自動駕駛過冬，需要點燃“降本增效”的爐火

進入2023年，人們還在等待這個冬天的第一場雪，同時也在感嘆暖冬已經成為了新的常態(tài)。但對自動駕駛產業(yè)而言，這個冬天似乎并沒有那么暖。

回顧2022年，全球自動駕駛行業(yè)裁員、倒閉、部門裁撤的消息不絕于耳。資本市場也逐漸放棄了自2021年初開始對高級別自動駕駛的投資狂熱，整體市場泡沫開始破裂。有業(yè)內人士認為，如果資本持續(xù)轉冷，將有90%左右的自動駕駛項目，在大規(guī)模商用落地前就宣告失敗。

但另一方面，自動駕駛又確實在技術、應用上取得了長足的進展，成為各大企業(yè)，乃至全球各個國家與地區(qū)認可、篤定的發(fā)展方向。無論是走Robotaxi路線與產業(yè)合作路線的科技公司，還是將自動駕駛技術作為主要賣點的新能源汽車企業(yè)，以及紛紛走上智能化、電動化道路的老牌車企，都在自動駕駛領域持續(xù)投入，以期抵達寒冬之后注定會來到的黎明。

在這種情況下，自動駕駛項目如何過冬，成為了全球車企都在關注和探索的問題。

自動駕駛的發(fā)展動力充足但波折不斷

自動駕駛的發(fā)展動力充足，社會和市場對自動駕駛的接受程度正在達到新的高度。2022年4月，交通運輸部、科技部公開發(fā)布了《“十四五”交通領域科技創(chuàng)新規(guī)劃》，系統(tǒng)謀劃了“十四五”期間以自動駕駛為代表的交通科技發(fā)展方向。2022年11月，工信部發(fā)布了《關于開展智能網聯(lián)汽車準入和上路通行試點工作的通知(征求意見稿)》，宣布將對L3、L4自動駕駛車輛進行準入管理，并展開試點工作。

在如火如荼的產業(yè)推助力之下，沒有企業(yè)會低估自動駕駛的長期未來。但在眼下，自動駕駛產業(yè)卻在全球范圍內遭遇了一定程度的波折。在2022年，福特投資的自動駕駛公司Argo AI宣布失敗，曾經一度吸引全球關注的Aurora股價大跌，市值縮水超過9成，行業(yè)頭部公司Mobileye估值也從此前的500億美元縮水至170億美元。而在中國市場方面，根據(jù)相關數(shù)據(jù)，2022年自動駕駛領域的融資額對比2021年同期下降了60%左右。出行項目失利、股價大跌、投融資遇冷等問題的背后，是自動駕駛產業(yè)根深蒂固的一大頑疾：成本膨脹。

自動駕駛過冬，關鍵在于成本

目前為止，我們似乎很難找到一家車企，還不研究自動駕駛技術的。但自動駕駛研發(fā)高昂的成本，確實已經成為拖累自動駕駛項目進入高潮的關鍵節(jié)點。車企迫切需要在自動駕駛研發(fā)路途中點燃“降本增效”的爐火。在今天，如何降低研發(fā)成本，已經成為自動駕駛領域一個不可忽視的問題。

由于高等級自動駕駛需要長期發(fā)展，且場景化的細分市場難以快速打開成規(guī)模的商業(yè)空間。因此絕大部分自動駕駛項目都處在長期投資，但難以獲得等比例商業(yè)回報的階段。隨著自動駕駛研發(fā)的持續(xù)性投入，相關數(shù)據(jù)不斷累計、測試需求更加多樣，反而造成了研發(fā)綜合成本的持續(xù)上升。

但自動駕駛的確定性，又讓車企為代表的汽車行業(yè)難以割舍相關項目。這樣來看，緩解自動駕駛項目壓力，幫助車企度過短期資本寒冬的方式，關鍵在于如何降低研發(fā)成本。

接下來我們不妨深入一個自動駕駛項目，從具體的技術流程與研發(fā)環(huán)節(jié)中探尋，為什么自動駕駛會有如此巨大的研發(fā)成本問題？這些問題又該如何解決？

抽絲剝繭：一個自動駕駛項目的研發(fā)成本探尋

我們的故事擬定在歐洲一家汽車制造業(yè)企業(yè)。這家企業(yè)擁有悠久的乘用車制造歷史，以及強大的供應鏈管理能力。但對于AI算法開發(fā)、海量數(shù)據(jù)管理、自動駕駛測試等數(shù)字化、智能化技術則缺乏經驗與基礎。但在目前階段，自動駕駛已經成為了這家車企的必選項，否則很有可能面臨在下一周期被市場淘汰的風險。

根據(jù)估算，這家車企評定出了自動駕駛項目的研發(fā)流程。其中包括數(shù)據(jù)采集、數(shù)據(jù)導入、預處理標注等前期數(shù)據(jù)工作，以及自動駕駛算法訓練、仿真測試、數(shù)據(jù)歸檔等中期工作，算法部署、實路測試、算法迭代等后期工作。根據(jù)這家車企的數(shù)據(jù)量預判，這樣一個自動駕駛項目，其研發(fā)周期大概在60個月左右。也就是說，有至少五年的時間企業(yè)必須持續(xù)投入，很難見到商業(yè)回報。在實際執(zhí)行自動駕駛項目之后，這家車企很快發(fā)現(xiàn)了一系列成本難題，其中的代表有數(shù)據(jù)存儲成本、數(shù)據(jù)使用成本、技術研發(fā)成本。

1．數(shù)據(jù)存儲帶來的成本壓力。

L4級自動駕駛研發(fā)每天都將產生海量的數(shù)據(jù)，尤其在實路測試階段，每一輛測試車每天將收集大約60TB的數(shù)據(jù)。僅僅一天一車的數(shù)據(jù)存放，就需要一筆硬盤開銷。與此同時，這些數(shù)據(jù)經過提煉得到的Corner Case也并不是可以低效率存放的“冷數(shù)據(jù)”，而是要經常進行應用，因此數(shù)據(jù)調取效率也是一個不小的挑戰(zhàn)。這家車企估算，隨著業(yè)務的推進，自動駕駛相關項目將收集超過1000PB以上的數(shù)據(jù)，且至少需要保存30年以上。這帶來的數(shù)據(jù)存儲成本壓力不可小覷。

2.數(shù)據(jù)流通與應用中產生的綜合成本挑戰(zhàn)。

自動駕駛研發(fā)會產生大量非結構數(shù)據(jù)。比如傳感數(shù)據(jù)、攝像頭數(shù)據(jù)、激光雷達點云數(shù)據(jù)等，且需要進行大量AI標注訓練。車企傳統(tǒng)使用的數(shù)據(jù)基礎設施，很難適應多樣化數(shù)據(jù)與AI開發(fā)的需求。

同時，就像上文所說的那樣。自動駕駛開發(fā)要經歷數(shù)據(jù)采集、導入、預處理、訓練、仿真、部署等多個環(huán)節(jié)，自動駕駛數(shù)據(jù)要在眾多流程環(huán)節(jié)之間流動。每個環(huán)節(jié)需要的數(shù)據(jù)類型、負載類型、訪問協(xié)議類型都不同。業(yè)界的普遍做法是每個環(huán)節(jié)的數(shù)據(jù)單獨存儲，這樣車企開發(fā)人員需要在不同環(huán)節(jié)不同存儲設備之間頻繁拷貝、調用數(shù)據(jù)，導致寶貴的開發(fā)時間大量浪費。在這些流程中，根據(jù)這家車企的統(tǒng)計，數(shù)據(jù)拷貝和管理的時間大約占據(jù)了整體開發(fā)時間的25%，極大拖慢了開發(fā)效率。這些數(shù)據(jù)流通、轉化能、應用造成的成本，雖然看似微小，但累計下來的壓力卻大得驚人。

3.技術理解、研發(fā)相關成本激增。

數(shù)據(jù)難題之外，自動駕駛項目還面臨著其他難題。比如說，自動駕駛的業(yè)務流程非常復雜，涉及的相關技術也多種多樣。諸如視頻編解碼、雷達點云、地理信息、車載傳感器、車載控制器、AI、大數(shù)據(jù)、OTA等，都是車企此前并不涵蓋的業(yè)務范疇。這些技術都需要車企從頭開啟研發(fā)與探索，著實造成了巨大的研發(fā)成本擴張。

自動駕駛的基本實現(xiàn)方式是深度學習，需要利用車輛的感知+決策能力來實現(xiàn)去司機化的車輛行駛，而這就導致AI算法開發(fā)成為了自動駕駛研發(fā)的核心。傳統(tǒng)車企對大量AI開發(fā)與訓練并不熟悉，對AI開發(fā)所需的數(shù)據(jù)、算力、網絡基礎設施也比較陌生，自行摸索搭建AI研發(fā)體系，這也是自動駕駛研發(fā)成本高的一大原因。

當然，在這三點之外自動駕駛項目還有很多成本壓力，比如說測試成本、AI算力成本等等。至此，我們了解了一家車企的自動駕駛研發(fā)成本問題。而想要幫助自動駕駛產業(yè)跨越寒冬，良性發(fā)展，歸根結底也要從這些具體的問題入手，幫助車企降本增效，給冬天帶來溫暖與力量。

點亮“降本增效”的爐火：自動駕駛路上的華為價值

整體而言，車企的自動駕駛之路已經來到了至關重要的階段，需要跨越必須經歷的冬天。這個時候，具有技術與解決方案優(yōu)勢的企業(yè)，需要更多貢獻自己的價值，幫助車企降低自動駕駛的研發(fā)成本。尤其要避免車企大量進行重復造輪子的工作，將先進、可用的行業(yè)共性開放出來，降低車企的重復開發(fā)。

如上所述，車企的自動駕駛項目“成本膨脹”，具體分為三層：1.基礎設施成本激增。2.技術研發(fā)成本過重。3.適配自動駕駛新戰(zhàn)略的企業(yè)綜合成本拉升。

想要解決自動駕駛項目“成本膨脹”的問題，也就不能頭疼醫(yī)頭，腳疼醫(yī)腳。而是需要從這幾個層級的需求綜合入手，整體化推動自動駕駛項目成本回歸合理。

在這種多層級、多目標的降低成本需求下，華為的價值優(yōu)勢就顯現(xiàn)了出來。華為具有端到端的自動駕駛解決方案，集成了數(shù)十年積累的網絡、存儲、計算、AI、大數(shù)據(jù)、云相關經驗。既可以解決企業(yè)在數(shù)字化基礎設施、技術獲取方面的難題，也可以幫助車企完成適配新階段、新目標的整體智能化轉型，最終從三大層面為車企帶來綜合的“降本增效”價值，幫助車企溫暖這個冬天。

第一層，是數(shù)字化基礎設施成本的大幅下降。

以我們上面說過的數(shù)據(jù)問題為例。華為擁有業(yè)界領先的存儲技術，其先進的多協(xié)議互通技術，可以用一套存儲方案支撐全流程數(shù)據(jù)存儲，從而避免數(shù)據(jù)頻繁拷貝。這一點正好應對了自動駕駛的研發(fā)難題，車企可以借此提升25%的研發(fā)效率，從而加速研發(fā)進程，降低整體成本。與此同時，華為的超高密度存儲，和對冷熱數(shù)據(jù)自動分級處理技術，可以有效降低20%的TCO成本。同時支持大帶寬和高OPS場景，更加符合自動駕駛研發(fā)海量數(shù)據(jù)的歸檔、整理、調用需求。

第二層，是幫助車企獲得成熟的自動駕駛技術與工具，盡量避免重復開發(fā)。

華為自動駕駛開發(fā)平臺，可以帶來一系列自動駕駛工具與平臺價值。比如其專屬云合規(guī)采集測繪，可以幫助車企實現(xiàn)靈活算力調度，助力自動駕駛項目更加便捷、靈活地完成高精地圖測繪工作。

自動駕駛的海量數(shù)據(jù)，可能給車企帶來大量的人工標注、清洗數(shù)據(jù)難題。為此，華為自動駕駛開發(fā)平臺提供海量數(shù)據(jù)快速、高效清洗與篩選能力。通過自動化數(shù)據(jù)標注實現(xiàn)低門檻、高效率的數(shù)據(jù)處理，性能高出業(yè)界20%。

車企獲得自動駕駛相關能力升級、服務升級的最短路徑，就是從云服務平臺獲取相關價值。為此，華為云提供了一系列專注于自動駕駛能力的賦能與支持。比如說，AI算法開發(fā)是車企最大的技術挑戰(zhàn)，其門檻高、周期長、不確定性大。為此，華為云提供一站式AI開發(fā)平臺，可以大幅度降低平臺搭建難度和成本，讓車企聚焦算法開發(fā)和模型訓練核心能力。

第三層，是幫助車企構建自動駕駛生態(tài)，進一步完成數(shù)字化轉型。

華為云攜手產業(yè)各界，構建了生態(tài)開放的自動駕駛研發(fā)平臺，開放了自動駕駛研發(fā)平臺解決方案的開源代碼庫Ploto，支撐專業(yè)軟件服務商部署和對接，幫助車企快速準確找到相關技術與生態(tài)合作機遇。

通過整合華為的技術與經驗優(yōu)勢，華為云為車企提供了8大關鍵能力，包括：數(shù)字化轉型經驗、智能制造能力、全球化經驗、云云協(xié)同能力、自動駕駛方案、安全合規(guī)方案、底層技術創(chuàng)新、以及開放生態(tài)合作能力。既能夠滿足車企的自動駕駛研發(fā)“降本增效”，同時也能夠幫助車企適應數(shù)字化、智能化的發(fā)展趨勢，提升產業(yè)效能。

在華為提供的端到端自動駕駛能力加持下，我們可以看到大量自動駕駛研發(fā)成本都有可能得到降低與節(jié)約。車企可以更加從容、高效地應對挑戰(zhàn)，更加篤定自動駕駛這條必然之路。

寒冬將過，萬里復蘇。人類21世紀第一個偉大變革——自動駕駛的黃金時代，顯然就快到來。

審核編輯 黃宇