其中,百度智能云在自动驾驶研发解决方案市场中以35.9%的市场份额排名第一,相比去年同期实现162%的超高速增长,在国内汽车云市场中处于龙头地位。该领域未来有望成为解决方案市场的主阵地和未来汽车云市场竞争的关键变量。
在IDC发布的这份市场研究报告中,自动驾驶研发解决方案包括主机厂及汽车科技企业(感知、决策、控制软硬件服务商)在自动驾驶车辆及硬件量产前的数据采集、模型训练、仿真测试等环节。根据IDC的预测,自动驾驶研发解决方案市场未来五年复合增速预计高达90.0%。
自动驾驶研发的一般流程
在自动驾驶研发的过程中,数据贯穿了从采集、标注、训练、仿真等全部环节。数据经过采集车的采集会流转到云端,在经过合规处理后,这些数据将被使用到两大场景:一是模型训练的场景,数据经过人工或者机器进行标注后,作为数据样本用于感知模型的训练。二是仿真的场景,数据经过数据挖掘和场景建模,在仿真平台中构建起可以模拟真实世界的场景库。
随后,搭载了训练好的感知模型、规划控制算法等智能能力的虚拟汽车,将在仿真平台中完成评估。在通过仿真测试后和真实路测后,整套智能系统将被部署在量产汽车中,完成从数据采集到汽车智能落地的研发闭环。
在整个数据闭环的研发过程中,每个环节都需要配套的自动驾驶工具支持,这些工具集合被称为自动驾驶工具链。一套好的工具链可以加速每个研发环节的开发效率,加速自动驾驶业务的落地。
同时,自动驾驶工具链需要云平台提供资源,云平台的能力将直接影响自动驾驶的研发效率。根据IDC的报告显示,自动驾驶从L2开始,每一次向高阶驾驶演进,对于云的基础设施、平台、应用、服务的消耗量都要上升一个量级,这对云平台的资源利用率,模型训练效率和基础设施提出了更大的挑战。
“云智一体”的自动驾驶研发解决方案
针对自动驾驶的研发过程,百度智能云提供了从业务侧到资源侧的完整解决方案,包括端到端的数据闭环、贯穿研发流程的工具链、为工具链提效的大模型、以及为全流程提供强大算力支持的AI大底座,满足从L2到L4的研发需求,加速自动驾驶业务落地。
端到端的数据闭环
百度智能云为客户提供了从数据采集、数据标注、数据管理、数据合规、智驾研发、云端仿真的从车端到云端的全流程数据闭环服务。百度拥有覆盖数百万公里路网长度的合规道路采集经验、全国最大的标注基地和100+数据挖掘算法,用高质量的合规数据驱动自动驾驶业务的快速发展。
贯穿研发流程的自动驾驶工具链
百度自动驾驶工具链,为研发和测试人员提供了一套覆盖L2到L4级自动驾驶研发的端到端工具平台。它充分融合了百度10年自动驾驶研发过程中遇到的各种长尾需求和场景、5000多万公里的真实路测数据,为客户提供了全栈的自动驾驶研发工具。目前已支持EB级别数据的高效管理、日行百万公里仿真里程和全流程的数据合规。
除此之外,百度的自动驾驶工具链还可以根据客户需求输出模块化能力,帮助车企将自动驾驶工具链与自身业务快速结合,高效实现数据驱动的研发闭环。
为工具链不断提效的大模型
大模型的应用可以进一步提升自动驾驶工具链的效率。目前,百度文心大模型的能力已经应用到数据挖掘场景中,比如可以通过输入“撞了树的猪”、“天上飞的塑料袋”等关键词,或者通过以图搜图的方式,帮助研发人员从海量数据中获取自己所需的长尾数据用于后续的训练过程,提升模型训练效果。
大模型还将应用到数据标注、云上仿真等场景,比如可以通过输入“标注所有的红绿灯”就可以实现对图片的快速标注,输入“为我构建一个主车在直行道上直行的场景”就可以快速构建对应的场景库,进一步提升自动驾驶的研发效率。
为全流程提供强大算力支持的AI大底座
AI大底座为自动驾驶工具链和大模型提供了强大的AI基础设施支持。其中百度百舸·AI异构计算平台为数据标注、模型训练、仿真等环节提供加速能力,让车企的自动驾驶业务快速落地。
在标注场景下,百度百舸的cGPU共享方案将自动化标注的成本降低了1倍以上。在模型训练场景下,百度和NVIDIA英伟达联合优化的首批17个感知模型中,训练吞吐平均提升138%,最高400%,最多缩短80%的模型训练时间。在仿真场景下,百度百舸可以支持仿真平台实现日行百万公里的仿真里程。
云智一体,助力汽车行业智能化升级
IDC预测,到2027年,自动驾驶解决方案的市场规模将达到208.7亿,占整体解决方案市场比例从28.1%提升至接近70%。将成为未来汽车云市场竞争的关键变量。
百度智能云基于“云智一体,深入产业”的战略,基于AI大底座和文心大模型,以及行业领先的全套自动驾驶工具链,先后帮助传统车企、新势力、商用车和解决方案供应商等行业用户的自动驾驶业务落地。百度智能云将持续深耕“数据闭环-自动驾驶工具链-大模型-AI大底座”在内的自动驾驶研发解决方案,帮助汽车行业实现智能化升级。
