实现真正的自动驾驶,需要大模型真的上车

汽车商业评论 2024-12-18 10:11:22

撰文 / 钱亚光

设计 / 赵昊然

“冰箱、彩电、大沙发还是属于电动化的东西,其实真正的智能车还是要看自动驾驶的能力到底如何。”

“智能驾驶很重要,但是光把智能驾驶做好,好像还不够,汽车还是非常难做的一个木桶,有一块板落水就完蛋了,其他板再长都不行。”

“有可能通过明年的竞争以后,车企的竞争除了大吃小以外,还会出现快吃慢,所谓快吃慢就是OTA的频次”。

今年是NOA的落地年、爆发年,明年应该是决胜年。城市NOA有两个关键词,一是无图,用重感知,抛弃了高精度地图;二是端到端,让NOA技术性能水平急剧上升。

大模型的确可以解决深度学习模型带来的安全长尾难题(corner case)边缘场景,但是大模型的运算能力要求太高,目前是上不到车上的。

12月13日,同济大学汽车学院教授朱西产在题为《智能驾驶与城市立体交通趋势》的演讲中指出,特斯拉提出端到端以后,今年国内企业迅速跟上,一种新的AI模型(深度学习模型)的新的组装方式,就是用Transformer组装起来的端到端模型,性能水平急剧上升,所以今年3月份到6月份,NOA技术已经有了一个飞跃式的发展。但要实现真正的自动驾驶,还得大模型真的上车,要具有举一反三的推理能力。

以下是朱西产的演讲实录。

非常感谢轩辕奖组委会能给我这个机会,那天他们给我打电话问是否愿意参加这个奖的评选?我觉得难度蛮大的,国内的车越来越好,价格一个比一个便宜,在这些车里还要选出来好的,难度其实蛮大。

中国汽车通过创新,在电动化和智能化方面都已经有了非常快的突破,今天我分享一下汽车智能驾驶和今年特别热的低空飞行,低空飞行域的飞行器也是汽车产业的延伸,用的产业链跟电动汽车产业链和智能化产业链一脉相承,低空飞行器肯定是电动多旋翼,这两块东西也是我们的强项。

电动化经过差不多十年左右的推动,近三年左右的高渗透率,今年一边喜,一边悲,喜的是中国的汽车通过电动化走到了世界前列,悲的是大部分企业要倒下,大吃小的现象已经发生。

智能化,从智能座舱到智能空间,随着电动化已经出现了,车上如果有20度以上的电,这个车已经可以成为生活空间了,和内燃机汽车不一样了。原来内燃机汽车是纯粹的交通工具,到了目的地肯定马上就下车,因为你不下车,发动机就得响着,否则就没电了,谁也不会在响着发动机的车里待两三个小时,受不了。发动机一断,电也没了,也没法待。

刚才孟为提到冰箱、彩电、大沙发,这些还是属于电动化的东西,其实真正的智能车还是要看自动驾驶的能力到底如何。

NOA无图重感知,渐入佳境

今年是NOA的落地年、爆发年,明年应该是决胜年。令人唏嘘的是极越,它在智能驾驶NOA领域绝对是头部企业,还未到决战就倒下了。它的智能驾驶NOA做得不错,得亏今年极越没报名,以我对驾驶这个车的感觉,十佳应该能进去的,如果能进去的话,蛮尴尬的,这边在发奖,那边倒闭了。

智能驾驶很重要,但是光把智能驾驶做好,好像还不够,汽车还是非常难做的一个木桶,有一块板落水就完蛋了,其他板再长都不行。

智能化即将成为汽车企业面临的第二个难题,是原来传统汽车行业不熟悉的芯片、人工智能,以及用户数据怎么能够快速迭代,它是OTA的迭代方式。

有可能通过明年的竞争以后,除了大吃小以外,还会出现快吃慢,所谓快吃慢就是OTA的频次,因为人工智能的产品不是开发好了以后慢慢迭代。传统汽车的开发,从最早36个月缩到18个月,有些企业可能是10个月,10个月以下再推车不实现了。通过OTA,利用用户数据,现在头部企业的OTA频次每月1.2-1.5次,意味着2个月左右就得有3次左右的迭代。

这对传统汽车企业的安全问题是一个巨大的挑战,因为这是我们不熟悉的一个领域。

在汽车智能化里,现在语言模型的应用非常普及。智能驾驶的目标是无人驾驶,现在NOA已经可以使用了,接管平均里程(MPI),现在国内头部企业在高速上普遍已经接近300-400公里,这个车开上高速公路大概率是用不着接管的。

城市NOA今年是热点,全国都能跑的技术是无图,用重感知,抛弃了高精度地图。所以今年我们看到的NOA,第一个词是无图,因为抛弃了高精度地图以后,一旦推出,开城这个事没有了,全国都能跑,已经做到了。

实现自动驾驶,还需大模型上车

第二个词是端到端,特斯拉提出端到端以后,今年国内企业迅速跟上,一种新的AI模型(深度学习模型)的新的组装方式,就是用Transformer组装起来的端到端模型,性能水平急剧上升,所以今年3月份到6月份,我们的NOA技术已经有了一个飞跃式的发展。

为什么留在L2+,而不敢承认是自动驾驶?这里横在我们面前的就是深度学习模型带来的安全长尾难题(corner case)边缘场景。我们寄希望于大模型,大模型的确可以解决这个问题,但是大模型的运算能力要求太高,目前是上不到车上的。

现在在构建的用户数据闭环,基本是从用户那边获取数据,在后平台、云端使用大模型处理,大模型处理完了数据以后,训练一个小模型,再把这个小模型布置在车上。

哪天能够实现真正的自动驾驶呢?我觉得,大模型要真的上车,要具有举一反三的推理能力。因为边缘场景靠Scaling law、靠大量的数据,我们开车在路上总会有没见过的东西,即使四五十岁的人,看到没见过东西的概率也还是有的。

用小模型的话,什么东西都要见过,这件事情很难做到,而大模型是能够解决没见过的东西的问题,可以举一反三地推理。但大模型现在只能在后平台、在云平台,还无法到车上。

现在在深度学习模型上,边缘场景在所难免,现在智能驾驶卡在L2+,所以L2和L3之间出现了L2+。欧洲的L3已经有法规了,但是这个法规遇冷,ECE R157在2021年就推出,一直到现在只有4款车型做了认证,并且市场上也见不到过了认证的车,大家还是留在L2,我们叫做L2+。

但是留在L2+也有隐患,今年欧盟出了ECE R171 DCAS,对留在L2的智能驾驶NOA的车也要进行监管,其实ECE R171就是我们今天的NOA,所以到底是留在L2,还是向L3走?

给市场提供自动驾驶功能的车,一旦发生交通事故的话,是要承担法律责任的,并且有产品责任,现在这块留在L2+的状态,即便是NOA留在辅助驾驶,DCAS也是作为一类特殊的辅助驾驶,新的品类已经出现,新的国标也在起草中。

对无人驾驶的看法,还是蛮难的。在美国,特斯拉要摆脱制造业的低利润,All in AI,特斯拉的市值一直在涨,其实在特斯拉2024年年报中,销量肯定是下降的,中国比亚迪挑起价格战,他不回应,销量肯定下降,但市值还在上升。

他抛出来两个东西,一个是Robotaxi、一个是人形机器人(擎天柱),华尔街对它的估值非常高,Robotaxi的估值为5万亿美元,人形机器人的估值甚至高达25万亿美元,这两个加起来高达35万亿美元,已经可以把美国整个外债抵消殆尽,所以他是要完全走科技这块。

社会的确进入了人工智能时代,今年我们可看到,诺贝尔物理学奖和化学奖全部给了深度学习,都是人工智能。在8月底时,中央电视台也和我做过一个节目,在行业里,对人工智能这一新技术支持下的自动驾驶,大家对它的信心还是非常足的。

低空产业链,与新能源汽车相通

最后一块是创新的步伐不能停下,因为在创新的路上会有很多先烈,这些先烈如果停滞不前就会完蛋,比如推新能源,动力电池的上了,但是燃料电池的没人用。我觉得创新还得继续往前走,既然创新,思路可能要更宽一点。所以最后想谈一下低空经济下的城市立体交通。

这些低空飞行器运行的600米以下的低空区域,空管委已经同意下放给地方政府管理,这样给低空飞行域就提供了非常广阔的空间。我们在城市里,道路交通存在用地不足的问题,600米低空区域其实是很好的补充。

从产业角度来说,随着智能新能源汽车发展产业链的壮大,把这些飞行器生产出来没有任何问题,因为它是多旋翼的,跟新能源和智能化的产业链是一脉相承的。

国内国际汽车企业都已经进入了这个领域,应该是两大类机型,一个是多旋翼,一个是复合翼。如果在城市里跑的用多旋翼就行,但多旋翼飞不快,效率也不高,如果城市之间要跑到200公里、300公里就要用复合翼。多旋翼的好处是不需要机场,现在民航对机场需求依赖太强,这个可以原地起降、可以悬停,这些飞行器造出来没问题。

这是清华车辆学院和奇瑞合作的三件套,来解决飞行和汽车之间的矛盾。在道路上行驶时,机翼是碍事的,飞行时底盘重量也是碍事的,三件套想解决这个问题,道路行驶时无须折叠巨大的翅膀,在蓝天翱翔时也用不着带着沉重的底盘,这些创新在继续。

无人驾驶到底是单车智能还是网联智能,车路云这个思路、创新性很好,但是5G实在不给力,现在走不下去。

从云控角度来说,汽车已经在道路上自由行驶了130年了,凭什么控我?车路云网联智能的概念在车上很难实施,但是在飞行器上,毫无疑问,如果飞行器要起飞,就要向空管申请航道,批准后才能升空。

另外,光靠动力电池的话,低空飞行器在空中的滞空时间只有20分钟,如果加上燃料电池,现在已经可以做出滞空时间高达2小时的机型。

汽车领域过于创新超前的技术不要停下创新的步伐,继续往前走,可能会有一个更好的未来,我们不愿意在创新过程中看到一些先烈的存在,但创新要不断。谢谢大家!

0 阅读:136