大模型提速自动驾驶算法开发——2024年IDC中国自动驾驶开发平台厂商评估研究报告发布

当今，决策规划模型化、端到端模型已经是自动驾驶领域的热门议题，基于神经网络的模型在自动驾驶算法中全面渗透。自动驾驶模型化的趋势下，以数据驱动算法升级开始成为产业共识，企业对于数据的收集效率、使用效率都将成为其软件升级迭代的关键。因而高效、一体化的自动驾驶算法开发工具链/平台开始成为推动自动驾驶产品实现差异化的关键基础设施。而随着大模型技术的成熟，自动驾驶开发平台的自动化程度、功能完备度也再次得到显著的提升，数据驱动下的自动驾驶算法开发得以提速。

IDC认为，自动驾驶开发平台是面向车企或自动驾驶软件提供商的算法开发平台，满足技术买家处理海量数据、自动驾驶方案更新迭代的需求。平台需要具有：

●   数据收集、标注、挖掘等综合处理能力；

●   模型训练调参；

●   仿真测试等功能模块。

自动驾驶开发平台以数据闭环为核心，为企业提供一站式的数据处理、算法开发和测试验证服务，助力企业高效推进自动驾驶技术，如感知模块、决策规划模块等功能的研发与应用

IDC于近日发布了《IDC MarketScape: 中国自动驾驶开发平台2024年厂商评估》（Doc#CHC51571424，2024年6月）报告。研究受到众多技术提供商的关注，IDC最终选择了7家具有代表性的厂商进行深度研究，包括（按照首字母顺序排序）：百度、地平线、华为、火山引擎、轻舟智航、如祺出行、腾讯。厂商评估结果基于IDC MarketScape模型以图像形式展示。

IDC对市场进行详细调研后，对自动驾驶开发平台的产品发展趋势有如下洞察：

●   数据采集回传从采集车规模化采集逐渐过渡到量产车长尾场景采集：数据已经成为重要资产，收集各类感知、决策、环境数据已经成为形成数据闭环的重要前提。随着智能驾驶功能在乘用车的渗透率、使用率逐步攀升，利用乘用车采集数据的方案开始逐步落地。尽管当前仍以采集车落盘上传数据的方式为主，但是已经可以观察到量产车的采集将成为趋势。

●   探索大模型在场景挖掘/检索方面的潜力：未来，随着智能驾驶功能渗透率、使用率的进一步提升，以及车端数据更多以车云互通方式回传，企业拥有的数据量将呈现几何上升。但是对于开发环节而言，仅有部分长尾场景或特定场景数据能够作为高价值数据别采用并进入到后续的训练等环节。这意味着企业需要对海量的数据进行高效的筛选。当前，基于大模型能力，进行文搜图、图搜图、甚至是视频搜视频的多模态检索功能已经陆续上线，助力企业进行高价值数据的识别检索。当前，已有头部厂商具有相应功能并接入，但是多数尚未形成标准化的产品。

●   自动化标注已经成为主要的标注方案， 4D标注将迎来快速发展：在视觉算法发展以及大量数据标注需求的共同驱动下，以自动标注作为预标注+人工审核的标注方案已经成为业内的主要方案。当前，2D图像的分割或识别、3D点云自动标注的准确率已经普遍能够达到90%以上，帮助企业大幅缩减人工成本，提升效率。与此同时，Transformer+BEV算法的普及推动4D标注发展，IDC关注到该功能正在加速落地。

●   从路侧测试到仿真测试为主，并行仿真能力与仿真场景是重中之重：各企业的仿真测试公里数已经开始成为自动驾驶产品实力的一个重要维度，车企累积的仿真测试里程开始向数亿公里进发。这对仿真测试系统的运行效率/资源利用、场景覆盖度都提出了更高的要求。通过容器化/云原生等手段实现多任务、多场景的并行测试是提升效率、计算集群利用率的关键。除此之外，仿真测试也不仅是单纯对于里程数据的堆砌，需要各类长尾场景的测试提升自动驾驶软件的全面实力。为此，技术提供商多管齐下拓宽其场景库的覆盖度。例如不仅从真实路况提取关键场景，同时对场景进行泛化，拓展场景的多样性。同时，厂商正积极探索通过大模型、NeRF等技术生成场景，为灵活构建罕见的长尾场景做出技术储备。

●   一体化平台逐渐打通：当前虽然技术提供商能够构建一体化平台，但在各模块的互通链接上（数据的流动）仍未做到全面互通。随着各模块自动化能力的提升，软件迭代速度要求的提高，打通各模块能力将成为未来重要的发展方向。这样才能形成真正的数据闭环，助力自动驾驶算法的快速升级。

给技术买家的建议