2024年自動駕駛步入不平凡之年 新技術不斷涌現
【2024年自動駕駛步入不平凡之年】進入2024年以來,自動駕駛行業熱度陡然攀升。在人工智能時代,自動駕駛目前是前景最為清晰、落地最為迅速的領域之一。2月份,北京市高級別自動駕駛示范區為百度、小馬智行、AutoX安途和文遠知行頒發高速道路載人示范應用通知書,準許在北京經濟技術開發區(北京亦莊)至北京大興國際機場航站樓之間開展載人接駁。這標志著全球首個首都城市機場自動駕駛接駁載人示范場景正式開放。
價值萌動,資本先行。隨著自動駕駛技術和應用落地“吸脹萌發”,其潛在的商業價值快速破土,吸引了眾多企業和投資者的目光。據同花順iFinD統計數據顯示,今年以來,國內外自動駕駛領域已披露的融資總額(包括IPO募資)達到168億元人民幣,同比增長121%。因此,對于自動駕駛行業來說,2024年注定會是不平凡的一年。
客運城市級應用落地
無人駕駛重卡走進現實
“經過各方共同努力,近年來,我國自動駕駛相關產業和市場規模呈快速增長態勢,自動駕駛技術由測試示范穩步邁向商業化應用。”中國汽車工程學會理事長張進華如是稱。
今年3月下旬,《證券日報》記者也前往首都城市機場自動駕駛接駁載人示范區試乘,出行體驗遠超預期。從亦莊天驥智谷產業園外的上車點上車,安全員已在主駕位就座。記者后排落座后,面前屏幕上出現了“開啟行程”的按鈕。點擊按鈕,自動駕駛汽車一鍵啟動,直奔機場。
“車輛很聰明,不僅能看清前面的路,行駛過程中還能自動尋找最優的行進路線?!弊詣玉{駛安全員劉師傅稱,從試車員變成安全員,盡管同樣是坐在駕駛位,但工作內容發生了改變。安全員最重要的工作就是在緊急時刻隨時接管車輛。不過,這種緊急情況已經很少見。
以機場接駁為例,此次自動駕駛接駁載人示范路線途徑黃亦路—京臺高速—大興機場北線—機場高速—大興國際機場,其中高速場景約40公里,全程幾乎不需要安全員介入。
按照系統規劃路線,自動駕駛汽車進入大興機場高速后,路上車輛逐漸增多。自動駕駛汽車本在最內側車道上行駛,突然屏幕發出提醒:找到更優車道,正在嘗試變道。變道過程中,車輛先是自動開啟轉向燈,隨后車速逐漸下降,方向盤微微向右轉動,利落切換至右側車道。
這是北京首次面向公眾開放高速公路自動駕駛。駛出大興機場高速時,收費站排布著10多個通道,分別標注著“ETC”“人工”和“臨時關閉”。在眾多通道中,自動駕駛車輛準確識別出ETC通道,并選擇了一條排隊最少的車道順利通過。
“尋找最優路線換道、安全條件下自動超車、自主盤繞匝道和通過高速收費站,自動駕駛車輛現在都能高效地完成,有時候感覺自己駕駛都不如它穩當?!眲煾敌ΨQ。
隨著國家級車聯網先導區、智慧城市基礎設施與智能網聯汽車協同發展試點等工作的深入開展,北京率先規劃建設了全國首個高級別自動駕駛示范區,迸發出強勁的新質生產力。按照規劃,亦莊示范區的建設正按照1.0階段(試驗環境搭建)、2.0階段(小規模部署)、3.0階段(規模部署和場景拓展)、4.0階段(推廣和場景優化)的步驟層層推進。
據北京經濟技術開發區管委會副主任、北京高級別自動駕駛示范區工作辦公室主任王磊介紹,目前北京正在進行高級別自動駕駛示范區4.0階段的規劃,初步考慮能夠覆蓋四環到六環之間的平原新城大部分面積,這樣就可能具備初步推動全面商業化落地的基礎條件。
“今年年初,本市已經實現了示范區至大興機場的自動駕駛接駁以及城市副中心三大文化建筑周邊的短途接駁。”北京市高級別自動駕駛示范區工作辦公室相關負責人在接受《證券日報》記者采訪時表示,接下來還將逐步開放更多場站,實現在北京南站、豐臺站、朝陽站、清河站、城市副中心站及大興機場、首都機場“五站兩場”開放接駁,打造更多自動駕駛應用場景的標桿案例。
體驗過機場線自動駕駛載人接駁后,記者又驅車趕往了國內首家跨省自動駕駛重卡示范區應用許可的企業倉庫,親身體驗了京津塘高速北京段的自動駕駛貨運服務。
馬駒橋,北京重要的物流基地;天津港,京津冀的海上門戶。每天,不計其數的貨物在其間往來,繁忙的京津塘高速公路上車流如織。5個月前,國內首次開啟了京津跨省高速自動駕駛示范,由于突破了單一省市內的限定測試區域,對自動駕駛干線物流可謂意義重大。
此次體驗的京津塘高速北京段及天津段自動駕駛測試路段總長超過100公里,涵蓋了高速公路、進出收費站口、上下匝道等復雜情況,是自動駕駛測試的天然場景。記者登上離地一米多高的駕駛艙后,自動駕駛重卡安全員李師傅掏出無線鍵盤,對著車上的屏幕輸入信息。“自動駕駛模式啟動?!碑斂ㄜ囘M入馬駒橋收費站時,系統發出語音提示,李師傅的身份就此由司機切換為安全員。開始高速行駛后,他的目光變得機警銳利。
此時,駕駛室后排的小馬智卡產品經理張嘉浩同樣目不轉睛地看著電腦屏幕上的實時數據——包括車輛的位置標注以及方向盤擺動的次數、幅度等。“監測這些指標是為掌握車輛運行的實時數據,為接下來編隊行駛和更大范圍內的貨運運營積累經驗?!睆埣魏票硎?。
“從前司機開重卡到港口取箱,不僅勞動時間長,排隊辦票流程繁雜,遇到風霜雨雪等惡劣天氣一天得工作10多個小時,極易疲勞駕駛?!崩顜煾嫡f,如今只要在平板電腦上一點,貨箱自動派單,重卡即提即走,還可以全天候運輸,大大提高了運輸效率和安全性。
從封閉園區測試到跨省開放運營,再到編隊行駛的提出和應用,不僅進一步推動了整個智能網聯汽車應用場景商業化進程,更標志著打通了包含公路貨運在內的自動駕駛物流全場景運輸。在張嘉浩看來,由于生產資料的屬性,商用車是典型的成本敏感型行業。隨著目前“門到門”自動駕駛運輸逐步成為現實,高速干線運輸的常態化運營曙光在望。
新技術不斷涌現
自動駕駛迎質變之年
總體來看,高階智駕產品渴望商業成熟,但仍處于技術劇烈變革階段。
縱觀自動駕駛技術的發展歷程,人工智能的不斷突破顯著提升了自動駕駛的感知性能。從卷積神經網絡(CNN)的引入,到循環神經網絡(RNN)的應用,再到結合鳥瞰圖(BEV)與Transformer(自注意力機制的神經網絡架構)的創新,新技術的迭代涌現在不斷增強自動駕駛的精確度與安全性。
尤其是在“BEV+Transformer”與OCC(占用網絡)之后,端到端(End-to-End)自動駕駛技術開始受到廣泛關注。而特斯拉作為行業的先鋒,其推出的FSD V12系統成為端到端自動駕駛技術的典范。
所謂端到端,指的是通過AI模型,只要輸入原始數據就可以輸出最終結果。比如ChatGPT,就是一個典型的端到端模型,輸入文字語句,直接就能得到回答。那么,在自動駕駛領域何為“最終結果”?
這還要從自動駕駛的演進說起。以前的自動駕駛按照不同功能劃分為感知模塊、控制模塊、定位模塊、規劃決策模塊等,由于涉及模塊之間的參數傳遞,人為定義接口會過濾掉一些信息,導致處理的場景有限,長尾場景無法徹底消除。同時,依賴于人為規則的算法,每個模塊之間“不可求導”,會導致各個模塊只能達到局部而非全局最優。結果就是,人為規則操控的車輛缺乏“人味”,無法像人類一樣隨機應變且絲滑地處理場景挑戰。
而在端到端范式下,整個自動駕駛系統只有一個模塊,或者說是神經網絡——摒棄了傳統自動駕駛中感知、規劃、控制各大模塊及下邊的各類子任務,能夠實現輸入傳感器數據可直接輸出車輛動作控制,宛如人類通過五官和經驗在開車駕駛。
需要指出的是,目前業內對于端到端還沒有一個權威統一的定義。特斯拉方面稱,FSD Beta V12也可叫做“感知決策一體化”,即把“感知”和“決策”融合到一個模型中,通過輸入圖像,旋即輸出轉向、剎車、加速等車輛控制信號的能力,進而實現自動駕駛。
據觀察,FSD V12在今年大面積推送后的確展現出了不同尋常的潛力。有特斯拉車主向記者表示,新系統相比上一代進步明顯,在狹路會車、超車方面已非常從容熟練——“就像人開車一樣”。
“以前是靠人編程寫規則,做海量的標定,教神經網絡開車?,F在則是仿生人類學習機制,通過一個AI神經網絡大模型,不分模塊和堆棧,直接接收感知信號,然后輸出決策信號。”中國自動駕駛產業創新聯盟調研員高超對《證券日報》記者表示。
基于此,國內一些領先的企業也在跟進這一技術的研發與部署。就在今年的北京國際車展期間,小鵬汽車、華為、元戎啟行、長城、商湯科技等多家公司爭相宣布推出類似FSD V12的自動駕駛系統。同期,軟銀、英偉達和微軟也斥資10.8億美元投資了與特斯拉路線相同的自動駕駛公司Wayve。
“2025年智能駕駛會發生質的改變?,F在看甚至會提前到今年,因為技術進步比我想象中更快?!痹谛※i汽車董事長何小鵬看來,原先智能駕駛需要大量代碼制定規則,即使達到一萬行,可能也只能實現50%的規則能力。“隨著端到端技術的出現,我們僅需投入數十億(元)的訓練費用,便可以在一年內大幅提升產品性能,這將極大加快自動駕駛技術在實際應用中的普及速度?!?/p>
華為智能汽車解決方案BU董事長余承東表示,今年8月份,華為將進入高階智駕ADS 3.0方案時代,該方案就采用端到端架構。理想汽車CEO李想也表示,三季度將向測試用戶推送端到端+VLM(視覺語言模型)的智駕方案。蔚來汽車雖未明確宣布端到端方案的落地時間,但大概率也在年內發布。
盡管端到端自動駕駛系統蔚然成風,但其是否就是自動駕駛未來發展的唯一道路,目前也存在一些疑問。極越CEO夏一平在接受《證券日報》記者采訪時就表示,大模型訓練的核心不是比誰的數據多,而是比誰的數據更有價值?!皵祿|量很重要。數據質量不好,訓練出的模型可能就是有缺陷的?!?/p>
與此同時,端到端也需要巨大的資源支持,包括高質量視頻數據的采集和算力資源的大幅增加。特斯拉CEO馬斯克今年4月份在社交媒體上表示:“在AI訓練和推理領域,任何支出達不到每年100億美元水平的公司,都無法在市場上競爭?!睋R斯克透露,到2024年底,特斯拉的訓練算力將達到100E FLOPS(每秒浮點運算次數)。對于國內企業來說,算力資源的積累和競爭問題已迫在眉睫。
但無論如何,端到端技術以其創新的理念,為實現完全無人駕駛的目標提供了新的可能性。隨著技術的不斷進步和行業的共同努力,上述挑戰必將被逐一克服。而元戎啟行、商湯科技、毫末智行等國內企業的積極參與,也展現了中國在自動駕駛技術領域的決心和潛力。
大模型與L3路測雙重加持
年內行業融資達168億元
在ChatGPT成功之后,由“大算力+大模型+大數據”驅動創造的“智能涌現”,加之國內有條件自動駕駛(L3級)高速公路道路測試牌照發放,使得自動駕駛行業聲量漸隆,重獲資本市場青睞。過去一年,已有文遠知行、黑芝麻智能、知行科技、速騰聚創等數十家國內自動駕駛供應商申請IPO。其中,知行汽車科技和禾賽科技已經成功上市。
最新統計顯示,今年以來,國內外自動駕駛領域公開超40起重要投融資,已披露的融資總額達168億元,實現同比翻番。我國自動駕駛行業的融資區域較為集中,主要分布在北京、上海、江蘇、廣東等地。從投資主體來看,代表性投資主體有投中資本、高瓴投資、紅杉資本中國、啟明創投等;實業類的投資主體有百度、字節跳動、小米集團、廣汽集團等。
進入2024年,自動駕駛賽道第一筆融資落在毫末智行頭上。2月22日,毫末智行宣布獲超億元B1輪融資,此輪融資由成都武發基金投資。這次的融資一開始就確定了投入方向:大模型。
毫末智行董事長張凱表示,此次募得資金將主要用于毫末大模型等AI自動駕駛技術的研發投入?!昂聊┲切袝皂椖繛闋恳?,加速自動駕駛項目落地?!庇浾哂^察到,早在去年,毫末智行就建成了國內自動駕駛行業最大的智算中心MANA OASIS,還推出了自動駕駛生成式大模型DriveGPT。
大模型概念的異軍突起,令自動駕駛企業與車企的合作再上新臺階。國內的文心一言計劃接入紅旗、長安、吉利、嵐圖等車企;國外方面,微軟亦與奔馳聯手,將ChatGPT整合到奔馳車載語音控制系統中。更有部分車企,不再甘愿充當這場科技浪潮中的配角,試圖從幕后走向臺前。如理想就自研了大模型Mind GPT。據記者不完全統計,蔚來、小鵬、吉利、長城、奇瑞等車企都申請了與GPT相關的商標。
“Sora通過生成模擬現實世界視頻自我訓練,可能會比車企以往費時費力實際路測和視頻訓練來得更快,利用數據驅動解決復雜長尾的問題,極大地提高自動駕駛的泛化能力?!备叱J為,Sora的交互能力還有機會影響到現有的自動駕駛模型,消除模塊累計誤差的同時降低成本。
需要指出的是,成效顯著的背后是巨大的成本代價。開發大模型,拋去技術差異不談,成本也能拖垮一大片企業。OpenAI的一份報告指出,到2030年訓練大模型的成本預計將從1億美元上升到5億美元。自動駕駛行業本來就是個無盡燒錢的領域,若再牽扯上大模型,結果多半是不堪重負。
大模型之外,隨著自動駕駛領域向L3邁出了落地的關鍵一步,也為行業平添了一把火。去年底,為促進智能網聯汽車推廣應用,提升智能網聯汽車產品性能和安全運行水平,工業和信息化部、公安部、住房和城鄉建設部、交通運輸部等四部門聯合發布《關于開展智能網聯汽車準入和上路通行試點工作的通知》,L3及L4級別自動駕駛汽車開展準入試點。
這意味著,自動駕駛在低級別自動駕駛領域內斡旋多年后,終于有望打破L3級自動駕駛政策和技術的雙重屏障。一時間,包括寶馬、奔馳、阿維塔、深藍、極狐、智己等車企紛紛領取到測試牌照,并相繼在北京、上海、重慶和深圳開啟測試。小米集團董事長兼CEO雷軍更是放話將在今年底開通100個城市NOA(自動輔助導航駕駛)。
在力合資本副總裁許奔波看來,自動駕駛技術,是不亞于能源結構變革的交通領域技術革命。但短期內,受限于法律、倫理、技術等因素,需要在封閉或半封閉場景逐步培育、應用?!爱斍百惖缊鼍暗捏w量很重要,但賽道的場景特征及該特征能否有效延伸到更廣闊的賽道,同樣重要?!痹S奔波表示。
談及下一步行業趨勢,中國新能源汽車產業創新聯盟理事高云鵬認為,在國家級先導區、車聯網示范區、“雙智試點”等先行先試帶動下,我國車聯網新型基礎設施在各區域已形成一定規模。下一步,隨著示范應用不斷擴大,面對不同應用場景和主體,圍繞自動駕駛、車聯網和路網基建會演化出不同的商業模式,為實現車路協同奠定新基礎。
例如,作為最早切入地圖賽道的玩家,百度地圖正經歷著一場由汽車智能化以及AI驅動的技術和商業化變革。百度副總裁尚國斌告訴《證券日報》記者,在智能汽車成為最重要的智能設備后,地圖廠商和車企均看到了巨大的商業潛力。百度地圖會將過去做的地圖大模型全部開放給合作車企,今年最重要的目標就是覆蓋足夠多的車型,把不同車型上的差異化跑通。
“對于車企而言,2024年將成為自動駕駛從形成認知到購買轉化的重要時間窗口。L3級自動駕駛測試車企的逐步擴展和陸續落地,將大幅推動高階智能駕駛進一步迭代。”高云鵬總結道,在新能源汽車同質化較為嚴重的當下,自動駕駛功能必將成為未來汽車產品的核心發力點。
責任編輯:李海嘯