在人工智能領(lǐng)域，斯坦福大學(xué)計(jì)算機(jī)科學(xué)教授吳恩達(dá)提出了一項(xiàng)引人深思的“二八定律”，即80%的數(shù)據(jù)加上20%的模型，能夠打造出更出色的AI系統(tǒng)。他強(qiáng)調(diào)，數(shù)據(jù)準(zhǔn)備在AI項(xiàng)目中占據(jù)了絕大部分工作，確保數(shù)據(jù)質(zhì)量成為團(tuán)隊(duì)的首要任務(wù)。這一觀點(diǎn)在智能駕駛領(lǐng)域同樣具有深遠(yuǎn)意義。

智能駕駛技術(shù)，如同一道誘人的佳肴，但車(chē)企要想品嘗到它的美味并不容易。除了數(shù)據(jù)作為基本食材外，還需要強(qiáng)大的算力作為燃料，以及算法作為烹飪技巧。優(yōu)質(zhì)的數(shù)據(jù)和充足的算力是技術(shù)迭代升級(jí)的前提，缺乏這些，再先進(jìn)的算法也難以發(fā)揮最大效用。

隨著智能駕駛進(jìn)入中場(chǎng)戰(zhàn)事，行業(yè)的重心已從招募頂級(jí)工程人才轉(zhuǎn)向模型設(shè)計(jì)、工具鏈開(kāi)發(fā)以及模型的測(cè)試驗(yàn)證。如今，云端算力和數(shù)據(jù)質(zhì)量已成為衡量行業(yè)競(jìng)爭(zhēng)力的關(guān)鍵指標(biāo)。

在智能駕駛技術(shù)的發(fā)展中，數(shù)據(jù)閉環(huán)扮演著至關(guān)重要的角色。隨著智駕系統(tǒng)從規(guī)則驅(qū)動(dòng)逐漸過(guò)渡到數(shù)據(jù)驅(qū)動(dòng)，數(shù)據(jù)閉環(huán)成為提取數(shù)據(jù)價(jià)值、提升智駕系統(tǒng)性能的關(guān)鍵。數(shù)據(jù)閉環(huán)包括數(shù)據(jù)采集、存儲(chǔ)、挖掘、標(biāo)注、模型訓(xùn)練、仿真驗(yàn)證和集成部署等整個(gè)開(kāi)發(fā)工作流。其本質(zhì)是將人類駕駛知識(shí)遷移到智駕系統(tǒng)模型參數(shù)中，使系統(tǒng)表現(xiàn)更加擬人化，提升駕駛體驗(yàn)。

數(shù)據(jù)閉環(huán)的發(fā)展經(jīng)歷了三個(gè)階段。初期，智能駕駛技術(shù)主要依賴硬件驅(qū)動(dòng)，數(shù)據(jù)閉環(huán)概念初現(xiàn)。隨后，算法和軟件的重要性提升，智能駕駛開(kāi)始嘗試小模型和規(guī)則驅(qū)動(dòng)方法。如今，隨著智駕技術(shù)提升，系統(tǒng)對(duì)數(shù)據(jù)的需求劇增，數(shù)據(jù)閉環(huán)進(jìn)入數(shù)據(jù)驅(qū)動(dòng)階段。特斯拉、理想和小鵬等車(chē)企都在積極投入數(shù)據(jù)片段的訓(xùn)練，以提升智駕系統(tǒng)的性能。

然而，高質(zhì)量數(shù)據(jù)的獲取并非易事。車(chē)企和智駕企業(yè)主要通過(guò)兩種方式獲取數(shù)據(jù)：一是從量產(chǎn)車(chē)上挖掘，通過(guò)特定規(guī)則上傳符合條件的駕駛數(shù)據(jù)；二是在存量數(shù)據(jù)中挖掘，利用算法規(guī)則篩選有效數(shù)據(jù)。但數(shù)據(jù)質(zhì)量、分布和泛化問(wèn)題仍是車(chē)企面臨的嚴(yán)峻挑戰(zhàn)。

與此同時(shí)，算力軍備競(jìng)賽也在智能駕駛領(lǐng)域愈演愈烈。隨著智駕系統(tǒng)迭代升級(jí)，傳感器數(shù)量增多，數(shù)據(jù)處理量激增，算力需求呈現(xiàn)指數(shù)級(jí)增長(zhǎng)。理想、華為和小鵬等車(chē)企都在積極擴(kuò)充云端算力，以應(yīng)對(duì)未來(lái)的挑戰(zhàn)。

然而，算力并非無(wú)限，車(chē)企需要尋找更高效的方式來(lái)利用數(shù)據(jù)和算力資源。車(chē)路云網(wǎng)絡(luò)為智能駕駛的降本增效提供了新的途徑。通過(guò)車(chē)路云網(wǎng)絡(luò)，可以建立一個(gè)橫跨車(chē)端、路側(cè)和云端的體系化閉環(huán)，實(shí)現(xiàn)數(shù)據(jù)的收集、標(biāo)注、處理、訓(xùn)練和部署。路側(cè)數(shù)據(jù)可以彌補(bǔ)車(chē)端的天然局限，豐富全局?jǐn)?shù)據(jù)，提升智駕能力和安全性。

車(chē)路云一體化場(chǎng)景中，云計(jì)算和邊緣計(jì)算各自發(fā)揮優(yōu)勢(shì)。云計(jì)算聚焦非實(shí)時(shí)、長(zhǎng)周期數(shù)據(jù)的大數(shù)據(jù)分析，為業(yè)務(wù)決策提供依據(jù)；邊緣計(jì)算則聚焦實(shí)時(shí)、短周期數(shù)據(jù)的分析，支撐車(chē)端實(shí)時(shí)智能化處理與執(zhí)行。通過(guò)多級(jí)協(xié)同計(jì)算，車(chē)路云網(wǎng)絡(luò)可以實(shí)現(xiàn)事件感知的準(zhǔn)確，提升智駕技術(shù)的性能。

在交通流預(yù)測(cè)方面，車(chē)路云網(wǎng)絡(luò)可以結(jié)合實(shí)時(shí)監(jiān)測(cè)和時(shí)序數(shù)據(jù)預(yù)測(cè)，為路網(wǎng)管控決策提供量化支撐。同時(shí)，智能體的應(yīng)用可以將預(yù)案知識(shí)庫(kù)轉(zhuǎn)向智能體模式，實(shí)現(xiàn)更靈活的步驟分發(fā)和調(diào)度，形成對(duì)交通事件的準(zhǔn)確分析和理解。

智能駕駛技術(shù)的演進(jìn)如同從冷兵器時(shí)代到熱兵器時(shí)代的跨越，不同技術(shù)階段具有明顯的代際差異。在端到端智駕時(shí)代，車(chē)企需要更大的算力、更多的數(shù)據(jù)以及高效的機(jī)制和工程能力來(lái)支撐技術(shù)的迭代升級(jí)。雖然堅(jiān)持單車(chē)智能路線的車(chē)企仍占多數(shù)，但車(chē)路云一體化的潛力已不容忽視。

在這場(chǎng)競(jìng)賽中，如何平衡算力與數(shù)據(jù)的供給、如何提升數(shù)據(jù)質(zhì)量和利用效率、如何推動(dòng)車(chē)路云一體化的發(fā)展，都將成為車(chē)企和智駕企業(yè)需要深入思考和解決的問(wèn)題。