留言
报告导航:研究报告制造业汽车
2023年AI大模型及自动驾驶智算中心研究报告
字数:0.0万 页数:65 图表数:0
中文电子版:6000元 中文纸版:4800元 中文(电子+纸)版:6500元
编号:WWJ 发布日期:2023-03 附件:

        近年来,人工智能的快速发展推动了自动驾驶的进步,而人工智能的三驾马车分别为:数据、算法、算力,本报告主要聚焦研究自动驾驶算法和算力方面的新基建AI大模型和智算中心。

        AI大模型就是Foundation Model(基础模型),国际上称为预训练模型,指通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型。 2017年,Google提出Transformer网络后,奠定了当前大模型领域主流的算法架构基础;2020年,Google提出ViT( Vision Transformer),首次提出将Transformer结构应用在了CV领域图像分类中,而后特斯拉将Transformer大模型引入自动驾驶领域中,是AI大模型应用于自动驾驶的开端。

        AI大模型特点主要有:

        一、泛化能力强

        AI大模型可以从大量标记和未标记的数据中捕获知识,通过将知识存储到大量的参数中,并对特定任务进行微调。

        如:百度文心大模型从大规模知识图谱和海量无结构数据中学习,然后联合企业打造行业大模型。截止目前,文心大模型已发布了11个行业大模型。其中2022年11月与吉利共同打造的汽车行业大模型——吉利-百度·文心,就是使用了百度文心ERNIE 3.0大模型,在智能客服知识库扩充、车载语音系统短答案生成、汽车领域知识库构建三个任务上进行了微调与验证。

吉利-百度·文心大模型
AI大模型1.png
来源:百度

        二、具备自监督学习功能,降低训练研发成本

        AI大模型的自监督学习方法,可以减少数据标注,在一定程度上解决了人工标注成本高、周期长、准确度不高的问题。如:毫末智行2023年1月发布的视频自监督大模型,先根据数据clip建立一个大模型,通过一部分人工标注好的clip数据对模型进行调整,这其中仅有10%的关键帧进行了人工标注,另外90%的帧都未标注;然后训练整个模型根据当前帧猜测下一帧的内容,对余下90%的帧进行自动标注,从而实现100%的自动化标注,降低标注成本。

毫末智行视频自监督大模型
AI大模型2.png
来源:毫末智行

        三、AI大模型可突破现有模型结构的精度局限

        近年来研究实验表明,模型和数据规模的增大可能突破现有精度的局限。例如,商汤科技2022年9月发布的书生2.0大模型,在12大类40余种视觉任务中,“书生2.0”模型支撑取得了领先性能,超越了相关领域的国际知名机构。

“书生2.0”在40多种图像和视频任务中取得领先性能
AI大模型3.png
来源:商汤科技

        AI大模型的运用不仅可以大幅提升算法的迭代速度,还直接缩短了自动驾驶系统的迭代周期。为匹配模型中大规模参数以及大数据量计算,部分主机厂及自动驾驶技术开发商纷纷开始建设能够提供大算力和训练大模型的数据计算中心——智算中心。

        智算中心是指基于GPU、FPGA等芯片构建智能计算服务器集群,提供智能算力的基础设施。其特点是建设周期长,初始投资大,所以目前仅有部分有实力的主机厂及企业在布局建设。比如,2023年1月,吉利汽车的星睿智算中心正式上线,总投资10亿元,规划机柜5000架。该中心目前的云端总算力达81亿亿次每秒,预计到2025年,算力规模将扩充到120亿亿次每秒;覆盖包括智能网联、智能驾驶、新能源安全、试制实验等业务领域,能提升吉利整体20%研发效率。

目前汽车行业的智算中心建设情况
AI大模型4.png
来源:公开资料整理

        与此同时,国家也在积极鼓励智算中心的快速发展。2022年国务院出台《"十四五”数字经济发展规划》提出推动智能计算中心有序发展,打造智能算力、通用算法和开发平台一体化的新型智能基础设施;2022年2月,东数西算工程全面启动, 在京津冀、长三角、粤港大湾区、成渝、内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点,并规划了10个国家数据中心集群。截止目前,中国超过30个城市正在建设或提出建设智算中心,且部分已经上线。

目前建成或正在建设的智算中心(截至2022年12月)
AI大模型5.png
 来源:公开资料整理

 

第一章 AI大模型与智算中心简介
1.1 AI大模型定义
1.1.1 AI大模型发展历程
1.1.2 人工智能发展中AI大模型的地位
1.1.3 AI大模型的商业模式
1.1.4 AI大模型落地面临的挑战及未来发展趋势
1.1.5 AI大模型应用于自动驾驶的优势
1.2 智算中心定义
1.2.1 中国智算中心的发展历程
1.2.2 智算中心2.0时代
1.2.3 智算中心建设情况
1.2.4 智算中心产业链
1.2.5 自动驾驶领域建立智算中心的原因
1.2.6 搭建自动驾驶智算中心的成本
1.2.7 搭建自动驾驶智算中心遇到的问题
1.3 汽车行业目前有大模型及智算中心的公司汇总

第二章 自动驾驶公司研究
自动驾驶公司大模型及智算中心对比
2.1 毫末智行
2.1.1 毫末智行公司简介
2.1.2 数据智能体系——MANA 系统
2.1.3 智算中心——MANA OASIS
2.1.4 毫末智行对大模型的研究和应用
2.1.5 MANA的五大模型
2.1.6 五大模型分别介绍
2.1.7 毫末的实景仿真系统
2.1.8 毫末的数据来源
2.1.9 五大模型及智算中心对毫末的助力
2.2 轻舟智航
2.2.1 轻舟智航公司简介
2.2.2 轻舟智航特征和时序融合大模型——OmniNet
2.2.3 OmniNet大模型推动量产方案的落地
2.2.4 轻舟智航自动驾驶研发工具链——轻舟矩阵


第三章 供应商研究
供应商大模型及智算中心对比
3.1 百度
3.1.1 百度智能云简介
3.1.2 百度 Apollo 简介
3.1.3 文心大模型
3.1.4 文心大模型在汽车行业的应用
3.1.5 文心大模型提升百度感知算法能力
3.1.6 百度智算中心
3.2 浪潮
3.2.1 浪潮集团简介
3.2.2 淮海智算中心的三大亮点
3.3 商汤科技
3.3.1 商汤科技公司简介
3.3.2 商汤绝影基石
3.3.3 商汤智算中心AIDC
3.3.4 商汤智算中心AIDC在智能汽车领域的应用
3.3.5 书生大模型
3.3.6 书生2.0大模型
3.3.7 商汤数据闭环产品解决方案——SenseAuto Empower

第四章 主机厂研究
主机厂大模型及智算中心对比

4.1 小鹏
4.1.1 公司简介
4.1.2 小鹏Transformer大模型
4.1.3 小鹏的数据处理
4.1.4 小鹏扶摇智算中心
4.2 吉利
4.2.1 公司简介
4.2.2 吉利星睿智算中心
4.2.3 吉利星睿智算中心的领先技术
4.2.4 吉利星睿智算中心的能力
4.2.5 吉利-百度·文心大模型
4.3 特斯拉
4.3.1 公司简介
4.3.2 数据驱动系统
4.3.3 Transformer大模型
4.3.4 特斯拉Dojo超算中心

    如果这份报告不能满足您的要求,我们还可以为您定制报告,请留言说明您的详细需求。
2005- 版权所有(c)   北京水清木华研究中心   京ICP备05069564号-6 北京市公安局海淀分局备案号:1101081902
在线客服系统