百度ai训练模型「百度厉害了最近网上爆火的AI作画竟被拿来训练自动驾驶」

近期，百度举办了Apollo Day技术开放日上，百度自动驾驶技术专家全景化展示Apollo技术实力及前沿技术理念，发布新一代Apollo自动驾驶地图，并在业内首发文心大模型落地应用于自动驾驶的技术。

近年来百度重点发力人工智能领域，在相关产业各个领域都进行了大幅的投入，我们惊喜的看到Apollo将百度在不同行业的布局引入到自动驾驶领域进行应用，并取得了成绩。

拍摄最常用的地图这一的百度地图正在帮助教自动驾驶开车；而最近流行的AI作画，其底层模型也正在成为自动驾驶训练的有力助手......

自动驾驶需要高精度地图

近段时间以来，多位车企高管发出了自动驾驶应该摆脱高精度地图的观点，引发了人们对这一话题的讨论。对于业界提"重感知，轻地图"这一主张，百度自动驾驶技术专家黄际洲表示：“提出‘轻高精地图’的主张，其实主要的原因是因为很难翻越高精地图面临的"三座大山"，那么这三座大山分别是资质壁垒、自研壁垒和供给稀缺。”

随着自动驾驶相关技术的快速发展，国家在地图资质层面也进行了大力的推动，有权采集高精度地图的甲级资质图商迅速从数家发展到了数十家。但作为涉及国家安全的重要数据资源，这样的规模相比整个行业规模依然是稀缺资源，有着很高的门槛。

同时地图是一个周期长、门槛高，同时回报率并不高的行业，资质并不是高精度地图唯一的壁垒。黄际洲表示：“可以说国内除我们之外，没有第二家既精通地图、又深耕自动驾驶的公司。”

由于种种现实的限制，截止目前高精度地图的覆盖率还不是很高，在高阶辅助驾驶快速发展的当下，高精度地图的覆盖率大幅限制了强依赖高精度地图的自动辅助驾驶的可用范围，这也是业界提出"重感知，轻地图"的现实背景。

但对于高度自动驾驶，尤其是L4级以上自动驾驶而言，要达到99.99%以上的成功率，高精度地图是不可或缺的底层能力之一。

高精度地图或许不是自动驾驶的唯一解，但一定是最有用的工具之一。作为图商的百度，提供更好用的高精度地图就是其当下最迫切的工作之一，而同时又是自动驾驶技术深度参与者的百度Apollo能够为百度地图带来最高效的沟通与实际反馈，这也是百度的优势。在本届Apollo Day技术开放日活动上，百度对外分享了其在高精度地图方面的最新成果。

为了更安全、更舒适、更高效的自动驾驶体验，百度提出了Apollo自动驾驶地图。不同于外卖常用的导航地图，甚至不同于外卖常规对地图的理解，Apollo自动驾驶地图主要分为四层：

第一层是静态层，也就是传统的厘米级高精地图的内容，包括了车道级的数据，然后拓扑数据以及辅助车辆定位的定位数据；

第二层是动态层，这一层基于百度地图海量的时空数据以及车路协同等实时的交通的事件、实时的交通的态势以及实时的环境的变化等；

第三层是知识层，这一层包含了百度首创的驾驶知识图谱，以及与自动驾驶体验强相关的安全驾驶，还有舒适驾驶行为与知识等等；

第四层是驾驶层，通过知识与驾驶策略的融合实现了深度融合地图和感知、决策，还有控制应用，而数据实时感知的融合，数据闭环还有实时更新，就实现了高鲜度的地图的数据。

如今我们已经习惯了使用导航地图，并不会觉得导航地图在精度方面有太大的问题。其实，我们常用的导航地图主要由粒度较粗的道路拓扑信息构成，精度仅在15米左右，而高精度地图要做到厘米级精度。

对于人类驾驶员而言，其实是将更多的感知与运算由人脑来实现的，地图的精度要求不高，而是需要提供与驾驶员更好的交互。理论上，媲美甚至超越人脑的单车智能是可以不依赖地图等数据实现全路况自动驾驶，但现实是目前人工智能并没有达到这样的高度。

同时不得不考虑的一点是，机器智能的强项不在于人类的感性认知，而在于人类相对弱势的理性认知方面更占优势。能够提供更密集、精确信息的自动驾驶专用地图就有了其存在的合理性与必要性。

而Apollo自动驾驶地图更有趣的一点是百度首创的驾驶知识图谱。也就是“知识层”。简单来说就是百度将通过百度地图大数据搜集的人类驾驶员行为教给自动驾驶，让自动驾驶陌生路段也能做到更拟人的操作。

举个简单的例子，单车智能能够通过识别路边的限速标识来规范行进速度，但在限速120km/h的高速驶出到匝道时，路边会突然出现60km/h，甚至30km/h的限速标识，在数百米的识别范围内猛然如此剧烈的减速无论是舒适性还是安全性都得不到保障。

而知识层就能够根据大数据提前将更合适的驾驶行为提前告知车辆，让自动驾驶更拟人、安全的驾驶。当然这是一个我们能想到的简单例子，也很容易解决。但自动驾驶最大的难点就在于“长尾效应”，不是说遇到的场景有多难，而是总会遇到开发过程中无法提前预想到的问题，驾驶知识图谱对于解决此类问题有很大的帮助，并且能够做到更拟人的解决问题。

Apollo自动驾驶地图基于百度地图超过1200万公里的路网覆盖、日均20亿公里的轨迹里程的独有的数据资源，向数亿的司机进行学习。通过百度领先的人工智能的技术，构建了全路网级别的驾驶知识图谱。

随着自动驾驶的规模化落地，数据规模将出现爆发式增长。如何寻找更有价值的数据，如何高效地利用数据提升驾驶能力，成为自动驾驶持续学习和实现规模化的关键。百度自动驾驶技术专家李昂提出了“高提纯、高消化”的数据闭环设计理念，全面强化自动驾驶的数据炼金术。

官方介绍，该方案的数据提纯路径利用车端小模型和云端大模型，实现高效率数据挖掘和自动化标注；数据消化架构实现自动化训练，具备联合优化和数据分布理解的能力，有效地利用高纯度数据进一步提升自动驾驶系统的整体智能水平。

汽车智能化时代，百度也积极将自动驾驶技术落地高级辅助驾驶产品，探索L4/L2 技术共生路线。百度自动驾驶技术专家王亮认为，百度赋能汽车智能化的信心和底气源于十年自动驾驶技术沉淀。

目前，技术栈层面已实现L4与L2 智驾产品视觉感知方案统一、技术架构统一、地图统一、数据打通及基础设施共享。L4将持续为L2 智驾产品提供先进的技术迁移，L2数据反哺也将助力L4泛化能力提升。

同时，王亮也强调高精地图是保障L2 城市级智驾产品高安全、体验好的必需必要条件。

文心大模型：能AI作画，也能助力自动驾驶

提起最近一段时间最潮、最火的事情，AI作画绝对是能上榜的话题之一。只需要输入文本和参考就能够得到一幅全新的绘画作品，新奇的玩法和清奇的脑洞吸引了人们广泛的参与。

其中一款AI作画工具——文心 ERNIE-ViLG 2.0便是基于百度文心大模型打造的AI作画工具。而在本届pollo Day技术开放日上，我们也见到了文心大模型。百度在此次活动上发布了文心大模型-图文弱监督预训练模型。

文心大模型是一款基于大规模自监督学习的多模态人工智能算法，能够通过自监督学习完成更大规模的深度学习训练，只2019年发布以来，基于文心大模型开发的工具已经在航天、电网、金融、生物、写作、绘画等等领域得到了应用。

在自动驾驶领域，需要标注大量的数据，往往相对而言容易获得千万量级的2D的标注数据，但对3D的标注数据来讲相对比较困难。也就是通过标注海量的图像对自动驾驶系统进行摄像头感知的训练，但给激光雷达采集的3D信息进行标注就困难了很多。

并且感知技术一直在迭代，不同代际的激光雷达、4D毫米波雷达等采集的信息用于训练，并非完全通用。文心大模型-图文弱监督预训练模型就是解决这一问题。

百度在在既有2D又有3D的训练数据上面，去训练一个感知大模型出来，然后给那些没有3D标注的数据打上3D伪标注。然后再继续训练一个感知大模型出来，如此迭代，逐步的把感知大模型的效果提升，同时也使得3D的尾标注的效果越来越好。

大模型技术是自动驾驶行业近年的热议趋势，但能否落地应用、能否用好是关键难题。百度自动驾驶依托文心大模型特色优势，率先实现技术应用突破。百度自动驾驶技术专家王井东表示：文心大模型-图文弱监督预训练模型，背靠文心图文大模型数千种物体识别能力，大幅扩充自动驾驶语义识别数据，比如消防车、救护车等需要避让的特殊车辆识别，还有塑料袋等不易分辨的小物件的辨识等等，自动驾驶长尾问题解决效率指数级提升；此外，得益于文心大模型-自动驾驶感知模型10亿以上参数规模，通过大模型训练小模型，自动驾驶感知泛化能力显著增强。

昆仑芯2代完成适配

除了软件、算法，硬件也是自动驾驶的核心，尤其是备受关注的芯片。Apollo Day技术开放日上，昆仑芯科技CEO欧阳剑透露，百度自研AI芯片昆仑芯2代已完成无人驾驶场景端到端性能适配。

昆仑芯科技是百度2011年投资成立的AI芯片企业，目前已成功推出两代通用AI计算处理器产品:昆仑芯1代AI芯片、昆仑芯2代AI芯片及多款基于自研芯片的AI加速卡。昆仑芯2代采用7nm制成工艺，基于XPU-R架构，算力从128T到256T，是业界第一颗采用GDDR6内存技术的AI芯片。

欧阳剑表示，未来还会考虑面向高阶自动驾驶系统定制我们的车规高性能的SOC，把过去10余年所有的积累、所有的创新都会用在车上。

萝卜快跑订单量超过47.4万

百度Q3财报数据显示，2022年第三季度萝卜快跑订单量超过47.4万，同比增幅高达311%，环比增幅高达65%。其中，武汉重庆两地的全无人自动驾驶订单量增长迅速；此外，在北上广三个一线城市，平均单车日订单量15次以上，逼近传统网约车服务的日均订单量。从覆盖范围、订单量、用户粘性等多个维度来看，萝卜快跑均已形成“连点成线、积线成面“之势。

高级别自动驾驶研发成本高、周期长。在新一轮行业洗牌中，前期投入带来的滚雪球式技术积累效应开始显现。全球自动驾驶行业正在加速呈现两极分化的局面，其中关键分水岭在于能否实现“无人化”突破。具体来看，实现全无人落地、稳步扩区推进规模商业化演进的实力玩家将迎来发展新机遇；反之，潮水退去，技术积累不足无法跨越无人化落地的公司或将面临掉队局面。

当前，百度、Waymo等公司均跨过全无人自动驾驶运营落地的门槛，密集推进规模商业化进程。例如，Waymo近日获得加州CPUC批准在旧金山、湾区部分城市等区域向公众提供无人驾驶网约车服务；与此同时，百度继重庆、武汉双城开展全无人自动驾驶商业运营后，在北京继续扩大无人测试。Apollo Day技术开放日活动上，百度也宣布，2023年将扩大业务规模，在更多区域开展全无人自动驾驶运营，着力打造全球最大的全无人自动驾驶运营服务区。

自动驾驶行业没有弯道超车，多年技术积累才能实现全无人落地的临门一脚。百度自动驾驶技术专家陈竞凯介绍，百度Apollo依托坚实的AI技术底座，打造安全、智能、高效的自动驾驶技术体系，实现从全无人运营到规模商业化运营。目前，自动驾驶技术泛化能力进步速度超预期，落地新城市技术交付时间仅需20天。

结语

当前，汽车产业已经从电动化竞争转向智能化竞争，Apollo依托百度在人工智能领域的全方面投入，从软件到硬件方面都取得了不俗的成绩。开放的Apollo能够将自身拥有的全方位能力赋能给更多行业伙伴，加速国内自动驾驶领域的更快发展。而萝卜快跑作为Apollo落地的项目之一，正在悄然取得相当可观的订单成绩，而他面向的，是未来共享出行的服务竞争。