2023全球智能汽车产业大会（GIV2023）于9月28日在合肥举行。毫末智行数据智能科学家贺翔出席并发表演讲。
贺翔说，在过去几年的时间中，自动驾驶的发展技术路线应该说与几十年或者十几年前的自然语言处理基本一样。“现在自动驾驶公司还是采用这套模式，有很多任务，每个任务有一个小模型，几十个小模型组装起来一起完成自动驾驶任务。当任务出去遇到一个case怎么去解决这样的case？发现一个case基于这个case采集大量数据，对这些数据进行标注或者机器自动化标注，标注之后拿着数据训练小模型，这个小模型就具备了解决特定场景任务的能力。这种开发模式有很多困难，模型很多，迭代很慢，泛化能力很差，只能解决特定问题。同时，它是基于case by case，是滞后的，只能发现这个case才能去解决，很多corner case无法解决。当遇到这些挑战的时候，能否借用在自然语言处理领域以及非常强的大模型能力来解决自动驾驶领域的问题？”
他提到，结合过去的开发经验和思考，整个自动驾驶技术路径分成1.0、2.0、《万博手机手机登录app》3.0。1.0时代硬件驱动，需要堆大量硬件，成本非常高，与物流小车1.0一样；2.0时代逐渐进入软件驱动，用很多小模型解决这样的问题；在3.0时代是数据驱动，这时候大数据、大模型、大算力成为最核心的标志。
贺翔介绍，毫末智行去年把四个感知大模型整合到一起，希望用一个统一的、通用的感知大模型来同时学习图片纹理、图片深度以及语义信息等等，这样不需要再训练四个大模型，大模型的训练成本非常高，这样能够节省大量成本。
这种大模型驯化之后对车端自动驾驶有什么样的帮助？什么时候能够实现上车理想？贺翔说，第一种通过云端的数据支持，通过大模型来制造大量的数据，让这些数据可以直接让车端的小模型学习到。
一个是通过数据的筛选，通过海量的图片或者视频里面快速筛选出来想要的数据。在传统的开发模式中遇到一个问题时，需要去采集或者找到与该问题比较接近的一批数据，要去找到这批数据成本是非常高的，有了大模型之后可以几秒钟之内从百亿图片里面找出来真正想要的图片。
第二，有了数据之后，传统的方式把数据送给标注公司人工标注，才能去训练车上的小模型，现在有了大模型之后可以对这些小模型进行自动标注，大幅提高效率，降低成本，可以对回传数据做三维重建，重建之后可以做各种各样的编辑，还可以做数据生成。“这样的话，可以提供大量的数据，给车端小模型使用，同时构建一个云端的仿真系统，来加速我们的测试效率。未来我们还是希望能够通过各种各样的方式，比如通过车云协同的方式，甚至大模型通过整流剪枝的方式直接上车，对车端效果带来直接的影响。”贺翔说。
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
责任编辑：王翔
