凤凰网汽车

车东西

作者 | 迩言

编辑 | Juice

自动驾驶产业走到今天，在技术方面已经取得了很大的进步。

但可以看到的是，在L4级自动驾驶甚至是量产自动驾驶领域的发展中，仍然有很多难题需要解决。

现阶段，自动驾驶场景数据的积累是自动驾驶玩家们的主要发力点，且对于大部分自动驾驶玩家而言，如何管理并利用好积累的数据也是一个非常令人头大的问题。

自动驾驶的车辆安全、稳定行驶，需要非常庞大、高质量驾驶场景数据的支撑，具备专业数据服务能力的公司加入，则可以帮助自动驾驶玩家们解决这个问题。百度智能云推出的自动驾驶数据运营服务及工具链平台，集合了百度强大的技术积累与AI数据应用业务多年的服务经验，为车企提供覆盖数据采集、数据标注、数据管理、模型训练、仿真测试环节的自动驾驶系统研发全链条所需的数据运营服务及工具平台，助力自动驾驶行业伙伴加速驾驶研发。

那么，百度智能云为何会在此时推出这一工具链平台？这一工具链平台又将如何帮助自动驾驶玩家发展？与其他玩家相比，百度智能云又具备哪些优势呢？

一、自动驾驶跨越技术驱动时代 数据重要性凸显

自动驾驶是目前汽车行业最火热的领域之一，经过多年的发展已经到达了一个全新的阶段。

自动驾驶诞生初期，各玩家忙于对技术的搭建，无论是L4领域的百度、Waymo等玩家，还是L2领域的多个车企，都在尝试推出自己的Demo车型。

可以说，当时的自动驾驶行业发展主要依赖技术进步，也就是技术驱动的阶段。

目前，各个自动驾驶玩家都已有产品出街落地，例如百度开始在国内广泛部署Robotaxi，一些车企推出了高速领航辅助驾驶，还有的在尝试城市领航辅助驾驶……

▲百度的Robotaxi

整体来看，自动驾驶行业完成了从0到1的关键突破。而从1到100却更难。自动驾驶车辆想要在更多的场景下部署，就需要全面覆盖这些场景下的各种情况。

也就是说，自动驾驶行业需要解决更多的Corner case，去不断完善自己的技术。这样一来，数据就成为驱动自动驾驶规模化落地过程中关键一环。

拥有足够量级的数据，并且高效利用这些数据，成为摆在自动驾驶玩家面前新的难题，自动驾驶行业从技术驱动时代跨越到了数据驱动时代。

二、提供自动驾驶工具链 打造数据闭环研发体系

车辆自动驾驶的背后是海量数据的支撑。

一辆智能网联汽车每天至少收集10TB的多维数据，如果是一个车队，或者是一家自动驾驶行业公司，产生的数据量就更庞大。

对于大部分自动驾驶公司或者车企来说，高效、高质量地处理这些海量的数据需要投入巨大的人力、时间以及资金成本。

据悉，百度智能云自动驾驶数据闭环解决方案，提供道路数据采集、数据合规、数据标注、数据管理、模型训练、仿真场景库建设等完整的数据运营服务，能够帮助车企缓解成本压力，推动自动驾驶技术研发。

▲百度智能云自动驾驶闭环解决方案

道路数据采集是自动驾驶技术研发的基础，而高精地图测绘资质则是道路数据采集的“敲门砖”。在高精地图监管收紧的当下，手握齐备资质的百度，能更好地为自动驾驶赛道企业提供数据采集服务。

此外，百度智能云拥有自建采集车队，并且采集车的传感设备与布局可根据实际需求灵活定制改装，确保道路数据采集的有效性，提高采集效率。

在自动驾驶数据处理过程中，一些企业因缺乏实际落地经验导致的数据安全合规问题不容忽视。百度智能云基于长期的业务积累，研发出一套完整的数据合规方案，可为客户规避数据运营风险。

同时，百度智能云提供数据管理服务，一方面帮助客户完成数据项目的运营管理；另一方面，提供一系列挖掘工具，从海量数据中挖掘出更有效、更精准的数据供模型训练使用。

数据标注是让车辆“学会”自动驾驶的重要环节。在数据标注方面，百度智能云AI数据应用业务在长期的数据服务中，积累了深厚的技术与经验，具备稳定输出、专业交付的能力；技术领先的智能标注工具，可大幅提升数据标注的准确率；另一方面，百度智能云在全国多地建有数据标注基地，常驻基地的专业数据标注团队可轻松应对客户需求的波峰波谷。整体而言，百度智能云能够为客户提供高效率、高质量、高安全性的数据标注服务。

车辆实现安全稳定的自动驾驶，模型训练调优过程是关键动作。模型训练方面，百度智能云AI数据应用业务依据成熟的AI应用服务经验、丰富的测评样本积累，能够为客户提供模型测评及精准调优服务，保障自动驾驶系统的智能性。

据百度方面介绍，上述服务的背后，是百度智能云AI数据应用业务团队一整套的技术支撑。现在，百度智能云将这一系列技术整合为一套自动驾驶工具链平台，以产品的形式向企业客户开放，为车企自建自动驾驶研发系统提供技术赋能。

自动驾驶工具链平台包括数据管理中台、智能标注平台、感知训练评测平台、仿真测试平台，覆盖数据管理、数据标注、模型训练评测、仿真测试等自动驾驶系统研发全链条所需的平台工具，企业可以按需取用。

▲百度智能云自动驾驶工具链平台

面对道路采集获得的大批量数据，企业客户可以使用数据管理中台进行数据清洗、数据存储、数据处理、数据挖掘等工作，通过科学的数据管理流程，帮助企业全面把控数据质量与数据安全，为自动驾驶系统研发工作打好地基。

易操作、广适配、全面强大的智能标注平台，可以满足自动驾驶领域全类型数据的标注需求，帮助企业快速构建专业、安全可控的数据标注能力。

感知训练评测平台支持使用TensorFlow、Python、PaddlePaddle等国际主流深度学习框架开发模型的评测工作，百度凭借先进经验积累，提供全面的评测指标细则，支持客户自定义评测标准，输出多维可视化评测报告，为后续研发工作提供指导。

仿真测试平台提供从原始数据到仿真场景的转化工具，帮助客户构建场景仿真数据库、完成仿真测试，为自动驾驶汽车安全落地检验的“趁手”工具。

通过全流程的AI数据运营服务与一整套的自动驾驶工具链平台，百度智能云帮助车企构建完整的数据闭环能力。

三、根植于百度 亮点优势明显

事实上，现阶段在自动驾驶数据闭环及工具链平台方面发力的玩家不在少数，那么百度的优势在哪里？

近日，德勤发布《2022年人工智能基础数据服务白皮书》，其中调研分析显示，AI基础数据服务市场呈现标注复杂化、自动化、全栈式服务需求以及愈加严格的数据合规需求四大趋势。德勤认为，顺应“四化”趋势，科技巨头依托长期的技术和资源积累，综合能力更强，竞争优势突出。

其中，位居行业市场份额第一的百度智能云，是一个典型的代表。

首先，百度智能云AI数据应用业务在AI数据服务、自动驾驶数据处理领域的积累非常深厚，具有业界领先优势。

百度是国内最早布局自动驾驶的企业，2013年以来开创了国内自动驾驶领域的多个第一，经验丰富。

百度智能云AI数据应用业务团队最早服务公司内部，提供的服务方案已经过大规模的数据验证，服务质量更有保证。

其次，百度智能云AI数据应用业务团队的核心算法通过海量数据训练迭代而来，能更好地实现数据挖掘、预标注以及仿真测试评估。

基于智算中心等人工智能基础设施，百度为传统车企、Tier1厂商、造车新势力等客户提供基于云端的全链路自动驾驶数据闭环服务，百度智能云的核心算法也在服务客户庞大的数据训练过程中实现了优化迭代。

2022年9月，百度百舸·AI异构计算平台2.0版本的发布，更是实现了AI计算、AI存储、AI容器等模块的重大升级，进一步优化了百度资源调度能力，为百度智能云自动驾驶数据闭环的建设提供更强有力的支撑。

更重要的是，百度智能云AI数据应用业务团队提供的自动驾驶工具链平台，其中任何一个工具都可以解耦使用，使用起来更加便利。

百度智能云对外提供的这些数据服务和服务、服务和平台、平台和平台之间都是可以根据客户需求独立解耦。也就是说，百度智能云提供的服务和平台都可以实现高度的定制化，根据需求灵活配置。

整体上来看，百度智能云既有坚实的技术基础，又能够为客户提供定制化的服务，这对于很多自动驾驶企业来说都非常具有吸引力。

结语：百度智能云自动驾驶工具链平台 助力自动驾驶技术研发提速

数据是自动驾驶行业发展的关键因素，如何充分挖掘并高效利用好数据这座“金山”的价值，是所有该赛道玩家都在思考的问题。

百度智能云自动驾驶数据闭环解决方案，能够一体化提供完整的数据运营服务及工具，全面助力自动驾驶系统研发；也可以通过独立解耦的服务模式，为企业多样化的数据需求提供技术支撑。

推动自动驾驶技术研发进程的同时，像百度智能云这样的玩家也能更好的为行业发展助力。