【中国汽车工程学会人工智能分会中国智能网联汽车产业创新联盟人工智能工作组】智能驾驶智算数据平台发展研究报告

中国汽车工程学会人工智能分会与中国智能网联汽车产业创新联盟人工智能工作组近日联合发布了《智能驾驶智算数据平台发展研究报告》。该报告深入探讨了智能驾驶智算数据平台的定义、预期功能、发展现状，并基于调研分析了行业痛点问题及需求，提出了建设关键问题的思考和建设模式规划。报告指出，建立行业级智能驾驶智算数据平台对于集中行业力量、推动人工智能技术与智能驾驶领域的融合、破解我国智能驾驶发展相对落后的局面具有重要潜力。报告内容丰富，为智能驾驶领域的研究与实践提供了宝贵的参考和指导。

智能驾驶智算数据平台发展研究报告揭示了智能驾驶领域中数据、算力和算法的重要性，并强调了建立一个行业级平台的必要性。这份报告详细分析了国内外智能驾驶智算数据平台的现状，并提出了国内智能驾驶基础资源的调研结果，揭示了行业痛点问题及需求，并对未来的平台建设提出了关键问题的思考和规划。

报告首先定义了智能驾驶智算数据平台，这是一个服务于汽车智能驾驶模型开发及测试的综合服务平台，包括数据、算力和算法服务。平台的目标是集中行业力量，建立高质量自动驾驶数据集和集中算力资源，合力研发适用于端到端自动驾驶的算法模型。这一点至关重要，因为自动驾驶需要海量数据、超大规模算力和专业算法的支持。

国外企业如特斯拉和Waymo在数据、算力和算法方面处于领先地位，他们通过数据驱动的端到端自动驾驶系统展现了强大的驾驶能力。国内虽然在智能驾驶技术发展上起步较晚，但随着整车企业和智驾供应商对智能驾驶智算中心的重视，算力规模不断提升，为智能驾驶模型的开发和测试提供了强大的算力支持。

报告中提到的一个关键问题是，国内智能驾驶基础资源情况调研显示，大部分整车企业和智驾供应商已建立较为完整和成熟的数据处理流程，但在Corner Case数据的积累上仍显不足。Corner Case数据对于提升智驾模型性能至关重要，因为这些数据涉及罕见且高危的驾驶场景。此外，数据采集和标注成本占比较高，自动化水平较低，企业希望行业级平台能够提供数据标注服务。

算力方面，国产AI算力卡的占比低于10%，主要问题在于AI框架适配和算力调度问题。随着智能驾驶模型和训练算法的不确定性，算力利用率低下，国产算力卡及AI框架的占比极低，存在潜在的安全隐患。

在算法模型方面，端到端架构建设情况显示，70%以上的企业和机构已建立端到端架构并开始模型训练。然而，模型结构的不确定性和Corner Case数据量不足是阻碍端到端智能驾驶模型训练的最大问题。

报告提出了行业级智能驾驶智算数据平台建设的关键问题思考，包括平台建设的必要性、总体定位、建设目标及内容、建设风险分析和建设难点。平台建设的总体定位是“汽车行业人工智能关键要素流通的依托服务机构”，旨在解决行业存在的数据孤岛、资源配置不均等问题，促进数据、算力和算法等关键要素有效流通与合理配置。

报告还提出了平台建设模式及规划，包括集中化建设模式或分布式建设模式，并建议采用“前期小规模集中式建设为主、后期持续分布增量式建设”的混合建设模式。这种模式可以在降低投入成本和风险的同时，逐步建立平台生态。

文章的灵感来自于这份报告，它只是对报告内容做了总体的介绍。除了这份报告，还有一些同类型的报告，也非常有价值，推荐阅读，这些报告我们都收录在同名星球，可以自行获取。

以上为节选样张，关注公众号【蝉鸣报告】回复领取PDF完整电子版（无广告）。

【蝉鸣报告】每日更新最新硬核报告，覆盖产业报告、全球化、经济报告、趋势等全领域。