自动驾驶巨头们的数据“竞速赛”

2021年初，特斯拉披露正在位于纽约的Gigafactory招聘一组数据标签员，以提供图像标注支持，帮助训练Autopilot/FSD神经网络。因为对于自动驾驶演进来说，算法方面的差距会逐渐缩小，数据将是真正影响技术能力和用户体验的重要因素。

而按照此前公布的数据，特斯拉总共有近千人的数据标注团队规模。“数据需求缺口仍在，市场远未饱和。这对于真正优质的数据供应商来说，正是抢占市场高地的绝佳时机。”数据堂公司相关负责人表示。

另一方面，硬件预埋也推动了智能驾驶行业进入数据驱动迭代周期。

今年，英伟达在Orin进入规模上量阶段的同时，推出了Drive Map，基于精确测绘数据与匿名众包数据相结合，提供厘米级的定位精度。后者，由搭载英伟达Hyperion架构的车辆提供数据众包，包括来自摄像头、激光雷达和毫米波雷达的数据。

所有这些数据，从车端不断上传到云端。然后，加载到英伟达的Omniverse平台，后者是一个为虚拟仿真和实时物理精确模拟而构建的开放平台，用于更新地图数据。同时，这些数据会转换成模拟测试环境，可用于Nvidia Drive Sim，一个端到端的自动驾驶车辆模拟平台。

而在Omniverse的背后，还有数据自动标签技术。

“Omniverse允许我们创建多样化、海量、精确的数据集，以构建高质量、高性能和安全的数据集，这对人工智能至关重要。”这其中，对于传统手工数据标注的增强，是关键要素之一。

马斯克也曾公开表示，FSD可以让公司价值不菲。但同时强调，系统改进的唯一途径是收集数据。

据悉，特斯拉只有“几十名”工程师在研究神经网络，但背后有一个“庞大”的团队在研究标签。一方面，手动高质量标准仍是基础工作，另一方面，标签自动化也是趋势，从而应对车队收集的大量数据。

Mobileye也是如此。公开数据显示，这家公司背后有一支2500多人组成的数据标注团队，每月可处理5000万个数据集——相当于500,000小时的驾驶里程，并建立了一个庞大的内部搜索引擎数据库。

这意味着，标注效率以及准确性，决定了视觉及多融合感知技术的迭代速度。“高质量数据，某种意义上就是决定性的要素。”在行业人士看来，一套高质高效的数据集，也是加快功能开发周期的关键。

而大众集团也有着同样的策略。比如，其基于Trinity开发的车型（预计2024年发布），被视为未来的“时间机器”，自动驾驶系统将受益于CARIAD正在开发的新型“神经网络”，与其他联网汽车共享道路、交通和其他系统的实时数据。

支持数据驱动开发将成为大众集团E³2.0软件平台的基本配置，背后还有为此搭建的云数据中心（VW.AC），后者在微软Azure上建立一个基于云的自动驾驶平台(ADP)，软件功能开发周期将从现在的几个月缩短到几个星期。

此外，作为全球年产销量龙头的丰田，也已经开始在部分国家及地区启用数据采集功能，帮助开发和改进基于图像识别算法的ADAS系统，并保持对集成在车辆上的ADAS系统进行验证和评估。

而在中国，理想汽车用户驾驶总里程已达30.6亿公里(根据最近数据)，辅助驾驶总里程达到2.9亿公里，NOA驾驶总里程达到2462万公里，而有效学习场景总里程达到1.9亿公里，仅次于特斯拉。

在研发上，理想也采用了和特斯拉类似的“影子”模式，智能驾驶算法的开发版本和当前版本同时下放到车端，比较相同场景下算法能力。“只有在车型中全系标配智能驾驶功能，才能更好地获取真实的驾驶场景数据，供自动驾驶算法进行训练。”

可以见得，随着软件和数据成为智能汽车的核心增量，数据采集、数据开发和数据闭环能力也被视为车企最核心的竞争力之一。越来越多的车企和系统供应商也开始转向数据驱动的开发模式。

对于人工标注岗位（大概每小时20美元的工资），特斯拉也多次明确其重要性：基于Autopilot标注界面来标记图像，对于训练深度神经网络至关重要。

比如，标注团队将与Autopilot团队的计算机视觉工程师互动，以帮助改进内部标注工具的设计；同时，标注团队将获得基本的计算机视觉和机器学习知识，以更好地理解算法如何使用标签，因为这将帮助在标记过程中出现的困难的「边缘情况」做出准确判断。

实际上，这个背后所传递的信息是：数据标注并非简单的「拉框」，也不是纯粹的逐条标注。“这种方式既费时又费钱。”一些行业人士指出，大部分传统外包商交付的结果数据经多次返修，依然无法达到客户要求的精确度。

而标注效率以及准确性决定了视觉及多融合感知技术的迭代速度。可以说，高质量数据，某种意义上就是决定性的要素。在行业人士看来，一套高质高效的数据集，也是加快功能开发周期的关键。

为此，数据堂也推出了自研的数据标注工具，内置ML辅助预识别功能，真正实现半自动化作业，有效提升人均效率30%以上。近30套标注工具，可灵活应用于语音、图像、3D点云、文本等多类型数据的标注，已成功应用在11年近5000多个项目的实施过程中。

比如，漏标是很严重的标注错误。数据堂在工具中内置了地面检测算法、颜色自动渲染，标注时可以根据颜色来判断标注物体，以减少漏标。

此外，这套工具还内置插值算法预标注功能，如在第一、五帧标注了目标ID，则会自动标注中间帧位置，只需查看或微调位置即可（主要用于目标追踪项目）。

值得一提的是，其自研数据采集工具，数据不经中间环节，自动回传至数据堂服务器，无限降低人为污染、泄漏数据的可能性。

2021年，数据堂的智能驾驶数据服务同比去年，业务涨幅达65%。这家连续数年在智能驾驶数据服务市场占有率领军的企业，也拿到了长城、上汽、小鹏、蔚来、宇通等国内一线车企的订单。

同时，考虑到数据合规的重要性，数据堂还在去年拿到了相关的测绘资质，也是业界唯一一家取得测绘资质的数据服务公司。这意味着这家公司可以在真实的道路环境下合法采集数据，并合规地进行数据标注和处理，构建其他数据服务商难以比拟的优势，也拿到了车企订单的准入门槛。