第6章 智能驾驶云端平台

智能驾驶与计算架构

第6章

智能驾驶云端平台

智能驾驶教学团队1云端平台架构

2数据闭环3云端开发流程4面向智能驾驶的数字孪生智能驾驶计算概述云端平台是智能驾驶算法研发的基础平台，覆盖数据管理、标注、模型训练、测试仿真全流程，驱动算法快速迭代。本章从云端平台架构出发，详细介绍数据闭环、算法研发、车云协同及数字孪生等核心技术。学习目标：了解云端架构的基本模块及与智能驾驶车云协同方法。理解数据闭环在智能驾驶开发及OTA中的关键作用。理解数据采集、标注、训练及评测仿真中的关键步骤及闭环关系。掌握智能驾驶云端开发流程以及关键环节的相互依赖关系。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。基础设施平台：计算平台（GPU/CPU集群调度）、存储平台（分布式文件系统/对象存储）、湖仓平台（融合数据湖灵活性+数据仓库结构化）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。基础设施平台：计算平台（GPU/CPU集群调度）、存储平台（分布式文件系统/对象存储）、湖仓平台（融合数据湖灵活性+数据仓库结构化）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。基础设施平台：计算平台（GPU/CPU集群调度）、存储平台（分布式文件系统/对象存储）、湖仓平台（融合数据湖灵活性+数据仓库结构化）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。自动驾驶中台：车云系统（车辆管理/数据上传/OTA下发）、数据处理（入库/检索/标签挖掘）、数据标注（工具/项目管理）、模型训练（实验/评测/发布）、测评仿真（回灌/仿真/评价）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。自动驾驶中台：车云系统（车辆管理/数据上传/OTA下发）、数据处理（入库/检索/标签挖掘）、数据标注（工具/项目管理）、模型训练（实验/评测/发布）、测评仿真（回灌/仿真/评价）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。自动驾驶中台：车云系统（车辆管理/数据上传/OTA下发）、数据处理（入库/检索/标签挖掘）、数据标注（工具/项目管理）、模型训练（实验/评测/发布）、测评仿真（回灌/仿真/评价）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。自动驾驶中台：车云系统（车辆管理/数据上传/OTA下发）、数据处理（入库/检索/标签挖掘）、数据标注（工具/项目管理）、模型训练（实验/评测/发布）、测评仿真（回灌/仿真/评价）。智能座舱智能驾驶云端平台分为基础设施平台和自动驾驶中台，提供计算、存储、湖仓和数据标注、训练、仿真等全链路能力。自动驾驶中台：车云系统（车辆管理/数据上传/OTA下发）、数据处理（入库/检索/标签挖掘）、数据标注（工具/项目管理）、模型训练（实验/评测/发布）、测评仿真（回灌/仿真/评价）。云端计算芯片云端训练用芯片以NVIDIAGPU为主（H100/A100），推理回灌可用车用芯片（如J5）构建物理集群，更贴近端侧真实情况。NVIDIAH100（Hopper架构）：800亿晶体管，Transformer引擎（FP8/FP16混合精度），第四代NVLink（900GB/s），机密计算，MIG多实例，DPX动态编程指令（比CPU快40倍）。J5-PCIE回灌模式：通过PCIE将J5芯片插入主机主板，构建车载芯片物理/虚拟集群，用于回灌测试。车云协同与OTA车云协同通过4G/5G和影子模式实现数据采集与算法迭代，OTA是智能驾驶持续进化的关键基础设施。车云连接技术：HTTP/HTTPS、MQTT、WebSocket。影子模式：自动驾驶系统与人类驾驶员并行决策，虚拟执行并记录差异，用于事后分析和算法改进。OTA升级：FOTA（固件升级，完整镜像）和SOTA（软件升级，增量补丁）。端云安全通信需加密、签名、安全芯片校验。OTA架构：OTAManager（管理更新过程）+UpdateAgent（适配不同ECU接口）。数据闭环概述数据闭环是"采、存、筛、标、训、测、发"七环节的持续循环，是智能驾驶系统持续进化的核心范式。采：车端采集特定场景数据（Trigger机制）。存：存储数据，保证安全、质量和规模。筛：建立训练集和评测集，分类badcase。标：2D/4D标注，或基于LiDAR真值生成。训/测：模型训练、评测和badcase回归。发：发布验证的软件版本（OTA）。数据闭环云端平台地平线艾迪（AIDI）平台是端到端的数据驱动与闭环迭代解决方案，包含数据、标注、模型、问题、感知、车云和仿真七大系统。AIDI-Data：数据入库、检索、管理，支持标签挖掘。AIDI-Label：数据标注系统，支持2D/3D/4D/视频/语音标注。AIDI-Model：模型训练、评测、编译和发版。AIDI-Issue：问题数据管理、场景集管理、回灌回归测试。AIDI-Eval：感知评测系统，支持端云一致的板端回灌仿真。AIDI-Fleet：车云系统，支持数据上云和软件下发。数据采集与入库数据采集通过FleetSDK将车端数据上传云端，入库时自动解析、抽帧和标签挖掘，为后续检索和标注奠定基础。采集方式：硬盘上传（采集车）或自动Trigger回传（量产车）。创建车型与车辆录入：录入车型参数和车辆信息。数据入库：自动定时扫描或手动创建任务，通过pipeline解析原始数据。数据抽帧：内置2D/3D抽帧算法，将视频转为图片。数据采集与入库数据采集通过FleetSDK将车端数据上传云端，入库时自动解析、抽帧和标签挖掘，为后续检索和标注奠定基础。采集方式：硬盘上传（采集车）或自动Trigger回传（量产车）。创建车型与车辆录入：录入车型参数和车辆信息。数据入库：自动定时扫描或手动创建任务，通过pipeline解析原始数据。数据抽帧：内置2D/3D抽帧算法，将视频转为图片。数据标签与检索通过Tagging为数据添加语义描述（tags），支持通过SDK或Web进行高效检索，快速定位特定场景数据。Tagging流程：Pack入库→抽帧→刷库→回灌→生成tags→存入数据库。Tag格式：image/packtag、adaspackcliptag（含时间片段）、mergedadaspackcliptag。数据检索：支持语句检索和图文检索数据标签与检索通过Tagging为数据添加语义描述（tags），支持通过SDK或Web进行高效检索，快速定位特定场景数据。Tagging流程：Pack入库→抽帧→刷库→回灌→生成tags→存入数据库。Tag格式：image/packtag、adaspackcliptag（含时间片段）、mergedadaspackcliptag。数据检索：支持语句检索和图文检索数据标注与模型训练数据标注是模型训练的基础，AIDI-Label提供10种标注工具，AIDI-Model支持大规模分布式训练和多机训练。标注流程：创建送标任务→关联标注项目→分配标注资源→标注+质检→验收→复盘。标注工具：2D多图元标注、框点、区域分割、分类、文本、语音、3D点云追逐/分割、视频标注、4D标注。模型训练：支持PyTorch/TensorFlow，通过DAG任务流管理，支持多机多卡训练。模型评测：支持准确率、召回率、精度等指标，支持多次预测结果对比可视化。模型编译与发版：支持剪枝、量化、蒸馏优化，转换为板端hbm模型。数据标注与模型训练数据标注是模型训练的基础，AIDI-Label提供10种标注工具，AIDI-Model支持大规模分布式训练和多机训练。标注流程：创建送标任务→关联标注项目→分配标注资源→标注+质检→验收→复盘。标注工具：2D多图元标注、框点、区域分割、分类、文本、语音、3D点云追逐/分割、视频标注、4D标注。模型训练：支持PyTorch/TensorFlow，通过DAG任务流管理，支持多机多卡训练。模型评测：支持准确率、召回率、精度等指标，支持多次预测结果对比可视化。模型编译与发版：支持剪枝、量化、蒸馏优化，转换为板端hbm模型。测评仿真处理器在环（PIL）回灌测试是量产项目验证的重要手段，大幅降低测试成本和时间，提升软件可靠性。回灌流程：创建回灌任务（选择业务项目、设备类型J5、输入数据、软件包）→运行回灌→产出感知/规控结果。仿真测试：基于自研工具+外采工具（51SimOne），以SIL形态服务规控评测。评价服务：基于不同软件版本在回灌/仿真中生成的新数据，与真值进行关联对比，输出统计报表。测评仿真处理器在环（PIL）回灌测试是量产项目验证的重要手段，大幅降低测试成本和时间，提升软件可靠性。回灌流程：创建回灌任务（选择业务项目、设备类型J5、输入数据、软件包）→运行回灌→产出感知/规控结果。仿真测试：基于自研工具+外采工具（51SimOne），以SIL形态服务规控评测。评价服务：基于不同软件版本在回灌/仿真中生成的新数据，与真值进行关联对比，输出统计报表。测评仿真处理器在环（PIL）回灌测试是量产项目验证的重要手段，大幅降低测试成本和时间，提升软件可靠性。回灌流程：创建回灌任务（选择业务项目、设备类型J5、输入数据、软件包）→运行回灌→产出感知/规控结果。仿真测试：基于自研工具+外采工具（51SimOne），以SIL形态服务规控评测。评价服务：基于不同软件版本在回灌/仿真中