2023中國國際服務貿易交易會以「開放引領發展，合作共贏未來」為主題，在9月6日圓滿落幕。在本屆服貿會上，一群在人工智慧、自動駕駛、衛星遙感等領域深耕多年的領導企業，展示了它們最新的科技成果，展示了它們邁向未來的步伐
國內自動駕駛獨角獸企業毫末智行的數據智能科學家賀翔帶來了《毫末DriveGPT雪湖·海若，驅動自動駕駛3.0時代加速到來》的主題演講，並在會後接受了媒體的採訪，針對大模型時代自動駕駛技術研究與應用探索為我們帶來了全面解讀
#圖片說明：毫末智行資料智慧科學家賀翔（右）正在接受媒體採訪
以下是訪談的紀錄：
主持人：賀老師能不能給我們介紹一下，毫末智行在今年的服貿會為我們帶來了什麼樣的成果和展示？
賀翔表示，今年我們最重要的成果之一是毫末智行在4月發布的業界首個自動駕駛生成大模型DriveGPT
主持人：DriveGPT？聽起來跟駕駛有關係？
賀翔：是的，這是一個用於解決自動駕駛領域相關問題的AI大模型，我們稱之為自動駕駛生成式預訓練大模型DriveGPT
主持人：生成式預訓練？預訓練我們怎麼理解？
賀翔說：大模型的技術細節是，首先要利用海量的駕駛駕駛行為資料在雲端進行預訓練。預訓練就是先將模型訓練一遍，訓練完後得到一個模型的原型，然後再引入司機的接管資料。所謂接管數據，指的是每次在開啟自動駕駛過程中，如果自動駕駛決策不夠好，駕駛就會發生一次接管，例如踩下煞車或扶一下方向盤。這些接管數據相當於對我們自動駕駛決策的修正。拿到這些數據後，就可以不斷對模型進行糾偏，使得模型的駕駛效果越來越好。這是一個不斷糾錯、不斷迭代的過程，以達到更好的自動駕駛效果
主持人：可以說是對我們傳統自動駕駛的升級。重寫後的內容如下： 主持人：可以說這是對我們傳統的自動駕駛進行了一次升級
賀翔：對，可以說是一種技術的變革。我們可以簡單的做個對比，傳統自動駕駛的技術的開發模式是當自動駕駛發現一個問題的時候，通常都會去基於這個問題，從海量的數據裡面找到跟這個問題相關的數據，成本是很高的。因為海量的資料裡面要找到你要的資料沒那麼容易。找到這個數據之後，接下來要做的就是要把這一堆數據給標註公司，由人工的方式在這裡面把問題標註出來，標註完了之後，再用這個數據去訓練一個小的模型，這個模型訓練完後，再放到車上。至此這輛汽車就具備了解決這個問題的能力，我們把這種模式叫做小數據、小模型，屬於「問題驅動」。
在DriveGPT這種大模型的模式之下，整個開發模式就不一樣了。 DriveGPT加持之下，現在的開發模式是先用海量的數據、老司機的數據、駕駛行為來進行預訓練，得到一個初步的模型，這個模型就具備了駕駛的能力。當我們在自動駕駛的過程中一旦發現問題，這個司機就會發生一次接管，這個接管就相當於對駕駛決策做了一次糾正，基於這種糾正的數據再傳回來糾正原來的預訓練大模型，這樣的資料閉環建立起來之後，這個模型的效果就會每天都在不斷的進化、不斷的提升。我們把這種開發模式叫做大數據、大模型，屬於「數據驅動」。這是一種變革性的提升。
主持人：我們可以觀察到目前自動駕駛技術的水平大約是L2級別，而現在大多數車輛已經達到了L2.5級別
賀翔： L2 ，我們叫高階輔助駕駛。
主持人：基於大模型DriveGPT的加持之下，我們可以達到什麼樣的水平？
賀翔：應該還是在高階輔助駕駛階段。我們大模型，主要是產生了兩個業務價值。
第一個業務價值是在整個雲端。傳統的自動駕駛開發模式需要將其遷移到雲端，這會帶來非常高的成本，需要進行大量的資料篩選，尤其是需要人工參與和大量的人工標註。然而，有了大模型之後，整個資料的篩選、標註以及資料的產生都可以實現全自動化，這對成本的降低非常有效
舉例來說，在標註領域，自動駕駛公司以往每年用於做標註的成本肯定高達數億元，有了DriveGPT之後，可以對圖片或者視頻做自動化的標註，如果做視頻標註或者4D Clips標註，大概能降低98%成本。即使只對單張圖片做標註，成本也可以降低90%。雲端的成本能得到大幅度的降低。
第二個業務價值是在車端，效果能夠得到大幅度的提升。模型是基於海量的數據訓練出來的，海量的數據就相當於我們的模型看過了非常非常多的數據，各種各樣的場景它都見過，見多識廣它的能力就越強。這種能力叫做模型或AI的泛化能力。有了泛化能力之後，自動駕駛的效果也會更好。
此外，整個模型是基於「老司機」的駕駛行為數據訓練的，是質量非常高的數據，它的整個駕駛效果或者駕駛的體感會更接近「老司機」。使用者在使用的過程中會覺得駕駛體感或說體驗會更好。
第三點，我們的大型模型具有一種特殊的能力，即能夠輸出駕駛決策的理由。例如，當採取「踩一下煞車」或「打了一下方向盤」這樣的駕駛決策時，我們的模型能夠解釋為什麼要這樣做。如果能夠提供這樣的解釋，智慧駕駛車輛與使用者之間就能夠建立起很好的信任關係，使用者在使用自動駕駛產品時會更加放心
透過基於大型模型和資料閉環的不斷迭代，目前的高級輔助駕駛仍然需要司機隨時接管。未來希望透過持續的迭代升級，逐漸實現真正的無人駕駛
主持人：從這個角度來看，不僅降低了成本，還提高了效率
賀翔說：“不需要司機一次又一次地自己去試錯，大數據可以幫忙解決這個問題。它可以收集所有司機的接管行為，從而一次性解決所有的問題。這樣，駕駛效果的提升速度會非常快。」
以上是毫末DriveGPT才是大模型「卷王」！主打一個'降本、增效、老司機”的詳細內容。更多資訊請關注PHP中文網其他相關文章！
