今天小編分享的互聯網經驗：自動駕駛企業，正在達成「雲智一體」的共識，歡迎閱讀。
自動駕駛的雲上算力競争正在愈演愈烈。
2022 年起，百度智能雲與長安汽車合作建設自動駕駛智算中心，為長安汽車的車聯網、自動駕駛相關業務提供統一算力底座。
今年 6 月，理想的智算中心定址山西。早于理想一年，小鵬在烏蘭察布也落地了專用于自動駕駛模型訓練的智算中心——扶搖。
在汽車智能化的浪潮下，「雲」正逐漸成為決定車企自動駕駛研發能力的關鍵領網域。而算力作為雲上能力的重要組成，在 2022 年也不斷攪動着自動駕駛的市場熱度。
5 月 22 日，IDC 發布了《中國汽車雲市場跟蹤研究，22H2》。報告顯示，2022 下半年，中國汽車雲自動駕駛解決方案市場規模總計 4.95 億人民币，根據 IDC 的預測，自動駕駛研發解決方案市場未來五年復合增速預計高達 90.0%。
其中，百度智能雲在自動駕駛研發解決方案市場中以 35.9% 的市場份額排名第一，相比去年同期實現 162% 的超高速增長，在國内汽車雲市場中處于龍頭地位。這些數據的變化，也表明越來越多的自動駕駛客戶正在上百度智能雲。拿下這個成績，百度智能雲憑什麼？
自動駕駛上雲已成車企共識
自動駕駛業務為什麼要上雲，已經不是一個問題，而是共識。
2019 年，特斯拉 Autopilot 開始收費并持續產生現金流。這打破了汽車行業以往的認知。軟體定義汽車一時間成為最火熱的話題，帶動了智能駕駛浪潮的興起。這一趨勢決定了，數據已成為汽車行業的關鍵生產要素。
廣汽集團董事長曾慶洪曾表示：" 只有掌握數據才能有機生長。自動駕駛雲數據中心，是實現算法場景演化疊加的有力保障，也是廣汽着手布局的關鍵賽道。
2022 年是自動駕駛從研發走向量產的元年，L2 自動駕駛開始走向普及，帶動數據處理、模型優化、仿真等需求的爆發式增長。從 L2 開始，自動駕駛的每一次向高階駕駛演進，對于雲的基礎設施平台、應用、服務的消耗量都要上升一個量級。
據 IDC 報告顯示，L3 長尾場景訓練将進一步引發存量客戶雲用量的增長：在自動駕駛量產向 L3 進發的情況下，需要從封閉 / 半封閉區網域走向開放區網域，更多長尾場景的覆蓋将帶動雲平台的消耗量爆發式上升。
其次，随着高階自動駕駛逐漸走向量產，自動駕駛研發将進一步向關鍵零部件廠商覆蓋。車載 ECU 的數量及配套軟體開發量增加（例如自動駕駛汽車将搭載更多的激光雷達及毫米波雷達），上雲将是其最優的選擇。
第三，從企業成本的角度看，自建雲計算基礎設施需要巨大的前期投入，投入大（千萬元級）、耗時長（8-10 個月）。即便搭建成功，還需要專人維護、需要持續進行迭代，何時能夠攤平成本未可知，上雲成為了車企的必然選擇。
上雲已成共識，雲端能力則成了汽車行業的重要競争因素。但對車企來說，面臨的更重要的問題是：究竟具備何種能力的雲，可以真正幫助自身自動駕駛業務的快速發展和落地 ?
除了算力，車企所需的智能駕駛「雲端能力」還包括什麼？
從車企智能駕駛研發所需要的雲上服務來看，主要包括兩個部分：基礎的資源層服務和上層的智能駕駛研發全流程所需要的研發工具。
其中，資源層服務為上層的研發工具提供了計算、存儲、網絡等雲端資源服務，以及支持車載模型訓練、仿真所必須的 AI 異構資源。而上層的研發工具，面向智駕研發場景涉及到數據管理、模型訓練、雲上仿真等環節。
從實際情況來看，對車企而言，底層的算力與資源層面仍在如火如荼的建設。但與之對應的是，車企對雲服務建設的需求已經不僅僅是簡單的拿來即用的雲資源。曾有自動駕駛公司的高管向雷峰網坦言，" 雲廠商應該在對汽車行業有更深入了解的前提下，為企業提供更好用的智能駕駛研發工具，以使車企能夠更專注于核心的研發工作，進而幫助更智能的汽車更快落地 "。
而汽車行業從上半場「電氣化」到下半場「智能化」的發展過程中，我們也可以意識到，汽車智能化的過程，其實就是汽車行業的業務與 " 雲智一體 " 進行深度融合的過程。
這個過程大致分為三個階段：在傳統的汽車開發過程中，雲僅僅停留在提供各類計算、網絡、存儲等資源。随着車企業務進行數字化轉型，所有的業務都完成了上雲。這時，大量的數據在雲上流轉，雲逐漸成為串聯各個業務的基礎設施，幫助數據在企業内部實現應用的閉環，提升了車企的研發效率。
在智能駕駛時代，車企開始智能化更新，雲已經從傳統的雲更新成了 AI 原生的雲，而後者的優勢在于不僅可以提供高性能的算力，還可以提供端到端的加速能力、車企所需的覆蓋全流程的雲端開發工具和雲上應用等能力。
自 2013 年切入到自動駕駛賽道以來，百度對自動駕駛和智能交通行業已有十年投入，讓其對整車制造，尤其是以自動駕駛為代表的研發生產環節有深刻認知。這也可以從一定程度理解，為什麼百度會提出和更新 " 雲智一體，深入產業 " 的戰略。該戰略也是幫助百度智能雲在自動駕駛研發解決方案市場份額排名第一的關鍵所在。
雲智一體，正在深入汽車產業
2020 年 5 月，百度智能雲明确提出了 " 雲智一體 " 戰略。百度智能雲也在 2020-2022 年期間，以一年一級的頻率，完成了雲智一體架構從 1.0 到 3.0 的更新。并在 2022 智能經濟高峰論壇上，發布全新戰略 " 雲智一體，深入產業 "。
雲與智的融合并不是容易的事情，這需要雲廠商對底層芯片、深度學習框架、大模型到上層的應用均有深入的了解。在過去，企業選擇雲廠商更多看算力、存儲等基礎雲服務。而現在，更多要看框架好不好、模型好不好，以及芯片、框架、模型、應用這四層之間的協同是否高效。
但業内很多雲廠商要麼關注 AI 但不具備底層的芯片和系統能力，要麼做芯片出身但不具備上層軟體能力，特别是不具備直面客戶需求的能力。
百度集團執行副總裁、百度智能雲事業群組負責人沈抖表示，除了百度，國内還沒有哪家雲廠商，能在芯片、框架、模型、應用這四層進行全棧布局。百度作為國内領先的人工智能公司，從高端芯片昆侖芯，到飛槳深度學習框架，再到文心預訓練大模型，到搜索、智能雲、自動駕駛、小度等應用，各個層面都有領先業界的自研技術。
實際上，在百度之外，多家雲廠商巨頭也曾有過諸類優化 " 用戶體驗 " 的嘗試。
2019 年發布八爪魚時，華為就提出了要協助車企 "0" 基礎構建自動駕駛開發能力的口号。為此，華為宣稱其在八爪魚中内置了 2000 萬框标注數據集、20 萬仿真場景庫、以及完整的工具鏈和标注算法。
2021 年，騰訊再次調整方向，推出了自動駕駛雲平台，虛拟仿真成為了工具鏈中的一環。
說到底，這些工具都是為了能夠讓用戶拎包入住。思路是對的，但能否實現 " 全流程 "、" 全閉環 " 的上手效果還有待商榷。
自動駕駛研發過程中，從數據采集、标注、處理、模型訓練、仿真到 OTA 的每個環節，均需要對應的工具和平台的支持，這些工具統稱為「自動駕駛研發工具鏈」。工具鏈的效率直接決定了車企自動駕駛系統開發的效率。
但是在這些關鍵流程中，不同的工具往往都是由不同的供應商提供，這是國内 B 端產品銷售碎片化、定制化的一個弊端所在。例如仿真環節有一批仿真工具鏈公司，标注環節又有幾家标注工具鏈公司，這就導致車企在自動駕駛開發的數據傳輸、模型适配等環節缺乏兼容性，大大增加工作量。
簡而言之，車企需要的是雲服務商擁有提供或整合統一工具鏈的能力：一是開發工具齊全，二是 " 懂場景的 AI"。只有這樣才可以降低車企自身的開發門檻，在雲端搭建屬于自身的 AI 能力。
以 AI 仿真駕駛環境的測試為例，自動駕駛仿真測試平台必須要具備幾種核心能力：真實還原測試場景的能力、高效利用路采數據生成仿真場景的能力和雲端大規模并行加速的能力。
百度智能雲的一位專家向雷峰網說到，" 是否有足夠多的仿真場景庫，仿的真不真，如何評測仿真的效果，一個是要靠時間，一個要靠工程能力。" 就像是高考生刷《五年高考三年模拟》，只有持續鑽研，投入足夠多的時間與精力，才會取得好成績。
自 2013 年啟動自動駕駛領網域的布局至今，百度已經積累超過 5000 萬公裡的真實路測數據。同時，基于真實路測數據和多年研發積累，百度也了擁有百萬級的設計場景和千萬級的挖掘場景，幫助車企 1:1 還原各種道路、快速驗證各種極端場景、保證雲上仿真的充分性。此外，百度智能雲支持數十萬雲上仿真任務并發運行和日行千萬公裡的仿真裡程，将雲上仿真的成本降低至路測的 1%。
在大模型出現之後，百度智能雲的工具鏈能力得到了進一步的進化。
百度集團副總裁袁佛玉在公開演講時表示，" 未來 MaaS（Model as a Service 模型即服務）将成為雲計算的主流商業模式，每個企業都将擁有一個智能底座。因此，企業要盡快行動起來，重新思考自己的優勢是什麼、如何用 AI 放大這個優勢。"
目前，百度文心大模型的能力已經應用到數據挖掘場景中，不斷提升長尾場景的識别能力。舉個例子，在當前的研發過程中，如果現有感知模型對某這特殊車輛的識别效果不佳 ...... 開發人員需要從已有圖片集中挖掘出所有包含這類特殊車輛的圖片用于模型訓練。傳統方式需要事先專門針對這類特殊車輛給圖片打好标籤，通過标籤來檢索出需要的圖片。有了大模型後，可以采用少量包含特殊車輛的圖片作為查詢條件，或者直接用自然語言描述的方式，快速從已有的海量圖片中檢索出想要的圖片。通過這種以文搜圖、以圖搜圖的方式，極大提高了數據挖掘的效率和靈活性。
在未來，百度智能雲的大模型還将應用到數據标注、雲上仿真等場景，比如可以通過輸入 " 标出所有的障礙物 "，" 為我構建一個主車在直行道上直行的場景 " 就可以自動實現對應的效果，大大提升自動駕駛的研發效率。
百度集團副總裁侯震宇向雷峰網說到，很多雲計算平台都集成了一些 AI 能力，" 看上去表面是差不多的，不是内行真的分辨不出來的。但有些東西是百度獨有的，比如智能汽車的 AI 仿真駕駛環境的測試等 "。支撐大模型、自動駕駛工具鏈、車載模型訓練的雲上平台，是百度智能雲的 AI 大底座。百度 AI 大底座的各個組成部分，誕生于不同時間，卻在一個集中的時間點上，成為百度智能雲實現端到端閉環、全棧融合的關鍵拼圖。
其中百度百舸 · AI 異構計算平台為為自動駕駛在 AI 計算、AI 存儲、AI 加速、AI 容器等領網域提供了強大的支持，為車企的自動駕駛研發過程提供工程化的定制能力。在車輛感知場景下，百度智能雲也聯合英偉達，優化了 17 個智駕場景下常用的感知模型，通過通信加速和算子融合等技術，提升分布式訓練的性能，在典型模型場景下吞吐提升 50%~400%。而在标注場景下，百度百舸也提供了 GPU 共享方案，自動化标注的成本降低了 1 倍以上。
市場規模激增，自動駕駛将走進千家萬戶
IDC 預測，到 2027 年，自動駕駛解決方案的市場規模将達到 208.7 億，占整體解決方案市場比例從 28.1% 提升至接近 70%。
百度智能雲基于 " 雲智一體，深入產業 " 的戰略，圍繞「行業領先的自動駕駛工具鏈 - 文心大模型 -AI 大底座」持續優化。這已然成為百度智能雲在未來汽車雲市場競争中的底氣：從百度智能雲的角度來看，自動駕駛解決方案是「雲智一體」在汽車行業的模範工程；從行業的需求來看，「雲智一體」已是汽車行業走向智能化的大勢所趨，百度智能雲在諸多的競争對手中搶占了一個好的身位。
對于百度智能雲在汽車行業的展望，百度智能雲雲計算產品解決方案和運營部總經理宋飛向雷峰網表示，" 未來幾年，汽車行業還存在很多變量。百度在自動駕駛領網域已經投入了十年的時間，我們希望憑借多年的技術積累，為汽車行業提供一整套行業領先的自動駕駛解決方案，讓車廠更專注于自身業務，加速中國汽車行業智能化轉型步伐。我們期望在未來，百度的雲上方案可以幫助自動駕駛可以走入千家萬戶。"
