硬體預埋，正在推動智慧駕駛行業進入資料驅動迭代週期。
今年，英偉達在Orin進入規模上量階段的同時，推出了Drive Map，基於精確測繪資料與匿名眾包資料相結合，提供釐米級的定位精度。後者，由搭載英偉達Hyperion架構的車輛提供資料眾包，包括來自攝像頭、鐳射雷達和毫米波雷達的資料。
所有這些資料，從車端不斷上傳到雲端。然後，載入到英偉達的Omniverse平臺，後者是一個為虛擬模擬和實時物理精確模擬而構建的開放平臺，用於更新地圖資料。同時，這些資料會轉換成模擬測試環境，可用於Nvidia Drive Sim，一個端到端的自動駕駛車輛模擬平臺。
window。DATA。videoArr。push（{“title”：“智慧汽車「利好」資料服務，特斯拉/英偉達/大眾都在佈局”，“vid”：“f3331hhtd86”，“img”：“http：//inews。gtimg。com/newsapp_ls/0/14716230743_640480/0”，“desc”：“”}）
而在Omniverse的背後，還有資料自動標籤技術。
“Omniverse允許我們建立多樣化、海量、精確的資料集，以構建高質量、高效能和安全的資料集，這對人工智慧至關重要。”這其中，對於傳統手工資料標註的增強，是關鍵要素之一。
2021年初，特斯拉披露正在位於紐約的Gigafactory招聘一組資料標籤員，以提供影象標註支援，幫助訓練Autopilot/FSD神經網路。原因是，對於自動駕駛演進來說，演算法方面的差距會逐漸縮小，資料將是真正影響技術能力和使用者體驗的重要因素。
而按照此前公佈的資料，特斯拉總共有近千人的資料標註團隊規模。“資料需求缺口仍在，市場遠未飽和。這對於真正優質的資料供應商來說，正是搶佔市場高地的絕佳時機。”資料堂公司相關負責人表示。
一、
特斯拉AI主管Andrej Karpathy去年透露，公司只有“幾十名”工程師在研究神經網路，但背後有一個“龐大”的團隊在研究標籤。
一方面，手動高質量標準仍是基礎工作，另一方面，標籤自動化也是趨勢，從而應對車隊收集的大量資料。
window。DATA。videoArr。push（{“title”：“智慧汽車「利好」資料服務，特斯拉/英偉達/大眾都在佈局”，“vid”：“n3331e1qvbx”，“img”：“http：//inews。gtimg。com/newsapp_ls/0/14716235358_640480/0”，“desc”：“”}）
對於人工標註崗位（大概每小時20美元的工資），特斯拉也多次明確其重要性：基於Autopilot標註介面來標記影象，對於訓練深度神經網路至關重要。
比如，標註團隊將與Autopilot團隊的計算機視覺工程師互動，以幫助改進內部標註工具的設計；同時，標註團隊將獲得基本的計算機視覺和機器學習知識，以更好地理解演算法如何使用標籤，因為這將幫助在標記過程中出現的困難的「邊緣情況」做出準確判斷。
實際上，這個背後所傳遞的資訊是：資料標註並非簡單的「拉框」，也不是純粹的逐條標註。“這種方式既費時又費錢。”一些行業人士指出，大部分傳統外包商交付的結果資料經多次返修，依然無法達到客戶要求的精確度。
2021年，資料堂的智慧駕駛資料服務同比去年，業務漲幅達65%。這家連續數年在智慧駕駛資料服務市場佔有率領軍的企業，也拿到了長城、上汽、小鵬、蔚來、宇通等國內一線車企的訂單。
同時，考慮到資料合規的重要性，這家公司還在去年拿到了相關的測繪資質，意味著可以在真實的道路環境下合法採集資料，併合規地進行資料標註和處理，這也是其他資料服務商難以比擬的優勢，也是拿到車企訂單的准入門檻。
而這個賽道的下一波紅利，來自標註工具的自動化。原因是，隨著搭載具備資料採集、回傳功能的新車規模逐步增長，對於龐大資料的處理成為了剛需。
以特斯拉為例，為了配合後端Dojo超級計算機（6個訓練模組組成一個2x3的矩陣，兩個矩陣組成一個計算機機櫃，每個機櫃提供超過每秒100千兆的浮點運算）的需求，推出了自動標註工具。
當然，Andrej Karpathy也明確表示，手工標註在語義等方面非常擅長，但計算機在幾何、重建、三角測量和跟蹤方面更擅長。現在，需要人工和計算機合作來建立這些向量空間資料集。
同樣以視覺感知起家的Mobileye，龐大的實際道路行駛資料庫是這家公司的頂樑柱。這家公司擁有近二十幾年時間積累的1600萬段1分鐘的影片片段，接近200PB的資料儲存量，也是亞馬遜AWS全球儲存容量最大的客戶之一。
這背後，同樣依靠大規模資料標記。公開資料顯示，Mobileye背後有一支2500多人組成的資料標註團隊，每月處理5000萬個資料集——相當於500，000小時的駕駛里程，並建立了一個龐大的內部搜尋引擎資料庫。
這意味著，標註效率以及準確性，決定了視覺及多融合感知技術的迭代速度。
“高質量資料，某種意義上就是決定性的要素。”在行業人士看來，一套高質高效的資料集，也是加快功能開發週期的關鍵。
window。DATA。videoArr。push（{“title”：“智慧汽車「利好」資料服務，特斯拉/英偉達/大眾都在佈局”，“vid”：“u3331umrn78”，“img”：“http：//inews。gtimg。com/newsapp_ls/0/14716235407_640480/0”，“desc”：“”}）
為此，資料堂也推出了自研的資料標註工具，內建ML輔助預識別功能，真正實現半自動化作業，有效提升人均效率30%以上。近30套標註工具，可靈活應用於語音、影象、3D點雲、文字等多型別資料的標註，已成功應用在11年近5000多個專案的實施過程中。
比如，漏標是很嚴重的標註錯誤。資料堂在工具中內建了地面檢測演算法、顏色自動渲染，標註時可以根據顏色來判斷標註物體，以減少漏標。
此外，這套工具還內建插值演算法預標註功能，如在第一、五幀標註了目標ID，則會自動標註中間幀位置，只需檢視或微調位置即可（主要用於目標追蹤專案）。
二、
事實上，從去年開始，基於影子模式、整車OTA等功能的資料驅動閉環模式已經成為智慧駕駛方案供應商、一線品牌車企的新一輪技術競賽焦點。
此外，下一代感測器也開始增加OTA功能，這意味著，基於資料驅動模式，可以實現感測器效能的最佳化並適配新的功能要求。
比如，NXP去年推出的首款專用16nm成像雷達處理器為例，S32R平臺提供高效能的硬體安全引擎，支援OTA更新，符合新的網路安全標準。
同時，鐳射雷達的OTA也正在成為標準配置。比如，此前百度Apollo定製的禾賽科技全新架構鐳射雷達，將同步支援OTA以滿足批次化智慧管理及遠端升級迭代需求。
“軟體將是鐳射雷達的另一個‘大腦‘，除了基於採集資料的融合幫助系統做出正確的決策，還將會自動適應環境變化，並透過定期更新來提高效能。”科絡達CEO吳柏儀表示，作為整車OTA解決方案提供商，公司已經率先實現了ADAS相關感測器的OTA升級。
高工智慧汽車研究院監測資料顯示，2021年中國市場（不含進出口）乘用車新車前裝標配搭載OTA功能上險量為745。37萬輛，其中，FOTA搭載量為382。93萬輛，同比增長162。03%，前裝搭載率為18。78%。
而對於智慧駕駛方案供應商來說，資料採集、處理、訓練並迴圈迭代功能被認為是實現軟體定義汽車的關鍵。本週，博世旗下的ETAS宣佈和PLC2 Design計劃聯合開發一個整體解決方案，在車載資料預處理和邊緣計算領域協助客戶實現資料驗證。
在此之前，PLC2 Design已經與博世跨領域計算解決方案部門進行合作，提供類似的開放和模組化的解決方案，比如，基於FPGA用於邊緣裝置和雲端資料中心的影片無失真壓縮和解壓縮。
目前，ETAS已經參股PLC2 Design，並計劃將雙方的整體解決方案作為一個系統元件進行對外銷售。而按照博世的規劃，ETAS將強化汽車基礎軟體、中介軟體和開發工具的業務。
同時，博世也在為L4級自動駕駛物色「資料科學家」崗位，與軟體敏捷開發團隊中的深度學習工程師和資料工程師合作，從真實世界和模擬資料中提取自動駕駛所需的關鍵要素。
眾所周知，早期的ADAS研發基本上是以基於規則的邏輯開發，這意味著開發人員決定對給定事件（輸入）的反應（輸出）。而基於神經網路訓練的決策演算法，則是根據可識別特徵的權重來決定如何對事件作出反應。
“我們從大量車輛中獲取大量資料並進行分析，以找出哪些功能執行良好，哪些不正常。我們越能分析車輛的行為，就越能更好地測試功能。”該公司負責人表示，這和傳統開發方式相比，是一次革命。
而在前裝量產賽道，市場已經啟動。
“這將是一個循序漸進的過程，從良好天氣條件、規則的道路，再到更復雜的環境和天氣情況。這將是一個長期的競爭過程。”大眾旗下軟體子公司CARIAD在收購海拉影象處理公司的基礎上，正在加快資料驅動的軟體開發，並提高影象處理演算法的自研比重。
此前，小鵬汽車多次強調，除了自有的資料採集車，大量使用者車輛產生的資料，也可以線上檢測長尾事件，並獲取這些資料上傳至雲端，用於演算法改進。
理想汽車也強調，資料是自動駕駛技術最大壁壘，公司計劃透過搭載更加豐富的感測器組合，實現高質量資料採集，從而實現自動駕駛演算法的更快收斂。
一週前，大眾集團宣佈為了加快E 2。0軟體平臺的開發程序，已經在德國及美國等國家部署數百輛定製化開發車隊，配備高效能感測器和聯網計算平臺，並提供處理實時資料的能力，縮短開發時間。
按照計劃，這家傳統汽車巨頭將從2024年開始，透過建立一個跨品牌車輛的神經網路，透過不斷交換資料，建立一個擁有數百萬輛汽車的自主學習系統。大眾集團表示，這些車將是“時間機器”，同時與其他聯網汽車共享道路、交通和其他系統的實時資料。
在這方面，除了特斯拉、Mobileye，幾家中國本土供應商也已經率先起跑。
比如，
智駕科技
去年量產的MAXIPILOT1。0，就是首度在1R1V硬體平臺中部署OTA資料閉環，與客戶協同建立資料全場景觸發機制和平臺，為自動駕駛技術迭代打下了多維基礎。
同樣已經進入前裝量產賽道的
知行科技
，也擁有一套自建的資料閉環和雲平臺網路，基於原生雲架構的設計方式，可以實現演算法和功能的快速更新和迭代，透過大資料驅動提供真正安全可靠的智慧駕駛功能。
而在大眾集團看來，這套資料驅動開發模式，與技術本身無關，而是對傳統汽車開發模式的一次顛覆性變革，比如，硬體和軟體的開發分離，並最終實現端到端自主學習。
在高工智慧汽車研究院看來，這是新一輪智慧駕駛方案市場份額爭奪戰的制高點，同時也將為整車OTA（包括域控制、感測器等）、雲服務、資料標註等產業鏈相關環節帶來新一輪市場紅利。
