新火種
2024-12-30 
誰將成為明年“AI交通”最熱詞世界模型引領潮流
1942年，科幻小說家艾薩克·阿西莫夫在他的短篇小說《轉圈圈》中首次提出了“機器人三定律”，這一定律被視為現代人工智能技術的基石。八十年后，世界在許多方面已經接近甚至超越了阿西莫夫的想象。
如今，人們生活在一個由人工智能滲透的世界里。2024年，我們見證了一系列人工智能技術的創新與涌現，如AI視頻生成模型Sora和GPT-4o等。這些新技術不僅提升了駕駛體驗，還為城市交通的安全性、效率和可持續性帶來了新的可能。
展望2025年，隨著人工智能與交通的進一步融合，BEV+OCC感知能力困局待解。近年來，自動駕駛領域熱詞依次為：BEV+Transformer、OCC占用網絡、無圖NOA、端到端。BEV網絡通過矢量化的鳥瞰視角檢測白名單障礙物，而OCC通過體素化的占用網絡預測3D空間的占位情況，實現對通用障礙物的感知。然而，目前BEV網絡的感知上限大約為1000多種物體，OCC網格大小受限于算力和實時性，通常只能做到10厘米左右，難以檢測微小物體。此外，天氣、光照、雨霧等復雜語義也是當前技術難以解決的問題。
數據成為端到端方案的最大瓶頸。相較于分模塊方案，端到端方案主要解決了從人工邏輯代碼到數據驅動的問題，并通過自動抽取信息減少信息損失。決策和規劃的進步顯著，但感知能力提升有限。訓練一個完美的自動駕駛模型需要海量數據，特斯拉2024年初的視頻訓練片段數量將近3000萬個，但仍未達到L3級別。大模型的引入增加了數據標注需求，如何保證高效訓練成為關鍵問題。
世界模型實現了從感知到認知的躍遷。生成式AI大模型具備超強理解能力，能夠建立對當下場景的整體認知。例如，大模型可以通過意圖理解判斷出行人是否要橫穿馬路，或通過長時序信息判斷車輛是否即將減速。這種從部分到整體、從分立到連續、從感知到認知的轉變，使自動駕駛系統更加貼近人類駕駛的知識邏輯。世界模型的訓練數據是視頻序列，輸入當前時刻視頻，輸出下一時刻視頻，可以進行無監督訓練，解決了傳統端到端模型需要精確標注海量視頻數據的難題。
車路云一體化是一個帶有鮮明“中國智慧”的技術方案。2024年是中國車路云一體化全面落地的重要年份。通過集成通信基站、衛星通信和定位、各類傳感器、云控平臺等基礎設施，形成一個信息共享、高效協同的車路云網絡，為智能設備提供實時數據服務。道路上布設的智能路側設施能夠實時監測路況，多源數據融合技術為后續數據分析提供豐富素材。云端利用大數據和AI算法對數據進行分析與挖掘，提取有價值的信息，提高道路通行效率。保障數據安全至關重要，需根據國家相關法律法規對數據進行分類分級、降密、脫敏、加密等操作。
未來十年，所有行業都值得用人工智能重新做一遍。人工智能將在自動駕駛、車路云一體化、交通基礎設施智能化建設等方面深入融合，拓展更多超乎想象的應用場景，為人們帶來更智能、便捷的出行方式，重塑智能交通的未來。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
