比亞迪首談智駕進展：年內量產大算力域控，感知大模型上車_風聞

作者 | 馬波

編輯 | 德新

比亞迪自研智駕，進度如何？

前不久，HiEV獨家報道了比亞迪在智能駕駛領域的最新量產計劃。

比亞迪將會在今年第三季度，落地基於地平線征程5的高階智駕方案，首項高階智駕功能為高速導航輔助駕駛DNP，首發車型大概率是漢。

王傳福曾在多個場合表示，智能電動汽車的上半場是電動化，下半場是智能化。從今年開始，比亞迪加快了佈局智能化的步伐****。

在上週末，在北京智源大會上，比亞迪規劃院院長助理兼電子集成部總監韓冰透露了比亞迪研發智能駕駛的最新進展。這也是比亞迪第一次在公開場合談論研發智能駕駛的路徑和進度。

韓冰目前的角色，相當於比亞迪智駕研發的負責人。

韓冰畢業於德國亞琛工業大學，持有電氣工程與信息技術碩士學位。據36氪此前報道，韓曾在德爾福任職，從事過中間件和底層系統的開發。其過往領導的電子集成部主要負責操作系統、域控制器、中間件等，但在新近的一次調整中，韓冰的團隊也整合了智能駕駛算法和芯片研發的業務。

韓冰的分享主要圍繞「AI大模型」展開。

韓冰認為，今年結合BEV感知等大模型的技術，是比亞迪的高階智駕能夠形成彎道超車的一個機會。

並且智能駕駛與易四方平台結合，比亞迪正在研發出一些比較具有特色的高階駕駛輔助功能。

關於韓冰的分享內容，可以參見下面的短視頻。

數據與大模型：

BEV感知今年落地

大模型應用離不開最關鍵的「數據」。有了大數據，才能研發大模型，同時需要車端的大算力平台佈局。

我們就從，大模型、大數據、大算力，分別來看看看比亞迪的進展。

韓冰透露，比亞迪目前建立了一支有300多輛車的研發車隊。

在數據方面，比亞迪目前已經積累了**150PB以上的數據，**並且每天還會新增1PB數據。這些數據被用於下游的訓練任務，且大多是通過自動化標註的，標註自動化率超過95%。

韓冰預計，今年還會累計有6億公里的數據，並在未來幾年通過研採車輛以及量產車隊實現指數級的數據儲備，以解決智駕的長尾問題。

數據是基底，大模型是實現體驗跨越的工具。

韓冰稱，比亞迪正在研發數據驅動的大模型。

當前比亞迪的智駕感知模型開發，已經做到了100%數據驅動，內部研發了多相機融合的BEV感知模型（關於BEV感知的更多內容，也可參見我們近期針對BEV感知的系列文章及直播），並計劃今年做到量產。

感知模型可以把多任務整合到一個大模型中，而且覆蓋了持續監測、融合跟蹤以及預測全流程。

但是規劃決策仍然基於規則，後續比亞迪也希望規控上能轉向深度學習為主，規則為輔。

同時在雲端，比亞迪也開發了多傳感器多任務的Transformer大模型，服務於各類感知驗證以及標註任務。大模型也可以用於真值系統的自動標註。

韓冰認為，基於BEV等大模型的算法，可能是比亞迪高階智能駕駛實現彎道超車的機會。

大算力平台：

今年量產508 Tops的域控

想要實現高階智駕，車端需要有大算力平台。這個也是電子集成部專攻的方向之一。

韓冰在這裏展示了一個方案：具備 508 TOPS算力、內存64GB。很顯然，大算力芯片採用的是英偉達Orin-X。

而韓冰也表示，車載操作系統、域控制器等關鍵軟硬件，比亞迪將會完全自研。

該平台將會很快搭載於比亞迪旗艦車型，大概率是仰望U8。

同時整個智駕的軟硬件平台，其開發都是基於模塊化的分工，這樣既保證可控，也可以跟外部供應商進行並行的協同開發。

好處是產品更加可靠同時降低研發成本，優質的代碼和模塊運用到量產產品中，這樣的分工可以實現高效的合作。

這某種程度上反映了比亞迪當前的智駕研發策略：底層軟硬件自研可控，上層算法模塊與應用可以由供應商提供，加快量產。

下一步的展望：部署佔用網絡

下一步，比亞迪將進一步實現感知、預測、決策規劃全流程的數據驅動大模型。

針對佔據空間（Occupancy）建模、對路面標識的識別檢測、對決策規劃的建模，比亞迪會用海量的數據支撐更加精準的感知，實現更接近老司機的決策規劃，為用户提供體驗更好的產品。

韓冰稱，比亞迪將會建立強大的基礎設施，構建自己的決策規劃數據的模型產線。這樣一來，每天可以自動生產大概1,400萬公里的數據，並基於算力平台，可以快速迭代決策規劃的算法模型。

這裏的基礎設施指的可能是比亞迪超算中心。

當然韓冰也稱目前比亞迪智駕系統，數據驅動的部分還限於感知智能層面。

決策規劃的模塊，更多是基於規則的算法。這也是智駕下一階段發展的瓶頸。它的複雜度和感知問題相比來説是指數級的增長，而且沒有唯一性。

下一步是推動決策規劃的數據驅動。

隨着決策規劃大模型的應用研發，比亞迪也希望從感知智能，進化到更高級別的認知智能。