作者 / 曹锦
「自动驾驶技术发展得太快了，从去年2D变成3D后，今年4D又来了；正当我们将4D方案准备得差不多的时候，BEV已经成为了主流。再接下来，端到端又会成为新的需求。」在近日的一场分享活动上，恺望数据表达了自己的感慨。这样的发展速度，无疑令上游供应链面临前所未有的压力。
和许多新成立的初创企业一样，恺望的体系还没有完全成型，而是以一种开放的状态随时面对新的变化。也是因此，他们对业内数据需求的变化尤其敏感。在恺望宣布完成Pre-A轮融资的第二天，首席智行官与该公司创始人、CEO于旭进行了对话，首次通过数据公司，全方位了解自动驾驶数据的价值。
新路线带来的新难度
今年，BEV、Occupancy被视作城市NOA的必经之路，但是此类层出不穷的新算法，对数据标注和方案增加了更多难度。
「当BEV的3D映射转为2D时，需要将每一个点都对应准确，这就存在参数对齐的挑战；至于Occupancy，由于它是将各种物体用Clip的方式标出来，这就对于快速识别和分类能力提出了更高的要求。」于旭介绍称。
展开来说的话，4D-BEV的数据通常由点云和数十、数百张图片组成，在标注时需要对其做叠加和缝补。这首先面临的问题就是加载慢，其次就是在叠加时容易参差不齐，不够贴合。
从于旭为我们展示的案例来看，恺望通过Web多线程技术，已可实现「在8G内存电脑上运行的5千万点云数据标注」，解决了加载问题。不过，稠密的点云在我们看来，还是一团白雾一般，似乎令人无从下手。
「针对这样的稠密点云，我们首先会在着色上做出区分，从一大片『白茫茫』中先快速分离车道线，然后标注员可利用工具中的放射线，明确车辆的对应位置。同时，我们还用彩色的圆形图标将车标示出来，从而让其位置更加明确。」
这些方法，源自于恺望最近发布的「可支持4D-BEV感知算法的数据拼接及数据标注工具链」，该工具可支持大数据流并行作业，官方称可支持200万人同时标注，目前已在车企应用。
城市NOA的数据课题
当车企开始比拼城市NOA功能后，数据的复杂度和量级都呈现了大幅增长。这对于数据方案供应商来说，又是N个新的课题。
「城市NOA的浪潮，与人工标注的更高需求，是呈正相关的。」于旭认为，在城市NOA的多样化场景中，数据规则存在大量变化。再加上车与车之间传感器的差异，以及各式道路拓扑结构差异等因素，这对无图化目标以及数据标注都是较大的挑战。
「数据的价值，一是看规模，二是看质量。」她表示，在规模上，现在的行业痛点之一是法规限制。例如城市NOA中所涉及的不同城市、不同场景数据，目前还难以快速进行大规模采集。
至于质量问题，于旭介绍称，数据精度对模型训练的影响很大，但目前，包括车企在内的需求侧，留给数据处理的时间非常少，有时就只有一个月，这就为标注质量带来了巨大的难度。
「在真实数据采集受限的前提下，必然要借仿真数据弥补Corner case的缺失。但由于仿真的传感器参数与真实情况还存在差异，有可能导致数据不够精准。现在大家通常会采用仿真+AI的策略，不过还是需要基于真实场景进行泛化。」
于旭介绍称，目前恺望的做法是，与其他合成数据合作伙伴一起，基于主机厂的场景需求，围绕具体的Corner case进行快速的场景泛化。「这就是应对当下『既要规模化，又有区域和法规限制』的一种解法。」
同时，恺望也正在与多家出租车车队合作，通过老司机对路口的通过方式进行判断。「这就像专家层先做一层的标注，然后再用标注员去做规模化的复制，提高准确度。
大模型将催生新的角色
自从「自动驾驶大模型」的概念出现后，虽然争议从未停止，但其自动标注能力却似乎预示着人工标注的边缘化的趋势。也曾有业内人士提出，在大模型时代，人工标注或将成为一种少数基础需求，甚至不再被需要。
但于旭却觉得正好相反。她认为，在大模型在涌现过程中，恰恰需要大量的人工标注数据。而当其发展到一定程度时，大模型会降低算法门槛，导致各类应用都如同围绕一个「中台」，来实现不同场景的功能。
「到这个时候，数据标注的作用就不只是服务算法了，新的客户群很可能会扩展到应用层，我们的角色将成为大模型和应用场景之间的衔接者。这其中包括了数据工具链，以及应用场景上的标注数据库，这两块都将是新的增长点。」
另一方面，在大模型向专业、深度方向发展的过程中，有限的专家资源，以及更高的标注成本，都有可能形成瓶颈。对此，于旭表示，可通过筛选主观性问题、提炼专家方法论等方法来降低难度；或者只让专家提出策略，再将数据按照难易级别划分，交给基础标注/审核人员来进行规模化操作。
于旭认为，大模型还需要更多来自政府和各个行业的力量。「目前大家尝试做的行业大模型，还是从促进小模型迭代的角度出发。大模型需要的数据源头，要像水龙头一样，这需要各个行业共同努力。」
对自动化标注的思考
虽然现在恺望正在与高职院校合作，大幅扩展人工标注员的人数，但其实也将「自动化标注」视作必然方向。
「自动化将会从辅助，走向深度，然后逐渐迭代。我们希望自动标注能拥有核心方法论，以适配各种各样的公司。」但是于旭所指的「自动化标注」，既不能是Demo，也不能只针对特定任务，而是实现大规模量产，这才能创造行业的转折点。
不过值得注意的是，当恺望运用了自动化工具之后，人工标注的需求还是只多不少。
「因为自动驾驶等行业的长尾问题都还是比较多的，在同样数据量的前提下，基础数据的标注人员数量还不会呈现下降，同时还将新增类似专家、合规审核的高阶标注员。」
数据服务的「难，疼，急」
「难，疼，急」是恺望在分享项目需求与交付难度时，总结出的3个关键词。
「难」就是开头提到的技术变更速度太快，这需要数据除了工具链不断更新；「疼」是指部分主机厂客户提出的花式需求，以及供需双方不同人员日常存在的需求理解偏差。
不过归结起来，挑战最大的似乎还是「急」——这是指企业客户在拔高精度标准、对标注员和工具都提出更高需求时，却只给出极少的时间去统筹、研发和筛选标注员。
「没有人等你，没时间给你去找一个技术大牛，也不可能让你花几个月来开发一套新工具。我们只能在低代码可行的基础上，将能用的『锤子刀子』赶紧拼起来，以最快的速度解决问题。」
于旭以某头部大模型公司的项目举例，当时他们需要通过Reward Model，人工为数学解题答案打分，选出最合理的解答格式。本来，于旭对这套打分工具预期的开发周期为一个月，而最终却只用了两周，并获得了较好的反馈。
这一方面是出于恺望对业务场景的了解，另一方面就是因为「没人会给你时间」，能做的只有迎难而上。
「『难、疼、急』一方面是指我们面临的『既要又要还要』式需求，另一方面就是指如何在极短的时间内大幅提高质量和效率，同时还要降低成本。」
在此背景下，如何在极为有限的时间内，让标注员尽快理解需求，保持高效准确，也成为一大命题。
尤其在大模型时代，垂类众多，匹配难度也随之增加，于是恺望借鉴了Open AI的画像匹配方式：「我们在平台底层有编排系统，可以记录标注员擅长的内容或者知识面，从而快速地与某些需求做拆解和匹配。」
虽然目前在成本层面上，数据行业价格内卷严重，但于旭认为，这一行业正在进入新的阶段。除了价格，系统性工程的能力将直接给企业分级。而且，未来的数据方案供应商不仅要做传统的标注，还要提供补全数据闭环的思路和通用工具链。