席卷自动驾驶行业的寒冬还没有过去，开发周期长、成本高，又难落地的问题并没有完全被解决，而大量的车企都在激进的进行电动化和智能化的转型，自动驾驶的研发又是绕不开的重要一部分。

可是靠自动驾驶技术和故事去吸引消费者的路线已经逐渐走不通了，比亚迪王传福也站出来炮轰自动驾驶，让自动驾驶的寒意更浓了。

其实自动驾驶难落地的问题，对于谁都一样，谁都绕不过去这个问题，但是车企和自动驾驶企业们可以在“开发周期和成本”方面开卷，因为在大环境不利的情况下，谁能用更低的成本和更高的效率坚持并维持住，才可能在春暖花开之时迎来绽放。

自动驾驶寒冬之下，靠AI真能降成本？

在本周的在第八届毫末AI DAY上，毫末智行发布了首个应用GPT模型和技术逻辑的自动驾驶算法模型DriveGPT，并正式官宣中文名为“雪湖·海若”。DriveGPT首发车型是即将量产上市的全新摩卡DHT-PHEV，有了DriveGPT之后，自动驾驶开发中的周期和成本都会大幅缩短和降低。

目前的自动驾驶技术发展情况，主流的自动驾驶训练方式主要有两种：真实道路测试和虚拟仿真测试。

真实道路测试大的特点是能够与真实交通环境相匹配，模拟真实生活中的各种复杂情况。同时，真实道路测试还可以发现一些不常见或难以预测的情况，提高自动驾驶系统的适应性和可靠性。然而，真实道路测试需要大量的时间和金钱投入，同时还涉及交通安全、法律法规以及人员伤害等问题，给测试过程带来了一定的风险和压力。这些都会导致测试成本的增加。

另一种方式就是虚拟仿真测试，它是在计算机模拟环境下测试自动驾驶系统，通过虚拟场景来训练模型。虚拟仿真测试可以避免真实道路测试中的安全问题和成本压力，同时还可以快速生成大量的数据，提高测试效率和数据量，而且在其中已经辅以了不少AI人工智能技术。

但是，虚拟仿真测试中的数据和场景是人为设计的，可能无法完全反映真实道路的复杂性和不确定性。因此，虚拟仿真测试有时需要进行一定程度的真实道路测试来验证其结果。

DriveGPT采用了与ChatGPT一样的Transformer模型与RLHF人类反馈学习能力，通过引入真实驾驶场景和人驾接管数据，可对自动驾驶认知决策模型进行持续优化，从而为自动驾驶开发降低成本。

由于DriveGPT是在虚拟仿真环境下进行训练的，因此可以省去真实道路测试中的安全问题和成本压力。DriveGPT能够生成大量的仿真数据用于训练模型，这些数据能够很好地模拟真实道路的复杂性和不确定性，从而保证模型的鲁棒性和可靠性。同时，在仿真环境下进行训练还可以大大节约时间和成本。

15天就能完成1年的任务量，还能“赚外快”？

与传统的真实道路测试相比，DriveGPT能够快速高效地获取大量数据。DriveGPT的训练过程是完全自动化的，不受测试时间、环境等因素的影响，从而大大提高了测试效率和数据量。这不仅节约了训练时间，还可以提高模型的精度和鲁棒性。

DriveGPT自身能区分驾驶场景和非驾驶场景，并可以理解驾驶环境，还可用于场景识别标注任务，比如标注车道线、交通参与者、红绿灯、路牌等细节信息，并且每张图的识别优化价格从约 5 元下降到 0.5 元，成本下降了近10倍，在OpenAI的GPT-4出来的时候，它的识图能力引起了我们的高度关注，而与其底层类似的DriveGPT，已经把这项能力用了起来。

AI自动识图逐渐开始代替人工，人工标注的效率和成本是绕不过的问题，机器不需要休息，也几乎不会眼花，而自动标注的成本仅是过去使用人工的十分之一不到，而且半个月就能完成人力一年的需求。

DriveGPT使用大量的仿真数据来训练模型，这些数据能够很好地反映真实道路的复杂性和不确定性，DriveGPT它能够更好地处理自然语言、图像等多种数据类型，还可以去自行学习，从而提高模型的复杂性和准确性。

另外在产品迭代方面，DriveGPT能够为自动驾驶开发者提供快速有效的反馈，帮助它们更快地调试和优化系统，从而进一步降低系统迭代方面的开发成本。

通过DriveGPT训练出来的模型可以转移到真实道路测试中进行验证，进一步提高了系统的安全性和可靠性。DriveGPT训练出来的模型能够很好地反映真实道路的复杂性和不确定性，从而在真实道路测试中能够更快地适应各种情况，DriveGPT还可以同时让系统处于多个平行宇宙之中，也就是提前做好再一次遇到类似情况可能发生的各种驾驶情况，在预测人车轨迹能力上也得到了大幅提升。

DriveGPT的能力不只局限于自动驾驶领域内，我们看到毫末的合作伙伴还有北京交通大学计算机与信息技术学院、火山引擎、华为云、京东科技、高通、四维图新、英特尔等，当然这里面有很多是供应商伙伴，但四维图新这个伙伴，可能是DriveGPT要去赋能的另外一部分。

此次四维图新也官宣表示：接入毫末DriveGPT雪湖·海若，可实现持续双向赋能。借助DriveGPT雪湖·海若算法能力可提升地图成图自动化水平。DriveGPT对于图像强大的理解能力，可以应用于地图测绘方面，DriveGPT可以使用AI大模型来进行对物体的识别，特别是建筑物，具体来说，它可以通过大量的地图数据和卫星影像数据进行训练，然后利用这些数据来识别、分类和标注建筑物信息。同时，由于DriveGPT使用的是AI技术，因此其识别准确率和效率都比传统的人工测绘方法更高。

除了建筑物识别，DriveGPT还可以用于其他地图测绘任务，例如道路标注、地形分析、地图更新等，特别是随着搭载DriveGPT的车型越来越多，它们甚至可以去试试生成鲜度比较高的高精地图，虽然毫末打造的是重感知、轻地图的系统，DriveGPT也是为了去加深这一目的，但是高精地图可以给到供应商去做别的事情，并不是只有自动驾驶需要高精地图。