目大数据和大算力是大模型应用的重要前置条件。Transformer大模型量变引起质变需要1亿公里的里程数据。并且，传感器采集得到的raw-data需进行标注后才可用于算法模型训练，自动标注工具可大幅提升数据处理速度。2018年至今，特斯拉数据标注从2D人工标注逐步发展至4D空间自动标注；国内厂商中小鹏、毫末智行等亦相继推出自动标注工具大幅提升标注效率。除真实数据外，仿真场景是弥补训练大模型数据不足问题的重要解决方式。生成式Al有望推动仿真场景大幅提升泛化能力，帮助主机厂提升仿真场景数据的应用比例，从而提高自动驾驶模型的迭代速度、缩短开发周期。大算力是Transformer模型训练的另一重要条件，超算中心成为自动驾驶厂商重要的基础设施。特斯拉Al计算中心Dojo总计

使用了1.4万个英伟达的GPU来训练Al模型，网络训练速度提升30%,国内厂商中小鹏与阿里联合出资打造自动驾驶Al智算中心“扶摇”,将自动驾驶算法的模型训练时间提速170倍。

本文来自知之小站

PDF报告已分享至知识星球，微信扫码加入立享3万+精选资料，年更新1万+精选报告

（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）