AI助力自動駕駛，「汽車人」或將更快到來

原創

美國人工智能公司OpenAI打造的爆款ChatGPT，成為AI應用落地的成功案例。

ChatGPT的迅速爆火也開啓了人工智能發展的新天地，不僅在内容生產、便捷交互和簡化工作等消費端快速普及，還在工業設計、藥物研發、自動駕駛等多個領域展示出更大的發展潛力。

華泰證券認為，目前市場關注度較高的大模型只是AI的一部分，而自動駕駛才是應用落地最全面的AI領域。

自動駕駛新暢想：汽車「機器人」

隨著AI大模型展示出更大的發展潛力，自動駕駛領域再次被點燃。

全球新能源汽車巨頭特斯拉（TSLA.US），同時也是自動駕駛領域的開拓者，近來持續向外界展示其在AI領域的最新研究。

今年5月，特斯拉更新其FSD算法至v11.4，此次升級實現FSD端到端的能力，即包含高速領航、城市道路領航和泊車三個域的智駕功能。

6月22日，特斯拉在推特賬戶「Tesla AI」發文稱，其正在制造自主機器人的基礎模型，並已安裝在汽車上。

據其推文介紹，目前，自主機器人所涉及的多模態神經網絡已經安裝在客戶的汽車上，這些網絡可接受任意模態，如攝像視頻、地圖、導航、IMU(慣性測量單元)、GPS等。

機器人服務於汽車自動駕駛，或者也可以說汽車開始機器人化是馬斯克佈局AI的一個重要初衷。此前在特斯拉投資者日活動上，馬斯克表示，「特斯拉汽車是放在輪子上的機器人。」

在自動駕駛、疊加AI新機遇下，特斯拉似乎不想失去頭部車企優勢。

公司還計劃於2023年7月開始生產Dojo超級計算機，目標是為了提高特斯拉自動駕駛和智能機器人等AI產品的性能。

自動駕駛已經成為特斯拉未來的價值主張。馬斯克在今年6月還透露，他掌管的特斯拉已經接近讓車輛實現自動駕駛，並強調自動駕駛技術已成為特斯拉品牌價值的主要驅動力。

不僅特斯拉，隨著AI大規模模型的爆火，國内車企巨頭也在爭相挖掘自動化駕駛新機遇，汽車開始趨向機器人路徑的新演化。

近日，集度、吉利、紅旗等汽車企業紛紛車企紛紛宣佈支持汽車機器人自然交流，宣示以AI驅動的自動駕駛，將成為新能源汽車發展的重要方向。

集度對自動駕駛有著更超前的設想，其也是行業較早提出汽車機器人概念的企業。

早在2021年集度在成立之初，公司就把汽車機器人作為產品定位，並完整定義了汽車機器人「自由移動、自然交流、自我成長」三大產品理念。

集度CEO夏一平表示，智能汽車3.0時代就是汽車機器人的時代，時代變革起點是汽車駕駛權由人類向AI轉移，AI驅動汽車進化。

在此基礎上，ChatGPT此類預訓練大模型人工智能技術的突破，對實現汽車機器人的「自由移動、自然交流、自我成長」有了更強大的技術支撐，為行業實現自動駕駛提供新的發展邏輯。

目前，集度、吉利、紅旗等汽車企業宣佈支持汽車機器人自然交流，具體包括能夠給自動駕駛帶來語音交互提升，成為提升智能座艙語音交互質量的重要工具。

此外，除了人機交互外，生成式AI為自動駕駛模型訓練提供高質量合成數據，可幫助破解自動駕駛數據和測試難題。賽迪研究院認為，大模型技術路線啓發自動駕駛底層算法躍遷升級。

大模型應用於自動駕駛算法

自動駕駛是指在沒有人類駕駛員幹預的情況下，通過感知、決策和執行使車輛自動運行的技術。

SAE根據人為幹預的程度和駕駛場景的範圍，將汽車自動化分為L0級（無自動化駕駛）到L5級（完全自動化駕駛）六個級别。

目前，全球自動駕駛行業正處於從L2級自動化邁向L3級自動化的過程。

可以說，在實現向更高級别的自動駕駛中，AI正在發揮越來越大的作用。

自動駕駛涉及即時感知、決策和控制等關鍵環節，而大模型可以在數據處理、機器學習、視覺等環節中發揮重要作用，幫助提高感知、決策和控制等關鍵環節的能力，從而實現更可靠、智能和安全的自動駕駛汽車。

例如，在感知方面，自動駕駛系統需要準確地識别和理解周圍的道路環境、交通標志和其他車輛行為。

早期的自動駕駛感知算法主要是基於傳統計算機視覺技術，而後者存在一些限制，直到2010年之後隨著深度學習技術的發展，神經網絡被引入到自動駕駛感知算法中，自動駕駛汽車的感知效果有了質的提升。

感知模塊硬件部分主要為傳感器，軟件為感知算法，其中算法是決定自動駕駛車輛感知能力的核心要素。

據安信證券研報，當前應用於感知層面的神經網絡模型可以分為兩類，一類是以CNN、RNN為代表的小模型，另一類是Transformer大模型。

採用大模型，如深度學習神經網絡，可以通過訓練大量數據來提高識别和理解能力，從而提高自動駕駛車輛對環境的感知能力。

據公開報道，谷歌（Waymo）已經投入了數十億美元，並花費了十多年的時間來收集數百萬英里的真實駕駛數據，並將其用於自動駕駛技術的訓練研究。

安信證券認為，生成式AI有望推動仿真場景大幅提升泛化能力，幫助主機廠提升仿真場景數據的應用比例，從而提高自動駕駛模型的叠代速度、縮短開發周期。

超算中心成主機廠競爭核心

自動駕駛Transformer大模型是由特斯拉引入，目前其在自動駕駛中應用趨勢較為清晰和明確。

Transformer是一種基於注意力機制（Attention）的神經網絡模型。與傳統神經網絡RNN和CNN不同，Transformer不會按照串行順序來處理數據，而是通過注意力機制，去挖掘序列中不同元素的聯系及相關性，擁有優秀的長序列處理能力和更高的並行計算效率。

而安信證券研報顯示，Transformer大模型應用對算力的需求來自於兩個方面，分别是雲端算力和車端算力。雲端算力需求體現在大模型的預訓練環節；車端算力用於量產車上自動駕駛模型推理的過程。毫末CEO顧濰颢表示，基於Attention的大模型會將大量的「關注」放在弱關聯（與所求結果關聯度不高的參數）運算上，導致Transformer所需算力是CNN所需算力的100倍。

基於大算力需求，超算中心將成自動駕駛車企必要基礎設施。

超算中心前期投入較大，根據IDC數據，主機廠及一級供應商對搭建人工智能計算中心的預算普遍超過1億人民幣，超過2億人民幣投入的主機廠佔比超過20%。

小鵬汽車是國内較早佈局超算中心的整車廠。2022年8月，小鵬和阿里聯合打造了國内最大的自動駕駛AI智算中心「扶搖」，用於自動駕駛模型訓練。

據小鵬汽車CEO何小鵬介紹，該中心具備60億億次浮點運算能力（60000TFLOPs），可將自動駕駛算法的模型訓練時間提速170倍，並且未來還具備10-100倍的算力提升空間。

6月29日，搭載SEPA2.0扶搖技術架構的首款戰略產品—小鵬G6正式上市。據悉，該款車型基於BEV + Transformer 技術架構，擁有包括激光雷達在内的31個高性能智駕傳感器、總算力高達508TOPS的雙Orin-X芯片，代表了當前行業最高水平的高階智能輔助駕駛能力。

綜合來看，AI大模型在智能座艙語音、自動駕駛模型訓練等方面已經具備成熟應用，隨著技術持續推進，預訓練大模型將助力汽車實現向「汽車人」的躍遷，助力自動駕駛更早到來。