隨著科技的不斷進步，數字化與智能化技術正在逐步改變我們的世界。在自動駕駛領域，數字化和智能化技術的使用使車輛能夠更好地感知環境、做出決策和控制車輛，更精確、更智能、更高效是我們對未來生活不斷的追求。
8月24日，百度智能云、NVIDIA攜手ICVS中國自動駕駛博覽會在上海舉辦“數驅變革、智駕未來 ”百度智能云自動駕駛高峰論壇。演講環節，與會專家圍繞自動駕駛領域數字化與智能化技術與實踐進行交流分享。會議同期舉辦以“大模型助力自動駕駛”為主題的圓桌論壇，百度智能云與來自NVIDIA、武漢光庭信息技術股份有限公司、千掛科技、智協慧同等企業共同探討大模型時代自動駕駛營運場景、領先技術、優質產品與方案，助力行業伙伴共同“乘科技之風、破自動駕駛創新之浪”。
1“云智一體”帶來大模型時代新的發展機遇
在自動駕駛等級不斷提升，智慧交通智能化水平躍進的過程當中，人工智能、大數據、云計算等技術扮演者越來越重要的角色。尤其是在人工智能技術發展的浪潮之下，大模型技術因其具有強大的泛化能力和創新性，已成為推動數字經濟與實體經濟深度融合的重要因素，能夠帶來經濟社會發展和產業的深刻變革，為實體經濟注入強勁動力。在自動駕駛領域，從感知側、模型側、執行側，大模型都發揮著越來越重要的作用，使得自動駕駛等級不斷提高、自動駕駛體驗不斷優化、道路交通安全等級不斷提升。
百度智能云提供的自動駕駛行業整體解決方案，依托“云智一體”的戰略及技術優勢，從芯片層、框架層、模型層、應用層，百度智能云緊扣自動駕駛領域的業務場景、行業需求特征，布局了從業務側到資源側的完整解決方案，包括端到端的數據閉環、貫穿研發流程的工具鏈、為工具鏈提效的大模型、以及為全流程提供強大算力支持的 AI 大底座，滿足從 L2 到 L4 的研發需求，加速自動駕駛業務落地。
百度智能云泛科技行業總經理【張瑋】
2百度智能云與NVIDIA攜手，不斷實現模型優化
AI大模型技術與自動駕駛領域的融合發展，數字化和智能化時代為汽車和自動駕駛行業帶來了前所未有的機會。百度智能云攜手NVIDIA對17個感知模型的訓練進行了優化，最高可達到400%的訓練吞吐提升，縮短80%的訓練時間。這些模型覆蓋了自動駕駛場景中周圍環境感知、行駛條件、交通狀況和障礙物的預測等多樣傳感器和多傳感器融合方案，相關訓練加速的技術手段已經集成到百度百舸的AI加速套件AI Accelerate Kit（AIAK）中，為百度智能云的客戶提供極致加速。雙方沉淀的優化方法還將幫助更多行業提升模型訓練效率，加速產業智能化升級。
NVIDIA資深解決方案架構師【金國強】
3大模型助力自動駕駛典型業務場景智能化升級
從智協慧同的角度來看，大模型的誕生和落地應用，將會對后續汽車行業的數據底座應用帶來革命性的沖擊。
在數據獲取層面，我們可以從傳統的corner case觸發數采解放出來，不再通過一個個的trigger設置來觸發數據回傳，整車的數據接入到大模型中，可以實時檢測感覺不對勁的數據，將重要程度高的數據打上標簽與重要等級后，上傳云端或落盤存儲，從而從根本上改變了數據回傳的邏輯；
在數據使用分析層面，我們擺脫了數據傳云端后手動統計，手動數據分析的局面，大模型具備主動統計和提煉數據的能力，從而極大的提升了數據價值釋放的效率；
在數據智能化層面，大模型可以針對汽車數據來做專門的訓練，從而轉變成一名汽車數據行家，針對各種問題都可以從車端的數據中分析得到原因所在；除此之外，大模型還可以利用實時獲取的汽車數據不斷迭代自身能力，逐步成長為更加專業化、智能化的汽車專家。
另外，大模型可以針對自動駕駛的功能或舒適度進行實時評價，反饋給主機廠或車主做參考；傳統的影子模式等實現方式也隨著大模型的落地，可以更便捷的實現。
智協慧同合伙人兼副總裁【牛國浩】
自動駕駛感知、定位、規控算法等方面都有很好優化升級應用。針對這些問題，光庭信息CTO項鋒表示，光庭信息早在2021年就提出超級軟件工場，利用人工智能賦能軟件工程的各個環節，形成以智能化為驅動力的軟件開發體系。結合業務數據和行業知識庫，形成以智能化為驅動力的軟件開發體系。超級軟件工場的建設提升了光庭軟件工程效率，間接提高自動駕駛感知、定位，規控算法的開發和迭代效率。
武漢光庭信息技術股份有限公司CTO【項鋒】
在自動駕駛、軟件定義汽車、汽車網聯的時代，汽車的配置變得復雜化，個性化。汽車領域的知識庫變得異常復雜。博世借力百度智能云等平臺的大語言模型技術，將博世自己的知識庫解決方案進行全新升級，智能內容、關系抽取，自動化知識庫的建立過程，維持了更高的知識庫質量、運維能力，降低了知識庫的建設運維成本。
博世汽車服務技術有限公司高級架構師【夏澎】
大模型對自動駕駛的助益，我們認為至少可以在兩個層面：
首先是離線端，如利用文本或多模態大模型進行數據挖掘、自動標注等等。在很多時候，數據的挖掘和有效利用其實比數據采集更有挑戰，也更關鍵。大模型的應用可以幫助更好的解決上述問題，大大提升我們車載模型的研發效率。
其次是車載端，即直接研發車載系統可運行的自動駕駛端到端大模型，從而顛覆現有的車載自動駕駛軟件結構范式和研發范式，尤其是其泛化能力有助于解決困擾行業已久的各種長尾 corner case 問題。當然，車載端應用大模型的挑戰更大，想要落地還需要大家共同的探索，但可以確定的是，它對車端算力提出了明顯更高的要求。千掛選擇了在車端使用類 PC 的架構，搭配上千 TOPS 的算力，這樣的好處是為將來在車端直接進行大模型的推理奠定了良好的基礎。
千掛科技AI工程總監【張翼】