有提供或整合統(tǒng)一工具鏈的能力，打通上下游鏈路，幫助車企盡快跑通（數(shù)據(jù)驅(qū)動）Pipeline。

《白皮書》認(rèn)為，車企對云服務(wù)的需求已經(jīng)從 IaaS 和 PaaS 層的「資源云」轉(zhuǎn)向 SaaS 層的「能力云」，且不再滿足云服務(wù)只針對場景中的單一業(yè)務(wù)，而是希望能縱向延伸至多項業(yè)務(wù)，解決「數(shù)據(jù)孤島」和「業(yè)務(wù)斷層」，單線打透形成體系化輸出。

不過也有業(yè)內(nèi)人士對此表示質(zhì)疑：云服務(wù)商如此深層次涉足自動駕駛核心業(yè)務(wù)，是不是意味著車企把「靈魂」交出去一半？

這種擔(dān)心正切中部分車企的隱憂。以工具鏈的使用為例，一方面，出于效率考慮，他們希望單獨一家供應(yīng)商提供全棧工具鏈，另一方面，出于「安全自主」的擔(dān)心，又想分散合作，甚至通過自研工具鏈，延續(xù)自己過去在生態(tài)中的掌控地位。

某汽車集團 IT 總監(jiān)直言，選擇汽車云服務(wù)供應(yīng)商的考量指標(biāo)之一就在于，能不能把底層耦合拆干凈?！笜I(yè)務(wù)和業(yè)務(wù)之間的協(xié)作并不在于云的一體化，我們更看重的是云服務(wù)商能不能靈活地適配需求?！?/span>

事實上，已經(jīng)有云服務(wù)商正在將各模塊解耦，以實現(xiàn)幫助車企降本增效的同時，保證后者還擁有打造云能力上的主導(dǎo)權(quán)。

據(jù)某汽車云廠商介紹，其所提供的工具鏈分為數(shù)據(jù)、訓(xùn)練、仿真、監(jiān)管四部分，完全開放解耦、不綁定，客戶隨時可以替換。《白皮書》總結(jié)，這標(biāo)志著云服務(wù)模式正在經(jīng)歷從「授人以魚」到「授人以漁」的全新轉(zhuǎn)變。

04、結(jié)語

隨著自動駕駛踏入大規(guī)模商業(yè)化，一場浩浩蕩蕩的數(shù)據(jù)革命已然展開，并正在重塑汽車產(chǎn)業(yè)的格局。

一方面，數(shù)據(jù)給車企帶來的是挑戰(zhàn)，為應(yīng)對海量數(shù)據(jù)產(chǎn)生、處理、交互，需要引入云服務(wù)解決，依托強大的存儲、計算能力，為車企提供 ICT 資源支撐；

另一方面，數(shù)據(jù)也意味著無窮的價值，需要調(diào)用專業(yè)汽車云服務(wù)商的能力，在 SaaS 層進行充分挖掘，賦能車企業(yè)務(wù)。

從最新發(fā)展趨勢來看，車企對云服務(wù)建設(shè)的需求已經(jīng)從簡單的拿來即用的云資源升級，轉(zhuǎn)變成了在智能網(wǎng)聯(lián)各垂直場景專精化，深度融入業(yè)務(wù)開發(fā)的云能力。

要適應(yīng)這一變化，需要云服務(wù)商與車企加強溝通、對齊需求，雙向奔赴：車企篩選出亟需云服務(wù)賦能的業(yè)務(wù)板塊，而云服務(wù)商借助對汽車智能網(wǎng)聯(lián)業(yè)務(wù)的深刻洞察，為車企做應(yīng)用價值點的輸入。

與此同時，車企和云服務(wù)商還需要構(gòu)建一個開發(fā)合作的生態(tài)系統(tǒng)，既讓前者免除「被綁定」、無差異化的顧慮，還能發(fā)揮出后者高效率、低成本的優(yōu)勢，以此攜手共建，加速行業(yè)整體變革進程。

值得注意的是，自動駕駛只是云服務(wù)賦能智能汽車的其中一個場景，在數(shù)字化浪潮席卷之下，汽車云服務(wù)更助力車聯(lián)網(wǎng)孕育出新業(yè)態(tài)。

《白皮書》中提到，智能網(wǎng)聯(lián)時代，車企依賴其天然數(shù)據(jù)資源與獲客優(yōu)勢，使得服務(wù)從原本的車輛產(chǎn)品交易終點，轉(zhuǎn)變?yōu)樘峁┸囕v全生命周期服務(wù)的起點，而云服務(wù)能夠幫助車企收集和主動探索數(shù)據(jù)價值，在增強用戶體驗的同時，也為車企創(chuàng)造了價值和收益。

具體來說，汽車云推動遠程診斷、道路救援、故障監(jiān)控、狀態(tài)檢測、OTA 云服務(wù)、UBI、二手車評估等多個具體應(yīng)用場景的落地，打通各領(lǐng)域的數(shù)據(jù)壁壘，創(chuàng)造更為豐富多彩的汽車生態(tài)。

返回第一電動網(wǎng)首頁 >