首页 > 快讯 > 正文

跟车厂工程师聊了聊,华为推“去高精地图化”图啥?

2023-06-18 11:39:40来源:宇多田  

来自同行的赞赏,有时候很客观;而诋毁可能恰恰相反。

对于“高阶辅助驾驶到底谁做的最好”这个问题,当下勉强在产业里达成了一个共识——

“华为?四舍五入算一个。”


(资料图)

从技术角度,他们的确得到了大厂的ADAS与L4工程师们的认可:“基础功能一般,但高阶优秀” ,“算法高级,工具链很好”。

但另一方面,从市场角度,嗤之以鼻的答案简单粗暴却直击心脏:“做的好,但又怎样?高配还不是卖不出去”。

以40多万的某狐车型城市NOA为例。上海一家租车公司本来买了一辆高配,后来又加购了5辆。

原因很有趣,包括美国、德国以及日本各地车厂与海外Tier1的系统工程师们纷纷跑来试驾,在发出“卧槽,做的还不错”的感叹后,就马不停蹄回去写报告了。

“上海的城市NOA功能体验的确好,至少比我们好。”

一位正在参与研发L2++系统的Tier1工程师坦然承认差距,开玩笑说不知道自己公司还有没有做的必要。“老板们都没体验过车,不知道开发高阶的优越感从何而来。”

然而,也有人直言:“虽然华为高阶辅助驾驶整体实力是国内Top2,但投入也是所有竞争对手无法抗衡的。”

成本的确很高。

对比车厂、创业公司与 Tier1 大几百人的配置,据传华为与自动驾驶相关的整个团队规模多达7000人。

另据一位产品经理测算,华为某同价位车上的辅助驾驶模块成本,是小鹏的两倍。

除了MDC810、13颗摄像头与3颗激光雷达等昂贵的硬件配置,华为的“中层能力”是从算法、中间件到芯片的可控性定制与优化;底层,还有路采、地图与数据闭环的隐形助力。

另外,有L4工程师指出,市面上刚吹Transformer模型时,华为其实就用上了。“你不得不承认,他们是目前模仿特斯拉最像最快的中国企业。”

然而,这部分成本落实在终端的价格上,就是低配与高阶版本近20万的差距。有意思的是,某狐低配是头部海外大厂提供的ADAS配置,得到了“烂但确实便宜”的评价。

这就是汽车智能化的最残酷之处——消费者的确不会花十几万,买个不错的高阶辅助驾驶系统。

但作为一家准车厂,华为的自动驾驶能力搭建逻辑,却值得借鉴。

地图的“价值”

从2022年开始,看似被成本推动的辅助驾驶“去高精地图革命”席卷汽车市场,而华为是呐喊者之一。

但与此同时,业内一直谣传华为有一支极为庞大的城市道路数采团队,为智驾系统提供可信任的“道路先验数据”。

对于这个传闻,一位高精地图产业人士指出,地图,的确在华为提升辅助驾驶能力过程中扮演重要角色。

2020年10月,华为曾在Mate40手机大会上,发布过一款名为Petal Maps的花瓣地图,为手机用户提供定位、驾车导航、实时路况服务。

但那时候,这个地图APP团队主要是服务海外,先融合了一家海外图商数据,再基于此做了导航与POI引擎。

而后来,又是同一团队,在国内跟四维图新合作,将地图放入车机;再结合自己的地图甲级资质,最后被拿去支持了智驾的需求。

“所以华为算是做了一个完整的‘外卖’,这是一个正经的做法,将手机、车机以及智驾地图合三为一。因此做的很深。”

而就在2022年底,车机地图与手机地图团队的合并,也佐证了这一点。

有技术人士猜测,作为地图甲级资质持有者,华为完全有能力组建团队,开着 Huawei Inside 量产车去实地采集数据——装有三颗激光雷达的车型,的确能达到测绘所需的高精度。

而采集回传的数据,则可以补给自己的三块业务——手机、车机与智驾。这种做法类似于建立了一个庞大的数据中台,也被认为是“全数据闭环”的一部分。

好处很简单:一图多用,数据精准,迭代迅速。

只不过,华为能这么做的前提,一方面是雄厚的财力,另一方面是持有决定性的甲级测绘资质。而大多车厂在这一点上短板明显,只能依赖图商。

譬如小鹏、理想以及小米等新势力背后有高德、美团等公司,为前者做一些数据合规或路采工作。

图片来自Here

因此,如今汽车智能市场的“去高精地图”之势,与“摆脱图商”相呼应。但将华为作为参照系,却绝不只为成本。

而是“体验不好”。

一家新势力车厂内部反馈的数据显示,当下,导致高速公路NOA降级与接管的主要原因,不是“感知问题”,而是“地图数据不对”。

真实的高速NOA平均水平,30公里左右就要接管或降级一次。也就是说,从苏州到上海100多公里的里程,就要接管三四次。其中最核心的原因,就是地图数据有误。

一位科技公司技术负责人指出,在实际应用中,高精地图的绝对精度能达到50厘米就“谢天谢地”;而图商们在很多广告里承诺的10厘米、5厘米则是“开国际玩笑”。

此外,高精地图里实线变虚线、虚线被画成实线,车道线缺失等问题,在“上车”后仍然极为常见。

“很多上过高速NOA的车厂,现在开始讲高精地图,绝不单单因为成本。毕竟大家早就买了图商的高速公路数据,每公里更新成本其实也不贵。但新势力为什么还要自己去申请资质,组建几百辆的采集车队,做动态更新这一层呢?就是因为体验不好。高精地图即便作为一套‘先验数据’,也不能被无条件信任。”

因此,降低对地图的依赖,提高对感知的信任,更多指代“让地图格式变轻,但更新速度加快”。

而提高更新速度的方法,不仅需要组建几百上千辆汽车做路采,它一定会涉及到一个今年非常火的概念——数据闭环

不被待见的“数据闭环”

我们在上篇大模型的文章里就曾指出,这是一项毫无显性成绩却极为重要的工作。

举个例子,如果车端出现定位漂移,或感知识别出错,系统便会回传原始视频与图片,经过合规处理后流入机房,工程师再根据这个场景做单独训练或举一反三。

而这类“场景难例”积累到一定程度,对应的算法模型就会做进一步迭代与升级,进而反哺车端。

这便是“数据闭环”的一个应用。

从广义来看,作为一个涉及数据采集、清洗、存储、标注、训练、迭代与反馈的全链路闭环系统,它不仅包含深度学习、强化学习链路,也包括地图。

因此,“数据闭环”工作在很多公司内部,要么被放入地图团队,要么被放入感知团队。

“它既能为Transformer等感知模型的迭代服务,也能为地图迭代服务。”

一位产业人士猜测,某车厂的轻量化地图策略,是“基于地图底层路网,再生成一层能动态实时更新的图层”。久而久之,就可以不再需要图商了。

而他认为,华为的逻辑也是如此。

一开始,华为也依赖某图商的高精地图。但他们有自己的云和数据闭环,最终完善出一套自己的“地图”。

“华为的数据闭环工具做得很好,特别是训练与标注。”一位外部工程师指出。

而相比于IDC里的飞速迭代,大部分车企只是指望上量产前,让图商帮自己做几百万上千万公里数采,杯水车薪。

“面对国内牛鬼蛇神层出不穷的交通环境,这是远远不够的”。

这样来看,小鹏等新势力搭建数据中心、通过各种手段试图从乙级升至甲级资质的原因,也是同类目的。

当然,数据闭环的代价就是“烧钱”

数据闭环与大模型的生存之地必然是机房,而愿意建立庞大数据中心的车厂目前屈指可数。

此外,由于投入几十亿但产出缓慢,搞数据闭环的团队在车厂里通常也不太受待见。作为一个“支撑性团队”,它的角色类似于互联网大厂里的安全部门——没有实际业务。不到某个节点,感知不到存在的意义。而且很多环节还涉及到合规性。

“这件事拼的是足够的耐心与足够的资金。但鉴于当下自动驾驶的市场形势,大部分车厂是不愿意做华为这套投入的。”

因此,有资本、地方政府与云厂商,开始琢磨“第三方运营数据闭环与大模型IDC”的生意。但这到底是不是一个市场方向,也随着“自动驾驶变冷”而扑朔迷离。

“车厂只关心今年的车到底能不能卖掉,大多不会关心三年后会什么样。你现在去告诉他们要搞IDC搞自研,给老板汇报后发现,这怎么比原来不做时还要费钱?所以这个问题的最终答案,就让时间来告诉市场吧。”

标签:

相关阅读

相关词

推荐阅读