隨著相關(guān)政策的密集出臺，自動駕駛也在愈加規(guī)范的同時，不斷提速商業(yè)化進程。目前，北京、重慶、武漢、深圳、廣州、長沙等地已有無人化商業(yè)運營試點在對外提供服務，并有不少智能汽車品牌把高速公路場景，甚至城市場景下領(lǐng)航輔助駕駛功能產(chǎn)品收入囊中。

業(yè)內(nèi)許多人士認為，自動駕駛在高速發(fā)展下，正在從技術(shù)驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動時代。的確，無論走哪種技術(shù)路線，車企更多需要通過真實數(shù)據(jù)來驅(qū)動真正的自動駕駛體驗。

數(shù)據(jù)貫穿自動駕駛的研發(fā)、測試、量產(chǎn)、運維、售后等全生命周期，企業(yè)也需要利用從研發(fā)到使用全過程產(chǎn)生的數(shù)據(jù)，來不斷提升、迭代自動駕駛系統(tǒng)。

那么，目前自動駕駛最迫切的數(shù)據(jù)應用場景是什么？這樣的場景又對算力、工具、平臺有哪些需求？應用過程中，面對隨之而來的海量任務，如何能夠提升數(shù)據(jù)管理效能，并保障數(shù)據(jù)的安全與合規(guī)性？車企要不要上云？該如何上云？ 

為此，12月15日，在金橋經(jīng)濟技術(shù)開發(fā)區(qū)管委會的推動下，阿里云聯(lián)合機器之心共同舉辦「自動駕駛的數(shù)智化未來」閉門研討會，邀請眾多專家學者、產(chǎn)業(yè)界精英和政府相關(guān)部門代表到場跨界交流，并一齊探索了這些問題的答案。

自動駕駛需要上云嗎？

從軟件算法到硬件設備，自動駕駛領(lǐng)域天生就會產(chǎn)生很多數(shù)據(jù)。一輛符合或者具備自動駕駛的車有攝像頭、雷達、定位系統(tǒng)等各種各樣的感知設備，這些感知設備運行24小時，大概會采集4個TB的數(shù)據(jù)，阿里云智能副總裁、行業(yè)解決方案研發(fā)部負責人曾震宇指出。

「當然，一輛車不可能24小時都在開，假設100萬輛車一天在路上跑3個小時，總數(shù)據(jù)量就是128EB，而通常一家互聯(lián)網(wǎng)公司的數(shù)據(jù)量在幾個EB。128EB對于任何一家做自動駕駛的公司，都是一個非常海量的數(shù)據(jù)量級別，即使對這些數(shù)據(jù)量做1%到1‰的采樣，算下來也差不多是EB級別的?！?/span>

而且，自動駕駛公司以往是針對感知算法做許多小模型，未來或會朝大模型方向發(fā)展，大模型對數(shù)據(jù)量的消耗以及數(shù)據(jù)的需求會越來越大。再從看戲規(guī)劃控制和決策方面，自動駕駛公司以往更多是從規(guī)則或決策的角度來做規(guī)控，未來不僅是規(guī)則+決策還要加上強化學習，這對數(shù)據(jù)量的需求又非常大。

將海量的數(shù)據(jù)保存下來之后，又會有非常多的計算場景，其中有許多場景都需要用云計算來幫助做加工處理。例如，面對超大的非結(jié)構(gòu)化數(shù)據(jù)的預處理，如何快速加大并發(fā)、加快數(shù)據(jù)的處理能力？超大規(guī)模的網(wǎng)絡參數(shù)非常多，怎么快速地并行化訓練感知模型算法？在百億級的向量多模態(tài)檢索環(huán)節(jié)，如何從海量數(shù)據(jù)中快速挑選出有價值的數(shù)據(jù)？算法上線前做仿真測試時，如何提升仿真的并發(fā)度和計算效率？

由此可見，在自動駕駛商業(yè)落地下半場中，數(shù)據(jù)「上云」是自動駕駛行業(yè)的一大剛需，也是決定其能否實現(xiàn)快速迭代的重要因素。

「上云」之路有哪些？

不過，在具體「上云」方式上，自動駕駛行業(yè)各公司的選擇并不單一。

一部分公司選擇自建超算中心，如特斯拉和小鵬。2021年8月，特斯拉正式發(fā)布自研云端超算中心Dojo，主要用于處理大量訓練特斯拉自動駕駛汽車AI軟件數(shù)據(jù)；2022年8月2日，基于阿里云智能計算平臺，小鵬汽車在烏蘭察布建成國內(nèi)最大的自動駕駛智算中心「扶搖」，專用于自動駕駛模型訓練。

還有自動駕駛企業(yè)選擇在云平臺靈活部署自己的技術(shù)，比如Nullmax利用貫通車端、云端的自研數(shù)據(jù)成長系統(tǒng)推動自動駕駛不斷迭代升級。Nullmax創(chuàng)始人兼CEO徐雷表示，自動駕駛是場景驅(qū)動的設計來實現(xiàn)包括測試和商業(yè)化應用的過程，當中必然會產(chǎn)生很多數(shù)據(jù)。而各種云的服務是一個基礎(chǔ)服務，他們正是在這些服務上對采集和收集的數(shù)據(jù)做分類切片、標注和挖掘工作。這樣一來，車端源源不斷地獲取數(shù)據(jù)，云端對數(shù)據(jù)進行分析，可以完成獲取、清洗、標注、訓練以及模型驗證的整個數(shù)據(jù)閉環(huán)，為感知、融合、決策、定位、測試等環(huán)節(jié)提供全方位的幫助。

（Nullmax 創(chuàng)始人兼CEO徐雷）

這是行業(yè)內(nèi)典型的兩種「上云」之路。對于大部分企業(yè)而言，是否自建云服務平臺仍值得商榷。畢竟，自建云計算基礎(chǔ)設施不僅需要巨大的前期投入，后續(xù)成果能否盡如人意也是個未知數(shù)。因此，選擇一家有實力的第三方云計算企業(yè)，成為大多數(shù)車企的最佳選擇。

多云VS單云

如今自動駕駛企業(yè)在選擇云服務時，往往會選擇多家，如阿里云、騰訊云、華為云等都采購，避免與一家「綁定」。但實際上從效率角度考慮，選擇單獨一家，使用一站式/全棧式的服務是最為高效的。

對此，輕舟智航技術(shù)合伙人李棟解釋道，他們主要是出于兩方面的考慮：第一是成本，希望能得到最高性價比的服務；第二是想靈活適配各云服務商，其策略是采用更基礎(chǔ)、接口更統(tǒng)一的服務，并且盡量壓低在不同服務之間切換的成本。

（輕舟智航技術(shù)合伙人李棟）

此前，業(yè)內(nèi)也流傳著這樣一種說法：「自動駕駛企業(yè)上交了數(shù)據(jù)就相當于交出靈魂」。確實，云供應商如此深層次地介入到自動駕駛研發(fā)業(yè)務中，在一定數(shù)據(jù)量的積累后，自動駕駛企業(yè)是會產(chǎn)生一定的顧慮。

阿里云行業(yè)解決方案研發(fā)部自動駕駛云產(chǎn)品負責人孫放表示，對于這一現(xiàn)象，阿里云有三個態(tài)度：

第一，阿里云并不干涉客戶選多云；第二，阿里云不做車端相關(guān)的技術(shù)，整套服務體系都不會綁定車端的客戶選型，不管是阿里云提供工具還是原子能力都可以適配客戶任意車端體系使用；第三，阿里云提供多層次可以拆分售賣的自動駕駛云方案，擁有多模態(tài)數(shù)據(jù)檢索、仿真軟件大規(guī)模調(diào)度等許多原始能力。如果客戶自研SaaS，可以直接用原子能力，然后根據(jù)自己的需要選擇合適的上層工具或者是自研上層工具；阿里云也可以聯(lián)合合作伙伴提供上層端到端的SaaS層開發(fā)工具產(chǎn)品。

「目前，大部分主機廠或造車新勢力客戶會選擇把某一個業(yè)務類型（如仿真、訓練）放在一種云上，而Tier1供應商會根據(jù)他們自己的客戶的需求選擇云服務，通常不和某一個云綁定。對此，阿里云整體是一個完全開放的態(tài)度。我們更多從技術(shù)層面幫客戶考慮，如多云之間存算力怎么分配、跨云數(shù)據(jù)同步對帶寬依賴、成本和網(wǎng)絡延遲是否會產(chǎn)生影響等?！箤O放稱。

達摩院自動駕駛實驗室則認為，從效率或者迭代更高角度來講，更深度的垂直整合往往會帶來更高效率和更低成本。這是他們在與阿里云更深度結(jié)合綁定的過程中所實踐到的。

而對于自動駕駛企業(yè)所顧慮的方面，達摩院自動駕駛實驗室的看法是，選擇多元方案涉及到云與云之間包括網(wǎng)絡傳輸和數(shù)據(jù)互通，協(xié)同成本很高，在不同企業(yè)發(fā)展階段這種付出是可以權(quán)衡的。例如，在快速迭代階段，可與單一云廠商深度綁定；進入規(guī)?；l(fā)展階段，再考慮多云間平衡的技術(shù)方案。

自動駕駛的數(shù)據(jù)應用難點

自動駕駛企業(yè)對云端研發(fā)自動駕駛、對于感知模型訓練、仿真測試、研發(fā)工具鏈等的需求越來越旺，礦山、城區(qū)和高速道路等都是其目前相對迫切的數(shù)據(jù)應用場景，但過程中也面臨許多難點。 

伯鐳科技自動駕駛產(chǎn)品解決方案負責人趙新寰介紹，礦山相對公開道路不太一樣，沒有交通燈、斑馬線等交通信號，也沒有行人場景，需要標注的數(shù)據(jù)也不一樣，如道路、擋墻以及不同大小和形態(tài)的落石。由于單車數(shù)據(jù)標志量雖不很大，但往往比較特別，他們選擇找專業(yè)的數(shù)據(jù)標注公司來提供服務，但成本較貴、時間周期較長。

而且，他指出，礦山場景中做數(shù)據(jù)采集，要考慮車輛的形態(tài)、能耗，還要保證無人駕駛和有人駕駛車輛的混編，包括道路共享、匯車、錯車等，整體數(shù)據(jù)量非常巨大。從仿真角度來說，對數(shù)據(jù)的處理難度以及算力的要求都比較高。

上海數(shù)字大腦研究院執(zhí)行CEO、CMC Capital VP劉海濤則結(jié)合此前的項目經(jīng)歷，談到礦山數(shù)據(jù)應用場景的另一棘手情況：做數(shù)據(jù)標注時存在降噪問題。當大型礦卡行至顛簸道路，會在啟停時晃得很厲害，有時候傳感器突然打到地面，會誤認為地面是障礙物，或者在攝像頭結(jié)霜時就看不到了。

（上海數(shù)字大腦研究院執(zhí)行CEO、CMC Capital VP劉海濤）

專注于做車路協(xié)同自動駕駛的中智行技術(shù)副總裁劉生認為，無人駕駛看的是安全、效率和體感，其中最難的是安全性，它的數(shù)據(jù)難點有以下三點：首先，現(xiàn)實世界中發(fā)生的案例大多都是典型的，但安全性場景極其罕見；其次，自動駕駛未來的目標不是做到絕對安全，只需要做到比人更好就可以，但評估起來是非常難的；最后是數(shù)據(jù)理解方面的難題，構(gòu)建安全性場景非常難，需要保真度和安全性的評估指標。

對此，目前業(yè)界有三種解法。一是影子模式，用人開的方式和自動駕駛差異性找到罕見事件作為安全性評估；二是機器學習方法從普通場景推導安全性的案例，這里面需要解決認知和邏輯性問題；三是減少安全性的場景，從而使安全關(guān)鍵事件的發(fā)生概率被人們接受。比如可以借助于第三方力量（如路端），有助于克服機載傳感器的局限性。這種方式的挑戰(zhàn)在于如何提升PnC的泛化能力。

「但不管用哪種解法，技術(shù)挑戰(zhàn)和投入成本都是非常大的?！箘⑸赋?，中智行另辟蹊徑，用車路協(xié)同來實現(xiàn)低成本高效率數(shù)據(jù)采集。中智行聯(lián)合天翼交通發(fā)布的“輕車·熟路”車路協(xié)同系統(tǒng)具備全時空的觀測，場景覆蓋率可以達到100%，能夠完美解決安全維度最難的稀缺性。

另外一方面，無人駕駛是生態(tài)型的，不可能一家公司從頭做到尾，在數(shù)據(jù)處理方面也同樣需要上下游合作。無人駕駛的數(shù)據(jù)處理分為數(shù)據(jù)工具和數(shù)據(jù)理解兩部分，而他們非常愿意把數(shù)據(jù)工具體系交給平臺方去做，更多去關(guān)注數(shù)據(jù)的理解。

（中智行技術(shù)副總裁劉生）

比如，阿里云就提供了一系列工具，能夠幫助業(yè)務方把有價值的數(shù)據(jù)量提取出來。劉生介紹，有了高質(zhì)量的數(shù)據(jù)，友商也能提供強大的平臺幫他們做數(shù)據(jù)處理，接下來中智行還進一步利用路側(cè)數(shù)據(jù)做了規(guī)控優(yōu)化、感知泛化以及更新高精地圖等工作。

基于路側(cè)數(shù)據(jù)優(yōu)化自動駕駛的規(guī)控方面，阿里云也做了不少相關(guān)的實踐。目前，阿里云提供針對城市和高速道路等的自動駕駛仿真場景庫，主要面向規(guī)控仿真。2022年9月27日，阿里云聯(lián)合毫末智行在德清市發(fā)布「中國首個基于車路協(xié)同云服務的大規(guī)模自動駕駛場景庫」。

（毫末智行COO侯軍）

此外，毫末智行COO侯軍談到，隨著自動駕駛大規(guī)模商業(yè)化落地的提速， 數(shù)據(jù)智能成為自動駕駛能力高速迭代的核心，而更加開放的生態(tài)也讓企業(yè)贏得未來。毫末選擇與生態(tài)伙伴一起合作，將海量數(shù)據(jù)云上進行高效訓練，以提升數(shù)據(jù)處理能力，降低訓練成本。

還有場景落地可行性問題…

除面臨海量的、不同類型的數(shù)據(jù)應用難題外，自動駕駛企業(yè)還要注意收集及處理數(shù)據(jù)時的效能和合法合規(guī)性。

今年11月23日，上海市通過了以浦東新區(qū)為試點，促進無駕駛?cè)酥悄芫W(wǎng)聯(lián)汽車的新規(guī)，為完全無人駕駛汽車在上海的落地提供了制度依據(jù)。

上海金橋智能網(wǎng)聯(lián)汽車發(fā)展有限公司高級經(jīng)理周軼表示，政府在做好監(jiān)管職責之后，另一方面也在思考：面對示范區(qū)車輛監(jiān)管和車路協(xié)同建設沉淀的海量數(shù)據(jù)，作為第三方機構(gòu)如何在保障安全和隱私的前提下，引導產(chǎn)業(yè)鏈上的參與者，建立一套行之有效的行業(yè)協(xié)作機制，背靠浦東豐富的城市社區(qū)場景和海量的出行服務需求，以數(shù)據(jù)管理和應用為導向，形成一個可持續(xù)、可管理、可閉環(huán)的數(shù)據(jù)生態(tài)。

從根源上來講，這并不完全是技術(shù)層面的問題，更多是面向應用場景的落地可行性問題。金橋智聯(lián)的建議是建立適應浦東應用場景特色的智能網(wǎng)聯(lián)車數(shù)據(jù)安全與數(shù)據(jù)管理標準體系，除了技術(shù)上的考慮，一定要瞄準浦東的創(chuàng)新應用場景的數(shù)據(jù)管理和應用需求。

「未來浦東一定是國內(nèi)最大規(guī)模的自動駕駛無人出租、無人公交、無人配送、無人泊車等應用場景的商業(yè)化落地區(qū)域，這個過程中數(shù)據(jù)在業(yè)務上如何保障信息安全和隱私，技術(shù)上如何防止篡改和盜用，乃至金融上如何確保用戶和企業(yè)資金流轉(zhuǎn)的安全和存證，這都需要建立一套面向場景應用的數(shù)據(jù)安全與管理標準。以此為基礎(chǔ)，保障不同應用場景擁有可靠同源的安全架構(gòu)，才能真正推動自動駕駛商業(yè)運營的大規(guī)模推廣落地?！?/span>

數(shù)據(jù)在驅(qū)動自動駕駛高速發(fā)展的同時，也帶來許多挑戰(zhàn)。為應對海量的數(shù)據(jù)以及龐雜的處理任務，自動駕駛企業(yè)需要建立起強大的數(shù)據(jù)存儲與智能計算能力，而能夠提供這些支持的正是云服務。

需要注意的是，隨著技術(shù)應用的迭代和業(yè)務場景的變化，現(xiàn)如今自動駕駛企業(yè)對云服務商提出了更多的需求，其中「從垂直場景切入深度解決數(shù)據(jù)應用難點，切實提升數(shù)據(jù)管理效能」就是關(guān)鍵點之一。

在此情況下，云服務商需要與自動駕駛公司加強溝通、對齊需求；后者也需要再多加思考選擇云服務的方案和策略：如何在免除「被綁定」顧慮的同時，還能發(fā)揮出更高的效率、以及更低的成本，并以此加速自動駕駛的商業(yè)化進程？