自动驾驶，离真正量产还差什么？

2022年上半年，自动驾驶商业化在政策端与市场端均迎来新的发展阶段。

政策方面，4月份北京正式对外发放无人化载人示范应用通知书，并允许Robotaxi主驾去掉安全员;

5月份，云南省工业和信息化厅发布了《关于“十四五”推进云南省车路协同自动驾驶试点示范建设的指导意见》，明确到2025年，逐步实现高级别自动驾驶商业应用，L4级别智能车辆在特定领域开始试运行，力争建设成为国家级车路协同自动驾驶产业集聚区。

而在厂商方面，IDC最新发布的《中国自动驾驶汽车市场数据追踪报告》中显示，2022年一季度，中国自动驾驶汽车市场，L2级自动驾驶乘用车渗透率达23.2%，较2021年一季度的7.5%大幅提升，自动驾驶商业化应用正迎来新的发展黄金期。

然而，政策与厂商端的火热，却无法在短时间内改变消费端对自动驾驶的认知，公众对自动驾驶技术的场景适应性仍存疑问。自动驾驶落地场景更多集中于封闭路段，距离真正的开放路段大规模商业化应用仍有一段距离。

那么自动驾驶，离真正量产到底还缺了点什么?

硬件成本逐年下降

长期以来，自动驾驶技术无论是在硬件端，如激光雷达、多目摄像头，还是在软件算法端，前期的投入与采购成本均十分高昂。

以自动驾驶感知系统为例，目前主流的感知技术路径有两种，一种是以机器视觉为核心，毫米波雷达+摄像头解决方案，典型代表企业特斯拉、Mobileye、百度Apollo等;另一种则是以高精地图+激光雷达为核心的传感器路线，代表企业为Waymo、华为等。

为了追求更高的感知度，提高行车安全性，各大自动驾驶企业在感知系统硬件选择上均投入了较高的成本。

以特斯拉使用的前置摄像头为例，3个摄像头每个像素约为120万。即将量产的Cybertruck，像素将提升至为540万，成本不菲。而激光雷达成本则更为高昂，以激光雷达行业内知名企业Velodyne 公司为例，旗下的HDL-64E售价在接近10万美金左右。

但随着生产工艺的进步，激光雷达的成本已显著下降。华为已将自研的激光雷达成本控制在200美元之内，并计划在未来两年将成本进一步降低至100美元，这为激光雷达的大规模普及打下了坚实的基础。

数据成为算法迭代核心

既然硬件端规模化量产不存在问题，那么问题则大概率出现在软件算法端。

目前，自动驾驶核心算法以深度学习方式为主，是基于已知变量和因变量推导函数关系的算法模型。

不同于矿山、港口、机场等封闭场景，开放路段场景更为复杂且多变，需要自动驾驶算法有很深的场景积累度与迭代能力。但算法的迭代无法独立完成，需要人工智能的另外两驾马车，即算力与数据的拉动下才能实现。

深度学习技术本质上需要海量的数据进行“投喂”才能推动算法的迭代与更新。以特斯拉FSD方案为例，这套方案通过视觉感知网络生成三维向量空间，融入成本函数、人工干预数据或其他仿真模拟数据，获得最优的规控方案，实现汽车自动驾驶。

这套方案无论在感知层面还是规控层面，核心算法都是由数据进行驱动，数据的规模与质量直接决定了算法的最终性能。

正如泰合资本曾指出的一样，数据已是行业技术的核心竞争点，对技术迭代起到决定性作用，唯有提高数据迭代速度、降低迭代成本，才能持续取得胜利，真实数据规模已然成为智能驾驶行业的“命脉”。

数据规模化量产

自动驾驶算法离不开海量数据的“投喂”，这事关各大厂商自动驾驶算法的优化成果以及现实落地效率，因此构建一套高效获取、标注及仿真训练数据的闭环至关重要。

然而，与指数型增长的数据服务需求相比，则是行业长久以来受限的数据生产力，尤其表现在数据产能与数据产出质量两方面。

产能方面，目前国内数据标注第一梯队服务商年营业额普遍以千万级为主，业务规模、执行效率与项目经理能力高度绑定，产能瓶颈问题凸显，无法有效填补并抢占极速扩张的需求市场。数据标注产业在国内发展多年，却从未诞生独角兽企业，供需之间的鸿沟已愈发难以填平。

而在数据产出质量方面，随着自动驾驶行业迈向商业化运营阶段，以点云数据为代表的数据处理需求占比逐渐扩大，传统依靠简单工具且依赖人力的业务执行方式，也早已无法满足垂直市场的需求。

自动驾驶实现规模化量产，数据服务领域能否率先实现突破将成为关键。

而作为行业领先的数据服务厂商，曼孚科技深知自动驾驶数据服务行业痛点，凭借从战略到技术落地的一站式数据解决方案以及PLG商业模式(Product-Led Growth，产品驱动增长)，构建起高效的数据闭环，直击数据产能与数据产出质量两大核心关键。

以曼孚科技SEED数据服务平台为例，作为曼孚科技第三代数据智能平台产品，SEED平台除拥有目前市面上主流第二代平台的“多场景标注能力+有限项目管理能力”以外，还创新性的大量引入生命周期管理、AI增强等模块，形成了覆盖“数据全生命周期管理能力+供应链管理+项目协同+AI人机协同+自定义权限+全场景标注”的多维立体数据处理能力。

在这些功能模块的加持下，平台数据标注效率平均提升10倍以上;AI辅助筛查下，数据精准度可达99.99%级别，直击AI企业数据需求痛点，从源头端解决AI应用场景持续拓展对于高质量多源异构数据的海量需求。

凭借PLG模式带来的旺盛创新力与产能复刻能力，曼孚科技在实现自动驾驶数据标注量产的同时，也构建起了一套可持续迭代的数据闭环，为自动驾驶行业在数据方面的短板提供了新的卓有成效的解决方案。

曼孚科技期待用高质量数据助推AI应用持续拓展与落地，早日实现自动驾驶规模化商业量产。