如何应对可能发生的自动驾驶ChatGPT时刻？

6月14日-16日，由汽车商业评论主办的“第十六届中国汽车蓝皮书论坛”在北京举行。驭势科技联合创始人、董事长兼CEO吴甘沙受邀出席，在这一以“想象”为主题的汽车产业高端对话平台，进行了题为《面对或然的大模型ChatGPT时刻，自动驾驶创业公司如何应对》的深度分享，与现场数百位重量级汽车领袖人物共同探讨自动驾驶的未来。

核心观点抢先看

  01

端到端可以类比人类驾驶的本能模式，人类大多数时间开车都是脑子里想着其他的事，听着音乐，以极低功耗、极低算力的方式开车，这是端到端的模式。而大模型是人类驾驶的认真模式，需要高算力、高功耗，在出现意外的时候调用。两者结合可能是未来自动驾驶实现终局的一种模式。

  02

FSD或者城市NOA是在从90分到99分的过程中，EAP这种高速NOA、行泊一体再加上通勤记忆行车，可能是在从99分到99.99分的过程中。后者也是值得去探索的，一方面把体验从99分做到99.99分，另一方面把成本极大地降低。

  03

自动驾驶创业公司的应对方式主要依托差异化竞争，通过对标EAP，打造极致“智价比”，把极致体验下沉到10万元的主流市场；同时在最难的城市场景跟随第一梯队，算法紧扣前沿，采用可模块化交付；最后，自己缺数据和算力，可以为有数据和算力的大客户提供数据闭环、运维平台和大算力训练平台的软件服务。

自动驾驶的ChatGPT时刻何时来临？

我们是否真的面临自动驾驶的ChatGPT时刻？从特斯拉车主自发上传的城市FSD数据的统计曲线来看，在11.4到12.3之间呈现了快速提升的现象。虽然这个数据随时在变化，但基本上在260公里才会有一次“危险接管”。

来源: teslafsdtracker.com

再看国内比较领先的小鹏，他表示：“过去三年高速高阶智能驾驶辅助系统能够实现1000公里一次接管，但城市道路不到10公里就会出现一次接管。”初步对比感觉特斯拉确实在快速地拉开差距，但事实上，再仔细看FSD Tracker上的“普通接管”数据，特斯拉在城市道路的普通接管频次也只有31公里，高速道路为134公里一次接管。当然，因为都是车主自发上传的数据，数据量也不是特别大，只能说明一些问题，还不能下结论。

总之，一方面特斯拉确实在快速提升，但是也无法给出已经遥遥领先的结论。如果都看“普通接管”，对比31公里一次接管和不到10公里一次接管，与国内竞争对手并没有代际差距，更何况中国的路况要比美国复杂很多。只有特斯拉的FSD真正在国内运营一段时间了，才能避免关公战秦琼的比较。

但我们有理由猜测，自动驾驶或许面临着一个突破的时刻。以下是马斯克近期面向投资人的一些说法：

·第一，算力提升10倍以上。从5760张A100的Dojo，到今年年底可能会增加到8.5万张的H100，这需要耗费上百亿美元的投资。

·第二，训练数据提升10倍以上。从100万个10秒的视频，到近期的几千万个视频。

·第三，车端算力提升5倍。从144TOPS的只能跑一亿上下参数的HW3.0，到现在720TOPS的HW4.0，并且针对Transformer进行了特定优化。

这令人猜想它是否在模型的规模上实现了巨大的提升？从一亿参数到几十亿参数，是否会出现涌现能力、举一反三、触类旁通等等，这是我们现在特别期待看到的。马斯克在5月时预告12.4能够提升5倍到10倍。结合以上数据，形成了一个非常完美的scaling law，算力10倍、数据10倍，然后模型10倍，性能变成10倍。如果真正发生，将会非常有趣。

如果对比大模型的训练，首先是10万亿个token、几万张卡训练100天的预训练，然后是专家监督下的精调，最后是人类反馈的强化学习。

这种形式与人类学习开车类似，前面18年不学开车，只学常识，形成了世界观和认知模型。18年的社会阅历就像一个预训练的过程。18岁以后，去驾校找教练指导开车，就像专家监督下的精调。拿到驾照后，从新手上路、边开边练、磕磕碰碰、熟能生巧，又像是反馈下不断强化学习的过程。所以大模型也许是真正的自动驾驶的终局，现在存在的corner case可能并不是最终靠人力穷尽，而是靠这样的方法论去消灭。

回到“思考，快与慢”的行为科学理论，大模型就像系统2，针对一些最难、少见的交通状况，需要高算力、高功耗去思考，最后解决难题。但是端到端像系统1，它可以类比人类驾驶的本能模式，人在绝大多数时间开车时，脑子都会想着其他事或是听音乐，以极低功耗、极低算力的方式开车。两者结合可能是未来自动驾驶实现终局的一种模式。

驭势科技如何应对？

驭势科技是以L4商用车、特种车为主的一家公司，自2016年成立以来，我们有支规模不大的团队持续在做乘用车的智能驾驶，今天也跟大家进行一个分享。

01

差异化竞争

第一，像FSD这样的投资烈度毫无疑问我们没有办法去做，所以我们做差异化竞争，去对标EAP，追求极致的“智价比”。比如我们在10万元的车上是否能做到EAP。什么是EAP？特斯拉的自动驾驶分为基础版AP、EAP和FSD三个级别，EAP就是高速NOA和行泊一体，它的报价为32000元，而FSD的报价高达64000元。

今天的FSD或者城市NOA是从90分到99分的过程中，EAP这种高速NOA、行泊一体再加上通勤记忆行车，可能是在从99分到99.99分的过程中。是否能把这套系统做到3000元而不是32000元，这是一个值得去探索的地方，就是一方面把体验从99分做到99.99分，另一方面把成本极大地降低。

在驭势乘用车的一条产品线中，最底端是一体机，中间是刚才提到的产品，上面则是L4和城市NOA要去共享的域控制器的形态。

J2+E3是极致成本，能够实现高速NOA和基于超声波的APA，也就是基本的行泊一体。J3+E3是极致“智价比”，在前者的基础上加上融合的APA，再加上记忆行车。在此基础上又产生一个变种J3+TDA4，在高速NOA加上记忆行车和长距离记忆泊车。最后再到上面的城市NOA。

驭势采用极高模块复用的设计方法，这样在与主机厂和Tier1合作时可以保持非常灵活的身段，可以提供算法或是软件模块，也可以提供整体的软件包和服务，还可以把硬件的参考设计提供给合作伙伴，或是提供软硬件一体的方案，非常灵活。驭势的硬件参考设计，从一体机到基础版的行泊一体，再到极致“智价比”的行泊一体。成本虽然只有小几千块，但却能够提供对标EAP的体验。

驭势最早对团队的要求就是模块化，软件高度模块化可复用，硬件可以支持各类的计算平台。从J3到TDA到恩智浦到英飞凌，包括国产的芯驰等，确保硬件能够适配各类品牌，软件高度模块化。最开始7年，驭势将行车和泊车分开来做，然后才有了行泊一体的软件架构，基于SOA进一步提升了开发效率和功能的可扩展性。

像这样极致“智价比”的平台，J3+E3除了感知能够使用神经网络，其他像认知、决策和规控很难采用数据驱动的方法。我们在思考如何在极低成本的平台上把这些环境的神经网络跑起来，提升上限。因为基于人的规则方法，很多数据都来不及消化和处理，所以数据的利用效率很低，提升缓慢。当然，另一方面，如果运用数据驱动的方法、用神经网络，它的功能安全等级又比较低，无法达到我们经常说的ASIL-D。

所以图灵奖获得者约瑟夫·希发基思发问，为什么自动驾驶那么难？最终得出一个结论，就是基于规则，再加上数据驱动神经网络的方法进行融合。

这样的方法能否在极其低端的芯片上实现？以目标选择作为例，我们在MCU上能够跑出来一套系统，一方面是基于数据驱动的LSTM网络，另一方面基于规则，再加上synthersizer。这样一套系统，神经网络跑在一个MCU的core上，然后规则和synthesizer跑在另一个core上，当然神经网络的是QM的，另外一个是rule-based，是在ASIL D。综合起来就能够达到ASIL D的功能安全等级，同时对于代码空间和数据空间的占用，其实只有几百kb的级别，是能够达到ISO26262认证的。这就是通过一套融合的系统，一方面满足数据驱动，满足更高的性能，另一方面又是极致的成本和ASIL D的要求。

再看另外一个例子，通过生成性的对抗网络，在数据不是特别多的情况下，能够不断地通过生成性的对抗网络生成更高质量的数据。

在这个实际场景中，将很小的神经网络的算法和基于规则的方式进行融合，当处理一辆车的cut-in时，基于小神经网络能够比基于规则提前2秒多就发现cut-in的意图。总体来说，能够大幅减少假阴性达71%，另外将Recall提升50%。

这套系统也应用在了很多其他的功能上，包括纯视觉的AEB，驭势拿到了五星+的标准，能够实现85公里速度的刹停。

02

算法能力跟随第一梯队

第二，在城市场景中，达到特斯拉这样顶尖的水准，需要巨量的投资，那么我们的做法是紧跟第一梯队，在算法上紧扣前沿，并且保证可模块化交付。

过去几年，驭势在BEV Transformer、无图的Lanes Network、单帧到视频流、占用网络等方面有了很多创新。同时，下一步进行各个不同模块的视频网络化，最后实现整体的端到端大一统网络。

驭势科技在ICRA 2024获得Track 3: Robust Occupancy Prediction第一名

在这些方面驭势也一直在跟随，像这个BEV+Transformer+Occupancy Network的网络，是驭势开发的一套系统，在最近的ICRA Robo Drive Challenge上荣获第一。驭势有很多这样性能不错的算法，都可以作为模块来进行交付。

03

为大客户服务

最后，创业公司没办法投入那么多的GPU，也没有足够多的数据，但是大客户有。尤其是一些大的OEM，有足够的数据和算力，我们可以为他们提供数据闭环、运维平台和大算力大训练平台的服务。L4自动驾驶特别需要好的闭环，因为它需要快速迭代，所以驭势在车端有一套黑匣子系统DSSAD，在云端也有一套自动驾驶训练平台。

从去年开始，我们也在将一些大模型的技术应用进去，包括场景理解、预标注、数据挖掘等。这是一个典型的自动驾驶公司或者OEM应有的平台，我们可以提供云端container的交付，也可以提供实际的一体机交付。因为有些公司不希望用云，而且它的数据量可能只需要一个24到192卡的一体机，就足够使用，我们也可以确保快速部署，落地即用。

此外，驭势有特色的运维平台。我们较早开始尝试L4系统的订阅服务的模式。当售卖一个系统后，因为这个系统相当于一个AI司机，每年AI司机可以收取一定的工资，这就是订阅服务。但订阅服务如果做的不好，是无法保障客户满意度的。假设一辆车一天工作20个小时，如果全年的可用性是99.99%，也就是一年只有差不多一小时不在工作状态，这个要求非常高。另外像L4的系统，一个激光雷达可能就需要几万块，一个域控制器又要几万块，一年的订阅费可能也就是几万块。如果说没有有很好的运维平台，那订阅服务的模式最终是会亏钱的。所以我们开发了一个好用的云服务平台，确保运维能力也可以输出。

总结一下，我们保持身段灵活，可以提供软硬件一体产品、硬件参考设计、整体软件包，或是单个模块的算法软件，或者为有数据和算力的客户提供数据/云端服务，与不同Tier1或者OEM合作。第一种模式是交付对标EAP的极致智价比产品，小几千块实现高速NOA、行泊一体和记忆行车，下沉到10万块的主流乘用车市场。第二种模式是驭势有非常强大的算法，一直在紧跟特斯拉、保证SOTA性能，可以模块化交付算法模块。第三种模式是为有数据、有算力的大客户交付数据闭环方案，大算力训练方案和云端运维平台。