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(jīng)成為了新的常態(tài)。但對自動駕駛產(chǎn)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(nèi)人士認為,如果資本持續(xù)轉(zhuǎn)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(chǎn)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(wǎng)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(chǎn)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(chǎn)業(yè)卻在全球范圍內(nèi)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(jīng)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(chǎn)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(jīng)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(jīng)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(jīng)驗與基礎。但在目前階段,自動駕駛已經(jīng)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(chǎn)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(jīng)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(jīng)常進行應用,因此數(shù)據(jù)調(diào)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(chǎn)生的綜合成本挑戰(zhàn)。
自動駕駛研發(fā)會產(chǎn)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(jīng)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(diào)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(zhuǎn)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(wǎng)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(chǎn)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(jīng)來到了至關重要的階段,需要跨越必須經(jīng)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(wǎng)絡、存儲、計算、AI、大數(shù)據(jù)、云相關經(jīng)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(zhuǎn)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(diào)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(diào)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(zhuǎn)型。
華為云攜手產(chǎn)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(jīng)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(zhuǎn)型經(jīng)驗、智能制造能力、全球化經(jīng)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(chǎn)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。