大模型提速自動駕駛算法開發——2024年IDC中國自動駕駛開發平臺廠商評估研究報告發布
加入技術交流群
當今，決策規劃模型化、端到端模型已經是自動駕駛領域的熱門議題，基于神經網絡的模型在自動駕駛算法中全面滲透。自動駕駛模型化的趨勢下，以數據驅動算法升級開始成為產業共識，企業對于數據的收集效率、使用效率都將成為其軟件升級迭代的關鍵。因而高效、一體化的自動駕駛算法開發工具鏈/平臺開始成為推動自動駕駛產品實現差異化的關鍵基礎設施。而隨著大模型技術的成熟，自動駕駛開發平臺的自動化程度、功能完備度也再次得到顯著的提升，數據驅動下的自動駕駛算法開發得以提速。
IDC認為，自動駕駛開發平臺是面向車企或自動駕駛軟件提供商的算法開發平臺，滿足技術買家處理海量數據、自動駕駛方案更新迭代的需求。平臺需要具有：
● 數據收集、標注、挖掘等綜合處理能力；
● 模型訓練調參；
● 仿真測試等功能模塊。
自動駕駛開發平臺以數據閉環為核心，為企業提供一站式的數據處理、算法開發和測試驗證服務，助力企業高效推進自動駕駛技術，如感知模塊、決策規劃模塊等功能的研發與應用
IDC于近日發布了《IDC MarketScape: 中國自動駕駛開發平臺2024年廠商評估》（Doc#CHC51571424，2024年6月）報告。研究受到眾多技術提供商的關注，IDC最終選擇了7家具有代表性的廠商進行深度研究，包括（按照首字母順序排序）：百度、地平線、華為、火山引擎、輕舟智航、如祺出行、騰訊。廠商評估結果基于IDC MarketScape模型以圖像形式展示。
IDC對市場進行詳細調研后，對自動駕駛開發平臺的產品發展趨勢有如下洞察：
● 數據采集回傳從采集車規模化采集逐漸過渡到量產車長尾場景采集：數據已經成為重要資產，收集各類感知、決策、環境數據已經成為形成數據閉環的重要前提。隨著智能駕駛功能在乘用車的滲透率、使用率逐步攀升，利用乘用車采集數據的方案開始逐步落地。盡管當前仍以采集車落盤上傳數據的方式為主，但是已經可以觀察到量產車的采集將成為趨勢。
● 探索大模型在場景挖掘/檢索方面的潛力：未來，隨著智能駕駛功能滲透率、使用率的進一步提升，以及車端數據更多以車云互通方式回傳，企業擁有的數據量將呈現幾何上升。但是對于開發環節而言，僅有部分長尾場景或特定場景數據能夠作為高價值數據別采用并進入到后續的訓練等環節。這意味著企業需要對海量的數據進行高效的篩選。當前，基于大模型能力，進行文搜圖、圖搜圖、甚至是視頻搜視頻的多模態檢索功能已經陸續上線，助力企業進行高價值數據的識別檢索。當前，已有頭部廠商具有相應功能并接入，但是多數尚未形成標準化的產品。
● 自動化標注已經成為主要的標注方案， 4D標注將迎來快速發展：在視覺算法發展以及大量數據標注需求的共同驅動下，以自動標注作為預標注+人工審核的標注方案已經成為業內的主要方案。當前，2D圖像的分割或識別、3D點云自動標注的準確率已經普遍能夠達到90%以上，幫助企業大幅縮減人工成本，提升效率。與此同時，Transformer+BEV算法的普及推動4D標注發展，IDC關注到該功能正在加速落地。
● 從路側測試到仿真測試為主，并行仿真能力與仿真場景是重中之重：各企業的仿真測試公里數已經開始成為自動駕駛產品實力的一個重要維度，車企累積的仿真測試里程開始向數億公里進發。這對仿真測試系統的運行效率/資源利用、場景覆蓋度都提出了更高的要求。通過容器化/云原生等手段實現多任務、多場景的并行測試是提升效率、計算集群利用率的關鍵。除此之外，仿真測試也不僅是單純對于里程數據的堆砌，需要各類長尾場景的測試提升自動駕駛軟件的全面實力。為此，技術提供商多管齊下拓寬其場景庫的覆蓋度。例如不僅從真實路況提取關鍵場景，同時對場景進行泛化，拓展場景的多樣性。同時，廠商正積極探索通過大模型、NeRF等技術生成場景，為靈活構建罕見的長尾場景做出技術儲備。
● 一體化平臺逐漸打通：當前雖然技術提供商能夠構建一體化平臺，但在各模塊的互通鏈接上（數據的流動）仍未做到全面互通。隨著各模塊自動化能力的提升，軟件迭代速度要求的提高，打通各模塊能力將成為未來重要的發展方向。這樣才能形成真正的數據閉環，助力自動駕駛算法的快速升級。
給技術買家的建議
● 自動駕駛開發平臺已經成為企業自動駕駛能力的重要一環：自動駕駛功能上車已經成為所有車企必要面臨的課題，而一套一體化的開發工具將極大地提升車企在自動駕駛軟件上的開發效率。在技術日新月異、用戶對智駕功能需求越發提升的當下，企業需要不斷迭代自身軟件、模型算法，以此增強產品的競爭力，滿足市場需求。而平臺提供數據采集、標注、挖掘、模型訓練、仿真測試等數據全生命周期的處理能力，大幅提升數據的利用效率、開發效率，為車企適應日益加速的迭代節奏提供必要的開發工具。
● 自動駕駛領域，大模型將是核心技術：大模型技術迎來突破性進展，并為自動駕駛領域帶來顯著提升。比如通過大模型增強數據標注的準確度、實現基于語義的場景挖掘能力等等。技術買家在產品選型時，不僅可以關注廠商本身的技術、產品、服務能力，更可以全局性地了解廠商是否具有大模型接入或者自研大模型的技術儲備，這是決定技術提供商能否持續性提供前沿開發產品的關鍵。
● 掌握數據所有權并關注數據合規：無論是主機廠還是自動駕駛解決方案商或圖商，都已經充分意識到數據資產對于自動駕駛開發的決定性作用，各企業紛紛開始注重把握海量數據的所有權。在這一進程中，也對企業在數據全生命周期的安全合規處理提出了更高的需求。比如在哪些道路環境可以采集數據、精度是否過高、傳輸過程中是否能夠以專線或加密等安全方式傳輸，平臺端能否進行必要的脫敏處理，數據處理或訓練中能否保證數據安全或防止數據被濫用。企業在享受數據帶來的實力的同時，更需要構建完整的數據合規能力，才能穩定持續的運行。
洪婉婷
IDC中國高級分析師
IDC中國高級分析師洪婉婷表示，全球及中國汽車自動駕駛行業的演進已經掀開了嶄新的一頁，技術迭代的加速、產品的快速更新，以及日益白熱化的競爭態勢，共同勾勒出市場的輪廓。目前，業界普遍認識到，構建數據閉環以塑造競爭優勢已成為業務發展的關鍵。這一趨勢為具有自動駕駛開發工具鏈能力的廠商提供了重要的發展機遇。市場上，各類背景的自動駕駛開發平臺企業紛紛涌現，它們或依托于大型模型與云計算的深厚技術積累，或憑借在產業鏈中的穩固位置與豐富的商業網絡，打造出各具特色的開發平臺。當然，自動駕駛開發平臺在各模塊的自動化、產品一體化、高效并行等方面仍有優化空間，能夠精準捕捉這些提升要點，不斷突破技術瓶頸的供應商，將更有可能在競爭中脫穎而出，建立起難以撼動的產品增長勢能。這不僅將為相關產品構筑起堅固的市場壁壘，也是其整體自動駕駛業務矩陣增強用戶粘性、深化客戶合作關系的基石，協助其在這場智能化轉型的浪潮中牢牢占據領先地位。
免責聲明
本文中的內容和數據均來源于IDC所發布的報告，所有內容及數據均為我公司所有。未經IDC書面許可，任何機構和個人不得以任何形式翻版、復制、刊登、發表或引用。
評論