自動駕駛測試里程暴增，頭部公司如何挖掘數(shù)據(jù)金礦？

2021 年，Robotaxi無人車的規(guī)?；c自動駕駛技術(shù)的前裝量產(chǎn)，已經(jīng)成為汽車科技發(fā)展的兩個重要主題。

百度在去年底公布其 L4 自動駕駛車隊規(guī)模達到 500 臺。

今年 4 月，百度又對外披露，將在年內(nèi)再增加 500 臺 Robotaxi。

同月，百度的 L4 自動駕駛路測里程突破 1000 萬公里。

小馬智行目前擁有超過 200 輛車的自動駕駛車隊，其自動駕駛測試里程超過 500 萬公里。

搭載了大量傳感器的自動駕駛汽車，每小時將產(chǎn)生 TB 級甚至到 10 TB 級別的數(shù)據(jù)。

如果是一支百臺車的自動駕駛車隊，每天產(chǎn)生的數(shù)據(jù)就是 PB 級的。

車隊規(guī)模和測試里程的快速增長，意味著頭部公司將迎來數(shù)據(jù)量的大爆發(fā)。

同樣的現(xiàn)象，也正在消費級汽車上發(fā)生。

比如今年底，預(yù)裝了華為高階智能駕駛解決方案的極狐阿爾法 S HI 版車型就將向消費者交付，HI 版車型將搭載 3 顆激光雷達、6 個毫米波雷達和 13 個攝像頭。

以及，小鵬汽車不久前推出緊湊型轎車 P5。

P5 會在第四季度搭載兩顆激光雷達交付。

十幾年前，當硅谷的 DARPA 無人車挑戰(zhàn)賽舉辦時，人們一度以為自動駕駛還要半個多世紀才能到來。

但現(xiàn)在看，自動駕駛量產(chǎn)車和自動駕駛出行服務(wù)似乎就在眼前了。

對行業(yè)內(nèi)來說，跨入千萬公里級的自動駕駛測試里程，以及實現(xiàn)以萬臺級為單位的自動駕駛汽車前裝量產(chǎn)，將帶領(lǐng)整個汽車科技行業(yè)進入大數(shù)據(jù)的「無人區(qū)」。

1 大海淘金

千萬公里級數(shù)據(jù)如何傳輸、存儲和挖掘？

目前在全球范圍內(nèi)，L4 自動駕駛測試里程積累最多的公司是 Waymo。

Waymo 的前身是 Google X 下的無人車項目。

Waymo 用了將近 8 年時間完成了第一個 1000 萬英里里程的積累，而第二個 1000 萬英里積累用時僅 1 年零 3 個月。

這說明，隨著車隊規(guī)模增長和大范圍測試開展，自動駕駛里程的增速將越來越快。

雖然目前全球完成千萬公里級里程積累的自動駕駛公司只有 Waymo 和百度兩家，但相信在今年和明年，會有越來越多的公司加入這一行列。

毫無疑問，數(shù)據(jù)是自動駕駛發(fā)展的金礦。

而面對如此大規(guī)模的數(shù)據(jù)，如何傳輸、存儲和挖掘已經(jīng)成為業(yè)內(nèi)面對的新興問題。

以往在自動駕駛算法訓練的過程中，針對大容量車載數(shù)據(jù)的離線遷移，目前業(yè)界沒有特別成熟的解決方案。

常見的做法是將車載計算平臺中的固態(tài)硬盤取出來，再通過快遞或人工手段，從訓練場帶到數(shù)據(jù)中心?！瓜＝菘萍贾袊鴧^(qū)業(yè)務(wù)拓展經(jīng)理董志南向我們分享。

「這樣的做法可能傳輸效率比較低，運輸過程容易損傷盤體造成數(shù)據(jù)丟失，不利于自動駕駛系統(tǒng)的快速開發(fā)迭代?！?/p>

為此，希捷在過去幾年開發(fā)了一個 Lyve 系列的產(chǎn)品，這是一套「套娃式」的模塊化存儲硬件，從車載端覆蓋到服務(wù)器端，來實現(xiàn)龐大數(shù)據(jù)量的轉(zhuǎn)移和傳輸。

目前，豐田的自動駕駛子公司 TRI-AD 和捷豹路虎在愛爾蘭的研發(fā)中心都在使用 Lyve DRIVE 進行自動駕駛系統(tǒng)的快速轉(zhuǎn)移和存儲。

解決了轉(zhuǎn)移和存儲問題，下一步是如何從海量數(shù)據(jù)中挖掘出最有價值的數(shù)據(jù)。

「如果行駛場景是空無一人的大街，其實對算法訓練沒什么幫助?！瓜＝菘萍嫉亩灸戏窒?，「真正有價值的是一些非常少見的交通狀況，比如紅綠燈突然壞掉了，于是路口變成了由一個交警來進行指揮的場景?！?/p>

百度 Apollo 自動駕駛技術(shù)部總經(jīng)理王云鵬將海量數(shù)據(jù)的數(shù)據(jù)挖掘工作總結(jié)為人工標注 - 離線挖掘- 在線挖掘三個階段：

第一個階段，通過車上的測試人員來記錄問題，從而標記下那些出現(xiàn)問題的場景數(shù)據(jù)；

第二個階段是離線挖掘，也就是數(shù)據(jù)回傳到數(shù)據(jù)中心后，通過動態(tài)場景語義理解，給數(shù)據(jù)打上自動化的標簽，在導入仿真場景庫中進行大量的訓練；

第三個階段是在線挖掘，車端的系統(tǒng)通過動態(tài)條件出發(fā)，來主動采集和回傳高價值的場景數(shù)據(jù)，從而減少大量數(shù)據(jù)存儲和轉(zhuǎn)移的工作。

通過這樣的過程，車隊開展規(guī)模化的路測，路測數(shù)據(jù)被快速傳回數(shù)據(jù)中心，有價值的數(shù)據(jù)被挖掘出來，加速自動駕駛系統(tǒng)的高效迭代。

2 自動駕駛前裝量產(chǎn)

智能汽車時代更加需要「黑匣子」

一方面 L4 級的自動駕駛技術(shù)快速發(fā)展，最激進的公司可能希望在 5 年之內(nèi)推動 Robotaxi 民用化。

另一方面，L2+的技術(shù)開始大規(guī)模上車。

特斯拉具有高速公路上下匝道、自動變道功能的 NOA 自動導航輔助駕駛就是典型的 L2+系統(tǒng)，蔚來汽車在 2020 年也推出類似的 NOP 功能，小鵬在 2021 年初推出 NGP。

此外，長城汽車、吉利汽車、理想汽車均有推出此類功能的計劃。

在此基礎(chǔ)上，華為更進一步，華為聯(lián)合北汽極狐將在今年底交付的車型上，實現(xiàn)城市道路自動駕駛的高階智能駕駛方案 ADS。

小鵬在 P5 上推出的 Xpilot 3.5 城市 NGP 功能也是類似方案。

華為聯(lián)合北汽極狐的量產(chǎn)車阿爾法 S HI 版，搭載 3 顆激光雷達

這些自動駕駛系統(tǒng)的推出，改變了車輛上的傳感器、計算平臺部署以及電子電氣架構(gòu)設(shè)計，也大幅改變了汽車的軟硬件成本結(jié)構(gòu)。

同時，因為機器參與了車輛的駕駛過程，針對這些車輛的駕駛責任界定也正在發(fā)生變化。

過去，車輛交通事故的駕駛定責只需要行車記錄儀就可以，而現(xiàn)在每輛智能汽車上都需要一個「黑匣子」。

比如，在近兩年中，關(guān)注度極高的各類特斯拉的事故，就是通過黑匣子來還原眾多的車輛數(shù)據(jù)，包括事故當時 Autopilot 是否開啟、駕駛員是否手握方向盤、駕駛位的安全帶是否系緊、事故發(fā)生前剎車/電門的狀態(tài)等等。

針對高級別自動駕駛的車輛，黑匣子記錄的數(shù)據(jù)更為復(fù)雜。

比如，在 AutoX 的黑匣中，監(jiān)控范圍包含車輛底盤、計算單元及復(fù)雜的系統(tǒng)層面信號、傳感器及全部感知到的周圍環(huán)境路況、到自動駕駛?cè)珬＼浖心K信息。

雖然當前各大車企對于車載黑匣子的具體規(guī)格還未達成一致，但董志南告訴我們，「自動駕駛系統(tǒng)上路的所有數(shù)據(jù)，包括激光雷達、攝像頭、毫米波雷達數(shù)據(jù)都將被記錄下來?！?/p>

「在未來的量產(chǎn)車上，車規(guī)級、大容量、高性能的存儲硬件也將是標配?！?/p>

一方面，這些存儲硬件可以還原車輛駕駛時的一些關(guān)鍵狀態(tài)。

另一方面，它們記錄下車輛在路上經(jīng)歷的復(fù)雜場景，這些場景數(shù)據(jù)可以用于加速自動駕駛系統(tǒng)的迭代。

隨著這些自動駕駛車輛大規(guī)模量產(chǎn)上路，不僅車端的軟硬件系統(tǒng)發(fā)生變化，同時車企與技術(shù)公司也將為車隊在各地建立起大規(guī)模的數(shù)據(jù)中心。

IDC 的報告顯示，全球的數(shù)據(jù)，每 3 年就會暴增一倍。

2019 年，全球的數(shù)據(jù)總量是 40ZB。

預(yù)計到 2022 年，這一規(guī)模將增至 80ZB。

而到 2025 年這個數(shù)字將是175ZB。

汽車的智能化，將大幅加快大數(shù)據(jù)爆炸性增長。

誰能最有效地利用數(shù)據(jù)，誰就能挖掘到智能時代最大的金礦。

本文編選自微信公眾號“汽車之心”，作者：張竹；智通財經(jīng)編輯：陳詩燁