<mark id="oztn4"></mark>
0
“如果讓你重回過去，在自動駕駛行業創一次業，你會怎么做？”面對雷峰網(公眾號：雷峰網)發出的這一設問，智駕創業者們給出了近乎一致的答案：
在2023年之前，瘋狂融資，守著金庫什么都不做，廣積糧，緩稱王，耐心等到“端到端”來的那天。畢竟之前的幾次技術路徑幾乎都被端到端推倒了重來，之前的領先優勢也會因為新技術路徑的切換而不復存在；
等到2023年時，花高價招聘四五百個高階AI人才，all in端到端。與此同時，深度綁定一家訓練過超大模型、深諳汽車行業know-how的云廠商，一起把“數據驅動的飛輪”打磨到極致。
無獨有偶，另一位智駕技術高管也曾向雷峰網談到，早期，業內大多用C++來實現智駕軟件的各種功能，開始向AI化演進，幾十萬行的代碼逐漸被各種模型所替代，隨之帶來的是自動駕駛對智能云的依賴空前強化。
隨著智駕工程的AI化，數據的重要性也愈發凸顯，并在端到端爆發后，達到了頂峰。
有高管坦言，眼下，各家智駕模型網絡之間雖有差異，但并不重要，比起網絡結構，優質數據才是更關鍵的決勝因素，與在地圖測繪、智駕數據采集分析上有行業know-how的云廠商深度合作已成必然。
在這些企業決策者們看來，當前自動駕駛公司每年平均1/10的收入都要支付給云計算公司，而3年后，這一數字將會增加到1/5，甚至更多。智駕公司要把云廠商當成自家的核心職能部門，已然成了不可避免的趨勢。
這些技術變化、行業變化都對云廠商提出了更高的要求：不能只做同質化的IaaS層資源商，而要做云智一體，甚至云、智、駕一體的，面向智駕行業的真正的基建者。
“自動駕駛行業正在出現一種新的‘摩爾定律’。”不少智能駕駛CEO都曾向雷峰網表達過類似的觀點。
在他們看來，國內自動駕駛技術范式正在加速迭代，短短幾年間，已經歷了四代，且每一代的迭代時間都比前一代縮短了一半，可稱之為新的摩爾定律。
在眾多的交流中，雷峰網了解到，前些年，國內智駕還處早期階段，依賴于各類傳感器，如毫米波雷達、激光雷達、單目雙目攝像頭等，在車輛行駛過程中感知環境、收集數據，識別并追蹤物體，進行輔助駕駛。
彼時，各類傳感器方案商備受追捧，包括縱目、速騰等都獲得了不菲的融資和估值。
第二階段是高精地圖時期。蔚小理等新勢力車企購買了大量的高精地圖，并基于這些地圖做自駕研發。但這種方法有個很大的弊端：地圖測繪不僅成本高，而且還無法覆蓋各種“Corner Case”。
于是在2022年到2023年左右，行業進入了第三代，即城市自動駕駛階段。
為了降低對高精地圖的依賴，一些專家提出，讓車輛大范圍地跑，通過“重感知+新地圖”或純感知路線，覆蓋更多的道路和場景，也能實現更好地自動駕駛。一時間，蔚小理們競相開啟了“城市掃描”。
每家車企的城區NOA開城數量，從單季度的十幾個，逐漸擴張到計劃中的幾百個，卷到后期，華為也加入進來，直接喊出了“全國都能開”的口號。
但到了2024年，一切都變了。
2024年初，特斯拉開始大規模推送FSD V12，直接帶火了“端到端”模式。
與此前把智駕過程切割成一個個模塊，用“算法+人工”的方式來實現所謂的“自動駕駛”不同，端到端是更加深度的AI化，用一個全棧Transformer大模型，實現感知決策一體化，從傳感器輸入數據，到決策端直接輸出行為軌跡。
特斯拉FSD V12的效果震驚了業界，國內車企紛紛跟進，宣布推出自家的端到端方案，智駕技術由此邁入4.0階段。
但這時候帶來了兩個問題：
其一，智駕技術的迭代速度，讓車企們難以招架。為了不掉隊，不被時代淘汰，車企紛紛轉型。但各家車企由于情況不同，導致需求各異，呈現出復雜性。
有研發能力的車企如蔚小理等，需要的是算力支持和優化。而傳統車企，不僅需要算力資源，還需要智駕研發、數據工具及實踐know-how的支持。這就要求云廠商最好是一個足夠能打的“全能型”選手。
其二，進入“端到端”時代后，車企的能力要升級，云廠的能力更要升級。
端到端的特點是：大數據，大計算，大模型。大計算，非云不可。而且要是“云智一體”的云，這樣才能最大限度優化算力。大數據，非優質數據不可。在大模型時代，數據的重要性猶如傳統軟件時代里的“源代碼”。
車企沉淀了很多數據，但在降本增效的大背景下，如何用好數據，將原始數據“點石成金”卻是另一回事。這時候，只有親自下場研發過智駕，一線摸爬滾打過，在PaaS、SaaS上都有豐富行業know-how的云廠商，才有能力幫助車企更好地避坑。
云計算發展至今，業內早已形成共識：沒有“智”，云就還是傳統的ECS，賦能有限的同時，還極易陷入同質化內卷。但有了“智”也還不夠，云智一體在落地時，還需要“行業化”，要融合行業know-how，才能真正幫到客戶。
現階段的智駕行業正是如此。汽車云廠商們僅僅提供算卡、算力等同質化的基礎設施，已愈發不夠，還需要在“云、智、駕”深度融合、三位一體的基礎上，從更高、更深維度上賦能中國車企，做真正的行業“基建者”。
一直以來，能力整合都是各大云廠業務發展的關鍵一環，為此，云廠們也做了諸多創新嘗試，引發了不少碰撞與故事，相關內幕歡迎添加作者微信 xf123a 交流。
所謂基建，所謂底座，不是將一些通用產品線打包起來，套個統一的外殼對外銷售，因為這樣的“底座”看似完整，但其內部往往是割裂的、碎片化的。這種“底座”對服務商來說是輕松了，卻把更多的難題留給了客戶。
真正的底座，一定是基于打破部門墻，組織、業務融合，以及實際場景鍛造等的保障，實打實讓各種產品、各種技術深度耦合，進能提供全棧融合方案，退能提供“懂場景、懂用戶”的模塊化產品工具。這才是底座的“靈魂”所在。
而這首先要有組織層面的保障。
從這個角度看，目前在市場上，百度可以說是最早、最徹底地打通了云、智、駕三大體系的汽車云服務商。
雷峰網曾在《三年了，「云智一體」終成共識》一文中詳細描述過百度是如何最先在業內一步步將云與AI相融合的。而這其中，組織層面的整合起到了關鍵作用。
2020年初，百度宣布將原AIG（AI技術平臺體系）、TG（基礎技術體系）、ACG（百度智能云事業群組）整體整合為“百度人工智能體系”（AIG），從組織層面為“云智一體”戰略的順利推行打下了前提基礎。
有了組織保障，在其后的2020-2022年間，百度“云智一體”以一年一級的頻率完成了從1.0到3.0的架構升級。
1.0到3.0的升級，不僅技術架構、業務架構的迭代，更是百度To B在落地垂直行業、賦能實體產業方面的不斷深化。各類人才融合交匯，不僅支持了百度對各類產業場景的打深打透，也讓百度在IaaS、PaaS、SaaS層面沉淀了豐富全面的通用產品，真正實現了云、智、行業之間的融合互促。
比如，百度自2020年發布云智一體1.0架構起，就明確了其核心目的是通過云與智深度融合的方式，便捷、高效地支持千行百業里的智能化應用。
當2021年云智一體進化至2.0版本，戰略也隨之細化為“適合跑AI的云”和“懂場景的AI”，以此來解決企業兩大核心訴求：一是幫助企業減輕算力負擔；二是降低企業開發門檻，讓各行各業可以在云端搭建屬于自己的AI能力。
到了2022年，云智一體再次升級至3.0，初步形成了“芯片-框架-大模型-行業應用”的智能化閉環路徑。伴隨這一閉環建立，百度To B的核心戰略也進化為“云智一體，深入產業”。
當時業內普遍認為，百度對“深入產業”的明確強調，表明其已完成了從“資源銷售商”到“基建賦能者”的蛻變，正式邁入產業支持的深水區。這也為百度后續在汽車云領域里的“云、智、駕”一體化，提供了范例和基礎。
實際上，百度在智駕領域里的探索很早，早在2013年，百度就成立了相關研發團隊，可以說是國內最早一批涉足該領域的企業。伴隨著百度在To B底座上的一次次進化，其對智駕等行業的思考也在不斷深入。2022年百度以云智一體3.0深入產業后，智駕領域的云服務也在醞釀升級。
于是到了2023年下半年，為了進一步優化資源配置，提升服務效率，百度適時展開組織調整，成立了“百度智能云汽車業務部”，實現了百度內部自動駕駛、云、AI三大板塊的打通。
“整合后的百度有了一個能提供IaaS、PaaS、SaaS完善服務的汽車云板塊?！卑俣戎悄茉破嚇I務部總經理高果榮向雷峰網介紹道。
組織整合為技術交融、資源共享鋪平了道路，人員流動背后是經驗能力的融合。
雷峰網此前曾在不少組織調整文章中分析過人員流動、組織融合的好處。可以說，一場合理有效的架構調整，就如同一次及時的經絡疏通，讓公司面對新市場、新挑戰，能快速響應，找到錨點和打法。
在汽車云領域里，亦是如此。有云、智、駕融合經驗的云廠商，往往有著更多維的視角，更實戰的經驗，更深刻的場景理解，以及更全面的需求支持。
雷峰網了解到，目前在百度智能云汽車業務部里，匯集了來自百度IDG、ACG工業線、AI線、汽車行業等各類人才，他們曾參與過百度搜索、INF基礎設施、自動駕駛研發、智慧交通、行業云等多項業務，對汽車云有著深入實戰的理解。
“沒親身做過智駕研發，想短期內建成相關的數據閉環工具并不容易?！备吖麡s坦言，“百度過去多年專研自動駕駛，走了很多路，也踩了不少坑，但如今這些經歷都轉化成了寶貴經驗，沉淀在數據和工具里?！?/p>
實際上，過去幾年各家云大廠的汽車業務線在產研架構、銷售組織上，都經歷了不少迭變，為其當前境遇和未來走向埋下諸多因果，此間詳情，歡迎添加作者微信 xf123a 交流。
更具體來說，百度這種云、智、駕一體的模式，究竟能為市場帶來哪些助益？
在高果榮看來，百度汽車云的核心優勢主要有兩個，一是深度用云能力，二是擁有一套齊全的行業know-how。也只有這樣，才能真正發揮好云、智、駕一體的優勢。
眼下，車企們正在面臨一種“新型的”算力短缺困境。
與前幾年因國際因素導致的算卡短缺不同，當前這波算力緊張更多是源于內因。
盡管“端到端”是智駕領域當紅炸子雞，但由于國內端到端技術還欠成熟，國內大部分的量產車上，很大一部分還是傳統智駕系統，于是車企們既要維持原有業務，又要投入新技術研發，雙管齊下的結果就是算力變得緊張，導致各部門陷入資源的爭搶與扯皮之中。
這種情況下，首先要做的是盡可能提高已有算卡的利用率，降本增效并舉。
這方面百度推出的主打產品是百舸異構計算平臺。據了解，該平臺可以實現異構計算資源協同工作，并支持軟硬件聯合優化與中間件加速，進而提高算力利用率和優化算力成本。
目前該平臺已迭代到最新的4.0版本，可以實現萬卡規模下的多芯混合訓練，且能將萬卡集群算力損失控制在5%以內，并實現有效訓練時長占比99.5%以上，從而給企業們提供高性能的算力集群。
除算力緊張外，從與一些傳統車企從業人的交流中，雷峰網還發現，很多傳統車企由于在智駕領域起步晚，技術儲備稍顯薄弱，傾向與擁有豐富智駕行業know-how的公司一起合作，來加速自身智駕能力的建設。這時候，做過智駕研發，親自下場踩過坑的云服務商往往更獲他們的青睞。
尤其是端到端興起后，智駕研發從原來的人力密集型轉向算力密集型、數據密集型，尤其數據基礎設施的門檻，被大幅提高，智駕行業know-how的重要性愈發突顯。
“以前業內做自動駕駛，一個Conner Case來了之后，大家要么標數據、要么調模型。還是“人工+智能”的打法。但端到端來了之后，這種打法就行不通了?！?/p>
高果榮告訴雷峰網，端到端模式下，一個Conner Case過來后，工程師們首先要弄清楚的是缺陷在哪里，知道缺陷在哪后，不會想著先去調參、調網絡結構，而是想：要解決這個缺陷，我需要的數據在哪。
這就涉及到去哪里找更多的數據，數據怎么生成。而這背后需要一個沉淀了深厚行業know-how的數據工具鏈的支持。
這一工具鏈起碼要能在三方面幫到客戶：
一是能檢索或生成優質數據，提高仿真訓練的質量和效率；
二是不以犧牲成本為代價，而要求得成本效益最大化；
三是最好能結合測繪等資質，從車端采集到車端驗證，幫客戶做真正的端到端的數據閉環。
具體而言，眼下，國內的很多量產車已經積累了大量數據，但并不意味著要把所有數據都一股腦地扔進模型里去訓練。如何找到“最有用的”數據，實現低成本、高效率的訓練，才是關鍵。
比如研發場景中，車企們經常面對一些“兩難之選”。例如想在已有場景庫中找這樣一類數據：前邊路面遺撒了一個小于20cm的遺撒物。這類數據在場景庫中通常較少，刻意采集的話，成本較高不說，采集時的情況往往也與實際情況有所不同。
這時候，更劃算的方案是拿已有數據來進行合成。而選用哪些數據，如何合成，如何盡可能促成對驗證結果的正反饋，這些都需要對場景、對數據有經驗性的理解和判斷。
這些理解和判斷的具象化的載體就是一套沉淀了行業know-how的數據工具鏈。而這套工具，如果車企自己從零開始做，很難。
據高果榮介紹，不久前，百度汽車云升級到了3.0版本，這一版本的核心亮點之一便是在真實數據訓練的基礎上加入了虛擬場景數據，提質增效，最大程度解決“訓練數據量”的問題。
據了解，3.0版本下的新系統的真實數據仿真測試已達到了“百城覆蓋”的范圍，同時也能夠從原始數據中構建出長尾場景，為端到端智駕測試場景的生成提供有力支撐。
不僅如此，對于很多車企來說，數據閉環也是一大核心需求，這就要求云服務商有測繪資質，能做數據合規，從源頭上做到真正的端到端數據閉環。
這一閉環會細化到：從車端的數據采集開始，哪里能采，哪里不能采，如何做到既合規，又成本最優；采集來的數據車端脫敏、云端脫敏；脫敏后進入數據平臺做分析；分析完了投入訓練；訓練完了做驗證和優化；并通過OTA能力不斷推送到車上看效果，以此往復。
不難看出，這套閉環不是離線環境下的“端到端”，而是實時在線的，從車端出發再回到車端，不斷驗證、迭代的“端到端”。
數據、云、AI大模型，以上這些技術或工具單獨拎出一項或幾項，可能并不出奇，但如果兼備，就會構成一個緊密耦合，互相驅動的飛輪，進而形成一種強大勢能——這正是“云、智、駕”一體的關鍵優勢所在。
回顧國內智駕行業發展的這些年，技術范式的轉變，調整著行業的一次次走向。
從早期依靠人海戰術的代碼工程，到后來逐步實現一個模塊一個模塊的AI化替代，再到現如今端到端技術的“飛躍式”突破，自動駕駛終于走出了一條愈加明朗的道路。
而行業迭代的“明線”背后，是另一條技術融合的“暗線”：當大模型技術在智駕這一垂直行業里落地越來越深時，云計算、AI、大模型、智駕經驗的交互融合成為必然，獨屬于智駕行業的真基建——“云、智、駕”一體底座，正在形成。
對于賽道中的參與者們來說，誰能率先搭好這一底座，誰就能搶占先機，在眼下的淘汰賽中擁有更大的勝出幾率。
正如特斯拉，憑借在智駕車隊、算力集群、AI模型、芯片等方面自成一體的優勢，形成了強大的“飛輪效應”，在不到一年的時間里，又發布了FSDV13.2，并完成了首批交付，再次刷新了行業標桿。這也意味著新一輪賽局的發令槍正在打響，留給中國玩家們的時間已然緊迫。
云計算賽道真的沒有新東西了嗎？非也。深入產業看，云計算才剛剛開啟了他的第二春。眼下，全球前三云大廠無不重押行業化，行業化已成全球趨勢，而國內云廠商過去幾年在區域線、行業線上也是幾經變化，探索不止。近期雷峰網將圍繞“云計算行業與區域之爭”議題推出相關文章，歡迎添加作者微信 xf123a 交流。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
