“去高精地圖”跟“輕高精地圖”有啥區(qū)別？落地的挑戰(zhàn)又是啥？

編輯 |?蘇清濤

真正影響Mapless技術(shù)路線落地的最大難點(diǎn)在于規(guī)控——大多數(shù)公司的規(guī)控方案基于高精地圖，容不得一絲差距。

本文所涉及的內(nèi)容，有一部分來自筆者在4月份的上海車展期間的一系列觀察與思考，其余部分來自筆者在車展前后這兩個(gè)多月參加個(gè)別企業(yè)的發(fā)布會以及跟數(shù)十位在自動駕駛產(chǎn)業(yè)一線的朋友一對一交流后的收獲。

嚴(yán)格地說，這并不能算作是一篇正兒八經(jīng)的“文章”，而是對一些碎片化觀察與思考的“東拼西湊”。

本文涉及的話題主要有：

一、芯片公司需要向算法公司“反向支付”開發(fā)費(fèi)

二、地平線J3不能做行泊一體？

三、大模型：在自動駕駛車端場景的應(yīng)用尚存在爭議

四、艙駕一體面臨的挑戰(zhàn)

五、“要不要跟地平線合作？”“早合作早受益。”

六、從“輕高精地圖”到“去高精地圖”

七、感知算法訓(xùn)練或?qū)⑹艿綌?shù)據(jù)合規(guī)政策的影響

八、“中國研發(fā)，德國應(yīng)用”

一、芯片公司需要向算法公司“反向支付”開發(fā)費(fèi)

通常來說，算法公司在向芯片廠商尋求支持時(shí)，需要支付一部分開發(fā)費(fèi)；但現(xiàn)在還有一種現(xiàn)象：那些入局比晚的芯片廠商在跟算法談合作時(shí)，非但不能向后者收取開發(fā)費(fèi)，反而很容易遭遇后者的高姿態(tài)，“我們的資源有限，暫時(shí)不會基于新的芯片平臺做開發(fā)，除非你們愿意支付開發(fā)費(fèi)。”

在研發(fā)預(yù)算被削減的主機(jī)廠那里，也存在同樣的現(xiàn)象。

由此延伸出的一個(gè)話題是：現(xiàn)階段，主機(jī)廠對芯片、激光雷達(dá)是否要采取“AB供模式，跟主機(jī)廠的研發(fā)資源、研發(fā)部門和采購部門之間話語權(quán)的力量對比有很大關(guān)系——采購有動力追求平衡，他們一定希望有“B供”；但研發(fā)部門會對抗，如果研發(fā)資源不夠，并且，研發(fā)的話語權(quán)確實(shí)很大的話，他們就不希望引入“B供”。

二、地平線J3不能做行泊一體？

“地平線J3的GPU比較弱，圖像渲染表現(xiàn)不佳，因而，不能單獨(dú)用來做行泊一體，需要搭配TDA 4才可以。”去年上半年，多家算法公司在跟九章智駕的交流中都提到了這一點(diǎn)。

不過，去年年底到今年年初，福瑞泰克和宏景智駕兩家公司卻先后宣布用單J3行泊一體了。這里面有何玄機(jī)呢？在這次上海車展期間，九章智駕向宏景智駕聯(lián)合創(chuàng)始人兼軟件算法副總裁董健博士提出了這個(gè)問題，對此，董健博士的回答是：

我們遇到的客戶，基本上沒有人吐槽過J3“不能做行泊一體”，因?yàn)榇蠹移毡槎际峭ㄟ^座艙域里的GPU來做圖像渲染，“把環(huán)視的圖像數(shù)據(jù)一分為二，一路傳到J3里面，另一路傳到座艙中的GPU里”。

實(shí)際上，在開啟行車功能的時(shí)候，你是不太會泊車的，而在開啟泊車功能的時(shí)候，你也不在行車場景中，所以，我們就利用這個(gè)特質(zhì)，對座艙域的GPU算力做了一個(gè)分時(shí)復(fù)用，即在行車的時(shí)候會把環(huán)視關(guān)掉，到泊車的時(shí)候再打開。

對此，宏景智駕CEO劉飛龍博士補(bǔ)充道：

在很多車型中，座艙系統(tǒng)的渲染能力是非常好的，并且算力是過剩的，很容易被浪費(fèi)，而我們在基于J3的智駕預(yù)控中把渲染模塊拿掉，讓它復(fù)用座艙域的算力，對客戶來說，成本就節(jié)省了不少。

一位芯片產(chǎn)業(yè)資深人士說：如果在產(chǎn)品設(shè)計(jì)的時(shí)候就把GPU做得強(qiáng)一些，當(dāng)然就不存在“渲染能力不夠，不能做行泊一體”的爭議了，但在座艙里本身就有算力很大的GPU（還用不完）的情況下，智駕域再配一個(gè)很強(qiáng)大的GPU，這對客戶來說，意味著他們花了不少冤枉錢。

座艙域和智駕域這兩個(gè)盒子天然是聯(lián)通的，所以，算力復(fù)用本來就是天經(jīng)地義的，之所以“J3不能用來做行泊一體”會成為一個(gè)話題，是因?yàn)樵诤芏嘀鳈C(jī)廠里面，座艙和智駕隸屬于兩個(gè)部門，算力復(fù)用涉及到兩個(gè)部門之間的協(xié)作，有的人為了避免跨部門溝通帶來的麻煩，寧可花更多的錢去浪費(fèi)一部分算力，也不愿意提出將座艙域的算力復(fù)用到智駕域。

從這個(gè)意義上來說，所謂的“J3不能用來做行泊一體”更多地是一個(gè)組織架構(gòu)造成的問題、是“多一事不如少一事”的企業(yè)文化造成的問題，而非技術(shù)問題。

三、大模型：在自動駕駛車端場景的應(yīng)用尚存在爭議

毫末在4月11號發(fā)布了自動駕駛生成式預(yù)訓(xùn)練Transformer大模型DriveGPT雪湖·海若。

DriveGPT雪湖·海若的一個(gè)關(guān)鍵設(shè)計(jì)，就是場景的Token化表達(dá)，一連串的Token拼在一塊就是一個(gè)完整的駕駛場景時(shí)間序列，包括了未來某個(gè)時(shí)刻整個(gè)交通環(huán)境的狀態(tài)以及自車的狀態(tài)。

這是在云端的數(shù)據(jù)訓(xùn)練中，給出的策略?，F(xiàn)在，毫末是把車端的模型效果和云端DriveGPT的決策效果做比較。大概思路就是將DriveGPT作為云端測評模型，用來評估車端小模型的駕駛效果，讓車端的認(rèn)知決策模型學(xué)習(xí)云端的策略。

毫末把這種方式叫做Drive Language。Drive Language基于毫末的CSS場景庫理論，將駕駛空間進(jìn)行離散化處理，每一個(gè)Token都表征場景的一小部分，目前Token的詞表空間是50w個(gè)左右。

如果輸入一連串過去已經(jīng)發(fā)生的場景Token序列，那模型就可以根據(jù)歷史，去生成未來所有可能的場景，DriveGPT雪湖·海若就像一部推理機(jī)器，你告訴它過去發(fā)生了什么，它按概率推理出未來多個(gè)可能。

一直對算法演進(jìn)趨勢保持密切關(guān)注的芯片廠商，當(dāng)然也不會錯(cuò)過大模型這一新趨勢。

在車展期間，地平線發(fā)布了新一代BPU架構(gòu)Nash。Nash架構(gòu)結(jié)合了智能計(jì)算發(fā)展的最新趨勢。

宏景智駕董健博士提到，參數(shù)量級達(dá)千億的大模型在自動駕駛場景的應(yīng)用目前主要集中在云端，比如數(shù)據(jù)標(biāo)注、場景挖掘、場景重建。

不過，如果把參數(shù)的量級從千億級裁剪到百億級，大模型還是有可能部署在車端的。在車展現(xiàn)場，輝羲智能市場部的一位工作人員告訴九章智駕：大模型在參數(shù)裁剪后上車，反應(yīng)速度會比在云端慢不少，但等我們的大算力芯片出來后，反應(yīng)就會越來越快。

ARM中國的一位朋友說，大模型應(yīng)用于車端的前提是，車端芯片需要參照服務(wù)器芯片的標(biāo)準(zhǔn)進(jìn)行重構(gòu)，例如打開i-cache的一致性、NoC直連等等，這需要芯片架構(gòu)團(tuán)隊(duì)下很大的決心。

不過，筆者畢竟是外行，是外行，就總會有一種“我是不是被別人洗腦了”的恐懼。因此，在跟很多業(yè)內(nèi)人士交流時(shí)，筆者會反復(fù)提到一個(gè)問題：大模型要能給自動駕駛帶來質(zhì)的提升，應(yīng)該是在它大范圍應(yīng)用于規(guī)控環(huán)節(jié)之后，那么，當(dāng)前，大模型是否已開始應(yīng)用于規(guī)控環(huán)節(jié)了呢？

對這個(gè)問題，諸多受訪者們的答案非常接近：當(dāng)前階段，大模型在自動駕駛場景中的應(yīng)用，還集中在感知、數(shù)據(jù)標(biāo)注這些環(huán)節(jié)。

在跟某智能座艙公司總經(jīng)理交流時(shí)，筆者拋出了一個(gè)疑問：大模型在自動駕駛車端場景真能行得通嗎？基于第一性原理看，全知全能的人就不存在，那我憑什么相信大模型就可以呢？

而且，就算存在這樣的大模型，那它對算力的消耗會超級大，而放在任何一個(gè)不需要這么多功能和算力的場景中，它又是一個(gè)極大的浪費(fèi)。

對這個(gè)問題，這位朋友的解釋是：從第一性原理來說，所有東西其實(shí)都是基于生物去做的仿真和拆解。人是怎么思考的？其實(shí)就是大腦+小腦，小腦負(fù)責(zé)應(yīng)激反應(yīng)，大腦是負(fù)責(zé)理論和綜合的漫反射，并非視覺就只是視覺、語音就只是語音的感知，很多時(shí)候，其實(shí)是“一邊看一邊聽”的。所以，人的交互及思考方式，就接近大模型、多模態(tài)。

不過，當(dāng)前階段，大模型只擅長泛處理、模糊處理，像自動駕駛這種對安全、對處理精度要求比較高的場景，大模型應(yīng)對起來確實(shí)會比較吃力。因此，我們的判斷是，大模型在智能座艙場景中的落地會很快，但在自動駕駛車端場景的落地是非常難的。

目前，在自動駕駛/ADAS場景用的一些大模型，只是訓(xùn)練參數(shù)多了，但它仍然是單模的，而不是多模，因此，它跟“通用人工智能”并不是一回事。所以，您對大模型在自動駕駛車端場景的應(yīng)用有質(zhì)疑，這是合理的。

還有一位自動駕駛公司的感知算法工程師說：大模型目前的這個(gè)水平跟自動駕駛還是八竿子打不著。

自動駕駛很多模塊里面，無論感知、預(yù)測還是規(guī)控，用得比較好的深度學(xué)習(xí)網(wǎng)絡(luò)有一個(gè)特點(diǎn)，它可能用了一些 AI 的子網(wǎng)的技術(shù)，輸出集合都是封閉的，也只有在輸出的集合是封閉的情況下，我才能去評測這個(gè)網(wǎng)絡(luò)輸出怎么樣；相比之下，大模型輸出的東西就是開放的、很難被自然語言解釋，這種東西我們沒有辦法去做評測。

沒法做評測的東西，放在座艙里面玩玩可以，但要用到智駕里面，我還是不太放心——智駕需要的是一個(gè)確定性的東西。

在圖森未來CTO王乃巖看來，我們首先得定義清楚究竟什么是“大模型”:什么模型都可以叫做“大模型”，對吧？如今在車上跑的模型，很多在 5 年之前也叫做“大模型”。但視覺里面的“大模型”是什么？現(xiàn)在還沒有共識。

某自動駕駛公司產(chǎn)品經(jīng)理說：真正的自動駕駛大模型，應(yīng)該是能從傳感器輸入到控制中間只有一個(gè)統(tǒng)一的模型，即“端到端”的模型。目前堆參數(shù)甚至是將小模型合并的方式整理出來的模型，只能稱為“模型大”，而算不上真正的“大模型”。

某自動駕駛公司規(guī)控算法工程師說：可以實(shí)現(xiàn)“端到端”的大模型，聽上去很高大上，但其實(shí)并不完美：一旦出了問題，你根本不知道問題具體出現(xiàn)在哪個(gè)環(huán)節(jié)。當(dāng)前 感知、預(yù)測、規(guī)劃、控制分開做，盡管出事后團(tuán)隊(duì)之間也會扯皮，但真正要想追蹤的話，在技術(shù)上是可以實(shí)現(xiàn)的；然而，一旦采用了“端到端”的大模型，要追蹤問題究竟出現(xiàn)在哪里，在技術(shù)上也難以實(shí)現(xiàn)了。

CHATGPT的很多回答是“一本正經(jīng)的胡說八道”，那在自動駕駛場景，如何保證大模型在關(guān)鍵時(shí)候比人類駕駛員更安全、更靠譜，就是個(gè)問題。

化名“本諾”的自動駕駛工程師在近日的《當(dāng)我們在談?wù)摱说蕉俗詣玉{駛時(shí)，我們在談?wù)撌裁?？》一文中提到??在黑盒效應(yīng)下，端到端的大模型是無法保證在正確的道路上持續(xù)優(yōu)化的，因?yàn)闊o法保證對未見過的物體的魯棒性，也無法對某一個(gè)具體的 Bug 進(jìn)行定向改進(jìn)。

如何對一個(gè)具體的 Bug 進(jìn)行改進(jìn)？

假設(shè)出現(xiàn)了一次誤剎，經(jīng)典的自動駕駛技術(shù)棧會分析：剎車指令的來源，是前方動態(tài)障礙物，還是靜態(tài)物體？或者是規(guī)劃模塊的速度規(guī)劃出現(xiàn)問題？或者是控制模塊在輸出正確的情況下，控制指令出現(xiàn)了問題？

然后再根據(jù)這些進(jìn)行定向優(yōu)化。

但是，完全端到端，就失去了這種定向優(yōu)化的能力，甚至都無法知道，具體應(yīng)該提供哪種數(shù)據(jù)進(jìn)行定向優(yōu)化。

不過，也并非全部都是悲觀的聲音。某擔(dān)任過無人駕駛公司感知算法負(fù)責(zé)人的投資機(jī)構(gòu)人士稱：端到端大模型的落地，就是3年內(nèi)的事情。

他提出這一觀點(diǎn)的原因有三點(diǎn)——? ? 1.特斯拉FSD12.0版本架構(gòu)切換已經(jīng)驗(yàn)證可行；? ? 2.目前，幾個(gè)主要功能模塊的深度學(xué)習(xí)模型化已經(jīng)相對趨于成熟；? ? 3.深度學(xué)習(xí)模型采用多頭方案對提取特征進(jìn)行監(jiān)控的技術(shù)在很多任務(wù)中（尤其是圖像分割，風(fēng)格遷移等領(lǐng)域）目前已經(jīng)有比較多的案例，使得看似黑盒的中間層其實(shí)并沒有那么“黑”。

四、艙駕一體面臨的挑戰(zhàn)

在車展第一天的一場媒體溝通會上，有媒體問地平線CTO黃暢和副總裁余軼男對艙駕一體趨勢的看法。

對此，黃暢的回復(fù)是：地平線還是比較專注在自動駕駛上，因?yàn)檫@件事情還沒有解決。

整車EE架構(gòu)的演進(jìn)過程不是一蹴而就的，雖然很多人已經(jīng)在勾勒這樣的一個(gè)中央計(jì)算平臺，用一顆主芯片干所有的事情，但客觀地講，今天很少有產(chǎn)品能做到將艙駕行泊都整合在一起；哪怕整合在一起，到底是在一塊板子上的多顆芯片里，還是放在一顆芯片里，還不確定。

我們深切地知道，座艙和自動駕駛對芯片的要求差異是蠻大的，真正要把兩者整合到同一顆芯片上做，坦率地說，很難平衡好。所以對于完全all in one芯片，我們持謹(jǐn)慎樂觀的態(tài)度。

我們當(dāng)然也會在未來考慮艙駕一體，但首先還是要先聚焦，把自動駕駛做得足夠好才行。

余軼南的回復(fù)是：我們其實(shí)從三年前就開始思考艙駕是否要整合在一顆芯片上，也認(rèn)為艙駕一體的出現(xiàn)是必然的，但它究竟能占有多大的市場份額，其實(shí)還是一個(gè)巨大的問題。因?yàn)?，直到今天，也很少有人能講清楚，艙駕一體究竟能帶來怎樣的附加值。

從這幾段回答來看，地平線對艙駕一體的態(tài)度是相對比較務(wù)實(shí)的。

其實(shí)，這也不難理解。要不要艙駕融合，本質(zhì)上還是主機(jī)廠說了算，而不是芯片廠商說了算。那么，在思考“要不與艙駕融合”這個(gè)問題的時(shí)候，主機(jī)廠最關(guān)注的點(diǎn)是什么呢？是技術(shù)架構(gòu)的統(tǒng)一嗎？不，是成本。

艙駕一體能否真如芯片廠商所規(guī)劃的那樣幫主機(jī)廠降本，其實(shí)是存在一定爭議的。

用單soc芯片實(shí)現(xiàn)艙駕一體，最關(guān)鍵的點(diǎn)并不在芯片的算力，而在于如何通過硬件的隔離和虛擬化實(shí)現(xiàn)對計(jì)算資源的動態(tài)分配——要分幾個(gè)核給儀表用，分幾個(gè)核給IVI用，分幾個(gè)核給智駕用，而這幾個(gè)核對功能安全等級的要求就不一樣。

那可以將每個(gè)核的功能安全等級都做到最高嗎？

可以做高，但如此一來，成本肯定上升了啊。

如果不能接受成本的增加，就得接受這樣一個(gè)事實(shí)：對功能安全等級要求高的智駕域更看重芯片的系統(tǒng)調(diào)度能力和數(shù)據(jù)吞吐能力，而對功能安全等級要求相對較低的座艙更強(qiáng)調(diào)芯片的線程，而系統(tǒng)調(diào)度能力、數(shù)據(jù)吞吐能力和線程之間是一個(gè)“不可能三角”——在資源有限的情況下，提高座艙域的功能安全等級，就會導(dǎo)致它的線程減少，線程減少就會影響到通信、計(jì)算資源的分配及協(xié)議棧等。

此外，哪怕單soc本身的價(jià)格低于之前的兩個(gè)soc，但如果加上開發(fā)費(fèi)之后綜合成本上升了，那主機(jī)廠也沒有動力采用。

此外，用單soc做艙駕一體時(shí)，這顆soc上需要運(yùn)行兩套中間件，一套給座艙用，一套給智駕用，而這兩條對通信穩(wěn)定性、功能安全等級的要求也是不一樣的。

艙駕一體面臨的另一個(gè)挑戰(zhàn)在組織架構(gòu)方面：目前，在主機(jī)廠內(nèi)部，智駕和座艙，是兩個(gè)部門，那么，在走向艙駕一體的過程中，是智駕部門整合座艙部門呢，還是座艙部門整合智駕部門呢？

總體上來說，現(xiàn)階段，座艙部門的規(guī)模要比智駕團(tuán)隊(duì)大，并且，座艙業(yè)務(wù)目前是賺錢的，是公司的“利潤中心”，而智駕部門不僅規(guī)模更小，而且在當(dāng)前及未來相當(dāng)長一段時(shí)間里都是虧錢的，是公司的“成本中心”。從這個(gè)角度來說，現(xiàn)階段，座艙部門整合智駕部門“天經(jīng)地義”。

然而，還有一個(gè)現(xiàn)實(shí)是：由于智駕的難度要高于座艙，因而智駕部門的人才密度也遠(yuǎn)高于座艙部門。

那我們試想一下，如果大boss決定由座艙部門來整合智駕部門，智駕部門的人心里肯定會是各種“不服氣”——你的簡歷都沒老子牛逼，竟然還好意思來整合老子？因而，即便是被強(qiáng)行整合了，他們可能也無法真正跟原座艙部門的人“力出一孔”。

也許，隨著智駕技術(shù)發(fā)展成熟，以及智駕團(tuán)隊(duì)不斷地發(fā)展壯大，會出現(xiàn)由智駕部門整合座艙部門的情況。

某智能座艙公司總經(jīng)理認(rèn)為，在傳統(tǒng)主機(jī)廠里，座艙部門的話語權(quán)比智駕部門大，如果要做艙駕一體，應(yīng)該是座艙部門來整合智駕部門；在新勢力中，智駕部門的話語權(quán)更大，因此，由智駕部門整合座艙部門的概率更大。

但由智駕部門來整合座艙部門，又會出現(xiàn)我們前面所說的“不賺錢的部門來整合賺錢的部門”的尷尬局面，那座艙部門的人會服氣嗎？

這么看來，艙駕融合的處境就很尷尬了。它似乎并不是一個(gè)主機(jī)廠的“頂層設(shè)計(jì)”，而是高通這樣的芯片廠商對主機(jī)廠的人說：哥們兒，我有這個(gè)技術(shù)（支持艙駕融合的芯片），你們?nèi)ト诤习伞?/strong>