2022，这些技术将是下半场竞争胜负的关键

2022，这些技术将是下半场竞争胜负的关键 

根据张凯的预判，“2022 年将是自动驾驶行业发展最为关键的一年。乘用车辅助驾驶领域的竞争将会正式进入下半场，而下半场竞争的场景将会是城市开放场景。其他场景的自动驾驶也将正式进入商业化元年”。

张凯认为，2022 年，多项自动驾驶技术值得关注。

（1）数据智能将成为自动驾驶量产决胜的关键。数据智能体系是自动驾驶商业化闭环的关键所在，搭建高效、低成本的数据智能体系有助于推动自动驾驶系统不断迭代前行。

（2）Transformer 与 CNN 技术深度融合，将会成为自动驾驶算法整合的粘合剂。Transformer 技术帮助自动驾驶感知系统理解环境语义更深刻，与 CNN 技术深度融合能解决 AI 大模型量产部署的难题，这是自动驾驶行业下半场竞争的关键技术。

（3）大算力计算平台将在 2022 年正式量产落地，Transformer 技术与 ONESTAGE CNN 技术都需要大算力计算平台做支撑。

（4）随着自动驾驶系统的量产和规模化，激光雷达与机器视觉组成的 AI 感知技术，将与大算力计算平台深度融合，这将大幅提升自动驾驶感知、认知模块的运行效率。

NLP，黄金时代持续？ 

这几年，NLP 处于快速发展阶段。去年，多位 NLP 专家评判，NLP 迎来了大爆发的黄金时代。那么今年，NLP 的发展情况如何？

基于提示的微调技术迅速流行 

作业帮产研中心蒋宏飞博士告诉 InfoQ，今年基于提示的微调 (prompt-based tuning）的技术迅速流行起来，这是一种人类知识和大模型较高效的结合模式。该技术是今年较值得关注的新进展。

“今年 NLP 在基础模型方面没有大的突破。预训练模型方面，今年涌现了很多很大的模型，但整体上同质化也较严重，对于工业界实践效果来讲，往往按照‘奥卡姆剃刀’原则，倾向于使用最适当的如 Bert 往往就够了”蒋宏飞表示。

现阶段，NLP 技术在发展过程中还存在不少技术挑战，其中之一便是很难获取到大量高质量的标注数据。深度学习依赖大规模标注数据，对于语音识别、图像处理等感知类任务，标注数据相对容易，但 NLP 往往是认识类任务，人的理解都有主观性，且任务和领域众多，导致大规模语料标注的时间成本和人力成本都很大。