16 TOPS算力实现NOA行泊一体落地，易航智能是如何做到的？( 二 ) 随着特斯拉、蔚小理、毫末智

同时，在技术层面，想要真的实现自动驾驶普及就离不开高质量数据的大规模积累，以及在数据滋养下深度学习算法的迭代升级。陈禹行表示，谁掌握了数据，谁就拥有自动驾驶技术发展的主动权。而NOA行泊一体功能已经具备大规模推广基础，能够提供高质量的人机共驾数据，这是自动驾驶数据积累的新起点。
在陈禹行看来，一款优秀的NOA行泊一体方案应该具有三个特征：
首先是通过全栈自研的能力重构自动驾驶域控架构。 NOA功能的实现更加复杂，不再是传统辅助驾驶中简单的汽车电子模块的叠加、优化，而是整个自动驾驶域的重构，一定要用自动驾驶的思路来开发这套系统。因此需要视觉感知、规划控制、软硬件开发等全栈自研能力才能加速实现量产。 “目前自动驾驶系统软硬件高度耦合、感知和规控高度耦合，量产测试过程中遇到的问题不能简单归因，而要各环节通力配合解决。因此，只有把整个技术链条都趟一遍，才能具备系统工程能力，这是量产的前提，也是创造更好驾乘体验的必要条件，所以易航坚持构建全栈自研的能力” ，陈禹行说。
第二点就是数据积累。 NOA不像传统辅助驾驶那样会和驾驶者的感知、控制、规划完全分开，在人机共驾模式下，将有机会积累大量优质数据，所以在场景里要有数据收集和回传能力，以实现方案持续迭代优化。
第三点则是需要NOA拥有足够的商业竞争力。一款优秀的产品不是用来炫技的，而是要以合理的成本提供给车企实现大规模生产，为更广泛的用户创造价值。技术最终要解决终端用户的需求，现在终端用户和车企对于自动驾驶系统是有成本预期的，所以要在成本可控下实现功能，这样才能让自动驾驶系统更快普及。
为此，易航智能采用了更具性价比的方式为车企提供解决方案。
陈禹行表示，自动驾驶的量产需要在算力、功能、功耗之间找到平衡，让更多的设备轻松使用AI模型。在NOA方案的研发过程中，易航智能使用包括“算法剪枝”、“知识蒸馏”和“共享Backbone”等一系列技术，用16TOPS算力实现了某些车型需要上百TOPS算力才能运行的NOA行泊一体功能。

文章图片
易航智能以自研的scalpel模型压缩方法论进行算法剪枝，充分激发算子在TDA4（TI推出的新一代面向高级别自动驾驶芯片）平台的表现，极大提升模型的运转效率。
在算法剪枝的基础上再进行知识蒸馏。易航智能自研了一套完整、领先的自动驾驶算法模型（大模型），通过知识蒸馏的手段，让NOA方案的模型直接高精度大模型学习，充分继承大模型的优秀基因，提升小模型的精度。
共享Backbone则打通了小模型平台和高精度多任务训练之间的隔阂，实现了障碍物检测、图像分割、交通标志检测等共享Backbone ，极大降低了算力消耗。
除此之外，易航智能用多种技术的组合、以精巧的模型实现了高精度，从而能在高性价比的平台上实现非常全面的功能。
基于TITDA4平台研发，相较市面已推出的NOA行泊一体量产方案，易航智能的解决方案可降低成本50％以上，可覆盖15万元以内的车型。并且，易航智能可以根据需求提供单/双TDA4等多种配置方案，其中单TDA4方案可以取代L2级ADAS功能，在成本持平的前提下实现更高阶的辅助驾驶功能。
功能方面，易航智能NOA行泊一体方案拥有16项行车功能，可实现自动超车、自动路网切换等目前比较领先的NOA功能，并拥有10项泊车功能，其中1000米记忆泊车和融合泊车技术业内领先。