GPT（生成式預訓練大模型）出現后，迅速引發各行各業的關注，自動駕駛行業也開始探索GPT在自動駕駛領域的應用及落地策略。

傳統自動駕駛模型是小模型+規則制，是問題導向形的。GPT大模型出現以后，變成大模型+大數據的形式，通過自動標注的形式獲取數據，數據規模大，獲取速度快，成本低，變成了數據驅動。車企部署自動駕駛GPT需要分階段、分任務地解決相應問題和挑戰。

由此，虎嗅智庫撰寫發布了《自動駕駛GPT對車企技術策略影響分析》，通過深入剖析GPT大模型對自動駕駛技術發展的影響，為車企布局自動駕駛技術提供有價值的應對之策。

【資料圖】

本文為該報告核心觀點。

點擊文末【閱讀原文】查看完整版報告

能解決當前哪些痛點問題？

首先，GPT大模型通過自動數據標注技術，降低了數據獲取成本，加快了數據獲取速度。自動標注技術可以將標注成本降低約90%,這為自動駕駛技術的快速商業化應用創造了條件。

其次，GPT大模型可以實時生成“活地圖”，預測被遮擋障礙物，有效解決自動駕駛中的corner case（極端情況）問題。基于transformer的BEV感知，可以將周圍環境信息融合，生成三維信息，為決策提供動態環境數據,實現去高精地圖化并增強泛化能力，這可以顯著提高自動駕駛的安全性。

最后，GPT大模型具有強大的泛化能力，可以識別規則之外的新案例。傳統模型依靠規則制定，對規則之外難以應對。GPT通過海量數據訓練，可以根據泛化特征識別新案例，能識別新的案例。這樣使自動駕駛技術應用于更為廣泛和復雜的場景中。

對當前技術路線的影響

GPT大模型出現以前，行業對于漸進式和躍進式技術路線的選擇上是存在分歧的。躍進式技術路線以谷歌、百度為代表，通過收集路測數據訓練自動駕駛模型，依托高精地圖實現L4級自動駕駛。

GPT大模型出現以后，漸進式智能駕駛方案逐漸成為主流路線。依托于高精地圖的L4級躍進式技術路線逐漸被行業舍棄，基于Transformer+BEV的漸進式成為自動駕駛主流技術路線，這套技術路線不依賴于高精地圖。原因在于，基于Transformer的BEV感知技術，可以將動態物體、靜態物體統一坐標系，通過 Occupancy網絡避開不需要識別或識別不出的物體，再通過NeRF技術對三維駕駛場景進行還原，預測出后續決策所需要的道路拓撲信息，實現去高精地圖化。

這個過程中，與其說是去高精地圖，不如說是通過Transformer+BEV感知方式實時生成即時高精地圖，擺脫了對第三方供應高精地圖的依賴。

“四步走”策略

車企部署自動駕駛GPT需要分階段，分任務的解決相應問題和挑戰。綜合無人駕駛智能化程度和大模型部署位置，落地的過程總體可分為“四步走”。

第一步，云端部署自動駕駛GPT大模型。通過海量數據訓練實現自動標注，降低數據獲取成本，解決corner case問題，覆蓋各類駕駛場景。這一階段云端模型不斷迭代訓練，性能逐步提高。

第二步，將訓練有素的云端模型部署至車端，實現車端模型部署。車端模型仍需云端模型指導，屬車云協同階段，云端模型主導。車端數據回傳云端，實現模型聯合訓練與優化。這一階段智能駕駛為人類駕駛賦能，未達無人駕駛。

第三步，進入車云協同階段，車端模型主導。云端與車端模型協作，車端數據實時回傳云端，實現高效計算與存儲。車端芯片成本降低但算力有限，需要云端支持。這一階段車企實現自動駕駛產品車端自主部署，車云協同帶來更廣場景應用。

第四步，自動駕駛技術成熟，車端可以自主部署模型，實現真無人駕駛。自動駕駛方案選擇更加靈活，由用戶根據需求選擇。這標志產業鏈各方技術水平顯著提高，自動駕駛產品極具個性化，成為消費市場主流，開創出行新模式。

需要重點解決的問題

自動駕駛GPT模型從云端到車端的部署與應用，需要重點解決三大問題：

1、云端訓練成本高。GPT大模型需要海量數據與強大算力支持，以實現模型表現的突破。這需要建立大數據中心與云計算基礎設施，持續采集各類駕駛場景數據，輸入模型訓練與迭代，相應的成本也較高。如何快速獲取海量高質量數據，并具備強大的云計算能力，是實現自動駕駛GPT云端部署的前提。

2、車端部署成本高。自動駕駛GPT模型部署至車端，需要專用的低成本高性能芯片作為支撐。隨著模型規模擴大，所需芯片面積與成本也增加。而用戶對車載芯片增加的成本有一定心理預期，超出部分難以通過市場轉嫁。如何研發出專用于自動駕駛且低成本高性能的芯片，是車端部署的關鍵所在。

3、數據回傳及模型管理難度大。車端部署后的自動駕駛GPT模型需要車內收集的數據回傳至云端，以實現模型的持續優化。但數據回傳涉及數據的壓縮、脫敏與監管等,較為復雜。同時,大規模模型在車端部署后，其涌現能力凸顯，如何約束模型行為，避免極端情況出現，也是需要重點考慮的問題。

結語

GPT大模型的出現為自動駕駛技術發展帶來新的機遇與挑戰。它不僅改變了自動駕駛的技術路徑，也在重塑產業生態，其應用與落地需要整個產業鏈的共同推進與努力。加強基礎設施建設與技術創新，伴隨云計算、5G通信與芯片技術的發展，自動駕駛GPT將得以更快速度部署與應用。

點擊《自動駕駛GPT對車企技術策略影響分析》閱讀完整報告內容。

關于虎嗅智庫：

虎嗅智庫致力于推動產業數字化以及以“雙碳”轉型為代表的可持續發展，為參與這個進程的中國企業高管、政府相關決策服務。我們主要的服務手段主要為：研究型內容（報告、分析文章、調研評選）、數據庫、線上線下活動與社群、定制型項目等。

我們提供的核心價值：

及時與優質的洞察，了解技術、了解行業、了解同行與對手；

為決策者技術與產品戰略決策、產業規劃、解決方案選型提供重要參考；

幫助市場全面了解前沿科技及所影響產業的發展狀況，還有未來趨勢。