技術分野,端到端掀翻了誰,消耗了誰?

2024-11-13 18:40:20    編輯: robot
導讀 “量產項目與融資都還不明朗,很難長期投入端到端。”這是很多科技公司的困境。 “隨着技術成熟普及,我現在認爲它(自動駕駛技術)已不再是靈魂。” 10月28日,廣汽集團總經理馮興亞爲多年之爭的“車企靈魂...

“量產項目與融資都還不明朗,很難長期投入端到端。”這是很多科技公司的困境。

“隨着技術成熟普及,我現在認爲它(自動駕駛技術)已不再是靈魂。”

10月28日,廣汽集團總經理馮興亞爲多年之爭的“車企靈魂論”給出了自己的看法,而背景則是,廣汽傳祺華爲的深度合作。

從2017年廣汽集團與華爲籤署合作協議以來,經歷7年才迎來了成果落地,這背後或許也是出於靈魂論調的考慮,但如今不再考慮這么多,也側面說明,自動駕駛技術的外採依然存在。

同時,這樣的看法背後也證明,L2級別的自動駕駛技術目前已經十分成熟,供應商能夠在保證主機廠的需求下,提供不輸於自研的方案,不需要主機廠從零做起浪費資源在已經成熟的技術上。

但是,這也將市場壓力從主機廠傳向了更上遊的供應商,特別是需要方案供應商能夠以最快的時間向車企交付,並保證一定頻率的OTA升級。

尤其是隨着端到端技術的走熱,供應商要做的功課變得更多了。

打贏“端到端”,核心靠算力?

從大模型火了之後,對於大模型的熱情快速的從文生文,文生圖等交互式的擴展到了輔助駕駛領域,甚至在一些企業的宣傳中認定,端到端的大模型將會是實現L4級甚至更高級自動駕駛的唯一路徑。

對於這一點,在車企的宣傳中當然是盡力展現自家好的一方面,但對於技術公司,或者說Tier 1,態度則是更爲謹慎。

“在我們沒有看准的時候,不會冒進,一旦看准要上的時候,會投入可能十倍於別人的資源去推動核心技術突破,然後將沉澱下的經驗成果开放地賦能給合作夥伴。”地平线副總裁兼軟件平台產品线總裁余軼南表示。

目前,業內更多的認知是“端到端”將實現L2+輔助駕駛技術的更快普及,樂觀一些的認爲有利於推動L3自動駕駛的落地,至於L4級,還需要更多的論證。

可以確定的是,目前主流的智駕方案基本都是走高精地圖過渡到無圖方案,從兩段式過渡到一段式,當然有不少公司選擇直接跳到無圖一段式的方案,但必然都是有相關經驗積累的。

在這背後是傳統規控算法的落敗,大模型確實改變了整個高階智駕的研發方向。

這對於新興的科技公司來說是一件好事,也意味着即使沒有傳統智駕相關的技術也可以來做智駕,對於曾經主研規控算法的技術公司來說,投資的受益降低。

可以說,大模型在一定範圍內縮小了初創公司和老牌科技公司的研發差距,但這也只是在很小的一點點範圍內。“過去,很多供應商認爲自己與華爲在兩個不同的競爭賽道,實際上,今年开始,這樣的錯覺正在被糾正。”業內人士坦言。

“對於目前的火熱的‘端到端大模型’技術來說,各家公司比拼的其實更多是財力資本。”一位國內頭部供應商的員工向BC如是描述。

從整個環節來看,數據-算法-算力三個重要要素中,大模型算法是相對容易實現的,特別是在國內市場,隨着AI的火熱,有許多开源的算法可以使用,同時每年新增的相關專業的畢業生也提供了足夠的基層工程師。

據智聯招聘發布的人工智能行業最新數據顯示,截至2024年,在中國已有500余所高校开設了人工智能專業,大批年輕人湧入這條跑道。

除了人才之外,任何一家從事自動駕駛研發的企業都必須在過去數年積累足夠訓練算法的數據,同時與車企合作也能獲得足夠的數據來支持模型訓練。

對於智能駕駛公司來說,量產最大的意義在於提供數據。對一般的端到端模型來說,1萬輛車是個基准,有這個數量的車在路上跑,才能保證智駕模型不斷向前進化。

拋棄規則,擁抱數據,迅速成爲業界共識。但是,對於至今仍然賺錢艱難的智駕公司而言,不與車企合作,沒有規模化,訓練數據很難靠自身採集得到。

剩下最重要的就是算力的支撐。從特斯拉的算力中心,到華爲自研的算力平台,可以發現,端到端大模型更拼的是算力,迭代的越快,模型的成熟度越高,就越有可能性實現突破。

算力的稀缺和昂貴,已經成爲制約 AI 發展的核心因素,囤算力成爲各家行業公司的基本操作。“讓一個算力充沛的人工智能公司來做智駕,或許有不一樣的效果。”某智駕工程師表示。

目前行業普遍認爲,國內車企與特斯拉的研發進度差大概在1.5~2年。“當數據達到特斯拉級別的百萬量級以上,通過對模型的強化訓練,智駕可學習視頻流,就能直接告訴司機駕駛的方向,像當下流行的ChatGPT一樣。”

這點其實已經被國內衆多科技公司所證實了,從年初僅有的OpenAI旗下的ChatGPT一類大語言模型,到目前國內已經有數十家公司推出了功能類似的大語言模型,而且多數還是免費使用的。

在年初時,我們在討論的是國內爲何沒有這樣的大模型,短短幾個月後,討論的是誰家的大模型更強,ChatGPT甚至變成一個基准,用來衡量新的大模型的能力。

這其中有一家公司非常值得關注。

作爲以抖音爲主要名片之一的字節跳動怎么看都和人工智能、大模型這樣的技術產生不了太大的關聯,但在5月份,字節跳動就推出了豆包大模型,不止可以實現文本處理和文生圖功能,更是一下打入到汽車供應鏈體系,與多家車企達成了合作。

除了字節跳動外,商湯科技也是快速從大語言模型擴展到汽車供應鏈中,成爲了多家車企的合作商,並且已經實現了幾款車型的上市。

商湯科技認爲,傳統自動駕駛公司的生存空間,將會越來越小。

燒錢,燒人,燒技術

在端到端牌桌上的,以商湯科技、Momenta爲代表的供應商,正在成爲一股新的技術力量。

這些科技公司能夠快速打入汽車供應鏈,背後的邏輯很簡單,就是燒錢。大語言模型如此,智駕模型也是如此,在足夠多的資源支持下,能力的增長就是快人一步。

根據估算OpenAI每年的硬件運營成本就高達85億美元,這背後包含了購买英偉達的算力卡,服務器維護,人工开支等一系列費用,而國內廠商想要追上,唯一能做的就是更瘋狂的燒錢。

例如在年初時一套8張H100組成的服務器售價在300萬元左右,能提供536 TFLOPS的算力,在汽車行業內普遍認爲1EFLOPS是智駕訓練基礎算力門檻,也就意味着需要1.5萬張H100顯卡,成本大約在50億元,而這還是在貨源充足的情況下。

隨着美國對出口的繼續嚴管,像H100這樣的上一代顯卡都已經無法正常买到,多數企業還是採購的更舊的A100顯卡,雖然採購成本會降低不少,但運營成本卻會增長。

以國內幾家公布數據的科技公司來看,華爲目前擁有7.5EFLOPS的算力,商湯科技擁有12 EFLOPS的算力,小鵬汽車擁有2.51 EFLOPS的算力。

作爲對比,特斯拉在美國已經建成了超過100EFLOPS的算力中心,這也是爲何業內普遍認爲特斯拉FSD智駕能力較強的一個原因。

除开算力成本,人工成本也是不容小覷的,像華爲之所以能做到行業中領先,是因爲其自動駕駛研發團隊的人數有超7000人,甚至比蔚小理三家從事自動駕駛研發的人數加起來還要多。此外,還有人表示,7000人只是海面之上10%,還有海面之下的90%。

而且,面對相關的核心人員,車企开的薪資也是不菲。

就在今年初,“自動駕駛普通工程師年薪开價50萬”的新聞在網絡上引發熱議。普通工程師如此,更不用說目前國內極爲稀缺的核心算法工程師了。在某招聘軟件上,蔚來等頭部車企的自動駕駛算法工程師的月薪高達7萬元,而小鵬在招聘端到端相關的高級工程師甚至开到了年薪百萬的水平。

根據業內人士透露,組建一個成規模的自動駕駛研發團隊,需要的資金大致要1億元。

所以說,目前端到端技術的比拼,在更多方面其實比拼的不再是技術本身,而是更基礎的資金和投入,燒錢確實能燒出一個不錯的結果,前提是有足夠的資金。

高階智駕研發的成本太高,智駕技術战在某種程度上是一場長线的“資金消耗战”。這對多數初創企業來說,是相當大的難題。

在這樣的行業競爭中我們就經常看到,智駕科技公司突然資金周轉困難或倒閉的新聞。“量產項目與融資都還不明朗,很難長期投入端到端。”這是很多科技公司在智駕鏈路上的困境。

例如媒體在今年8月報道,智能駕駛方案商禾多科技與廣汽集團推進的重組方案遭遇變數,禾多的資金鏈除緊張之外,已經解散數據、研發等大部分核心部門並暫停研發活動。

但在過往融資方面,這家企業既獲得了IDG、紅杉中國等知名風險投資機構青睞,也得到四維圖新、廣汽集團等汽車產業鏈公司的支持,累計融資金額超過10億元人民幣。

所以,對於即使成規模的科技公司來說,資金壓力依然嚴重,從目前幾家已經上市或者准備上市的公司披露的財報來看,沒有一家公司處於盈利,均處於虧損狀態。

與此同時,隨着端到端方案的陸續落地,頭部供應商搶單的概率在上升,對於二线供應商來說,壓力陡增。“甚至可能被頭部科技公司和車企壓死。”業內普遍認爲,高階玩家對二线供應商的降維打擊正在加速,大魚喫小魚。

“既要、又要、還要”

與車企不同,研發智駕的供應商並沒有固定的买家,如何在衆多自研車企中开拓市場,就成爲擺在供應商面前的難題。

在L2輔助駕駛技術的時代,供應商需要做的很簡單,研發出一套成熟的方案賣給車企就好,而車企需要比較的一般都是成本,供應商更多需要做的是如何提供低成本且可靠的方案就行。

來到高階智駕,在技術還在不斷迭代時,更多的需要考慮供應商能否對方案保持更新,以保證產品在較長一段時間的競爭力。可以說端到端,讓智駕競爭變得困難了不少。

“如果論及如何實現自動駕駛,目前除了端到端,我想不到其它的技術。”在地平线看來,這場高階智駕是一個長跑,特別像體育界的鐵人三項,要想贏得競賽,需要三個核心要素:技術、工程和產品,“產品思維要以人爲出發點,要關注用戶對產品的體驗和感受。”

在這樣的市場需求帶動下,供應商不只要做好技術,甚至需要走向台前面對消費者,例如現在越來越多考慮智駕的消費者會十分關注智駕的軟硬件,這就需要供應商配合車企做宣傳,甚至需要供應商自己在消費市場中闖出名聲。

例如百度就利用“蘿卜快跑”讓大多數路人知曉了什么是無人駕駛。

2017年,Apollo平台的橫空出世,標志着百度無人駕駛進入技術深耕階段,此後幾年間,百度不斷推進Apollo平台迭代升級。特別是在疫情期間,蘿卜快跑的無接觸配送服務大放異彩,進一步驗證了無人駕駛技術的社會價值與商業潛力。

進入2021年,百度蘿卜快跑正式亮相,而隨着近年來訂單量的快速增長,百度無人駕駛業務在全國範圍內迅速擴張,武漢、上海、北京等多地相繼开展商業化示範運營。至2023年,蘿卜快跑累計訂單量已超五百萬單,武漢地區全無人駕駛訂單佔比高達45%,無人駕駛出行服務已覆蓋全國11個城市。

另一方面,與車企合作也變成了一種更多元的方式,車企在智駕採購中需要保證自己不會被一家公司捆綁住,要能夠實現關鍵環節的可替換,這就讓曾經的軟硬件整套方案打包銷售的模式轉變爲,多個採購合同。

比如說,長城背後最核心的智駕供應商是2019年內部孵化的毫末智行,毫末智行經過多年發展已經成爲行業中排名靠前的智駕技術、自動駕駛技術供應商。

但長城並不滿足於毫末智行的賦能,2024年4月將另一家行業內知名度較高的智駕技術供應商元戎啓行引入到供應鏈中,主要爲長城提供“端到端”的智駕技術方案,預計2024年會有三款相關產品落地。

這就需要供應商能面對不同的主機廠需求提供各種定制化的服務,甚至聯合开發在一定程度上也變得更爲可行。

當然,足夠強勢的供應商依然可以做到,只打包銷售,不做拆分供應。

但是,這樣的供應商畢竟是少數,更多的還是需要和車企形成一種良性的互動,特別是在目前,算力零散的分布在車企、供應商等多個地方,合作似乎是一種不錯的解決方案,讓不同階段的成果運行在不同的算力中心上,能節省不少的研發時間和成本。

從汽車百年的發展史來看,自研方案和供應商方案從來不是對立的,更多的時間裏還是兩者長期共存的發展,沒有任何一方可以做大一家獨大。

並且,我們需要清晰地看到,並不是所有的車企都選擇了全面自研,不少車企的端到端團隊才剛剛成立,供應商在智駕領域還是有着自己市場,和過去的一百多年相同的是提供成本和功能平衡的產品才是關鍵。

供應商依然能夠扮演着重要的地位。

注:圖片部分來源網絡,如有侵權,聯系刪除

       原文標題 : 技術分野,端到端掀翻了誰,消耗了誰?



標題:技術分野,端到端掀翻了誰,消耗了誰?

地址:https://www.utechfun.com/post/444304.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

猜你喜歡