自动驾驶GPT落地，需要分四步走

出品 | 虎嗅智库

编辑 | 黄思语

头图 | 视觉中国

GPT（生成式预训练大模型）出现后，迅速引发各行各业的关注，自动驾驶行业也开始探索GPT在自动驾驶领域的应用及落地策略。

 

传统自动驾驶模型是小模型+规则制，是问题导向形的。GPT大模型出现以后，变成大模型+大数据的形式，通过自动标注的形式获取数据，数据规模大，获取速度快，成本低，变成了数据驱动。车企部署自动驾驶GPT需要分阶段、分任务地解决相应问题和挑战。

 

由此，虎嗅智库撰写发布了《自动驾驶GPT对车企技术策略影响分析》，通过深入剖析GPT大模型对自动驾驶技术发展的影响，为车企布局自动驾驶技术提供有价值的应对之策。

 

本文为该报告核心观点。

 

点击文末【阅读原文】查看完整版报告

能解决当前哪些痛点问题？

首先，GPT大模型通过自动数据标注技术，降低了数据获取成本，加快了数据获取速度。自动标注技术可以将标注成本降低约90%,这为自动驾驶技术的快速商业化应用创造了条件。

其次，GPT大模型可以实时生成“活地图”，预测被遮挡障碍物，有效解决自动驾驶中的corner case（极端情况）问题。基于transformer的BEV感知，可以将周围环境信息融合，生成三维信息，为决策提供动态环境数据,实现去高精地图化并增强泛化能力，这可以显著提高自动驾驶的安全性。 

最后，GPT大模型具有强大的泛化能力，可以识别规则之外的新案例。传统模型依靠规则制定，对规则之外难以应对。GPT通过海量数据训练，可以根据泛化特征识别新案例，能识别新的案例。这样使自动驾驶技术应用于更为广泛和复杂的场景中。

 

对当前技术路线的影响

 

GPT大模型出现以前，行业对于渐进式和跃进式技术路线的选择上是存在分歧的。跃进式技术路线以谷歌、百度为代表，通过收集路测数据训练自动驾驶模型，依托高精地图实现L4级自动驾驶。

 

GPT大模型出现以后，渐进式智能驾驶方案逐渐成为主流路线。依托于高精地图的L4级跃进式技术路线逐渐被行业舍弃，基于Transformer+BEV的渐进式成为自动驾驶主流技术路线，这套技术路线不依赖于高精地图。原因在于，基于Transformer的BEV感知技术，可以将动态物体、静态物体统一坐标系，通过 Occupancy网络避开不需要识别或识别不出的物体，再通过NeRF技术对三维驾驶场景进行还原，预测出后续决策所需要的道路拓扑信息，实现去高精地图化。

 

这个过程中，与其说是去高精地图，不如说是通过Transformer+BEV感知方式实时生成即时高精地图，摆脱了对第三方供应高精地图的依赖。

 

“四步走”策略

 

车企部署自动驾驶GPT需要分阶段，分任务的解决相应问题和挑战。综合无人驾驶智能化程度和大模型部署位置，落地的过程总体可分为“四步走”。

 

第一步，云端部署自动驾驶GPT大模型。通过海量数据训练实现自动标注，降低数据获取成本，解决corner case问题，覆盖各类驾驶场景。这一阶段云端模型不断迭代训练，性能逐步提高。 

第二步，将训练有素的云端模型部署至车端，实现车端模型部署。车端模型仍需云端模型指导，属车云协同阶段，云端模型主导。车端数据回传云端，实现模型联合训练与优化。这一阶段智能驾驶为人类驾驶赋能，未达无人驾驶。 

第三步，进入车云协同阶段，车端模型主导。云端与车端模型协作，车端数据实时回传云端，实现高效计算与存储。车端芯片成本降低但算力有限，需要云端支持。这一阶段车企实现自动驾驶产品车端自主部署，车云协同带来更广场景应用。

第四步，自动驾驶技术成熟，车端可以自主部署模型，实现真无人驾驶。自动驾驶方案选择更加灵活，由用户根据需求选择。这标志产业链各方技术水平显著提高，自动驾驶产品极具个性化，成为消费市场主流，开创出行新模式。

 

需要重点解决的问题

自动驾驶GPT模型从云端到车端的部署与应用，需要重点解决三大问题：

1、云端训练成本高。GPT大模型需要海量数据与强大算力支持，以实现模型表现的突破。这需要建立大数据中心与云计算基础设施，持续采集各类驾驶场景数据，输入模型训练与迭代，相应的成本也较高。如何快速获取海量高质量数据，并具备强大的云计算能力，是实现自动驾驶GPT云端部署的前提。

2、车端部署成本高。自动驾驶GPT模型部署至车端，需要专用的低成本高性能芯片作为支撑。随着模型规模扩大，所需芯片面积与成本也增加。而用户对车载芯片增加的成本有一定心理预期，超出部分难以通过市场转嫁。如何研发出专用于自动驾驶且低成本高性能的芯片，是车端部署的关键所在。 

3、数据回传及模型管理难度大。车端部署后的自动驾驶GPT模型需要车内收集的数据回传至云端，以实现模型的持续优化。但数据回传涉及数据的压缩、脱敏与监管等,较为复杂。同时,大规模模型在车端部署后，其涌现能力凸显，如何约束模型行为，避免极端情况出现，也是需要重点考虑的问题。

结语

GPT大模型的出现为自动驾驶技术发展带来新的机遇与挑战。它不仅改变了自动驾驶的技术路径，也在重塑产业生态，其应用与落地需要整个产业链的共同推进与努力。加强基础设施建设与技术创新，伴随云计算、5G通信与芯片技术的发展，自动驾驶GPT将得以更快速度部署与应用。

点击《自动驾驶GPT对车企技术策略影响分析》阅读完整报告内容。

关于虎嗅智库：

虎嗅智库致力于推动产业数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府相关决策服务。我们主要的服务手段主要为：研究型内容（报告、分析文章、调研评选）、数据库、线上线下活动与社群、定制型项目等。

我们提供的核心价值：

及时与优质的洞察，了解技术、了解行业、了解同行与对手；

为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考；

帮助市场全面了解前沿科技及所影响产业的发展状况，还有未来趋势。