$三六零(SH601360)$  商湯（00020）

通用人工智能元年：商湯「絕影」如何進化成「天賦型運動員」

雷峰網leiphone

2023-04-23 20:15鯤鵬計劃獲獎作者

關注

這一整周，新智駕團隊都泡在上海車展裏，充分浸潤中國汽車行業的新氣息，沿着“電動化”和“智能化”大風向，也嗅到了相較往年，新能源汽車行業更爲鮮明的喜好。

一個字可以形容今年的上海車展——卷。

“智能化”無疑是“卷之又卷”的紅海區。

城市領航功能、全域智能架構、基於AI大模型算法的更新、艙內語音交互......車企也好，供應鏈企業也好，如果不亮出智能化相關的新產品、新技術或者量產交付新進度，那么就會在衆多“喜新厭舊”的媒體人和專業觀衆的目光中，迅速淪爲背景板。

實現汽車智能化是行業共識，但其實在幾年前，主機廠們對智能車艙、智能駕駛功能，包括對技術和測試方案的理解都還沒有一個特別清晰的概念。

而當下，各種智駕方案已進入大規模量產階段。

比如在今年上海車展，新智駕發現，光是搭載了商湯絕影智能駕駛和智能車艙產品的車型諸如蔚來ES7、極氪X、東風猛士917、廣汽埃安AION LX Plus、傳祺E9、影酷、M8宗師、哪吒S等等，就差不多有30款展出。

商湯財報顯示，僅2022年，商湯絕影的智能駕駛和智能車艙產品新增汽車定點數已超過800萬台。

主機廠們也漸漸搭建起自己內部的大規模測試團隊，對智駕產品的形態、功能的體驗、技術的認知，也有了更深入和更成體系的理解和需求。

商湯的聯合創始人、首席科學家、絕影智能汽車事業群總裁王曉剛告訴新智駕，如今主機廠們正對智能化提出更高的要求：

“首先，更看重智能駕駛的實際價值，之前是'從無到有'，現在則是'從有到優'，強調高效交互，要給消費者帶來更'擬人化'的智能駕駛體驗；

其次，智能駕駛方案量產上車後，要進一步普及，就要求進一步降低成本。”

如何在保障需求性能的基礎上，盡可能降低成本，這是一門關於省錢的精妙平衡藝術——

而商湯絕影抓住的關鍵致勝武器之一，是通用人工智能。

從“刻苦型”運動員到“天賦型”運動員：更“擬人化”的智駕體驗

先來看看通用人工智能是如何提升智能駕駛體驗的。

猶如嬰兒一聲響亮的啼哭，ChatGPT的亮相和火爆，宣告了通用人工智能元年的到來。

什么是通用人工智能（AGI）？

一般而言，現有人工智能系統輸入的是多模態數據，輸出也可以是多個任務，但是這些任務都是預先設計好的，一旦遇到新的任務，就要重新設計AI系統，採集樣本，對模型重新訓練。

而一個AGI模型，在給定合適的提示詞作爲輸入後，就能生成多模態數據，再加上用自然語言描述的任務，就可以在不改變模型本身，僅通過設計合適的提示詞的情況下，覆蓋海量復雜的开放式的任務，包括各種長尾任務，也包括一些主觀描述性的任務。

以一個智能駕駛場景爲例，比如在給AI系統一幅圖後，系統希望知道車輛是否應該減速。

在現有的AI系統中，系統首先要進行物體檢測，得到檢測框，再進行文字識別，最後做出“要不要減速”的決策判斷，所有這些模塊都是預先設計好的任務。

在這種模式下，系統需要通過終端設備不斷採集並且標注大量的數據去更新模型，模型再反饋到前期終端設備，去獲取更高質量的數據，這就是過去幾年常被提及的“數據飛輪”。

而在AGI系統中，給到系統圖像後，終端可以問AGI任何問題，比如“這個圖標是什么意思?我們應該做什么？”。

AGI系統會給出答案和中間的推理過程，比如看到了前方100米每小時30公裏的限速，這是學校區域，有小孩活動，所以需要小心小孩，將車速降到30公裏每小時以下。

可以這么理解，在AGI的系統當中，人對於模型的輸入是對齊人的意圖的——即通過人的調教、指導甚至方法論的輸出，不斷地解鎖新模型的新能力，這個過程是人和模型共創的。

AI模式，王曉剛視之爲“資質平庸”的苦練型運動員，AGI模型則是“天賦型”運動員。

王曉剛認爲，以往的一些模型，無論是中模型或小模型，它是一個專屬模型，可以把它理解爲一個比較刻苦的運動員，天賦不是很高，但通過勤奮和努力也能達到一定的水平，但這就需要教練一招一式一次次地去演示給模型看，或者是需要更有天賦的大模型的演示，這意味着需要採集更多的訓練數據。

“優秀的大模型就像非常有天賦的運動員一樣，作爲教練，人並不需要一招一式地去演示給他，只要輸出一些方法論，給予恰當的引導，甚至是在一些關鍵的地方給予指導，它就能夠學會甚至創造新的動作，見招拆招，無招勝有招。”

什么是智能駕駛技術的本質？

自動駕駛技術的本質，是解決時間(When) 與空間(Where) 交叉發生的綜合場景問題：

這就需要利用感知融合、建圖定位、決策規劃、運動控制等自動駕駛全棧技術，解決好自動駕駛運行期間的日夜差別、逆光、雨雪霧等不同時間場景(When)及高速公路、城市道路、停車場、園區、港口、礦山等各類空間場景(Where)。

高價值數據獲取+高效率數據利用，則是自動駕駛技術致勝關鍵。

由此商湯絕影提出了自己的量產智能駕駛公式：

自動駕駛技術能力=場景數據x數據獲取效率x數據利用效率 =場景數據x數據獲取效率x先進算法x先進算力。

商湯研發體系正逐步完成從“苦練型”大模型到“天賦型”大模型的轉變，也意味着其數據獲取效率的大幅提升。

所謂更高的數據獲取效率，即如何更快地去獲取這些數據，這有兩個維度：

一方面是如何基於新計算平台快速地使車輛跑起來，實現閉環迭代；另一方面是如何快速實現數據回流。

比如基於“苦練型”AI模型，如果在客戶端或者OEM端發現了系統對車型的識別不夠好，就要花大量的時間和金錢，採集大量數據，再去做標注、重新做訓練和驗證，一般以月爲時間單位進行優化。

而基於AGI系統，商湯絕影智能汽車事業群智能駕駛副總裁石建萍介紹，這一流程就能被大大加速，商湯已經可以做到每兩周迭代一個版本，至於對特定場景數據的篩選和獲取，還可縮短至3-5天完成。

同時，基於AGI系統，數據標注成本也能降至原來的十分之一。

以激光雷達爲例，過去各公司通過激光雷達做感知時，當拿到一個新的型號，要想獲得可靠的感知結果，一般需要標注幾十萬幀數據，這對應着幾十萬甚至上百萬個的檢測框，整個標注成本會達到近百萬元，如果要覆蓋更多異常場景、目標或者天氣，數據還要再積累幾十倍，成本也會高達幾百萬元。

另外，由於激光雷達對標注員、標注工具的要求比較高，現階段完全熟練的數據標注員也不多，因此構建一套完整可持續工作的數據集，即使調度了幾十甚至幾百人的標注團隊，也得花費將近半年時間。

“現在商湯絕影通過AGI大模型做激光雷達數據的打標籤、預標注、篩選，基本能把數據標注的量級降至小於十萬張。”石建萍透露。

那基於AGI大模型實現高效數據閉環所需要的原料——海量數據又是從何而來？

商湯絕影有三類渠道：

智能交通+智能駕駛多行業數據匯聚：通過以往不同的業務場景（比如路端的智能感知產品、車端側的車城網平台等）匯聚多行業數據，擁有廣泛的時空場景數據。

L2+和L4多產品线形態覆蓋：絕影的產品线覆蓋了量產行車場景、量產泊車場景、園區自動接駁場景、運營區自動載客場景等，也能夠實現規模化、泛化場景量產數據和復雜任務場景高精度數據互相反哺。

廣泛車企合作：商湯絕影已與 30 多家車企建立合作關系，到 2022 年底，絕影智能駕駛技術已在多個車型實現量產。

果實成熟：還需與產品方案“雙向奔赴”

數據獲取效率提高的背後，是算法和算力的快速優化和迭代。

在算力方面，商湯做了件核心工作：建立人工智能數據中心。

目前商湯AI大裝置SenseCore基於2.7萬塊GPU的並行計算系統實現了5.0 exaFLOPS的算力輸出，可支持最多20個千億參數量超大模型（以千卡並行）同時訓練。

在算法優化方面，基於AIDC基礎裝置，商湯早在2021年底就發布了名爲書生（Intern）的超大模型，是視覺模型領域業界最大的模型。

車展前夕，商湯又發布了“日日新”大模型體系，這個體系下包括了感知、AIGC、圖像生成、自然語言、多模態等一系列模型，每個方面的模型，都可以不斷延伸。

“比如商湯的感知模型最早在2019年是十億參數的模型，到今天已經有320億參數，是世界上最大的視覺感知模型。”王曉剛表示。

而爲了解決智能駕駛、智能車艙中的各種問題，基於以上通用大模型，商湯又逐漸訓練出專用小模型。

以業內這兩年提得比較多的BEV感知算法爲例。

在使用BEV算法之前，大部分智能駕駛公司的車輛位置感知流程，一般是先去感知2D圖像中的一些特徵，比如說車在哪裏、車輪的接定點在哪裏、車的長寬比例是多少，由此拿到一些圖像層面的信息，再根據相機的一些3D標定幾何參數，獲得目標在三維空間下的准確位置信息。

但在這過程中，整個空間位置會出現很多誤差，因爲一旦標定過程中的一些輸入要素不穩定，就會導致最終感知結果的不穩定，從而使得系統在基於這些位置信息，在後續對車輛做優化控制時，出現很多異常的表現，比如車輛急剎等等。

BEV感知方案，則是整個流程還要爲下遊的車輛規劃控制服務，所以會直接端到端輸入3D信息，避免了上述過程中需要一步步轉換目標感知信息造成的誤差，除此之外，BEV的目標感知，還包括了對車道要素的感知、對可行駛區域的感知。

因此基於上文提及的商湯在AI算法和模型方面的積累，絕影訓練出了自己的BEV環視感知算法。

“我們是第一批真正上线了BEV算法方案的公司，在不同的算力芯片上都有部署實施，而且已經進到了量產項目的流程中去，同時整套長尾目標的識別體系也是已經量產上車的。”石建萍表示。

根據介紹，現在商湯已經可以實現2D與3D數據的自動標注與校驗，即基於超大模型完成圖像2D和Lidar 3D數據自動標注，絕影標注效率可與標注員保持一致。

與此同時，BEV感知在落地量產時，會面臨多車型傳感器選型和配置存在差異的問題，而商湯絕影採用Domain Adaption算法，也解決了BEV感知在面臨量產多車型時的跨域泛化問題，進一步提升了數據利用效率。

大模型的突破正引來新一輪研究範式的變革，商湯絕影的研發體系也正快速迭代，從基於規則的“苦練型”運動員往基於數據的“天賦型”運動員演進。

而基於通用大模型，商湯絕影蒸餾出智能駕駛專用小模型，使得商湯絕影不管是對智能駕駛所需要的場景數據利用效率、數據獲取效率都大幅提升，從而進一步帶來了智能駕駛方案研發和量產上車過程中，成本的降低和駕駛體驗的優化。

我們正處在汽車智能化變革當中非常重要的時間點，隨着智能化功能开始大規模進入量產階段，智能駕駛概念普及，不管是主機廠還是消費者，都對汽車智能化提出了更高的要求。

“通過通用大模型，再快速地對小模型進行更新，產品的研發和交付效率能有上百倍的提升，綜合來看，這是能做到智能駕駛相關方案的成本和性能平衡的。”

王曉剛透露，今年商湯絕影的目標，是在智能駕駛L2+方案量產交付後，在提升體驗方面，樹立標杆案例，再逐漸形成低成本的標准化方案。

“商湯在通用人工智能大模型領域已有5年的積累，今年又是通用人工智能的元年，這到了商湯發揮通用大模型的作用的時候，我們要去樹立商湯絕影在通用人工智能領域核心供應商的地位。”

雷峰網#雷峰網#雷峰網

本文作者可以追加內容哦 !