|
12月2日，火山引擎云产品发布会上，轻舟智航联合创始人、CEO于骞带来了题为《QMatrix轻舟矩阵》的分享。轻舟智航(QCraft)是一家无人驾驶通用方案公司，在中国多个城市部署落地了龙舟系列无人驾驶车，覆盖多类车型，应用于城市公交、网约出行等场景，助推城市交通走向智能化、网联化、共享化。演讲中，于骞分享了轻舟智航使用火山引擎云平台，构建自动驾驶研发和测试闭环，极大提升研发效率的实践经验，并表示未来将与火山引擎一起将这些能力产品化，开放给更多的行业伙伴，从而更快地推动智能汽车的规模化应用。轻舟智航联合创始人、CEO于骞以下为于骞的演讲实录：非常荣幸今天能够参加火山引擎云产品发布会，同时作为受邀嘉宾分享我们和火山引擎的故事。轻舟智航是一家相对比较年轻的公司。我们2019年初成立于硅谷，2019年底回国开展业务。在2019年底到现在的两年时间里，我们用8个月打造了第一款产品，3个月在苏州启动了首条RoboBus路线，12个月的时间里轻舟智航的自动驾驶汽车已在全球10座城市的公开道路落地测试和商业化运营，覆盖10种车型，车队数量近100辆。这么年轻的一家公司、这么少的人、这么短的时间内，我们是如何做到轻快、高效部署的?这离不开自动驾驶超级工厂。自动驾驶面临着非常大的数据问题，会在实际场景中遇到各种各样的困难与挑战。要实现更加安全、可靠的自动驾驶能力，离不开自动驾驶超级工厂的底层支持。我经常把自动驾驶技术形容成一座“冰山”，大家经常说用什么传感器、用什么计算、用什么车，这些我们称之为“冰山”露在水面上的技术。而水面之下的“冰山”有一套非常重要的底层系统支持——轻舟矩阵。轻舟矩阵分了很多模块，比如仿真模块、数据平台、训练平台，可以支撑软硬件的快速迭代升级，以及不同产品形态的落地。这是我们在自动驾驶领域能够保持长期竞争力的核心能力。从这方面来看，自动驾驶对云服务有非常强烈的需求，比如计算、GPU训练等。这里非常感谢火山引擎的支持，我们把GPU训练迁移到火山引擎的平台上之后，一个月的时间内整个GPU的使用效率提升了30%，这对我们的业务拓展有很大的帮助。训练是一方面，在自动驾驶真正大规模落地应用的过程中，也十分依赖底层平台对大规模数据的处理能力。数据的处理有两个核心模块：基础架构模块和仿真模块。基础架构模块是提高执行效率的关键。正如字节跳动副总裁杨震原所说：“两家公司，当方向、战略差不多的情况下，敏捷就是决定竞争力的关键因素”。天下武功唯快不破，对我们而言，为了在多个城市加速落地不同应用场景，并高效处理海量数据，基础架构模块的支撑非常关键。轻舟智航的仿真模块能力在自动驾驶行业里具备独特优势。自动驾驶要大规模落地，离不开广泛的路测，这就会涉及到不同的天气条件、不同的城市环境的数据收集。一辆车一天内，起码有几个T的数据量，这么海量的数据很难存储在单机上，因此一定要上云。从道路测试开始，我们就大量运用云服务，比如OTA软件升级、数据分级/分片上传、重要数据一小时上云等。在离线问题分析和跟踪方面，通过云服务，我们实现了数据一周之内触达模型更新和算法迭代。仿真模块的场景生成+场景增强，以及工程师研发迭代，同时在基础架构的放大效应下，形成了高效闭环，使得很多问题无需等到实际上车，在仿真环境中就可提早发现。很多自动驾驶研发的早期，需要大量工程师上车进行研发和调试，非常耗时耗力。我们以基础架构、仿真模块加成，可以将研发和测试形成高效闭环，极大提升研发效率。而这离不开火山引擎云服务的支持。基于火山引擎，我们分四步打造数据流水线。基础云服务是火山引擎的核心能力，非常关键。而在这之上的基础架构模块、仿真模块，我们统称为轻舟矩阵，这里面需要充足的算力来保证更快的模型训练速度。很多朋友问我自动驾驶到底怎么实现商业化的大规模落地，大家都觉得自动驾驶是光明的未来，那么终局是什么样的?我非常愿意分享自己的想法。自动驾驶要真正实现大规模落地，离不开真正的数据驱动，而不是靠简单地堆人、堆车实现。真正的数据驱动可以把整个数据的价值发挥出来，帮助实现敏捷开发。我们把非常长尾的问题通过数据解决，而不是单纯依赖工程师拆解式、机械式的方法。我非常期待跟火山引擎在这方面实现广泛的业务拓展。在我们的数据自动闭环能力中，大家可以看到轻舟智航不是只做小巴的公司，而是一家平台型公司。我们基于火山引擎底层的云平台，搭建了一层完备的工具链产品，通过数据存储，把可视化、仿真验证的全链路工具链打通，实现了数据驱动。未来，我们将把底层能力进行产品化，服务更多行业的合作伙伴，比如主机厂、出行公司、监管和质检部门、保险公司等。我们的客户本身拥有非常多的数据资产，但是怎么能把这些数据资产的价值真正发挥出来?怎么利用好现有数据资产和不断增加的数据资产，提高行业竞争力，并在数据的护城河下更好地管理上下游供应商?这都是非常重要的话题。在汽车行业智能化需求不断增长的趋势下，轻舟智航将与火山引擎一起合作，为广大汽车企业打造创新的服务模式，降低数据的管理和投入成本，缩短研发和验证周期，更快地推动智能汽车的规模化应用。 |
打印本文 
关闭窗口