一加Ace2 Pro真機(jī)揭曉 鈦空灰配色質(zhì)感拉滿
終于，在經(jīng)過了幾波預(yù)熱之后，一加Ace2 Pro的外觀真機(jī)圖在網(wǎng)上出現(xiàn)了。還是博主數(shù)碼閑聊站曝光的，這次的外觀設(shè)計(jì)還是延續(xù)了一加11的方案，只是細(xì)節(jié)上有了調(diào)整，例如新加入了鈦空灰
2024 年 3 月開始，特斯拉開始在北美地區(qū)大范圍推送 FSD v12，帶來了相當(dāng)明顯的體驗(yàn)升級(jí)，讓端到端成為行業(yè)追逐的熱點(diǎn)。
近日，小鵬汽車創(chuàng)始人何小鵬在美國加州體驗(yàn)了 FSD（全自動(dòng)駕駛）V12.3.6 版本后，對其進(jìn)步表示感慨。他稱，全程體驗(yàn)下來，F(xiàn)SD 的表現(xiàn)非常絲滑，絕大部分路況處理都讓人安心，幾乎接近人類司機(jī)的駕駛水平。
與此同時(shí)，國內(nèi)公司也在迅速跟進(jìn)這條技術(shù)棧。華為、小鵬、元戎啟行等企業(yè)紛紛規(guī)劃端到端的上車方案。
其中，華為智能汽車解決方案 BU CEO 靳玉志表示，華為 ADS（自動(dòng)駕駛系統(tǒng)）的目標(biāo)是超越特斯拉 FSD。他表示，接下來每次大版本更新都顯著提升了行業(yè)水平，即使是純視覺的方案要超越特斯拉 FSD，而帶激光雷達(dá)的方案更是要碾壓特斯拉。
近，華為宣布，阿維塔將首批搭載華為乾崑 ADS 3.0（高階智能駕駛），并宣布大降價(jià)。ADS 高階功能包一次性購買標(biāo)準(zhǔn)價(jià)格為 3.6 萬元，調(diào)整后價(jià)格為 3 萬元，相比原價(jià)降低了 6000 元。
那華為要如何在體驗(yàn)上碾壓特斯拉 FSD 呢？在端到端成為行業(yè)共識(shí)的背景下，華為需要跨越哪些門檻才能繼續(xù)保持領(lǐng)先？更重要的是，在「遙遙領(lǐng)先」的背后，華為智駕大的風(fēng)險(xiǎn)是什么？
01、大力出奇跡
在此之前，首先要回顧下華為如何成為智能駕駛第一梯隊(duì)？
業(yè)內(nèi)普遍認(rèn)為有兩大原因：一是華為在智能駕駛的起步早，可以追溯到 2013 年。當(dāng)時(shí)，華為成立了車聯(lián)網(wǎng)事業(yè)部，正式開始布局自動(dòng)駕駛技術(shù)。而在此之前，2012年谷歌獲得了第一張自動(dòng)駕駛牌照。與百度在同一時(shí)期開始進(jìn)行路測相比，華為在時(shí)間上并沒有落后。
相比之下，目前一些備受矚目的自動(dòng)駕駛公司，例如小馬智行、Momenta 等，都是成立于 2016 年。
另一種說法是得益于華為龐大的資源投入和團(tuán)隊(duì)規(guī)模。
在很長一段時(shí)間里，在智能駕駛領(lǐng)域，團(tuán)隊(duì)規(guī)模直接影響研發(fā)成熟度。尤其是處理大量的特殊情況（Corner Case），需要大量的程序員和測試工程師來開發(fā)和驗(yàn)證。
問界產(chǎn)品搭載了華為智駕系統(tǒng) | 圖片來源：問界
相比規(guī)模在 1000 人左右的主流車企和自動(dòng)駕駛公司研發(fā)團(tuán)隊(duì)，華為車 BU 的研發(fā)團(tuán)隊(duì)總計(jì)達(dá) 7000 人。余承東曾表示，其中 70%至 80%（約 5000 人）專注于自動(dòng)駕駛的研發(fā)。這使得華為擁有國內(nèi)外規(guī)模大的自動(dòng)駕駛研發(fā)團(tuán)隊(duì)。
知乎博主「卿顏」表示，華為在研發(fā)和新技術(shù)上的投入力度和決心是業(yè)內(nèi)少見的。華為在多個(gè)團(tuán)隊(duì)同時(shí)推進(jìn)自動(dòng)駕駛技術(shù)的研發(fā)，并擁有大量的測試車，其中主要使用的是價(jià)格昂貴、易于改造的車型，顯示出其在硬件上的投入。
在軟件方面，華為曾是 Matlab（美國 MathWorks 公司出品的商業(yè)數(shù)學(xué)軟件，被稱為「工科生必備神器」）的大客戶，購買了非常完整的許可證，甚至包括一些暫時(shí)用不到的許可證。華為一年在 Matlab 上的花費(fèi)可能超過多個(gè)大主機(jī)廠的總和。雖然目前由于禁令影響，情況有所變化，但華為在軟件上的投入同樣顯示了其在技術(shù)研發(fā)上的決心。
與此同時(shí)，自動(dòng)駕駛技術(shù)長期以來采用分治法，將過程分成感知、預(yù)測、規(guī)劃、控制，然后再拆分為雷達(dá)、建模、車規(guī)標(biāo)準(zhǔn)、智能協(xié)同、高精地圖、軟硬件配合等多個(gè)組成部分。這種方法對習(xí)慣大兵團(tuán)作戰(zhàn)的華為研發(fā)團(tuán)隊(duì)來說再熟悉不過了。
華為在自動(dòng)駕駛領(lǐng)域的研發(fā)過程，充分利用了其在大規(guī)模團(tuán)隊(duì)協(xié)作和項(xiàng)目管理方面的經(jīng)驗(yàn)。分治法讓各個(gè)部門專注于各自的技術(shù)難題，同時(shí)確保整體項(xiàng)目的協(xié)調(diào)推進(jìn)。
這幾種說法都有合理性，但不容忽視的是，華為有來自其他業(yè)務(wù)的技術(shù)儲(chǔ)備。華為并不是從零開始涉足自動(dòng)駕駛。相比其他國內(nèi)廠商，華為在電驅(qū)動(dòng)等汽車技術(shù)上有著深厚的積累。
同時(shí)，自動(dòng)駕駛對軟硬件能力的要求極高。從芯片制造、算法優(yōu)化到系統(tǒng)建立和軟件適配，每一個(gè)環(huán)節(jié)都需要扎實(shí)的技術(shù)積累。
目前，華為的軟硬件一體化能力是支撐其快速發(fā)展的關(guān)鍵。與其他廠家通常購買各種器件芯片并結(jié)合自研算法不同，華為不僅開發(fā)底層操作系統(tǒng)，還擁有獨(dú)特的 AI 芯片、激光雷達(dá)、電機(jī)、電控系統(tǒng)和毫米波雷達(dá)等關(guān)鍵技術(shù)。簡單說，一輛智能電動(dòng)車除了輪子、外殼和座椅，其他所有技術(shù)華為都能提供。
這種一體化優(yōu)勢，使得華為在優(yōu)化各類器件性能和數(shù)據(jù)處理方面，具備了極高的效率和靈活性。
02、能跨越到端到端時(shí)代嗎？
目前，業(yè)界普遍認(rèn)為端到端開啟了新一輪的自動(dòng)駕駛產(chǎn)業(yè)革命。華為的高級(jí)智能駕駛系統(tǒng)也經(jīng)歷了三個(gè)階段：
ADS 1.0：于 2021 年推出，基于 Transformer 的 BEV 架構(gòu)，依賴高精度地圖。
ADS 2.0：在 2023 年發(fā)布，減少了對高精度地圖的依賴，采用 RCR 算法進(jìn)行車道實(shí)時(shí)識(shí)別和路徑規(guī)劃，大幅提升了系統(tǒng)在城市環(huán)境中的泛化速度和更新頻率。
ADS 3.0：2024 年發(fā)布，采用端到端大模型。與特斯拉宣稱的「大一統(tǒng)」模型不同，華為 ADS 3.0 感知部分使用 GOD（通用障礙物識(shí)別）大感知網(wǎng)絡(luò)，而決策規(guī)劃部分通過 PDP（預(yù)測-決策-規(guī)劃）網(wǎng)絡(luò)來實(shí)現(xiàn)。
雖然業(yè)內(nèi)都在追逐端到端，但業(yè)界對它的定義存在著分歧和爭議。一些技術(shù)原教旨主義者認(rèn)為，許多公司所宣傳的「端到端」并非真正意義上的端到端；而實(shí)用主義者則認(rèn)為，只要技術(shù)基本符合原理并且產(chǎn)品性能得到提升，精確定義端到端的內(nèi)涵并不是關(guān)鍵。
辰韜資本聯(lián)合多家單位發(fā)布了 2024 年度《端到端自動(dòng)駕駛行業(yè)研究報(bào)告》，表示自動(dòng)駕駛技術(shù)架構(gòu)演進(jìn)為四個(gè)關(guān)鍵階段：
感知「端到端」：感知模塊通過多傳感器融合技術(shù)實(shí)現(xiàn)了模塊級(jí)別的全面覆蓋，但決策規(guī)劃仍主要基于規(guī)則。
決策規(guī)劃模型化：決策規(guī)劃模塊從傳統(tǒng)的預(yù)測、決策、規(guī)劃功能分離，演變?yōu)榧傻絾我簧窠?jīng)網(wǎng)絡(luò)中的模型。
模塊化端到端：感知模塊不再輸出人類理解的結(jié)果，而是特征向量；訓(xùn)練時(shí)需通過梯度傳導(dǎo)同時(shí)進(jìn)行，增強(qiáng)模塊之間的協(xié)同性。
One Model/ 單一模型端到端：不再區(qū)分感知、決策規(guī)劃等功能，整體流程由同一深度學(xué)習(xí)模型完成，從輸入信號(hào)到輸出軌跡一體化。
業(yè)內(nèi)認(rèn)為，華為和很多國內(nèi)廠商的方案，大多處于「 決策規(guī)劃模型化 」 階段，距離模塊化端到端或 One Model 端到端自動(dòng)駕駛量產(chǎn)落地還有距離。
未來，華為在邁向端到端自動(dòng)駕駛新時(shí)代時(shí)，面臨著三大關(guān)鍵挑戰(zhàn)：
首先是數(shù)據(jù)需求的激增。特斯拉從超過 20 億英里（約合 32 億公里）的行駛數(shù)據(jù)中挖掘了數(shù)萬小時(shí)的視頻數(shù)據(jù)用于 FSD 訓(xùn)練。一位自動(dòng)駕駛工程師表示，他們在訓(xùn)練端到端模型時(shí)，原本積累的路測數(shù)據(jù)只有 2%可以用。這顯示出端到端模型對數(shù)據(jù)量的龐大需求。
除了數(shù)據(jù)量，數(shù)據(jù)質(zhì)量同樣至關(guān)重要。小馬智行的 CTO 樓天城曾表示，要訓(xùn)練出高性能的端到端模型，數(shù)據(jù)質(zhì)量的要求比一般性能模型高出幾個(gè)數(shù)量級(jí)。這是整個(gè)自動(dòng)駕駛行業(yè)面臨的重大挑戰(zhàn)之一。
華為今年 4 月時(shí)候宣布，到 6 月訓(xùn)練算力將達(dá)到 3.5 EFLOPS | 圖片來源：華為
第二、在端到端自動(dòng)駕駛的發(fā)展過程中，訓(xùn)練算力的需求越來越高，遠(yuǎn)超以往任何階段。
部分業(yè)內(nèi)人士認(rèn)為，使用 100 張高算力 GPU（如 NVIDIA A100）就能開始端到端自動(dòng)駕駛的初步訓(xùn)練。然而，特斯拉等領(lǐng)先企業(yè)的實(shí)踐表明，要實(shí)現(xiàn)優(yōu)異的端到端效果，所需的計(jì)算能力遠(yuǎn)遠(yuǎn)超出這個(gè)數(shù)量。
特斯拉此前預(yù)計(jì) 2024 年 2 月公司算力規(guī)模將進(jìn)入全球前五，10 月算力將達(dá)到 100 E FLOPS（每秒浮點(diǎn)運(yùn)算次數(shù)），相當(dāng)于約 30 萬塊英偉達(dá) A100 的算力總和。
相比于國內(nèi)廠商，特斯拉的目標(biāo)高得讓人驚訝。華為表示，2024 年 6 月智駕 ADS 訓(xùn)練算力將達(dá) 3.5EFLOPS，蔚來、理想、小鵬的智駕算力中心算力分別是 1.4 EFLOPS、1.4 EFLOPS、0.6EFLOPS。
第三，端到端將帶來自動(dòng)駕駛團(tuán)隊(duì)的組織重塑。一般來說，企業(yè)的組織結(jié)構(gòu)通常能夠促進(jìn)組件層面的創(chuàng)新，因?yàn)楫a(chǎn)品研發(fā)通常由多個(gè)小組分別研究，只要產(chǎn)品的基本結(jié)構(gòu)不變，這種方式就非常有效。然而，當(dāng)需要進(jìn)行結(jié)構(gòu)性技術(shù)變革時(shí)，這種組織體系可能會(huì)阻礙創(chuàng)新，因?yàn)樗拗屏巳藛T和團(tuán)隊(duì)以全新方式進(jìn)行交流和合作的能力。
隨著端到端技術(shù)的使用，之前的分治法和 KPI 分拆模式可能會(huì)限制性能的提升，產(chǎn)生意想不到的反效果。過于關(guān)注單一 KPI 的優(yōu)秀表現(xiàn)，可能會(huì)犧牲其他指標(biāo)的穩(wěn)定性。
因此，許多企業(yè)正在調(diào)整策略，減少原有團(tuán)隊(duì)規(guī)模，轉(zhuǎn)向 AI 大模型和數(shù)據(jù)基礎(chǔ)設(shè)施的開發(fā)。高質(zhì)量的數(shù)據(jù)和頂尖的 AI 人才將成為關(guān)鍵資源。與此同時(shí)，以往的垂直組織體系，要轉(zhuǎn)向網(wǎng)格狀結(jié)構(gòu)，同時(shí)擁有垂直和橫向團(tuán)隊(duì)，以實(shí)現(xiàn)多目標(biāo)優(yōu)化而非單一目標(biāo)的優(yōu)化。
端到端神經(jīng)網(wǎng)絡(luò)架構(gòu)提升了數(shù)據(jù)及 AI 能力在整個(gè)產(chǎn)業(yè)鏈上的重要性，并帶來了企業(yè)所需能力和資源投入的深刻變化。這也意味著，智能駕駛的游戲規(guī)則重新改寫，能夠跟進(jìn)這場競賽的玩家屈指可數(shù)，許多公司將因此掉隊(duì)。
華為在規(guī)則驅(qū)動(dòng)時(shí)代確實(shí)有自己的資源和先發(fā)優(yōu)勢，但跨越要端到端時(shí)代保持領(lǐng)先，轉(zhuǎn)彎的半徑要比友商大很多。
本文鏈接：http://www.www897cc.com/showinfo-22-98272-0.html華為智駕大的風(fēng)險(xiǎn)是什么？
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)