余承东表示,今年6月底,L3级自动驾驶的具体标准可能在中国实施。魏小理和华为的辅助驾驶系统已经到了瓶颈期。如果L3真的能进一步打开,那么一扇新的门就会打开。
然而,你可能会发现一个问题,今天的各种辅助驾驶解决方案,无论是多个激光雷达,还是多个摄像头,绝大多数品牌的解决方案都会增加非常夸张的计算能力,甚至成千上万的顶级计算能力。
地平线余凯最近说:现在智能汽车之间的竞争有些偏离理性,许多企业推出新产品以大计算能力为宣传点,但在大计算能力背后,汽车企业应该交付给用户价值不高,导致计算能力浪费,用户不应该,也不会支付大计算能力的成本。
高计算能力只是国内新势力车型的“刚需”?
余凯所说的是真的。你会发现今天的汽车公司使用MDC610,无论是MDC610、MDC810、双英伟达Orin、四个英伟达Orin,甚至英伟达Thor等,他们的综合计算能力几乎不低于200Tops,而且大家都会很清楚地发现,他们所实现的功能几乎没有什么不同,上一阶段可实现高速NOA导航辅助驾驶,下一阶段可显示城市NOA驾驶,甚至全场景辅助驾驶。
在实现NOA导航辅助驾驶阶段,许多汽车公司使用2.5TopsMobileye Eq4芯片和解决方案,以及计算能力相似的博世解决方案,也可以实现与一些车型使用计算能力128tops的旅程5解决方案相似的效果,以及1016tops的4个英伟达orin芯片解决方案,即2.5Tops 单目摄像头,与成千上万的Tops计算能力相匹配 激光雷达 一系列高性能传感器的效果相同,这是一个很大的问题,你想说他们的经验有什么区别,只不过是供应商的黑盒方案,一个是汽车公司开发或合作方案,但真的说成熟度和稳定性,供应商的方案不一定比汽车公司弱。
事实上,我们现在有了这样一种固有的认知。我们认为大计算能力和高计算能力意味着高冗余度、高稳定性和更强的未来升级能力。然而,几乎没有人会否认他们不能使用他们购买的那么多计算能力。事实上,例如,你买了一辆有150度电池的汽车,但事实上,这辆车最多可以消耗70度电,你需要一直带着剩下的80度电到处跑。如果是这样的话,你肯定不会同意,因为即使汽车公司锁定了一些品牌的车型超过十度的电力,车主也会感到不舒服。
然而,计算能力的浪费也是如此,但用户在使用功能时感觉不到自己可能只使用了10%的计算能力,汽车公司可能会利用这种信息差异来吸引消费者。
那汽车公司是如何利用这些计算能力的呢?以前,每个家庭都有不同的算法架构。在今年人工智能人工智能技术爆发的时代,每个人都开始接近人工智能辅助的大模型。在过去的两个月里,汽车公司和供应商已经发布了大约20个大型模型。各种多模式的大型模型可以让汽车公司在自己的云中训练自动驾驶或辅助驾驶,在人工智能的帮助下,可以更快地构建模型,学习,筛选,一旦需要几个月完成工作量,现在几天可以完成,准确性会更高,这是行业共识,汽车企业在云中做这些工作,可以减轻车辆自身的计算平台压力,因为车辆可以提前学习这些场景和应对,所以车辆本身应该更快,更有效地反馈。
从以上可以看出,汽车企业在云中增加辅助驾驶培训投资,减轻终端压力,应该能够减少终端对计算能力的需求,数百个Tops计算能力可能真的过剩,终端可能做更多的筛选工作,计算能力要求可能真的不高,汽车企业不放弃高计算能力是什么,作为噱头因素肯定会有,剩下的计算能力是面对人工智能模型中没有的边角案例?
事实上,如果我们真的面临一些困难的角落案例,我们基本上可以从这么多辅助驾驶事故中看到一个规律,即面对紧急情况,系统可能会直接停机,直接撞上,没有反应,因为毕竟,现在国内批量生产是辅助驾驶,即使发生事故,也是驾驶员的责任,即使国内L3全面到来,从深圳目前的L3政策来看,驾驶员仍必须承担主要责任,因此,目前高计算能力与边角案例的关系尚不清楚。
低计算能带来很强的效果,但是起步晚的新势力做不到?
如果你真的想用低计算能力带来强大的效果,辅助驾驶功能的实现通常需要结合各种技术手段,如机器视觉、深度学习、传感器技术、控制算法等。这些技术手段涵盖了多个领域的知识和技术,需要长期的不断研究和算法优化才能实际应用。因此,仅仅依靠计算能力的提高来实现高质量的辅助驾驶功能是不够的。为了获得更准确、更可靠的结果,还需要综合优化各种技术手段,如Mobileye、其低计算能力、低成本的L2级辅助驾驶方案是博世和大陆长期优化的结果。
在辅助驾驶功能的实现中,还需要考虑实际应用场景的影响。不同的应用场景可能需要不同的技术手段和算法策略,而这些技术手段和算法策略往往不同于计算能力。因此,在实际应用过程中,仅仅依靠计算能力提高的效果可能会受到限制,还需要考虑其他因素的影响。
此外,辅助驾驶功能的实现还需要考虑实时性、稳定性等方面。例如,在自动驾驶车辆处理传感器信息和控制驾驶方向的过程中,需要实时处理和分析数据,并采取相应措施确保车辆的稳定性和安全性。这就需要综合考虑计算资源的利用效率、处理时间的快速性、执行结果的稳定性等因素。因此,仅仅依靠计算能力的提高往往无法解决所有问题,还需要综合考虑其他因素。
总结
当然,Mobileye还没有大规模生产城市NOA的功能,这确实有待讨论。只有使用两个总算力为34Tops的EQ5h芯片,才能实现城市NOA的功能。低计算能力和强效果的独特技能确实需要长期积累。低计算能力和强效果的另一个代表是特斯拉。144Tops的计算能力几乎低于所有具有高级智能驾驶功能的新力量车型,但海外FSD的效果也很明显,BEV FSD利用网络技术和深度神经网络的支持,以非常低的计算能力,在大规模生产中达到顶级效果。
计算能力浪费的问题确实存在。消费者可能会购买更多无用的计算能力,汽车公司也在努力工作。然而,在当今的内卷时代,成千上万的Tops计算能力和十几个Tops计算能力的车型以同样的价格出售,所以我已经知道你将如何选择。
邹宇源,作者
原创文章,作者:路咖汽车,如若转载,请注明出处:https://www.car-metaverse.com/202306/191295056.html