进入2023年，人们还在等待这个冬天的第一场雪，同时也在感叹暖冬已经成为了新的常态。但对自动驾驶产业而言，这个冬天似乎并没有那么暖。
回顾2022年，全球自动驾驶行业裁员、倒闭、部门裁撤的消息不绝于耳。资本市场也逐渐放弃了自2021年初开始对高级别自动驾驶的投资狂热，整体市场泡沫开始破裂。有业内人士认为，如果资本持续转冷，将有90%左右的自动驾驶项目，在大规模商用落地前就宣告失败。
但另一方面，自动驾驶又确实在技术、应用上取得了长足的进展，成为各大企业，乃至全球各个国家与地区认可、笃定的发展方向。无论是走Robotaxi路线与产业合作路线的科技公司，还是将自动驾驶技术作为主要卖点的新能源汽车企业，以及纷纷走上智能化、电动化道路的老牌车企，都在自动驾驶领域持续投入，以期抵达寒冬之后注定会来到的黎明。
在这种情况下，自动驾驶项目如何过冬，成为了全球车企都在关注和探索的问题。
自动驾驶的发展动力充足但波折不断
自动驾驶的发展动力充足，社会和市场对自动驾驶的接受程度正在达到新的高度。2022年4月，交通运输部、科技部公开发布了《“十四五”交通领域科技创新规划》，系统谋划了“十四五”期间以自动驾驶为代表的交通科技发展方向。2022年11月，工信部发布了《关于开展智能网联汽车准入和上路通行试点工作的通知(征求意见稿)》，宣布将对L3、L4自动驾驶车辆进行准入管理，并展开试点工作。
在如火如荼的产业推助力之下，没有企业会低估自动驾驶的长期未来。但在眼下，自动驾驶产业却在全球范围内遭遇了一定程度的波折。在2022年，福特投资的自动驾驶公司Argo AI宣布失败，曾经一度吸引全球关注的Aurora股价大跌，市值缩水超过9成，行业头部公司Mobileye估值也从此前的500亿美元缩水至170亿美元。而在中国市场方面，根据相关数据，2022年自动驾驶领域的融资额对比2021年同期下降了60%左右。出行项目失利、股价大跌、投融资遇冷等问题的背后，是自动驾驶产业根深蒂固的一大顽疾：成本膨胀。
自动驾驶过冬，关键在于成本
目前为止，我们似乎很难找到一家车企，还不研究自动驾驶技术的。但自动驾驶研发高昂的成本，确实已经成为拖累自动驾驶项目进入高潮的关键节点。车企迫切需要在自动驾驶研发路途中点燃“降本增效”的炉火。在今天，如何降低研发成本，已经成为自动驾驶领域一个不可忽视的问题。
由于高等级自动驾驶需要长期发展，且场景化的细分市场难以快速打开成规模的商业空间。因此绝大部分自动驾驶项目都处在长期投资，但难以获得等比例商业回报的阶段。随着自动驾驶研发的持续性投入，相关数据不断累计、测试需求更加多样，反而造成了研发综合成本的持续上升。
但自动驾驶的确定性，又让车企为代表的汽车行业难以割舍相关项目。这样来看，缓解自动驾驶项目压力，帮助车企度过短期资本寒冬的方式，关键在于如何降低研发成本。
接下来我们不妨深入一个自动驾驶项目，从具体的技术流程与研发环节中探寻，为什么自动驾驶会有如此巨大的研发成本问题？这些问题又该如何解决？
抽丝剥茧：一个自动驾驶项目的研发成本探寻
我们的故事拟定在欧洲一家汽车制造业企业。这家企业拥有悠久的乘用车制造历史，以及强大的供应链管理能力。但对于AI算法开发、海量数据管理、自动驾驶测试等数字化、智能化技术则缺乏经验与基础。但在目前阶段，自动驾驶已经成为了这家车企的必选项，否则很有可能面临在下一周期被市场淘汰的风险。
根据估算，这家车企评定出了自动驾驶项目的研发流程。其中包括数据采集、数据导入、预处理标注等前期数据工作，以及自动驾驶算法训练、仿真测试、数据归档等中期工作，算法部署、实路测试、算法迭代等后期工作。根据这家车企的数据量预判，这样一个自动驾驶项目，其研发周期大概在60个月左右。也就是说，有至少五年的时间企业必须持续投入，很难见到商业回报。在实际执行自动驾驶项目之后，这家车企很快发现了一系列成本难题，其中的代表有数据存储成本、数据使用成本、技术研发成本。
1．数据存储带来的成本压力。
L4级自动驾驶研发每天都将产生海量的数据，尤其在实路测试阶段，每一辆测试车每天将收集大约60TB的数据。仅仅一天一车的数据存放，就需要一笔硬盘开销。与此同时，这些数据经过提炼得到的Corner Case也并不是可以低效率存放的“冷数据”，而是要经常进行应用，因此数据调取效率也是一个不小的挑战。这家车企估算，随着业务的推进，自动驾驶相关项目将收集超过1000PB以上的数据，且至少需要保存30年以上。这带来的数据存储成本压力不可小觑。
2.数据流通与应用中产生的综合成本挑战。
自动驾驶研发会产生大量非结构数据。比如传感数据、摄像头数据、激光雷达点云数据等，且需要进行大量AI标注训练。车企传统使用的数据基础设施，很难适应多样化数据与AI开发的需求。
同时，就像上文所说的那样。自动驾驶开发要经历数据采集、导入、预处理、训练、仿真、部署等多个环节，自动驾驶数据要在众多流程环节之间流动。每个环节需要的数据类型、负载类型、访问协议类型都不同。业界的普遍做法是每个环节的数据单独存储，这样车企开发人员需要在不同环节不同存储设备之间频繁拷贝、调用数据，导致宝贵的开发时间大量浪费。在这些流程中，根据这家车企的统计，数据拷贝和管理的时间大约占据了整体开发时间的25%，极大拖慢了开发效率。这些数据流通、转化能、应用造成的成本，虽然看似微小，但累计下来的压力却大得惊人。
3.技术理解、研发相关成本激增。
数据难题之外，自动驾驶项目还面临着其他难题。比如说，自动驾驶的业务流程非常复杂，涉及的相关技术也多种多样。诸如视频编解码、雷达点云、地理信息、车载传感器、车载控制器、AI、大数据、OTA等，都是车企此前并不涵盖的业务范畴。这些技术都需要车企从头开启研发与探索，着实造成了巨大的研发成本扩张。
自动驾驶的基本实现方式是 学习，需要利用车辆的感知+决策能力来实现去司机化的车辆行驶，而这就导致AI算法开发成为了自动驾驶研发的核心。传统车企对大量AI开发与训练并不熟悉，对AI开发所需的数据、算力、网络基础设施也比较陌生，自行摸索搭建AI研发体系，这也是自动驾驶研发成本高的一大原因。
当然，在这三点之外自动驾驶项目还有很多成本压力，比如说测试成本、AI算力成本等等。至此，我们了解了一家车企的自动驾驶研发成本问题。而想要帮助自动驾驶产业跨越寒冬，良性发展，归根结底也要从这些具体的问题入手，帮助车企降本增效，给冬天带来温暖与力量。
点亮“降本增效”的炉火：自动驾驶路上的华为价值
整体而言，车企的自动驾驶之路已经来到了至关重要的阶段，需要跨越必须经历的冬天。这个时候，具有技术与解决方案优势的企业，需要更多贡献自己的价值，帮助车企降低自动驾驶的研发成本。尤其要避免车企大量进行重复造轮子的工作，将先进、可用的行业共性开放出来，降低车企的重复开发。
如上所述，车企的自动驾驶项目“成本膨胀”，具体分为三层：1.基础设施成本激增。2.技术研发成本过重。3.适配自动驾驶新战略的企业综合成本拉升。
想要解决自动驾驶项目“成本膨胀”的问题，也就不能头疼医头，脚疼医脚。而是需要从这几个层级的需求综合入手，整体化推动自动驾驶项目成本回归合理。
在这种多层级、多目标的降低成本需求下，华为的价值优势就显现了出来。华为具有端到端的自动驾驶解决方案，集成了数十年积累的网络、存储、计算、AI、大数据、云相关经验。既可以解决企业在数字化基础设施、技术获取方面的难题，也可以帮助车企完成适配新阶段、新目标的整体智能化转型，最终从三大层面为车企带来综合的“降本增效”价值，帮助车企温暖这个冬天。
第一层，是数字化基础设施成本的大幅下降。
以我们上面说过的数据问题为例。华为拥有业界领先的存储技术，其先进的多协议互通技术，可以用一套存储方案支撑全流程数据存储，从而避免数据频繁拷贝。这一点正好应对了自动驾驶的研发难题，车企可以借此提升25%的研发效率，从而加速研发进程，降低整体成本。与此同时，华为的超高密度存储，和对冷热数据自动分级处理技术，可以有效降低20%的TCO成本。同时支持大带宽和高OPS场景，更加符合自动驾驶研发海量数据的归档、整理、调用需求。
第二层，是帮助车企获得成熟的自动驾驶技术与工具，尽量避免重复开发。
华为自动驾驶开发平台，可以带来一系列自动驾驶工具与平台价值。比如其专属云合规采集测绘，可以帮助车企实现灵活算力调度，助力自动驾驶项目更加便捷、灵活地完成高精地图测绘工作。
自动驾驶的海量数据，可能给车企带来大量的人工标注、清洗数据难题。为此，华为自动驾驶开发平台提供海量数据快速、高效清洗与筛选能力。通过自动化数据标注实现低门槛、高效率的数据处理，性能高出业界20%。
车企获得自动驾驶相关能力升级、服务升级的最短路径，就是从云服务平台获取相关价值。为此，华为云提供了一系列专注于自动驾驶能力的赋能与支持。比如说，AI算法开发是车企最大的技术挑战，其门槛高、周期长、不确定性大。为此，华为云提供一站式AI开发平台，可以大幅度降低平台搭建难度和成本，让车企聚焦算法开发和模型训练核心能力。
第三层，是帮助车企构建自动驾驶生态，进一步完成数字化转型。
华为云携手产业各界，构建了生态开放的自动驾驶研发平台，开放了自动驾驶研发平台解决方案的开源代码库Ploto，支撑专业软件服务商部署和对接，帮助车企快速准确找到相关技术与生态合作机遇。
通过整合华为的技术与经验优势，华为云为车企提供了8大关键能力，包括：数字化转型经验、智能制造能力、全球化经验、云云协同能力、自动驾驶方案、安全合规方案、底层技术创新、以及开放生态合作能力。既能够满足车企的自动驾驶研发“降本增效”，同时也能够帮助车企适应数字化、智能化的发展趋势，提升产业效能。
在华为提供的端到端自动驾驶能力加持下，我们可以看到大量自动驾驶研发成本都有可能得到降低与节约。车企可以更加从容、高效地应对挑战，更加笃定自动驾驶这条必然之路。
寒冬将过，万里复苏。人类21世纪第一个伟大变革——自动驾驶的黄金时代，显然就快到来。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
