席卷自動駕駛行業(yè)的寒冬還沒有過去，開發(fā)周期長、成本高，又難落地的問題并沒有完全被解決，而大量的車企都在激進的進行電動化和智悉陪圓能化的轉(zhuǎn)型，自動駕駛的研發(fā)又是繞不開的重要一部分。

可是靠自動駕駛技術(shù)和故事去吸引消費者的路線已經(jīng)逐漸走不通了，比亞迪王傳福也站出來炮轟自動駕駛，讓自動駕駛的寒意更濃了。

其實自動駕駛難落地的問題，對于誰都一樣，誰都繞不過去這個問題，但是車企和自動駕駛企業(yè)們可以在“開發(fā)周期和成本”方面開卷，因為在大環(huán)境不利的情況下，誰能用更低的成本和更高的效率堅持并維持住，才可能在春暖花開之時迎來綻放。

在本周的在第八屆毫末AI DAY上，毫末智行發(fā)布了首個應(yīng)用GPT模型和技術(shù)邏輯的自動駕駛算法模型DriveGPT，并正式官宣中文名為“雪湖·海若”。DriveGPT首發(fā)車型是即將量產(chǎn)上市的全新摩卡DHT-PHEV，有了DriveGPT之后，自動駕駛開發(fā)中的周期和成本都會大幅縮短和降低。

目前的自動駕駛技術(shù)發(fā)展情況，主流的自動駕駛訓(xùn)練方式主要有兩種：真實道路測試和虛擬仿真測試。

真實道路測試最大的特點是能夠與真實交通環(huán)境相匹配，模擬真實生活中的睜塌各種復(fù)雜情況。同時，真實道路測試還可以發(fā)現(xiàn)一些不常見或難以預(yù)測的情況，提高自動駕駛系統(tǒng)的適應(yīng)性和可靠性。然而，真實道路測試需要大量的時間和金錢投入，同時還涉及交通安全、法律法規(guī)以及人員傷害等問題，給測試過程帶來了一定的風(fēng)險和壓力。這些都會導(dǎo)致測試成本的增加。

另一種方式就是虛擬仿真測試，它是在計算機模擬環(huán)境下測試自動駕駛系統(tǒng)，通過虛擬場景來訓(xùn)練模型。虛擬仿真測試可以避免真實道路測試中的安全問題和成本壓力，同時還可以快速生成大量的數(shù)據(jù)，提高測試效率和數(shù)據(jù)量，而且在其中已經(jīng)輔以了不少AI人工智能技術(shù)。

但是，虛擬仿真測試中的數(shù)據(jù)和場景是人為設(shè)計的，可能無法完全反映真實道路的復(fù)雜性和不確定性。因此，虛擬仿真測試有時需要進行一定程度的真實道路測試來驗證其結(jié)果。

DriveGPT采用了與ChatGPT一樣的Transformer模型與RLHF人類反饋學(xué)習(xí)能力，通過引入真實駕駛場景和人駕接管數(shù)據(jù)，可對自動駕駛認知決策模型進行持續(xù)優(yōu)化，從而為自動駕駛開發(fā)降低成本。

由于DriveGPT是在虛擬仿真環(huán)境下進行訓(xùn)練的，因此可以省去真實道路測試中的安全問題亂好和成本壓力。DriveGPT能夠生成大量的仿真數(shù)據(jù)用于訓(xùn)練模型，這些數(shù)據(jù)能夠很好地模擬真實道路的復(fù)雜性和不確定性，從而保證模型的魯棒性和可靠性。同時，在仿真環(huán)境下進行訓(xùn)練還可以大大節(jié)約時間和成本。

與傳統(tǒng)的真實道路測試相比，DriveGPT能夠快速高效地獲取大量數(shù)據(jù)。DriveGPT的訓(xùn)練過程是完全自動化的，不受測試時間、環(huán)境等因素的影響，從而大大提高了測試效率和數(shù)據(jù)量。這不僅節(jié)約了訓(xùn)練時間，還可以提高模型的精度和魯棒性。

DriveGPT自身能區(qū)分駕駛場景和非駕駛場景，并可以理解駕駛環(huán)境，還可用于場景識別標注任務(wù)，比如標注車道線、交通參與者、紅綠燈、路牌等細節(jié)信息，并且每張圖的識別優(yōu)化價格從約 5 元下降到 0.5 元，成本下降了近10倍，在OpenAI的GPT-4出來的時候，它的識圖能力引起了我們的高度關(guān)注，而與其底層類似的DriveGPT，已經(jīng)把這項能力用了起來。

AI自動識圖逐漸開始代替人工，人工標注的效率和成本是繞不過的問題，機器不需要休息，也幾乎不會眼花，而自動標注的成本僅是過去使用人工的十分之一不到，而且半個月就能完成人力一年的需求。

DriveGPT使用大量的仿真數(shù)據(jù)來訓(xùn)練模型，這些數(shù)據(jù)能夠很好地反映真實道路的復(fù)雜性和不確定性，DriveGPT它能夠更好地處理自然語言、圖像等多種數(shù)據(jù)類型，還可以去自行學(xué)習(xí)，從而提高模型的復(fù)雜性和準確性。

另外在產(chǎn)品迭代方面，DriveGPT能夠為自動駕駛開發(fā)者提供快速有效的反饋，幫助它們更快地調(diào)試和優(yōu)化系統(tǒng)，從而進一步降低系統(tǒng)迭代方面的開發(fā)成本。

通過DriveGPT訓(xùn)練出來的模型可以轉(zhuǎn)移到真實道路測試中進行驗證，進一步提高了系統(tǒng)的安全性和可靠性。DriveGPT訓(xùn)練出來的模型能夠很好地反映真實道路的復(fù)雜性和不確定性，從而在真實道路測試中能夠更快地適應(yīng)各種情況，DriveGPT還可以同時讓系統(tǒng)處于多個平行宇宙之中，也就是提前做好再一次遇到類似情況可能發(fā)生的各種駕駛情況，在預(yù)測人車軌跡能力上也得到了大幅提升。

DriveGPT的能力不只局限于自動駕駛領(lǐng)域內(nèi)，我們看到毫末的合作伙伴還有北京交通大學(xué)計算機與信息技術(shù)學(xué)院、火山引擎、華為云、京東科技、高通、四維圖新、英特爾等，當(dāng)然這里面有很多是供應(yīng)商伙伴，但四維圖新這個伙伴，可能是DriveGPT要去賦能的另外一部分。

此次四維圖新也官宣表示：接入毫末DriveGPT雪湖·海若，可實現(xiàn)持續(xù)雙向賦能。借助DriveGPT雪湖·海若算法能力可提升地圖成圖自動化水平。DriveGPT對于圖像強大的理解能力，可以應(yīng)用于地圖測繪方面，DriveGPT可以使用AI大模型來進行對物體的識別，特別是建筑物，具體來說，它可以通過大量的地圖數(shù)據(jù)和衛(wèi)星影像數(shù)據(jù)進行訓(xùn)練，然后利用這些數(shù)據(jù)來識別、分類和標注建筑物信息。同時，由于DriveGPT使用的是AI技術(shù)，因此其識別準確率和效率都比傳統(tǒng)的人工測繪方法更高。

除了建筑物識別，DriveGPT還可以用于其他地圖測繪任務(wù)，例如道路標注、地形分析、地圖更新等，特別是隨著搭載DriveGPT的車型越來越多，它們甚至可以去試試生成鮮度比較高的高精地圖，雖然毫末打造的是重感知、輕地圖的系統(tǒng)，DriveGPT也是為了去加深這一目的，但是高精地圖可以給到供應(yīng)商去做別的事情，并不是只有自動駕駛需要高精地圖。

與傳統(tǒng)的自動駕駛訓(xùn)練方式相比，DriveGPT能夠省去真實道路測試中的安全問題和成本壓力，同時能夠高效快速地獲取大量數(shù)據(jù)、精準地反映真實道路的復(fù)雜性和不確定性、提供快速有效的反饋以及能夠轉(zhuǎn)移到真實道路測試中進行驗證等優(yōu)點。毫末接下來的輔助駕駛方案，可能會把軟硬件的成本卷得更低。

DriveGPT具有很大的應(yīng)用前景，雖然我們看到目前只看到了毫末智行入局GPT類自動駕駛，但其他車企和供應(yīng)商們肯定不會放過這個機會，AI技術(shù)大爆發(fā)的當(dāng)下，或許比DriveGPT更高階的自動駕駛訓(xùn)練方式也在來的路上。

而且隨著AI的全面接入，再靠堆硬件，比激光雷達數(shù)量、攝像頭像素和個數(shù)、算力芯片能力，可能不再是吃香的辦法，沒人愿意為能力低，而靠堆硬件帶來的高成本而買單。

【本文來自易車號作者路咖汽車，版權(quán)歸作者所有,任何形式轉(zhuǎn)載請聯(lián)系作者。內(nèi)容僅代表作者觀點，與易車無關(guān)】