近年來，隨著人工智能的快速發展，在一系列利好政策加持下，我國自動駕駛技術進入全場景落地階段，從為普通人出行代步，到在礦山、物流等商用領域大顯身手，產業潛力不斷迸發。

6月21日，工信部相關負責人表示，將啟動智能網聯汽車准入和上路通行試點，組織開展城市級“車路雲一體化”示范應用，支持L3級及更高級別的自動駕駛功能商業化應用。

所謂“車路雲一體化”系統，是通過新一代信息與通信技術將人、車、路、雲的物理空間、信息空間融合為一體。在這一過程中，雲底座正助力中國汽車產業在電動化、智能化轉型跑出“加速度”，為自動駕駛量產提質加速。

自動駕駛技術加速落地 雲底座化解發展堵點

隨著智能駕駛裡程的持續積累，海量行車數據的產生推動自動駕駛水平快速提高，自動駕駛研發企業面臨的挑戰也隨之而來。業界認為，影響高階自動駕駛落地的關鍵因素，是讓模型快速學習各類不常見、但不斷出現的“長尾問題”。因此，如何提升數據處理效率，如何加速模型迭代，成為影響自動駕駛技術快速演進的關鍵。

在山東日照港，一汽解放無人駕駛港口車已投入運營。一汽解放商用車開發院智能網聯開發部部長王佔春在接受人民網記者採訪時表示，當前，商用車自動駕駛迎來發展拐點，車企正積極尋求落地場景，基於市場導向，行業對於技術探索更趨於理性。雲技術在行業探索高級別自動駕駛技術的過程中，是不可替代的一環。

元戎啟行技術合伙人、副總裁劉念邱則認為，目前，市場上的智能駕駛汽車因為依賴高精度地圖，就隻能在特定區域行駛，不利於數據積累，所以能否突破行駛區域限制極為重要。

“以地圖更新為例，打造在線安全閉環的合規服務，可滿足政府安全要求和用戶更新數據需求，為車廠提供開發閉環、運營閉環，為行業形成基於高精度地圖的商業化生態閉環。”四維圖新高級副總裁蔣晟表示，與“雲”服務相結合，打造完善的數據合規閉環服務，有利於自動駕駛高質量發展。

華為雲中國區副總裁張鵬在接受人民網記者採訪時表示，自動駕駛要對海量的數據進行算法訓練和仿真驗証，因此需要強大的算力和學習推理能力。雲計算有著海量計算和存儲資源，可以實現超大規模的數據處理、模型訓練和仿真集群，同時，還能提供大量工具和服務幫助行業提升研發效率。

“近期，我們單集群2000P Flops的昇騰AI雲服務正式上線，可以為自動駕駛開發提供千卡訓練一個月以上不中斷的算力。我們也新開設了烏蘭察布汽車專區，設計了三分區合規架構，將汽車專區劃分為數據處理區、智駕業務區和網絡中繼區，實現了嚴格的物理隔離和權限控制，滿足自動駕駛開發合規要求。同時，汽車專區有資質圖商駐場，協同運維，能夠全流程保障數據的安全。”張鵬說。

盤古大模型賦能 推進自動駕駛規模化量產

近年來，我國正搶抓機遇，加速布局智能網聯汽車產業。近日，繼重慶、武漢等城市之后，上海、北京也正式為無駕駛人智能網聯汽車發放道路測試牌照，全自動無人駕駛乘用車商業化運營再進一步。

與此同時，在機場、港口、礦山等場景，無人車已經開始順利“上崗”。在礦山，面對揚塵遮蔽、無標識的顛簸道路、特種作業車輛混行等等的情況，通過自動駕駛開發平台強大能力和算法支持，重載達上百噸的自動駕駛車輛可以實現精准停靠﹔在天津港，通過自動駕駛的集卡，同樣可以讓港口24小時不間斷的高效作業，大大提升了港口效率。

記者了解到，自動駕駛需要通過積累真實世界的行車數據來訓練和驗証模型算法，這個過程需要構建很多復雜的駕駛環境，雇佣安全員進行大量的道路測試，積累必要的裡程數來進行算法訓練。

“大模型突出的數據生成能力可以廣泛應用於數據預處理、模型訓練、仿真等環節，有望解決自動駕駛發展應用過程中的數據積累瓶頸。”張鵬進一步闡述，比如場景生成大模型，可以按需生成現實世界中難以再現或者無法採集數據的場景，例如沙漠、暴雨、山路等極端場景。再比如自動標注大模型，現在的自動駕駛逐漸發展為“輕地圖、重感知”，通過車身上的激光雷達和攝像頭等傳感器去感知路況實現自動駕駛，在學習和訓練的過程中需要對大量的傳感器數據進行標注，通過大模型可以進行AI自動標注，不僅成本低還很高效，標注效率可以提升5到10倍，將標注成本降低為人工標注的十分之一。

“智能汽車已經成為我國新的經濟增長點，自動駕駛的量產進程正在加速。”張鵬表示，在這一過程中，盤古大模型有望賦能自動駕駛，釋放量產加速度。

分享讓更多人看到