干货最多的Apollo Day：从高精地图、芯片到大模型一次讲透( 三 ) 作者/华卫今天

文章图片
而且，百度Apollo发现，数据提纯效率很大程度由推理引擎的效率决定，而推理引擎效率又可以分为数据读取速度以及模型的推理和计算速度，后者可以通过分布式方式来提升。为此，他们与百度飞桨团队合作，将百度自研的PaddleFlow数据缓存的基础架构集成引入数据闭环平台，使推理引擎的数据读取效率获得10倍以上的提升。
此外，李昂指出，全量数据回传无法支撑规模化，数据提纯的呈现方式实际上是云端到车端模型和策略的双重降维。

文章图片
获取高纯度的数据后，另一个重要的问题就是如何高效率、高质量地消化这些数据，将其转化为车辆的自动驾驶能力。数据分布不断变化、多个模块相互关联、自动化效率，是无人驾驶系统的复杂性给数据消化带来的三个挑战。
李昂介绍，为应对上述问题，百度是通过数据、模型、指标的集中式、端到端整合，来实现高质量的数据消化，其基于持续学习与AutoML概念在数据闭环里设计了一套自动化训练引擎，并做了多模块联合优化以及数据分布方面的一系列工作。
公开自研芯片适配进展
芯片是自动驾驶公司拥有自主可控技术的关键。昆仑芯科技CEO欧阳剑透露，百度自研的AI芯片昆仑芯2代已完成无人驾驶场景端到端性能适配。
据介绍，昆仑芯2代AI芯片基于7nm工艺打造，采用新一代昆仑芯XPU-R自研架构，通用性、易用性有显著提高，并配备DDR6高速显存，内存带宽可达512GB/s ，可提供256TOPS@INT8和128TFLOPS@FP16的算力。而且，该芯片支持虚拟化、芯片之间互联以及视频编解码等。

文章图片
另外，欧阳剑提到，昆仑芯的第三代芯片、第四代芯片正在研发过程，未来他们还会考虑面向高阶自动驾驶系统定制车规级的高性能SoC芯片。
在车载计算系统上过去一直有一个观点：它是相对封闭的系统，要做深度的软硬件定制，五六年前在云端AI芯片上也有人这样说，而且仍是非常主流的观点。
但今天回头来看，过去五六年提这个观点的AI芯片公司全部都不在市场上了。所以，未来的车载计算系统一定是相对开放的，能够给用户提供高算力、高通用，且可以满足客户个性化需求。
L4/L2+技术「共生」
近两年，不少L4自动驾驶企业「降维」入局辅助驾驶领域，百度也在兼顾做L4和高级辅助驾驶两类产品，并提出要探索L4/L2+技术的「共生」路线。那么，随之带给百度的两个问题是：如何用L4技术做L2+产品？如何用L2+产品反哺L4技术？

文章图片
据悉，百度将在2023年面向市场推出L2+领航辅助驾驶旗舰产品ANP3.0 ，它能在国内支持复杂城市道路场景，并且衔接融通高速和泊车场景。百度自动驾驶技术专家王亮认为，安全、熟路、体验好是ANP3.0的三个产品优势。
首先， ANP3.0继承了百度的L4技术「血统」，系统和核心算法经过千万公里的专业路测考验。目前，百度L4自动驾驶运营测试里程累计超过4000万公里，萝卜快跑在多个城市开启对市民的运营，累计订单超过140万；今年8月，百度在武汉和重庆国内首次实现了「全无人商业化运营」。