自動(dòng)駕駛打“巷戰(zhàn)”,兩種路線一個(gè)方向
自動(dòng)駕駛3.0,開始拼算力
“大眾輔助駕駛,擁堵跟車把變道的前車給撞了”
“有次在高速ACC幫我防止了追尾。”
用戶對(duì)輔助駕駛的評(píng)價(jià),呈現(xiàn)出兩極分化。
事實(shí)上,從目前的許多事故上來看,輔助駕駛確實(shí)還很難說得上安全,就在不久之前,開著LCC功能的小鵬就在高速追尾;之后也有特斯拉在進(jìn)入小區(qū)時(shí)突然加速。
而這一系列的事故也給了廣大車主一個(gè)非常強(qiáng)的不信任感。輔助駕駛在高速、停車場這樣相對(duì)簡單的場景都不能保證安全,那在更復(fù)雜的城市道路上又值得信任嗎?
顧維灝認(rèn)為,目前城市輔助駕駛的挑戰(zhàn)主要還是道路的復(fù)雜性,具體表現(xiàn)為城市道路養(yǎng)護(hù),大型車輛密集,變道空間狹窄,城市環(huán)境多樣四個(gè)方面。而要解決這些問題,AI就需要更多的數(shù)據(jù)樣本進(jìn)行訓(xùn)練,所以數(shù)據(jù)也就成了驅(qū)動(dòng)自動(dòng)駕駛成熟的核心。
區(qū)別于之前輔助駕駛將單個(gè)傳感器數(shù)據(jù)在車載大算力芯片上進(jìn)行計(jì)算,在進(jìn)入城市輔助駕駛之后,毫末開始將所有傳感器的原始數(shù)據(jù)放在一起,然后再通過AI大模型輸出車輛的全局感知結(jié)果。
圖:毫末將環(huán)繞車身的傳感器數(shù)據(jù)整合在一起,輸出當(dāng)前路況信息
這樣做的好處是,車輛在認(rèn)知領(lǐng)域的進(jìn)步可以逐漸脫離之前人為設(shè)定的規(guī)則,然后逐漸把人類真實(shí)駕駛的行為和常識(shí)提取出來。簡單說就是讓AI駕駛更像人類的老司機(jī)。但要達(dá)到這種狀態(tài),那支持訓(xùn)練的模型的數(shù)據(jù)至少要超過1億公里。
除此之外,進(jìn)入城市道路之后,汽車也要開始適應(yīng)人類常用的交互方式,比如要理解周圍車輛轉(zhuǎn)向燈、尾燈的不同信號(hào)的意圖。但現(xiàn)在市面上,不同車型、不同形狀的尾燈都有很多,這不僅對(duì)算法識(shí)別帶來挑戰(zhàn),龐大的數(shù)據(jù)量同樣也會(huì)增加。
為了解決AI訓(xùn)練中語義理解的問題,谷歌在四月份發(fā)布了一個(gè)新的訓(xùn)練模型——Pathways Language Model(PaLM),由于其訓(xùn)練參數(shù)達(dá)到5400億,使用了7800億個(gè)Tokens,也被大家戲稱為,讓世界沒有難懂的梗。但這種能力要使用到自動(dòng)駕駛環(huán)境,也要求自動(dòng)駕駛訓(xùn)練的里程至少在一億公里以上。
圖:PaLM用two-shot prompts解釋了一個(gè)原創(chuàng)笑話
很顯然,要訓(xùn)練出好的自動(dòng)駕駛,未來的數(shù)據(jù)量會(huì)變得越來越大,特斯拉現(xiàn)在擁有三大數(shù)據(jù)中心,總計(jì)11544GPUs。為了提高數(shù)據(jù)的使用效率,特斯拉在2021年AI DAY上還發(fā)布了自研的DOJO超級(jí)計(jì)算系統(tǒng)和D1芯片。
但傳統(tǒng)的數(shù)據(jù)使用方式還是制約了自動(dòng)駕駛的發(fā)展。在之前,大量的數(shù)據(jù)進(jìn)入訓(xùn)練階段之前,都需要人工進(jìn)行標(biāo)注,即人要先告訴AI,這個(gè)東西是紅綠燈,那個(gè)東西是柵欄,幫助AI建立基本認(rèn)知。龐大的數(shù)據(jù)標(biāo)注催生了數(shù)據(jù)標(biāo)注師這個(gè)職業(yè),也一度被人們戲稱“有多少人工就有多少智能”。
但這種依賴人工標(biāo)注的訓(xùn)練方式也存在許多問題,比如大量時(shí)間和成本的占用。顧維灝在毫末AI DAY上表示,之前的AI訓(xùn)練中,成本主要用在了訓(xùn)練標(biāo)注上。而在今年6月份,特斯拉加州辦公室有近200位員工被裁,主要也是自動(dòng)駕駛的數(shù)據(jù)標(biāo)注團(tuán)隊(duì)。
為了解決數(shù)據(jù)標(biāo)注的成本問題,特斯拉也開始引入效率更高,成本更低的數(shù)據(jù)標(biāo)注系統(tǒng)。這個(gè)系統(tǒng)只需要將車輛在路上行駛采集到的真實(shí)駕駛數(shù)據(jù),再利用標(biāo)注好的數(shù)據(jù)來訓(xùn)練模型,將結(jié)果進(jìn)行聯(lián)合優(yōu)化以后便可以得到更加精確和詳細(xì)的標(biāo)注結(jié)果,整個(gè)過程都不需要人工的參與。
在2021年8月的AI Day上,特斯拉Autopilot的軟件總監(jiān)Ashok Elluswamy就表示,他們可以在一周內(nèi)自動(dòng)標(biāo)記10k個(gè)clips(最小標(biāo)注單元),而之前這個(gè)工作量至少需要幾個(gè)月的時(shí)間。
圖:數(shù)據(jù)標(biāo)注示意
在國內(nèi),毫末采用的大模型訓(xùn)練方式也有異曲同工之處。
毫末的方案是用大量未經(jīng)標(biāo)注的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練,然后形成一個(gè)主干模型,之后再用標(biāo)注過的數(shù)據(jù)在特定的任務(wù)上做特定的優(yōu)化。通過這種方式,毫末讓訓(xùn)練效率提升了三倍,精度和準(zhǔn)確性也遠(yuǎn)高于之前只用標(biāo)注數(shù)據(jù)訓(xùn)練的結(jié)果。
清華大學(xué)智能科學(xué)講席教授,中國工程院外籍院士張亞勤表示,自動(dòng)駕駛正在逐步在向大模型,大數(shù)據(jù)、預(yù)訓(xùn)練、多模態(tài)、端到端的趨勢發(fā)展。
最近幾年,隨著Attention to Transformer的廣泛應(yīng)用,AI的自然語言識(shí)別效果很快超過了人類的平均水平。但問題也隨之而來,這種大模型對(duì)算力的消耗要遠(yuǎn)遠(yuǎn)高于摩爾定律能給到的支持。這也導(dǎo)致AI大模型的訓(xùn)練成本太高了,傳導(dǎo)之后,也讓自動(dòng)駕駛在車端的落地變得比較復(fù)雜。
針對(duì)這個(gè)問題,目前行業(yè)里也在積極探索解決方案。目前主流的方案有兩種,一種是輕量化,另一種是降低計(jì)算中的弱關(guān)聯(lián)計(jì)算。
首先是輕量化。Attention to Transformer這種模型,其計(jì)算力和計(jì)算量比之前的CNN(卷積神經(jīng)網(wǎng)絡(luò))要高100倍,而這100倍的冗余顯然還沒有達(dá)到完全釋放的時(shí)候,所以許多玩家就在嘗試將CNN與Attention在不同環(huán)節(jié)做不同程度的融合,以達(dá)到降低算力,實(shí)現(xiàn)輕量化的目的。其中像蘋果在2021年提出的mobileVit和三星在今年提出的XFormer都是其中代表。
另一個(gè)則是降低弱關(guān)聯(lián)計(jì)算。要知道,Attention其實(shí)有一個(gè)特點(diǎn),就是在龐大的計(jì)算中,6.9%的計(jì)算貢獻(xiàn)了大概94%的價(jià)值,剩下93%左右的計(jì)算則是弱關(guān)聯(lián)計(jì)算,并沒有太大的作用,這就造成了非常龐大的算力浪費(fèi)。
基于這樣的特點(diǎn),清華的一位教授開始針對(duì)Attention的機(jī)制設(shè)計(jì)芯片(之前相關(guān)芯片的設(shè)計(jì)都是針對(duì)CNN進(jìn)行的),以達(dá)到降低弱關(guān)聯(lián)計(jì)算的目的。
圖:芯片上設(shè)計(jì)獨(dú)立的單元結(jié)構(gòu),計(jì)算上大值精確,小值近似;以及雙向的漸進(jìn)式方式來減少弱關(guān)聯(lián)的計(jì)算,實(shí)現(xiàn)了在28nm的芯片上27.5TOS/W的能耗。
顧維灝認(rèn)為,自動(dòng)駕駛需要的數(shù)據(jù)主要是兩個(gè)方面,一個(gè)是規(guī)模,另一個(gè)是多樣性。我們今天做的所有工作,都是為了更加高效,低成本地獲取數(shù)據(jù)。然后把數(shù)據(jù)送到計(jì)算中心,用訓(xùn)練的方法把數(shù)據(jù)轉(zhuǎn)換為自動(dòng)駕駛的能力。
除了在算法模型上下的功夫之外,算力也是未來自動(dòng)駕駛能力的關(guān)鍵。
8月初,小鵬與阿里云專門為自動(dòng)駕駛建立的智算中心“扶搖”,在被稱為“草原云谷”的烏蘭察布正式落成。這座智算中心算力可達(dá)600PFLOPS,用于小鵬的自動(dòng)駕駛模型訓(xùn)練。
而在剛剛舉辦的AI DAY上,毫末也公布了首個(gè)超算中心。顧維灝表示,毫末超算中心的目標(biāo)是滿足千億參數(shù)大模型,訓(xùn)練數(shù)據(jù)規(guī)模100萬clips,將整體訓(xùn)練成本降低200倍。
隨著自動(dòng)駕駛發(fā)展階段的改變,自動(dòng)駕駛公司的成本重心也開始發(fā)生轉(zhuǎn)移!白詣(dòng)駕駛2.0階段,錢都花在數(shù)據(jù)標(biāo)注上了,應(yīng)用大模型后的3.0時(shí)代,成本會(huì)發(fā)生轉(zhuǎn)移,會(huì)從標(biāo)注轉(zhuǎn)到計(jì)算!鳖櫨S灝稱。
總之,數(shù)據(jù)的規(guī)模、獲取成本、質(zhì)量、處理速度等,都和自動(dòng)駕駛能力的提升速度正相關(guān)。自動(dòng)駕駛已經(jīng)進(jìn)入了依靠算力推動(dòng)數(shù)據(jù)處理的時(shí)代。
結(jié)語
如今,各地政府也在加快推進(jìn)自動(dòng)駕駛和輔助駕駛的發(fā)展。
9月初,上海市政府印發(fā)《上海市加快智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展實(shí)施方案》,目標(biāo)到2025年,具備組合駕駛輔助功能(L2級(jí))和有條件自動(dòng)駕駛功能(L3級(jí))汽車占新車生產(chǎn)比例超過70%,具備高度自動(dòng)駕駛功能(L4級(jí)及以上)汽車在限定區(qū)域和特定場景實(shí)現(xiàn)商業(yè)化應(yīng)用。
在2022世界智能網(wǎng)聯(lián)汽車大會(huì)上,北京經(jīng)開區(qū)相關(guān)負(fù)責(zé)人表示自動(dòng)駕駛示范區(qū)開啟3.0階段將實(shí)現(xiàn)全域信號(hào)覆蓋。
截至目前,北京經(jīng)開區(qū)已經(jīng)建成329個(gè)智能網(wǎng)聯(lián)標(biāo)準(zhǔn)路口,雙向750公里城市道路和10公里高速公路實(shí)現(xiàn)車路云一體化功能覆蓋,并匯聚了產(chǎn)業(yè)相關(guān)領(lǐng)域百余家企業(yè)、國內(nèi)頂級(jí)院校與研究機(jī)構(gòu)參與示范區(qū)建設(shè)。
除此之外,還有像深圳、廣州、長沙、成都、上海等全國多個(gè)城市都在積極推動(dòng)自動(dòng)(輔助)駕駛落地。一系列的舉措,也都將推動(dòng)輔助駕駛和自動(dòng)駕駛加快落地。
8月28日,百度集團(tuán)資深副總裁、智能駕駛事業(yè)群組總經(jīng)理李震宇表示:“自動(dòng)駕駛正成為智能汽車競爭的焦點(diǎn),未來3-5年,將是全球汽車智能化競爭的關(guān)鍵窗口期,2030年沒有自動(dòng)駕駛能力的電動(dòng)汽車將完全失去競爭力!
原文標(biāo)題 : 自動(dòng)駕駛打“巷戰(zhàn)”
發(fā)表評(píng)論
請(qǐng)輸入評(píng)論內(nèi)容...
請(qǐng)輸入評(píng)論/評(píng)論長度6~500個(gè)字
圖片新聞
最新活動(dòng)更多
-
11月19日立即報(bào)名>> 【線下論壇】華邦電子與恩智浦聯(lián)合技術(shù)論壇
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
精彩回顧立即查看>> 蔡司新能源汽車三電質(zhì)量解決方案
-
精彩回顧立即查看>> 蔡司新能源汽車三電質(zhì)量解決方案
-
精彩回顧立即查看>> 2024(第五屆)全球數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)大會(huì)暨展覽會(huì)
-
精彩回顧立即查看>> 【線下會(huì)議】全數(shù)會(huì)2024電子元器件展覽會(huì)
推薦專題
-
10 “寧王”再出手
- IE工程師(汽車智聯(lián)) 惠州碩貝德無線科技股份有限公司
- 銷售總監(jiān)-汽車電子方向 深圳市智立方自動(dòng)化設(shè)備股份有限公司
- 結(jié)構(gòu)工程師-汽車電子事業(yè)部(J10116) 深圳奧尼電子股份有限公司
- 產(chǎn)品工程師(汽車) 易思維(杭州)科技股份有限公司
- 項(xiàng)目經(jīng)理(汽車內(nèi)飾&汽車電子) 伯恩光學(xué)(惠州)有限公司
- 銷售經(jīng)理(汽車新能源行業(yè)) 廣州瑞松智能科技股份有限公司
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市