生成式AI會是傳統車廠自動駕駛技術的一道曙光嗎?

2023/04/11閱讀時間約 6 分鐘
  • 文內如有投資理財相關經驗、知識、資訊等內容,皆為創作者個人分享行為。
  • 有價證券、指數與衍生性商品之數據資料,僅供輔助說明之用,不代表創作者投資決策之推介及建議。
  • 閱讀同時,請審慎思考自身條件及自我決策,並應有為決策負責之事前認知。
  • 方格子希望您能從這些分享內容汲取投資養份,養成獨立思考的能力、判斷、行動,成就最適合您的投資理財模式。
去年阿財有分享過自動駕駛技術各個解決方案的路線選擇,當時我就有提到過我認為傳統車廠為什麼不走純視覺路線的可能原因,這邊再稍微分享一下:
首先在講純視覺之前先了解一下目前純視覺是如何計算深度的,目前用相機拍到的影像計算深度有單目視覺、雙目視覺、運動結構恢復(sfm)等再搭配AI模型,可以搜尋Pseudo-LiDAR(偽光達),而目前這些年在各個頂尖演討會上看到世界各地的團隊發表的數據,偽光達的精度正在逼近使用光達的結果,但問題還是很多很多,有興趣的可以Google 學術搜一下。(下方影片大家可以參考,我有科普純視覺如何計算深度的影片)
科普自動駕駛純視覺如何計算深度的幾種方法
而以往走純視覺路線就必須大規模搜集真實的道路數據,所以車廠必須大規模在車輛上部署相機,不能只是小規模合作,這樣一來很難看到特斯拉的車尾燈。
另外就是精度上的問題,相機本身會受到天氣和環境光等各種問題影響,以目前來說,不管是使用光達或是4D成像雷達,在計算深度的精度上都是要比相機來的準確,在制定保險規範和法條上也相對容易總結上述兩者,傳統車企或是政府會更傾向於使用傳感器融合的解決方案。(下方影片科普各個傳感器包含光達、4D雷達、超聲波的優缺點)
科普各個傳感器包含光達、4D雷達、超聲波的優缺點
如果有關注阿財一路上介紹各家車企的自動駕駛技術影片,大家應該都會有一種感覺,不管是特斯拉、NVIDIA、Google waymo、Mobileye、Cruise等等的自駕算法,這些廠商你有的我也都大差不差(因為很多算法是開源的),而硬體大部分,這次連假阿財見了很多中國大陸的優秀工程師們,聊了很多,以中國大陸的自駕晶片來說,前幾名分別是地平線(主要定位不是高算力的)、NVIDIA、Mobileye、高通等,總之就是能自研就自研不能就買,而製程如果是要高算力的先進製程,那不用我多說了吧,台積霸權~
而光達一直以來被詬病的幾個問題,包含成本和高精地圖,這兩個問題已經在慢慢被解決,而生成式AI是加速解決高精地圖的催化劑。
生成式AI的大爆發給了傳統車廠一個追上來的曙光。
剛剛我提到了,使用純視覺需要搜集大量的數據,但是,生成式AI這些年的大放異彩,不管是GAN(對抗網絡)或是使用NeRF(神經輻射渲染)的方式,目前只需要搜集部分的真實道路數據,接下來就可以生成出幾乎足夠以假亂真的虛擬道路數據供自動駕駛訓練,另外NVIDIA或是Mobileye如果將他們蒐集的真實道路開源,那以往數據是護城河中之河,目前來說這條河就不那麼深了…
生成的虛擬數據中,可以有各種各樣的場景,包含極端氣候、非常罕見的情形等,另外光達和雷達的數據也能更生成。(下方影片科普NVIDIA 2023最新演講生成式AI給自動駕駛技術帶來的革命)
NVIDIA 2023GTC阿財導讀生成式AI給自動駕駛技術帶來的革命
更令人興奮的是高精地圖在以往的道路搜集中由於測繪車本身成本高,所以搜集數據的速度較慢,但搭配生成式AI只要生成後的數據能夠通過繪圖制定的準則和規範,這些數據就可以使用,以後高精地圖之於自動駕駛的就會類似現在飛機的導航點一樣,提供重要的指引,這也是我前面提到高精地圖的催化劑。(下方影片高精地圖中心主任介紹高精地圖的繪製流程和未來的定位)
高精地圖中心主任介紹高精地圖的繪製流程和未來的定位
生成式AI真的是那些,後來居上不甘心被特斯拉或是新能源車廠按在地上摩擦的傳統車廠的一塊大浮木(更誇張來說可能是一艘快艇呢),傳統車廠與提供解決方案的廠商合作,傳統車廠造車和搞定政府關係,解決方案的廠商提供晶片和算法,大家一起把湯圓搓好搓滿!
以前傳統車廠和解決方案的公司碰到的數據瓶頸,現在已經可以說是解決了一大半,剩下的就是算法大規模部署到車子上,繼續優化的問題而已。
那特斯拉的優勢還在嗎?
身為特斯拉的投資人,不得不說如果以算法和數據這塊客觀來說,特斯拉的優勢確實在慢慢被追上,但那天和單身狗投資成長日記高人小聊了一下,其他車廠後續的問題其實也慢慢浮現。
第一個馬上會碰到的問題就是垂直整合,全自駕在未來的功能比現在多太多了,也就是說算法模型有可能會需要搭配車輛去做客製化,例如相機校正、光達雷達的擺放位置都必須根據不同車型而有所調整(但在未來的未來,應該會有一套模型是可以自適應每一台車型的,但那可能需要更久的時間),所以傳統車企購買解決方案,就必須花費比特斯拉更高的成本在自動駕駛上,這些都會轉嫁到成本和盈利。
第二個是責任歸屬問題,雖然大家都說未來自動駕駛出車禍是由保險公司來負責,但責任歸屬還是要劃分車商或是提供自駕解決方案的廠商,究竟是車子設計不良還是自駕算法有問題?
這個問題我偏向是由提供自駕的廠商要負責,畢竟既然已經算法模型成熟,那就要能應付各種情況(所以真冗余很重要)
第三個問題是依賴,以往level2的自動輔助駕駛是直接買現成的方案,不需要過多的與自動駕駛解決方案的廠商共同合作設計,但前面提到的level3以上的自動駕駛,車型和模型必須適度的整合,這也就變成如果將來的中高端車都配有自動駕駛,但某一天突然又來個什麼禁令之類的(像現在華為因為沒有先進製程的加持,新款的手機功能很多都被卡死)或是提供解決方案的公司有更多的話語權,可以選擇與哪家車廠合作。
第四個就是錢,上述三個問題都有一個共同點,就是需要錢,不管是合作開發或是賠償歸屬,總歸就是需要更多的錢錢,所以大概未來傳統車廠也會迎來一波整合併購潮(或倒閉)之類的~
我一直以來都認為純視覺或傳感器融合在未來都能實現全自駕,但level3以上法規問題反而比自駕技術更加的關鍵。
以目前美國NHTSA的規劃2025年+全自駕的法規才會趨於成熟,而另外就是車用晶片的算力還需要再提升,但目前來看,這個時間可能會加速,大家一起期待吧!如果大家有任何想法都歡迎留言分享,或是參考延伸閱讀的影片,也歡迎大家訂閱阿財的YT頻道和追蹤粉專喔~
特斯拉、NVIDIA、Google waymo、Mobileye、Cruise等自動駕駛技術科普播放清單,大家可以找自己感興趣的公司觀看喔~
延伸閱讀
為什麼會看到廣告
122會員
28內容數
此專輯主要探討元宇宙相關的技術,包含虛擬實境(VR)、擴增實境(AR)、物理引擎和各種生成虛擬影像內容的算法,歡迎大家來坐坐聊聊並留言發表你的看法,如果覺得阿財寫的不錯也不要吝嗇你們的愛心~當然也可以贊助阿財,讓阿財更有寫作的動力唷~
留言0
查看全部
發表第一個留言支持創作者!