AI與自動駕駛會產生什么化學反應？
1.自動駕駛：AI大模型有助於我們提升覆蓋小概率路況的效率
小概率路況的覆蓋是自動駕駛落地的核心問題。由於一旦發生事故造成的後果極爲嚴重，自動駕駛是一個對小概率情況非常敏感的場景。由於交通事故將會產生非常嚴重的後果，對於主機廠而言，在責任明晰之前，即使是99.99%的可靠性也是不能接受的，因爲這可能意味着每賣出10000台車可能就會產生一起事故。行業特點決定了要實現自動駕駛就必須先對長尾場景進行有效覆蓋。
測試裏程的積累是有效覆蓋小概率路況的前提。根據廣汽的預測，要實現L4級自動駕駛所需要的長尾場景覆蓋程度，至少需要完成10億個測試場景，最小測試裏程也需要10億公裏，這兩個數據分別是實現L2級自動駕駛的10萬倍、1萬倍。
此前，測試裏程的積累主要有兩種方式。一種是通過自動駕駛車隊來進行數據採集，以Waymo爲代表；一種是通過私家車進行數據採集，以特斯拉爲代表。
通過自動駕駛車隊進行路測來覆蓋小概率路況的方法效率比較低。Waymo是自動駕駛領域的霸主，但是在過去很多年裏，感知問題、行人問題、軟件問題等方面，Waymo的接管頻率並沒有收斂（基於加州路測報告）。毫無疑問，Waymo的自動駕駛能力是逐年增強的。那么，Waymo在軟件問題、行人問題等方面的表觀“退步”就只能用它在覆蓋更多的小概率路況來解釋。比如，在高速公路等路況相對簡單的場景下測試獲得好的結果之後，Waymo會把路測地點逐漸向難度更高的城區街道進行拓展。
衆包方式能在一定程度上提升對小概率路況的覆蓋效率。特斯拉採用影子模式取代測試車隊。影子模式本質上是通過衆包的方式來解決場景的快速積累問題。在這一模式下，即使在人進行駕駛的時候特斯拉自動駕駛系統同樣也在進行計算自己會怎么做，然後和人的選擇進行對比。如果自動駕駛系統和人的選擇不一致，就對這類數據進行匯集，然後交由工程師判斷自動駕駛系統的選擇是否合理。2020年3月，特斯拉就申請了從車隊中獲取自動駕駛訓練數據的專利。由於特斯拉的汽車數量遠遠多於自動駕駛測試車隊，影子模式可以更快地實現對駕駛長尾場景的積累，同時得到的結果也有更強的統計學意義。截至2019年末，特斯拉累計交付搭載自動輔助駕駛硬件的車輛85萬輛，AP激活狀態下累計行駛裏程已超過20億公裏，遠遠超過競爭對手(Waymo爲2000萬公裏)。由於特斯拉保有量持續攀升，其他競爭對手和特斯拉之間在數據積累量以及長尾場景覆蓋程度上的差距將會越拉越大。
大模型對於覆蓋小概率路況意義重大。
大模型可以大幅提升場景生成、標注的效率
隨着AI大模型的出現，我們覆蓋自動駕駛小概率路況的效率有望大幅提升，這種效率提升至少源於兩個方面：
場景生成
利用AI大模型進行場景生成是覆蓋小概率路況的新思路。相對於單純的路測，直接進行場景生成，並將仿真結果與路測相結合對於快速實現路況覆蓋大有裨益。比如毫末已發布DriveGPT雪湖·海若，可以實現三項能力：
按照概率生成很多個場景序列，每個場景序列都是未來可能會出現的一種實際路況；
在所有場景序列都產生的情況下，能對場景中最關注的自車行爲軌跡進行量化。可以實現在生成場景的同時就產生自車未來的行車軌跡；
基於所生成的軌跡，實現決策邏輯鏈的輸出。
值得注意的是，毫末的雪湖·海若引入了類似於GPT系列模型中的人類反饋強化學習機制。即把系統和駕駛員的判斷和決策進行對比，若對比結果一致，系統會被打高分，反之則會被打低分。這與特斯拉FSD的模式有異曲同工之妙。
數據標注
除場景生成外，AI大模型在自動標注方面同樣能夠發揮重要作用。在AI的1.0時代，數據標注主要依賴於人工，導致數據的標注時間很長，且成本比較高。尤其在自動駕駛領域，由於路況復雜，存在大量的標注需求。基於大模型可以實現自動標注，從而大幅度降低成本，提升效率。如毫末智行的雪狐海若將場景識別能力對外开放。此前採用普通的標注方案標注一張圖片需要約5元，而DriveGPT雪湖·海若只需要0.5元，大幅節約了成本。
作爲行業的領軍者，特斯拉給出了通過道路重建作爲車道线感知真值進行4D標注的方案，其本質上是一個基於Tesla強大視覺感知能力的衆包建圖。
2018年之前：採用純人工進行2維圖像標注，效率較低；
2019年：人工進行3D 固定框的圖像標注，當時的拓撲只是基於單趟軌跡，重投影精度<3pixel，整個標注還比較依賴人工，需要3.5小時進行一個clip標注；
2020年：採用 BEV空間進行標注，這裏可以看到此時的建圖已經是基於BEV感知進行的建圖，重投影精度<7pixel，人工標注耗時小於0.1小時，已經基本可以實現自動標注；
2021年至今：首先對場景進行重建後在 4D 空間（關於2021年开始採用的4D標注，早在19年Autonomous Day上Karpathy就做過了介紹，當時Tesla使用的是SfM的方式進行周圍場景重建，然後再在重建的點雲上進行4D標注）中進行標注，使用3D特徵進行多趟採集軌跡的聚合重建，重投影精度從（<7pixel）優化到（<3pixel），人工標注耗時與2020相當，但計算時間從2hrs降低到0.5和hrs，可擴展性也變得非常強，可以取代 500 萬小時的人工作業量，人工僅需要檢查補漏。
大模型雖難以完全解決小概率路況的問題，但依然對自動駕駛行業意義重大。當然，必須承認的是，大模型依然無法幫助我們100%解決小概率路況帶來的問題。
大模型能力來自於深度學習，而不來自於強化學習。從技術路线來看，大模型是“深度學習+人類反饋強化學習”。爲了測試強化學習對於模型能力的影響，Open AI分別基於GPT-4基礎模型和加入強化學習的GPT-4模型運行了一系列考試中的多項選擇題部分。結果顯示，在所有的考試中，基礎的GPT-4模型的平均成績爲73.7%，而引入強化學習後的模型的平均成績爲74.0%，這意味着強化學習並沒有顯著改變基礎模型的能力，換句話說，大模型的能力來自於模型本身。根據Open AI的表述，強化學習的意義更多地在於讓模型的輸出更符合人類的意圖和習慣，而不是模型能力的提升（有時甚至會降低模型的考試成績）。
既然大模型沒有擺脫深度學習框架，這就意味着現階段的AI背後依然是統計學，無法徹底解決殘差問題。換言之，“能力的不可解釋性”問題依然無法在根本上得到解決，我們依然無法實現100%的正確，只能通過覆蓋更多小概率路況的方式來提升安全性。
大模型理論上難以幫助我們實現小概率路況的100%覆蓋。從本質上來說，利用AI大模型進行路況生成雖然能大幅提升效率，但依然類似窮舉。而通過窮舉法實現對小概率路況的全覆蓋從理論上不太可能實現，本質的原因在於“路況本身是一個無限場景”。試想一下，如果我們要打开一個密碼箱，我們只需要從“000”到“999”全部嘗試一遍，箱子就必然已經被打开了；同樣的道理，在棋類運動中，每一步可以“落子”的情況都是有限的集合，換句話說，所有可能性是也是可以被遍歷的，所以這兩個場景都是“有限場景”，而公开道路自動駕駛場景則是一個“無限場景”。
但我們不能因大模型難以100%解決問題而低估其對自動駕駛行業的幫助。無法單純從技術上解決問題並不意味着大模型對於自動駕駛的落地沒有意義。我們認爲，技術的突破和法律、倫理的放縮將“相向而行”，從而最終在一個可以接受的安全性範圍內實現平衡。可以試想一下，如果人類沒有發明汽車，可能也不會有目前那么多的交通事故，但顯然並不會有人因爲這一點抵制汽車這一爲人類社會帶來巨大幫助的發明。
2. AI助力智能座艙交互體驗提升
智能座艙交互屬性毫無疑問會不斷上升。
從必要性角度：汽車行業正從賣方市場轉向买方市場，行業演進的核心驅動因素由技術與產品轉變爲消費者需求。傳統汽車工業已走過百年，隨着行業的高度成熟，這一市場正逐漸由賣方市場轉變爲买方市場，行業向前發展的關鍵因素也從技術的突破和產品的打磨轉向消費者的需求變化。
從可行性角度：隨着EE架構的集中化，以及主控芯片算力的提升，將可以支撐越來越多新的功能點。
AI大模型可以豐富和革新人與車輛的交互方式。在座艙內，駕駛員會與汽車通過語音、視覺等多種方式產生交互，毫無疑問，AI大模型有助於交互體驗的提升。如駕駛員將可以通過自然語言的方式和系統進行溝通，比如選擇一條更快的路或是收費更少的路；或者系統會對駕駛員的各種習慣進行學習，比如什么時間在什么地方喜歡买咖啡，從而對駕駛員進行建議；再或是基於天氣提示駕駛員帶雨傘等等。
3.AI帶動車輛研發設計效率提升
隨着項目周期的壓縮，汽車研發效率正變得越來越重要。
汽車的开發周期正逐漸縮短，這使得供應商的項目周期被大幅壓縮，此前項目可能是2-3年，而現在可能是1年多甚至不到1年，同時主機廠的定制化需求卻越來越多，更短的开發周期和更多的定制化需求對Tier1的智能制造能力提出了更高的要求。
隨着自動駕駛功能模塊逐漸增加，需要測試的裏程數快速增加，並沒有完全足夠的時間進行路測，同時由於涉及到安全，測試環節本身不能簡化，所以設計、測試的效率在一定程度上正逐漸成爲制約項目能否快速及時交付的重要因素。
AI大模型對於汽車設計師效率的提升意義重大。比如中科創達Genius Canvas將語言能力、視覺渲染以及特效制作能力結合在一起，可以通過輔助概念創作、輔助3D元素設計、輔助特效代碼生成和輔助場景搭建及制作多方面幫助設計師完成創作過程，從而優化工作流程，並提高設計師的工作效率。概念創作方面，它能夠把3-4周的工作周期縮短到1周，節省70%的時間。3D元素設計方面，它能夠把4~6周的工作周期縮短到3天，節省85%的時間。特效及場景制作方面，它能夠節省90%的時間。
4. 國內智能駕駛公司積極擁抱AI新趨勢
中科創達：推出Genius Canvas，提升HMI交互體驗
中科創達重視AI技術，利用kanzi推動智能駕駛艙的發展。在2022年，中科創達公布與地平线成立合資公司，聚焦智能駕駛賽道。kanzi是一個具有強大實時3D渲染能力的工具。中科創達推出的智能駕駛艙3.0使用了Kanzi for Android這種新技術，使得Android系統和Kanzi完美對接，實現了3D唱片、可定制實景導航、實時界面個性化定制、跨屏幕跨系統應用等功能。
中科創達利用Kanzi實現智能駕駛艙多屏交互。由於智能駕駛涉及人機共駕，智能汽車所承載的駕駛員信息、車外環境信息、車輛信息等越來越多，需要有更多的空間、分區域地呈現給用戶，並確保和駕駛員有良好交互。基於Kanzi for Android支持的多屏聯動，在導航的過程中可以實現地圖跨屏，全方位呈現3D導航；在導航結束時，可將地圖由副駕駛屏收縮至中控屏。多方選擇以適應更多的個性化需求。
中科創達Genius Canvas賦能汽車產業發展，打造全新HMI交互體驗。Genius Canvas的一個工具是大模型引擎，它能夠把想法和理念轉化爲文案，並進一步轉化爲創意和作品，最終通過技術手段轉化爲應用程序。Genius Canvas的第二個工具來源於KANZI產品。Kanzi與大模型結合後，能夠利用大模型的知識庫及創新能力，快速創作豐富多彩的Kanzi HMI概念效果及特效，構建多樣的3D模型及形象庫，並且在車機系統中能夠實現實時預覽功能。目前，全球已有超過百款車型選用了Kanzi，每年有數千萬輛搭載Kanzi 技術的量產車型落地。
德賽西威：聯合高校推進大模型本地化，賦能自動駕駛
德賽西威聯合高校推進大模型本地化部署。德賽西威已和中山大學、南洋理工大學等高校合作，通過嘗試和布局基於大模型的數字虛擬助手、圖像數據自動標注、自動場景創建、自動編程等，構建技術支撐，相關方案已經在上海車展上亮相。在AI大模型本地化過程中，德賽西威能夠爲客戶提供差異化、全方位的技術支持和解決方案。
AI大模型技術可以和德賽西威現有技術形成完美融合。比如,AI大模型可以在感知融合、感知預測和規劃上實現更爲精准的數據補充和預測，從而在行爲預測方面給予自動駕駛更多地幫助，並給出更多的控制選擇。
虹軟科技：已發布可商業落地的AIGC產品
公司已發布AIGC產品，助力小B客戶大幅降低商品展示成本。1）商業拍攝市場空間超500億元，虹軟方案能大幅降低對模特的依賴，降低商品展示成本，實現對於原方案的替代。2）採用目前市場上的方案在很多細節處存在畸變和失真，虹軟的方案能使得商品展示“所見即所得”。3）公司計劃在2023年推出靜態商品展示圖解決方案，包括商品加背景靜態圖像的生成，以及商品加數字模特圖像生成，後續計劃推出動態視頻以及3D內容。
商業模式：與公司手機、汽車業務類似，AIGC商業模式分爲會員服務費和生產流量費兩部分。1）在會員服務會部分，公司會根據不同的會員等級开放不同的功能，比如不同的場景庫和模型庫；此外，公司可以針對一些增值的API做差異化的定制开發。2）在生成流量費部分，公司將按照生成內容的實際算力消耗直接定價。
虹軟科技是非常稀缺的能夠將AIGC技術進行產品化落地的公司。在目前階段，投資者非常關注哪些公司能在AIGC方面形成真正的產品，並產生商業價值。虹軟作爲安卓系手機拍攝算法的全球霸主和汽車視覺算法的領先者，在圖像處理方面擁有超過20年的技術積累，是非常稀缺的能夠在現階段將AIGC技術進行產品化落地的公司。
經緯恆潤：自主开發駕駛仿真測試軟件，推出智能座艙AI單品
在自動駕駛仿真方面，經緯恆潤自主开發仿真軟件，助力駕駛測試。經緯恆潤自主研發了綜合駕駛測試仿真軟件ModelBase，這一軟件可以被用於乘用車、商用車的整車電控系統、ADAS系統的設計、測試和驗證。涉及電控系統的全开發周期，包括早期的算法仿真測試，控制器的硬件在環測試，半實物台架測試，以及車輛在環測試。目前這一軟件已經被已應用於一汽、東風、蔚來等50余個項目中。
在智能座艙交互方面，經緯恆潤基於AI技術开發了音樂律動氛圍燈等一系列產品。經緯恆潤音樂律動氛圍燈具有實時歌曲特徵識別和離线歌曲特徵識別兩種模式。其中離线歌曲特徵識別模式的相關功能就是基於AI音樂風格分類算法和AI音樂段落劃分算法進行實現。通過音樂特徵識別，爲氛圍燈音樂律動提供豐富的效果組合，提升用戶體驗。
注：本文來自國泰君安發布的《AI與自動駕駛會產生什么化學反應？》，報告分析師：李沐華、齊佳宏
本訂閱號不是國泰君安證券研究報告發布平台。本訂閱號所載內容均來自於國泰君安證券研究所已正式發布的研究報告，如需了解詳細的證券研究信息，請具體參見國泰君安證券研究所發布的完整報告。本訂閱號推送的信息僅限完整報告發布當日有效，發布日後推送的信息受限於相關因素的更新而不再准確或者失效的，本訂閱號不承擔更新推送信息或另行通知義務，後續更新信息以國泰君安證券研究所正式發布的研究報告爲准。
本訂閱號所載內容僅面向國泰君安證券研究服務籤約客戶。因本資料暫時無法設置訪問限制，根據《證券期貨投資者適當性管理辦法》的要求，若您並非國泰君安證券研究服務籤約客戶，爲控制投資風險，還請取消關注，請勿訂閱、接收或使用本訂閱號中的任何信息。如有不便，敬請諒解。
市場有風險，投資需謹慎。在任何情況下，本訂閱號中信息或所表述的意見均不構成對任何人的投資建議。在決定投資前，如有需要，投資者務必向專業人士咨詢並謹慎決策。國泰君安證券及本訂閱號運營團隊不對任何人因使用本訂閱號所載任何內容所引致的任何損失負任何責任。
本訂閱號所載內容版權僅爲國泰君安證券所有。任何機構和個人未經書面許可不得以任何形式翻版、復制、轉載、刊登、發表、篡改或者引用，如因侵權行爲給國泰君安證券研究所造成任何直接或間接的損失，國泰君安證券研究所保留追究一切法律責任的權利。
標題：AI與自動駕駛會產生什么化學反應？
地址：https://www.iknowplus.com/post/12799.html
