撰文 | 李昊原
编辑 | 杨博丞

2021年的世界人工智能大会（WAIC），几乎成为了自动驾驶的主场，接近一半的展区，仿佛车站一般，布置满了不同的车辆。有已经达到L4级别的卡车，也有出租车、快递车、清洁车，而且这也是WAIC首次开放了开放道路的无人驾驶体验，长达2.8公里的路线上，无人驾驶的车辆往来奔驰。

其中比较有名的，有商汤科技的SenseAuto自动驾驶AR小巴，还有美团的无人驾驶外卖车，小马智卡、嬴彻科技和图森未来的智能卡车，也都吸引了许多人的目光。本届WAIC上，自动驾驶 的火热，和其技术的逐渐落地息息相关，在L3已经实现，L4触手可及的当下，突破无人驾驶的最后一公里，似乎已经不是大问题。

与此同时，也有不少企业加入了自动驾驶的行列，原因就是新能源汽车行业发展迅猛，让大家都产生了分一杯羹的想法。不过，人工智能有其发展的规律，算法、算力和数据缺一不可，前两者目前基本得到行业的关注，但对数据的关注却要少得多。目前，人工智能在驾驶领域正逐渐落地，并发展出自动驾驶、智能驾仓、疲劳监测、无人配送、辅助驾驶、语音交互、手势交互、车路协同等细分落地场景。在活动现场，人工智能训练数据服务提供商云测数据发布了新一代的自动驾驶数据解决方案，我们也采访了总经理贾宇航，来了解无人驾驶背后的故事。

以下为采访速记，经DoNews整理：

DoNews：你们在自动驾驶领域的客户一般有哪些？

贾宇航：我们的客户在汽车行业的上中下游都有，主要有自主、合资的车企，大型Tier1、Tier2，无人出租车、自动驾驶技术公司等，还有一些用到地图的互联网公司，甚至芯片和传感器公司，都建立了良好的合作关系。平时接触较多的还是车厂和人工智能公司，如果是偏商用落地的，大多在自动驾驶的L2-L3左右，主要在做辅助驾驶和人机交互，如果是纯技术的公司，可能已经在做L4甚至L5级别的自动驾驶。

DoNews：他们一般找到你们，是需要哪方面的服务？

贾宇航：按照企业自身的需求来划分，企业对自动驾驶算法的训练，一般可以分成三个阶段。第一个阶段，是一些基础性的需求，比如人脸识别、车辆识别等，对应车内智能驾驶舱、车外环境感知等场景；第二个阶段，是结合自身的硬件，比如特定的传感器，或者说特定的场景，来进行数据采集和标注；第三个阶段，是产品已经上线了，需要通过自身的产品不断去积累数据，然后完成算法的迭代。

我们这次发布的是基于自动驾驶行业的‍‍新一代数据解决方案，覆盖了我刚才说的‍‍三个阶段‍‍。在第一阶段，我们通过基础数据集帮助他们训练一些通用的人工智能技术，还有帮忙完成一些普遍算法模块的搭建；在第二阶段，则是提供定制化和具备领域知识积累的‍‍数据标注服务，为自动驾驶公司提供服务；第三个阶段，会依托我们‍‍的平台，包括用我们的数据标注和管理工具，来为企业提供所需要的数据服务。

DoNews：为什么企业会找到你们，而不是自己做这些事情呢？

贾宇航：首先，许多企业早期的需求，我们基于场景落地的的通用数据集完全可以满足，具有时效性强、成本低、质量高的优势。云测数据的定制化的数据服务，我们作为专业的AI训练数据服务商，具有成熟丰富的项目经验，可以帮助企业高效率、高质量地解决不知道怎么做，如何做的问题。在自动驾驶领域，对训练数据的要求正越来越高，正向着多模态方向发展。所谓多模态,即是对多维时间、空间、环境数据的感知与融合。伴随着应用落地，AI对所需训练数据的复杂度要求逐渐提升，主要表现在数据质量、场景丰富度、行业知识等方面。举例来说，以前可能就是标注一下是不是车辆，现在要具体标注到是是什么车、几厢车，数据也从2D增加3D点云数据，各方面要求都更精细，且数据标注要求绝对的准确率。所以需要像我们这样，有专业的人员、持续的培训和管理，以及专门的标注工具，才能保证训练数据服务的质量。

DoNews：能不能举例说一下，一家企业在三个阶段分别会找你们做什么？

贾宇航：比如一家做自动驾驶的企业，刚开始前期立项的时候，需要做一些对特定要素的识别，比如人、车、路标等，此时他们对场景的要求较为通用，使用成品的数据集进行算法预研训练即可；在第二阶段，算法模型已经可以识别一定的内容，但要增加算法识别的维度、场景。比如2D数据需要增加到3D点云数据，由于两者的标注方式不同，企业就会需要基于落地场景定制、硬件配置也对应的特定化的训练数据方案；到了第三阶段，像Tesla这样，长期积累用户数据，脱敏后训练，让算法迭代。

DoNews：如果以后有公司达到了L5的自动驾驶，你们公司是不是就不会再有业务了？

贾宇航：从市场竞争来说，我认为真正做到无人化和商业化，可能还需要一段时间。即使真的到了这个阶段，也会有业务场景的迁移，比如之前，对车辆的识别做好后，就要去做交通标志识别，车辆轨迹预测等，座舱内人机交互也需要做到千人千面的服务，更加智能化。2021年的自动驾驶可能就像是2011年的移动互联网一样，势能还远远没有发挥出来，还将有许多新的场景和应用出现，也会有更多的公司和专业人员，不断去从事相关的工作，让自动驾驶不断迭代。