有訊息稱，位元組跳動近日將基於“火山引擎”，正式推出自動駕駛雲服務，對標華為八爪魚。位元組跳動參與投資的自動駕駛科技公司輕舟智航，將一同負責提供雲端的自動駕駛研發工具鏈。

今年9月，36Kr報道稱位元組跳動正在組建汽車雲業務團隊，已從亞馬遜雲和京東雲等公司招募了人員。自動駕駛雲服務是位元組在汽車領域的又一次重大布局，其在智慧汽車時代的自我定位已經逐步清晰。

自動駕駛雲服務的內容主要包括資料分揀、自監督學習標註、影象渲染、模擬平臺搭建、模型訓練等內容，目前國內百度Apollo、華為、騰訊都有類似的業務佈局。

該部分的基礎能力，將由輕舟智航提供技術支援。輕舟智航是一家由谷歌Waymo多位華人技術骨幹離職創立的自動駕駛科技公司。

僅2年時間，輕舟智航便已發展為在美國矽谷、中國北京、深圳、蘇州等全球10座城市落地自動駕駛測試和運營，車隊規模近百臺的明星公司，獲得了聯想創投、IDG資本、位元組跳動、美團等知名資本和企業的投資。

今年3月，位元組跳動參與了輕舟智行A1輪融資，投資金額超2500萬美元，是繼2019年投資理想汽車後，在汽車行業規模最大的一次投資。

位元組跳動新業務要和華為打差異化

自動駕駛雲服務是位元組跳動推出的To B業務，結合之前基於抖音和西瓜影片組建的車聯網業務，位元組跳動切入汽車領域的角度都是偏向於做“平臺”生意，搭建一個基礎能力平臺，提供軟體和資料計算儲存服務。

自動駕駛雲服務的業務邏輯，是建立在“越來越多車企會自研高等級智慧駕駛”，這在目前看來是有一定風險的。現階段國內選擇自研高等級自動駕駛的車企並不多，自動駕駛人才稀缺，以及智慧駕駛解決方案供應商較多是諸多車企尚未組建自研團隊的主要原因。

多數傳統車企的利潤率並不高，無法支撐高額的自動駕駛研發費用，而國內現階段已經有華為、百度、商湯、大疆等巨頭推出了自動駕駛解決方案，小馬智行、Momenta、紐邁科技、Mobileye、地平線等初創公司和晶片公司也有自動駕駛解決方案服務。

對車企而言，使用成熟的自動駕駛解決方案是不錯的選擇，自動駕駛的目標很明確，很難做出差異化，相對而言佈局智慧座艙，在成本上和差異化體驗上價效比都更高。

選擇自動駕駛全棧自研，優勢在於可以構建資料閉環，使自家產品能夠更快速實現高級別智慧駕駛功能，而且能夠在未來的競爭中發揮成本邊際遞減。例如特斯拉的資料觸發、回傳、訓練全流程，已經幫助特斯拉實現了領先的輔助駕駛體驗，以及超越傳統車企的高毛利。

自動駕駛雲服務，是為自研自動駕駛的企業，提供基礎的研發工具鏈，以及提供海量資料的計算和儲存。自動駕駛是複雜的人工智慧課題，需要海量的資料來訓練模型，現階段各科技公司以及部分車企，有自動駕駛測試車隊，負責採集系統容易失效的邊緣場景。

對車企而言，最理想的方案是透過已經交付給使用者的車來收集資料，例如類似特斯拉的影子模式和“觸發器”的方案。不過目前由於收集資訊的敏感性，以及多數車企並沒有在硬體上匹配資料回傳的需求，因此國內並沒有車企透過該種渠道收集有效資料，因此現階段會發現車企對自動駕駛雲服務的需求量不太高，因為資料量規模還遠達不到需要雲服務。

當資料規模足夠大時，從海量資料中挑選出訓練所需的有效資料就成了“棘手問題”，這如同讓你在1000部電影裡找到你想看到的影片片段。自動駕駛雲平臺解決的第一個問題就是資料分揀，從海量資料裡，透過演算法挑選出想要的影片片段。其次還有資料標註，透過自監督學習演算法，可以幫助使用者減輕部分標註的工作量。

最為重要的能力則在於虛擬模擬，當某個場景被挖掘到之後，演算法需要反覆的復現並測試，直至達到最優的表現，這個過程中就需要用到虛擬模擬。這和現在流行的“元宇宙”概念比較相較，也是透過模擬技術搭建一個數字化場景，並在雲端實現場景復現，這樣能夠極大降低開發成本，提升演算法規劃控制的研發效率。

華為八爪魚是現階段較為成熟的自動駕駛雲服務，相較於位元組跳動的雲服務，會有幾點明顯的差異。最主要差異在於華為對自動駕駛行業的參與度更高，它本身就具有甲級測繪資質，擁有大量的測繪車輛，此外華為ADS也擁有一定數量的測試車輛。

而故事更性感的部分在於，一旦華為HI的車型能夠上量，交付給消費者的HI版本車輛，就能如特斯拉一樣幫助記錄上傳有效資料，而且這些資料是包含鐳射雷達點雲的資料，配合虛擬模擬，能夠實現位元斯拉更高的研發效率。

相對而言，位元組跳動目前的資料來源主要依靠輕舟智航的車隊，而自身在智慧駕駛領域並沒有更深入的佈局。特別是高精地圖，這塊業務位元組跳動可以考慮再投資一個擁有甲級測繪資質的標的。

資料集的豐富程度，模擬的技術，技術的協同閉環，這些都將成為自動駕駛雲服務的核心競爭力，光靠GPU和儲存，就成了賣“苦力”的生意。

但值得一提的是，在“網路安全審查”的大環境下，自動駕駛雲服務的生意幾乎沒有微軟、亞馬遜等企業立足的機會，華為、百度、位元組跳動的雲服務確實能夠承接一個很大的市場。

同時位元組跳動相對華為百度而言，沒有直接參與到乘用車的造車或整包解決方案中，這某種程度上也算是個優勢，減少了汽車車企使用該雲服務的後顧之憂，對一些擁有全棧自研能力的車企而言，會是很好的選擇。此外，背景信得過的位元組跳動，也更有機會組建一個數據共享的自動駕駛的資料聯盟。

輕舟智航為何被位元組跳動選中？

就在本屆進博會上，輕舟智航釋出了Driven-by-QCraft第三代L4級自動駕駛硬體方案。該方案配備了2個長距離鐳射雷達（主LiDAR）、3個近距離補盲鐳射雷達（盲區LiDAR）、4個毫米波雷達、9個感知攝像頭和1個IMU套裝，能夠實現360度的鐳射點雲和視覺冗餘感知。

有意思的是，輕舟智航的計算晶片選擇了車規級的大算力晶片英偉達Orin，成為行業內首個使用Orin的L4自動駕駛通用方案。

這套硬體方案能夠在小巴、轎車等不同形態的車型上使用，後面也會搭載在輕舟智航專為自動駕駛共享出行場景設計的“龍舟Space”上搭載，可遷移性很強。這很符合輕舟智航一直強調的打造“自動駕駛超級工廠”。

除了硬體可遷移性強，輕舟智航的“自動駕駛超級工廠”，更多地是構建自動駕駛底層的平臺化能力，包括了資料的篩選、清洗、標註以及模擬評估等，這可能是位元組跳動投資輕舟智航的原因之一。

以標註為例，為了達到高度自動化的目標，輕舟智航已開創性地將自監督學習應用在鐳射雷達感知方向，減少了對人工標註的依賴。具體做法可以理解為用同一時間拍攝到的，解析度更高的攝像頭畫面，用來做鐳射雷達點雲感知結果標註的“參考答案”，已完成自監督學習的標註。

同時輕舟智航的核心團隊中，就包含了谷歌街景組關鍵專案技術負責人於騫，和谷歌Waymo的無人車模擬系統專家汪堃，兩位都對自動駕駛汽車的“元宇宙”有深厚的技術能力，這為幫助位元組跳動自動駕駛雲服務，構建雲端虛擬模擬系統有極大幫助。

基於“自動駕駛超級工廠”，輕舟智航目前已經在蘇州和深圳落地了Robobus試運營，此外還將西安、武漢等地落地不同種類的自動駕駛共享出行服務。據內部訊息稱，輕舟智航目前已與國內頭部物流企業順豐物流達成戰略合作，雙方將共同推出自動駕駛城市貨運服務。

自動駕駛將進入巨頭時代

特斯拉是目前獲得智慧駕駛場景資料最多的車企，走在前面的特斯拉已經遇到了海量資料如何有效利用的問題，此外特斯拉也遇到了訓練模型引數愈加龐大的問題，特斯拉給出的答案是無監督學習+Dojo超算，相信這一答案會成為很多後發者的選擇。

然而無論是軟體演算法難度，還是硬體成本，都將成為擺在諸多車企面前的攔路虎，畢竟不是每一家車企都能有足夠的財力聘請這個世界上最頂尖的“碳基大腦”，更不是每一家車企都能有錢建的起上千塊GPU組建的“矽基大腦”。

自動駕駛的發展註定會進入巨頭時代，和百度華為相比，位元組跳動算得上是個“溫柔”的巨人。