车东西（公众号：chedongxi）
作者 ｜ Janson
编辑 ｜ 志豪
车东西9月27日消息，日前，百度智能云在其2024百度云智大会上正式发布了其汽车云3.0的一系列升级。
百度智能云作为国内智驾产品底座能力的头部供应商，其在端到端智驾量产、车路云协同、软硬件开发管理迭代等诸多当下车企和Tier1所关注的领域均有广泛布局。
可以说，这次百度汽车云3.0产品线的发布进一步完善了相关能力，有机会给主机厂和Tier1带来更大的提质增效潜力。
随着目前新造车已普遍进入以“智能化”为代表的下半场竞争中，基座服务的提供商也进一步加强了在智舱智驾和车路协同上的能力。
从整体的行业发展趋势上来看，目前新车也普遍都将L2+自动驾驶和智能座舱作为标配。
在端到端技术的应用上，高阶智驾使用区域的覆盖逐渐提升，当下智驾玩家面临新一轮的洗牌。
因此，OEM和Tier1想要在下半场竞争中保持优势，如何提速提质完成智舱智驾研发是当下新的痛点。
▲百度汽车云迭代进程
随着本次的升级，在智驾开发上，百度汽车云3.0针对端到端自动驾驶提供了更多支持，并有针对性的解决长尾问题并进行了优化。
与此同时，百度汽车云3.0为车企提供了强大的算力服务，支持异构多芯训练，满足端到端仿真对算力的极高要求。
在座舱方面，百度大模型的应用也取得了显著成果，不仅在极越等车型上表现不错，还在与其他车企展开合作。
不难看出，百度汽车云3.0这一次的算力基础配合算法训练提质增效，给了OEM和Tier1一剂强心针。
可以说，目前百度汽车云3.0产品线在行业中已经打通了全链路解决方案。
一、大算力加持提速训练 支持异构多芯
近日发布的百度汽车云3.0提供了多种新功能和新特性，但最为底座能力支持的根本，端到端智驾的基石还是要落在大算力建设上。
当下，端到端的模式改变了智能驾驶的关键要素，算力、数据、模型和新型人才成为新的基础设施和要素。
这些新要素的投资和成本远高于传统几百人的工程师团队。以特斯拉为例，其计划到2024年底将实现100E FLOPS的算力，仅仅其采购成本就高达30多亿美元。
在这样的背景下，端到端时代企业研发门槛显著提高，产业集中度可能会进一步加强。
对于多数OEM、Tier1来说，这样的高昂成本难以承担，因此需要探索围绕新要素的产业合作模式。
放眼整个行业内，自动驾驶企业可能有几十家、上百家，而每一家都自购算力进行训练是不现实的，也是不经济、不环保的。
面向目前主流的端到端仿真对算力的极高要求，百度汽车云3.0作具备大算力储备和高效运作的优势。
目前，国内专注于算力基座能力的企业并不多，百度汽车云提前布局，拿出了行业领先的解决方案。
百舸4.0支持主流异构芯片多芯训练平台，可以支持实现推理全链路的优化。
通过实现多芯混训，百舸4.0算力利用率也相对更高，从而优化了算力成本。
根据百度方面的介绍，百舸4.0在千卡集群算力损失方面，实现了低于5%的算力损失率，在万卡集群上实现了有效训练时长占比99.5%以上。
百度集团执行副总裁、百度智能云事业群总裁沈抖表示：“百舸4.0是为部署十万卡大规模集群而设计的。今天的百舸4.0，已经具备了成熟的十万卡集群部署和管理能力，就是要突破这些新挑战，为整个产业提供持续领先的算力平台。”
据长安汽车高管在云智大会上介绍，百度百舸平台正在为长安汽车提供智驾模型训练方案，实现GPU资源的精细化管理和调度。”通过在数据加载、计算效率、通信方式等维度上的优化，使得算力总体平均使用率提升到90%以上，综合资源利用率提升了50%。
在技术优化上，百度汽车云3.0通过采用叠加多重优化技术，包括并行优化、显存优化、算子优化、存储优化和网络优化这样的技术，一定程度上提高了计算效率和数据处理的性能。
▲百度汽车云3.0的端到端训练加速实效
从百度公布的成绩来看，在实际的应用中，Swin-L模型的训练速度提升了81%，yolov7模型提升了54%，CenterNet模型更是取得了高达391%的性能增长。
从这个角度来看，百度汽车云3.0的优化技术在深度学习领域的有效性和优越性也是值得肯定的。
这种高度稳定性和可靠性对于大规模深度学习任务来说是非常关键的，它不仅能够保证长时间的持续运行，还能够有效应对各种潜在的风险和挑战。
二、加强端到端训练能力 百度汽车云3.0助力智驾量产落地
随着百度汽车云3.0的推出，除了百度在算力能力上的布局外，百度汽车云3.0也在L2至L4级自动驾驶研发提供闭环支持的能力进一步加强，可以覆盖从车端到云端的全流程。
随着消费者对汽车智能化的需求不断提升，行业内对L2辅助驾驶产品已较为成熟，但对于L2+及以上级别的自动驾驶技术仍存在迫切需求。
在端到端的训练中，除了算力之外最大的价值便是训练数据，只有足够多的数据才能保证端到端智驾能力的发展和可靠。
马斯克也曾提到过，只有到了1000万Clips的训练量才会让端到端有“难以置信”的提升，在这其中，如何提升训练数量和质量成为OEM和Tier1在端到端时代的新痛点。
百度在自动驾驶研发领域已深耕多年，积累了丰富的相关经验，并建立了自动驾驶工具链平台。
在这一大环境下，百度汽车云3.0的自动驾驶工具链应运而生。
在此之前，行业内主流的训练还是基于真实世界的数据收集，成本高，效率低。
▲百度汽车云3.0虚拟内容场景生成示意图
为了解决这个问题，百度汽车云3.0的核心之一便是在真实数据训练的基础上加入虚拟内容，提质增效，最大程度解决“训练数据量”的问题。
新系统真实数据仿真测试达到了“百城覆盖”的范围，也能够从原始数据中构建长尾场景，为端到端的自动驾驶测试场景生成提供支持。
此外，汽车云3.0在智驾开发的基础上，还提出了车路云数据合作联盟的概念。
通过整合交通集团、百度和主机厂的数据资源，百度构建了一个实时更新的路况信息平台。
从功能的角度来看，该平台能够为驾驶员提供包括拥堵路段提前规避、超视距风险提示、红绿灯提醒以及远程实况鸟瞰等服务。
通过这样的方式，可以实时分析研判，打通数据链路，可以有效地减少因突发情况或不良天气条件导致的交通拥堵和安全问题，从而提高整个道路交通系统的运行效率和使用者的出行体验。
通过在云端提升训练效率、车端和路侧打通数据壁垒，一方面，百度汽车云可以为行业客户提供优质但成本可接受的解决方案，另一方面，百度也提体现了其积极的技术进步与创新，践行了企业社会责任。
三、座舱大模型升级应用广泛 AI代码助手提升车企开发效率
当下，国内新车销量维持在一个相对高的水平，去年销量接近2300万至2400万辆，今年有可能进一步增长。
随着新车销量的增加，汽车行业对云计算业务的需求也在上升。除了智驾能力外，大模型上车已成为各大主机厂的普遍趋势。
无论是华蔚小理等新势力OEM，还是像东软、德赛西威、中科创达、博泰车联网、亿咖通这样的Tier1都开始布局座舱大模型。
据预测，到2025年下半年，将有超过10万辆新车配备这一前沿能力，而新老车型的总数量更是超过了百万级别。
总的来看，在当下，智舱开发泛用性较强，为避免重复造轮子，通过百度部分开发工具可在代码层面提质增效。
▲百度座舱大模型关键内容
这些大模型技术在车内的应用场景主要分为三个方面：首先是通过语音交互来增强用户体验。
其次是AI主动发起的服务，通过车端大模型部署和多模式交互能力，根据用户的个人数据和实时情境提供定制化服务。
最后是跨模态的应用，在目前主要还是以“文生图”这样的技术为主流。
而在这样的应用场景里，百度的智能座舱解决方案在行业内也是走到了前列，以文心一言，千帆大模型为基础的智舱方案已经上车，尤其是在极越等车型中的应用不错。
同时，包括蔚来汽车以及其他一些OEM厂商也开始采用百度的大模型技术，提升他们的座舱系统智能化水平。
此外，百度汽车云3.0也包括一些帮助车企在代码开发阶段提质增效的工具。
以文心快码为例，可以实现软件开发“先写注释”，再根据AI生成的代码进行调整修改的模式，助力车企提高研发效率。
需要注意的是，在这个环境里百度不仅仅是工具的提供方，同时还会对相关企业的具体业务进行培训。
通过这样的方式，帮助企业以“传帮带”的形式完成大型智能模型分析业务，工具串联应用，以及业务对接的闭环运行等过渡。
结语：百度汽车云发力“智能化”下半场
在这场以“智能化”为主的新造车运动中，百度汽车云以其自动驾驶和座舱大模型为核心，不断深化技术实力，推动汽车产业转型升级。
可以说，百度汽车云3.0凭借强大的算力服务、实时路测数据引入和广泛的大模型应用，百度汽车云助力车企提升研发效率，有助于抢占智能汽车制高点。
热门跟贴