优咔科技CTO李勋宏：自动驾驶正从规则驱动演进为数据驱动｜GTM2023

2023年12月6-7日，由科技出行产业智库与创新服务平台——亿欧汽车主办的GTM2023（第六届）全球科技出行大会在北京成功举办。本届大会以“穿越周期 破风远航”为主题，聚焦中国智能电动汽车产业的发展与演进，携手来自主机厂、供应链企业、科技公司、科研以及投资机构的高管们共话产业前景，呈现了一场新技术与新理念齐驱的出行产业年度盛会。

在《科学企业家与青年创业者论坛》上，优咔科技CTO李勋宏做了题为《优你所思 赋能你所行》的主旨演讲。他提出：自动驾驶的技术路线正在从过去的规则驱动演进为数据驱动。

以下为嘉宾分享实录（有删减），经演讲人确认发布，供行业人士参考：

各位嘉宾，大家好！今天特别感谢亿欧和杨总给我们这个机会来展现一下我们优咔科技在产品上的一些思考。

我是优咔科技的技术负责人李勋宏，优咔科技是万马科技旗下车联网的子公司，承担万马科技向车联网转型的重任。我是一个通信和智能网联领域的老兵，也是智能驾驶这一块的新手，所以今天特别是Momenta的黄总，以及谷总在这边，有点班门弄斧，一会儿给大家介绍一下我们在自动驾驶工具链方面的思考。

从特斯拉的FSD的成功我们可以得到一些启示，其实国内目前在做的很多产品想法会参考特斯拉，从特斯拉很早之前做FSD做自动驾驶，我们洞察到它几个点：一个是它的算法，我们可以看到自动驾驶里面各种各样的算法，包括我们比较新的BEV这些算法，也包括我们今年有些领先的企业开始推端到端的算法，算法本身在自动驾驶里面非常重要的；另外一个是数据闭环，怎样通过云端的算力让这个算法、模型越来越精准、越来越好用，在这一块我们在云端看到一个非常大的机会，就是去做数据闭环这个工具链，我们从IaaS层的基础设施到PaaS层的数据管理，再到SaaS各种工具链的应用，这一块正是我们目前比较聚焦的产品。

我们可以看到：自动驾驶技术路线的演进从过去规则的驱动，也就是在自动驾驶域控制器里面编写规则，逐渐做一些融合感知，再加上一些规则的状况，再到现在比较新的实现端到端自动驾驶的这种模型，这个是一个从规则驱动到数据驱动的转变。我们可以看到特斯拉也在讲它在做端到端的自动驾驶，我相信里面还是有诸多中等规模的模型加上一些规则来做，总体上来说是一个趋势——我们会从规则驱动逐渐演进成数据驱动。

做自动驾驶这一块，我们总结了2个成功三要素——

首先，在车端我们认为传感器、计算平台和算法是成功的三要素。在性价比上面我们要有更高性价比的传感器，所以越来越多的车企会选择去使用毫米波雷达取代激光雷达，把对最高精度的依赖去除掉，逐渐走向无图的方式，特别是我们国内有很多做无图国产化平台的厂商。

目前车端算法主要还是计算机视觉，包括整个自动驾驶的控制里面一些先进的算法，这些算法本身都需要在云端去做数据闭环，而数据闭环我们认为也有三个重要要素——大模型、大数据和大算力。在云端大模型可以为我们的自动标注、仿真带来很多便利；大的数据我们可以看到现在领先的车企大概每个月、每辆单车大概要采集150G到200G的数据送到云端，如果有100万辆车采集这些海量的数据，云端会有非常大的数据量，需要有大数据的处理能力；大的算力，就是我们的训练，这些模型需要大的算力去把算法提升得更加精准。

我们也看到头部的主机厂（尤其像新势力）主要的能力是都能自研，有一些传统主机厂就会面临一些挑战，主要有以下三点：第一是能力内化的需求；原来可能依赖Tier1，但是随着自动驾驶从L2+到L3、L4过渡的时期，车企需要自研的能力。第二是算法的可控；特别是前一阵子关于AEB之争可能是神仙在打架，可以看出如果车企掌握了自动驾驶算法本身，可以在不同级别的算法里面做一些融合，可以把一些L2+甚至L3、L4的能力放到我们的L1 AEB里面去，把AEB产品做的更好，如果我们车企能够掌控这些算法的话，会比较有帮助。第三，数据安全。车企肯定都希望数据掌握在自己手里，并且算法也掌握在自己手里，所以我们在车的行业会看到有数据闭环工具链平台这么一个需求。

对主机厂来说，一个是能力内化，一个是自主可控。而我们能为车厂带来什么呢？我们最近刚刚发布了一个数据闭环工具链的产品，主要从三个角度去考虑—— 第一是数据驱动。因为我们要去处理海量数据，如何从数据处理平台PaaS层到上面的应用层，把这些数据能够利用好；第二，安全合规。我们也跟一些具备资质的合作伙伴在合作，确保我们的数据采集和处理是符合规定要求的；第三，面向量产。特别是在一些仿真领域，可能不仅仅是在我们的规控这一块做仿真，更多的是跟车企去合作，在我们的硬件控制器的仿真上面去做一些工作。

整个工具链的概览是这样的：从车端通过我们的网络采集各种各样的数据，通过数据合规的方式做一些脱敏，进行一些数据的初解、分类和清洗，最后通过自动化标注做人工的质检，形成我们的场景库，通过云端的训练形成我们模型的仓库，再通过仿真的方式去做测评，最后通过OTA的方式再回到车上面。

我们做工具链的时候有一些思考—— 第一尽可能开放，和车企共同开发。我们也是在整个SaaS层的数据里面大量采用ASM的这些规范，尽可能遵循这些规范，确保未来车企在模块化里面有其他的需求，提升不同的产品，我们可以用开放的数据集去确保平台的开放性。当然在计算能力这一块，我们现在也在做一些移植，原来我们是基于英伟达的这些卡在做算法的训练，目前我们也在跟一些国产的（像华为）在做评估，在做算子的移植，希望在工具链上面几层都是开放的，就是在硬件在模块上面都是开放的一个状态；第二是安全。这一块我们从很早之前就积累了一些安全的能力，我们在车端会有一些安全的组件，它可以依赖于硬件的HSM、或者依赖于我们的SOC里面的TEE的能力来做安全的加密，我们在边缘侧和云侧会提供安全接入的网关，确保这个数据是端到端加密的，能够传到云端来。

关于数据标注，我们也在逐渐引入云端专门为标注来做的大模型，可以去做很多自动化的标注，来节省人工的投入；同时，我们也在跟高精地图厂家在合作，通过高精地图静态的数据来做预标注，对一些道路、红绿灯不需要，本来高精地图已经有的数据，通过自动化的方式来实现预标注。这个部分主要是在跟我们连接能力做协同，在连接这一块我们有5G车联网专用的核心网，在今年开始我们在专用核心网上面做了很多边缘计算相关的工作，包括OTA的边缘计算，最近也在做数据清洗边缘计算的工作，我们希望在边缘侧把这个数据做一些清洗，防止把不需要的数据传到云端，我们在这里面也在做一些工作，像一些标签化、一些向量化的工作，希望能够尽可能拿到多样化的数据到云端，重复的数据我们就在边缘侧把它清洗掉。

这里有一个快速的产品演示，请同事帮忙播放简单展示一下：1.这是我们数据管理这块，从数据的导入到预览，后面还会有抽帧的一些设置。2.这是我们做的自动化打标和人工打标的方式。

谢谢大家！