智能驾驶将会如何继续迭代?

发布者:binggege最新更新时间:2024-02-27 来源: 汽车电子设计 手机看文章 扫描二维码
随时随地手机看文章

智能驾驶技术的演进取决于三个关键要素:算法、算力和数据。行业内逐渐出现共识,智能驾驶应用有一些特点:


● 随着企业不断尝试,智能驾驶的算法趋于统一,以BEV+Transformer为主导,特别是大模型在各方面跑通以后,更加深了这个信念。


● 算力方面,随着E2E的需求,车企都需要更强的算力芯片来支持算法的迭代,Orin已经不够用,大家都准备上Thor了(之前黄教主的发布没特别的感觉,现在开始显出意义)


至于量产车反馈回来的数据,随着特斯拉宣称可以用生成的速度来覆盖Corner Place,数据反馈的权重可能被降低了!Elon Musk说:“特斯拉已经能够以精确的物理生成真实世界视频大约一年了。这并不是特别有趣,因为所有的训练数据都来自汽车,所以它看起来就像特斯拉的视频,尽管是动态生成的(而不是记忆的)世界。”


01

智能驾驶迭代的关键要素

在这里,变化最大的是智能驾驶的数据要素。在Openai 发布Sora之前,大家都认为数据是根本。在智能驾驶场景中,影响数据产生和迭代的关键要素主要有以下几点:


● 量产车的数量,即需要足够多的数据传感器开始工作;


● 数据传感器的效率和质量,标准传感器方案对技术迭代有更强的推动作用;


● 免费使用的智能驾驶产品有助于数据反馈和技术迭代。


实际道路环境下的真实驾驶数据量越多,遇到的Corner Case越多,智能驾驶系统的能力才更有可能向上迭代。当然由于生成场景的技术通过大模型可以实现,那智能驾驶数据的要素,就有必要,但是并不是那么一锤定音的!


02

其他智能驾驶迭代影响因素

随着激光雷达量产规模的增加,成本下降,有利于大规模应用,并促进更多智能驾驶产品向更高等级迭代。但是随着大模型技术的推进,视觉技术在狂奔,激光雷达更像是一个冗余。


越来越多的L4玩家推出适用于乘用车的智能驾驶产品,完全自动驾驶技术的应用可加速高技术等级智能驾驶产品的上市。但是这些玩家存在感不强,没办法实现高性价比的方案。


相同规格的传感器方案能提高智能驾驶能力迭代效率,而传感器方案数量越少、已实现的能力等级越高,则智能驾驶技术能力越强。


芝能点评:下面这个图是不是能代表你的看法,欢迎大家把你的想法打在留言区!

中国智能驾驶市场呈现出明显的梯队格局,能够实现城区NOA的厂商被认为是领先一代,而能够实现高速NOA的厂商则被视为正当代,而缺乏NOA功能的厂商则被直接视为落后一代。各厂商逐渐形成统一的标准化数据容器,这有利于数据的收集和利用,帮助智能驾驶系统向更高级别的迭代发展。


2024年,竞争的焦点,是新一代的算法和场景生成技术!在这样竞争激烈的市场中,落后一代甚至缺乏L2级功能的车型都将失去竞争力,因为消费者不会接受落后的产品。这种市场驱动力将进一步激发智能驾驶市场的竞争,使竞争愈发激烈。

小结

智能驾驶技术的迭代不仅取决于算法、算力和数据等基础要素,还受到其他要素的影响,但是技术是决定一切的,智能驾驶本质是AI技术,也就是大模型技术的最典型应用场景,我们不能输啊!


引用地址:智能驾驶将会如何继续迭代?

上一篇:是德科技成功完成 Autotalks 5G 新空口车联网系统级芯片验证
下一篇:汽车电子电气架构(EEA)全解

小广播
最新汽车电子文章
换一换 更多 相关热搜器件
更多往期活动

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved