市面上大火的端到端智駕，背后都需要什么？

作者 | Janson

編輯 | 志豪

9月27日消息，日前，百度智能云在其2024百度云智大會上正式發布了其汽車云3.0的一系列升級。

百度智能云作為國內智駕產品底座能力的頭部供應商，其在端到端智駕量產、車路云協同、軟硬件開發管理迭代等諸多當下車企和Tier1所關注的領域均有廣泛布局。

可以說，這次百度汽車云3.0產品線的發布進一步完善了相關能力，有機會給主機廠和Tier1帶來更大的提質增效潛力。

隨著目前新造車已普遍進入以“智能化”為代表的下半場競爭中，基座服務的提供商也進一步加強了在智艙智駕和車路協同上的能力。

從整體的行業發展趨勢上來看，目前新車也普遍都將L2+自動駕駛和智能座艙作為標配。

在端到端技術的應用上，高階智駕使用區域的覆蓋逐漸提升，當下智駕玩家面臨新一輪的洗牌。

因此，OEM和Tier1想要在下半場競爭中保持優勢，如何提速提質完成智艙智駕研發是當下新的痛點。

▲百度汽車云迭代進程

隨著本次的升級，在智駕開發上，百度汽車云3.0針對端到端自動駕駛提供了更多支持，并有針對性的解決長尾問題并進行了優化。

與此同時，百度汽車云3.0為車企提供了強大的算力服務，支持異構多芯訓練，滿足端到端仿真對算力的極高要求。

在座艙方面，百度大模型的應用也取得了顯著成果，不僅在極越等車型上表現不錯，還在與其他車企展開合作。

不難看出，百度汽車云3.0這一次的算力基礎配合算法訓練提質增效，給了OEM和Tier1一劑強心針。

可以說，目前百度汽車云3.0產品線在行業中已經打通了全鏈路解決方案。

01.

大算力加持提速訓練

支持異構多芯

近日發布的百度汽車云3.0提供了多種新功能和新特性，但最為底座能力支持的根本，端到端智駕的基石還是要落在大算力建設上。

當下，端到端的模式改變了智能駕駛的關鍵要素，算力、數據、模型和新型人才成為新的基礎設施和要素。

這些新要素的投資和成本遠高于傳統幾百人的工程師團隊。以特斯拉為例，其計劃到2024年底將實現100E FLOPS的算力，僅僅其采購成本就高達30多億美元。

在這樣的背景下，端到端時代企業研發門檻顯著提高，產業集中度可能會進一步加強。

對于多數OEM、Tier1來說，這樣的高昂成本難以承擔，因此需要探索圍繞新要素的產業合作模式。

放眼整個行業內，自動駕駛企業可能有幾十家、上百家，而每一家都自購算力進行訓練是不現實的，也是不經濟、不環保的。

面向目前主流的端到端仿真對算力的極高要求，百度汽車云3.0作具備大算力儲備和高效運作的優勢。

目前，國內專注于算力基座能力的企業并不多， 百度汽車云提前布局，拿出了行業領先的解決方案。

百舸4.0 支持主流異構芯片多芯訓練平臺，可以支持實現 推理全鏈路的優化。

通過實現多芯混訓，百舸4.0算力利用率也相對更高，從而優化了算力成本。

根據百度方面的介紹，百舸4.0在千卡集群算力損失方面， 實現了低于5%的算力損失率，在萬卡集群上實現了有效訓練時長占比99.5%以上。

百度集團執行副總裁、百度智能云事業群總裁沈抖表示：“百舸4.0是為部署十萬卡大規模集群而設計的。今天的百舸4.0，已經具備了成熟的十萬卡集群部署和管理能力，就是要突破這些新挑戰，為整個產業提供持續領先的算力平臺?！?/p>

據長安汽車高管在云智大會上介紹，百度百舸平臺正在為長安汽車提供智駕模型訓練方案，實現GPU資源的精細化管理和調度。"通過在數據加載、計算效率、通信方式等維度上的優化，使得算力總體平均使用率提升到90%以上，綜合資源利用率提升了50%。

在技術優化上，百度汽車云3.0通過采用疊加多重優化技術，包括并行優化、顯存優化、算子優化、存儲優化和網絡優化這樣的技術，一定程度上提高了計算效率和數據處理的性能。

▲百度汽車云3.0的端到端訓練加速實效

從百度公布的成績來看，在實際的應用中， Swin-L模型的訓練速度提升了81%，yolov7模型提升了54%，CenterNet模型更是取得了高達391%的性能增長。

從這個角度來看，百度汽車云3.0的優化技術在深度學習領域的 有效性和優越性也是值得肯定的。

這種高度穩定性和可靠性對于大規模深度學習任務來說是非常關鍵的，它不僅能夠保證長時間的持續運行，還能夠有效應對各種潛在的風險和挑戰。

02.

加強端到端訓練能力

百度汽車云3.0助力智駕量產落地

隨著百度汽車云3.0的推出，除了百度在算力能力上的布局外，百度汽車云3.0也在L2至L4級自動駕駛研發提供閉環支持的能力進一步加強，可以覆蓋從車端到云端的全流程。

隨著消費者對汽車智能化的需求不斷提升，行業內對L2輔助駕駛產品已較為成熟，但對于L2+及以上級別的自動駕駛技術仍存在迫切需求。

在端到端的訓練中，除了算力之外最大的價值便是訓練數據，只有足夠多的數據才能保證端到端智駕能力的發展和可靠。

馬斯克也曾提到過，只有到了1000萬Clips的訓練量才會讓端到端有“難以置信”的提升，在這其中，如何提升訓練數量和質量成為OEM和Tier1在端到端時代的新痛點。

百度在自動駕駛研發領域已深耕多年，積累了豐富的相關經驗，并建立了自動駕駛工具鏈平臺。

在這一大環境下，百度汽車云3.0的自動駕駛工具鏈應運而生。

在此之前，行業內主流的訓練還是基于真實世界的數據收集，成本高，效率低。

▲百度汽車云3.0虛擬內容場景生成示意圖

為了解決這個問題，百度汽車云3.0的核心之一便是在真實數據訓練的基礎上加入虛擬內容，提質增效，最大程度解決“訓練數據量”的問題。

新系統真實數據仿真測試達到了“百城覆蓋”的范圍，也能夠從 原始數據中構建長尾場景，為端到端的自動駕駛測試場景生成提供支持。

此外，汽車云3.0在智駕開發的基礎上，還提出了車路云數據合作聯盟的概念。

通過整合交通集團、百度和主機廠的數據資源，百度構建了一個實時更新的路況信息平臺。

從功能的角度來看，該平臺能夠為駕駛員提供包括擁堵路段提前規避、超視距風險提示、紅綠燈提醒以及遠程實況鳥瞰等服務。

通過這樣的方式，可以實時分析研判，打通數據鏈路，可以有效地減少因突發情況或不良天氣條件導致的交通擁堵和安全問題，從而提高整個道路交通系統的運行效率和使用者的出行體驗。

通過在云端提升訓練效率、車端和路側打通數據壁壘，一方面， 百度汽車云可以為行業客戶提供優質但成本可接受的解決方案，另一方面， 百度也提體現了其積極的技術進步與創新，踐行了企業社會責任。

03.

座艙大模型升級應用廣泛

AI代碼助手提升車企開發效率

當下，國內新車銷量維持在一個相對高的水平，去年銷量接近2300萬至2400萬輛，今年有可能進一步增長。

隨著新車銷量的增加，汽車行業對云計算業務的需求也在上升。除了智駕能力外，大模型上車已成為各大主機廠的普遍趨勢。

無論是華蔚小理等新勢力OEM，還是像東軟、德賽西威、中科創達、博泰車聯網、億咖通這樣的Tier1都開始布局座艙大模型。

據預測，到2025年下半年，將有超過10萬輛新車配備這一前沿能力，而新老車型的總數量更是超過了百萬級別。

總的來看，在當下，智艙開發泛用性較強，為避免重復造輪子，通過百度部分開發工具 可在代碼層面提質增效。

▲百度座艙大模型關鍵內容

這些大模型技術在車內的應用場景主要分為三個方面：首先是通過語音交互來增強用戶體驗。

其次是AI主動發起的服務，通過車端大模型部署和多模式交互能力，根據用戶的個人數據和實時情境提供定制化服務。

最后是跨模態的應用，在目前主要還是以“文生圖”這樣的技術為主流。

而在這樣的應用場景里，百度的智能座艙解決方案在行業內也是走到了前列，以文心一言，千帆大模型為基礎的智艙方案已經上車，尤其是在極越等車型中的應用不錯。

同時，包括蔚來汽車以及其他一些OEM廠商也開始采用百度的大模型技術，提升他們的座艙系統智能化水平。

此外，百度汽車云3.0也包括一些幫助車企在代碼開發階段提質增效的工具。

以文心快碼為例，可以實現軟件開發“先寫注釋”，再根據AI生成的代碼進行調整修改的模式，助力車企提高研發效率。

需要注意的是，在這個環境里百度不僅僅是工具的提供方，同時還會對相關企業的具體業務進行培訓。

通過這樣的方式，幫助企業以“傳幫帶”的形式完成大型智能模型分析業務，工具串聯應用，以及業務對接的閉環運行等過渡。

04.

結語：百度汽車云發力“智能化”下半場

在這場以“智能化”為主的新造車運動中，百度汽車云以其自動駕駛和座艙大模型為核心，不斷深化技術實力，推動汽車產業轉型升級。

可以說，百度汽車云3.0憑借強大的算力服務、實時路測數據引入和廣泛的大模型應用，百度汽車云助力車企提升研發效率，有助于搶占智能汽車制高點。