【创业24小时】2022年2月11日
06-18
Applied Intuition利用人工智能和大语言模型来“改变”车辆性能和运行条件｜来源：Getty Image 全球自动驾驶公司，过得并不愉快。
在美国，曾经估值1亿美元的Cruise陷入泥潭，硅谷典范Waymo也无盈利希望。
在国内，曾经高举L4大旗的企业也纷纷加入，为车企提供L2+自动驾驶服务，赚取一些辛苦钱。
然而，凡事总有例外。
保时捷最近领投了对自动驾驶汽车软件公司 Applied Intuition 的投资。
该公司主要为汽车制造商和其他公司开发可用于开发自动驾驶解决方案的“模拟测试”软件，让客户能够反复测试车辆的软硬件。
它还可以帮助他们管理自动驾驶的海量数据，从而缩短开发周期并加快汽车的生产速度。
事实上，除了保时捷之外，其他主要投资者还包括Lux Capital的Bilal·祖贝里(Bilal Zuberi)和著名投资人埃拉德·吉尔(Elad Gil)。
不仅如此，Andreessen Horowitz、Mary Meeker的债券基金，甚至F1赛车世界冠军尼科·罗斯伯格也加入了本轮投资。
可以说聚集了不少明星资本。
此轮融资帮助 Applied Intuition 筹集了 2.5 亿美元，使其估值达到 60 亿美元。
那么，在如此恶劣的环境下，Applied Intuition到底是用什么技术完成了数亿美元的融资呢？这家公司的由来是什么？ 01 Applied Intuition，一家诞生于硅谷的智能驾驶独角兽，成立于2016年，总部位于硅谷。
该公司的两位创始人 Qasar Younis 和 Peter Ludwig 分别担任首席执行官和首席技术官。
两人在谷歌地图业务中相识，一拍即合，决定一起创业。
目标是为自动驾驶模拟测试提供解决方案，从而加速安全智能机器的全球采用。
公司自成立以来一直致力于创新人工智能驱动的方法来解决复杂的软件问题。
通过提供人工智能软件，“改变”车辆性能和操作，挖掘车辆数据，为产品开发和操作改进提供信息，从而彻底改变自动驾驶。
汽车软件等领域的软件开发流程。
目前，更多的人工智能软件正在应用于汽车、国防、建筑和农业等领域。
随着公司的发展，它已在底特律、华盛顿特区、德国、韩国和日本开设了办事处，为世界各地各行业的客户提供服务。
对此，Applied Intuition联合创始人Qasar Younis表示，“作为生态系统的领导者，我们的责任是将硅谷最好的成果带给我们的全球客户群。
”目前，Applied Intuition已宣布将与排名前20的全球最大汽车制造商中的18家合作，包括丰田、日产、RideFlux等，甚至还与美国陆军和国防创新部门签署了合同。
另一位创始人彼得·路德维希直言，“汽车制造商在某些方面不与我们合作是危险的，因为我们正在研究的一些技术非常复杂，会产生巨大的影响。
”值得一提的是，Applied Intuition自成立以来一直保持三位数的同比增长，并且还实现了盈利。
不可否认，公司的发展受益于生成式人工智能、自主系统和软件定义汽车等时代大趋势，因此受到了明星资本的青睐。
截至目前已完成5轮融资，累计融资超过6亿美元。
Applied Intuition已完成5轮融资，累计融资超过6亿美元｜来源：Applied Intuition官网 在获得新一轮融资后，创始人Younis表示，“这笔钱将用于开发一些雄心勃勃的项目。
我们引领行业的汽车软件产品将融入人工智能技术，例如大型语言模型，延伸到我们清晰的 ADAS 和 AD 工具链之外，这将成倍加速下一代汽车的生产。
这项投资。
通过这笔投资，我们还将开发自己的生成式人工智能模型，以推动汽车和自动驾驶行业的发展。
对此，Lux Capital普通合伙人Bilal·祖贝里也表示，“Applied Intuition处于人工智能革命的最前沿，将改变全球交通行业。
” 02 虚拟测试平台Applied Intuition的产品究竟有何魔力，让创始人能够“恐吓”全球车企？ 对于传统汽车公司来说，部署复杂的高级驾驶辅助系统（ADAS）和自动驾驶（AD）软件带来了巨大的挑战，因为他们需要以经济高效且可扩展的方式开发和验证这些系统。
实际测试和数据收集既昂贵又不安全。
为此，Applied Intuition 提供了 ADAS 和 AD 开发平台，使工程团队能够在虚拟环境中安全高效地开发和测试系统，并缩短上市时间。
平台统一的工具链横跨从仿真到数据探索验证的整个开发周期，也可以单独提供某些环节所需的仿真或数据工具。
此外，它还使用机器学习 (ML) 技术来支持日益现实和复杂的用例。
具体开发流程如下： 1、数据采集与生成 工程团队既可以通过实际测试获取驾驶日志，也可以利用平台的自动配置模型自动搜索识别相关的真实驾驶日志进行重新模拟、训练或评价。
此过程生成的合成数据将用于改进自动驾驶系统，以处理现实世界数据收集中的危险情况，例如变道、切入等。
来源：Applied Intuition 官网 2. 模拟场景创建团队可以使用合成数据或实际驾驶记录，创建用于感知、预测、规划和控制模拟的合成场景。
该平台的传感器和对象级模拟器具有确定性和现实性，易于使用，并与所有测试系统集成。
通过重新模拟现实世界的驾驶日志来补充合成场景，并利用AI生成技术来创建手动难以创建的复杂场景｜来源：Applied Intuition官网 3. 运行模拟 开发团队可以在其中进行智能选择并运行数据在内部或云端并行进行数千次模拟。
在合并每个代码更改之前自动进行进度和回归测试。
通过准确、详细且高效的车辆动力学模型模拟自动驾驶车辆性能 |来源：Applied Intuition 官方网站 4. 分析和验证 在用户友好的仪表板中可视化测试结果，评估系统性能，并跟踪操作设计领域 (ODD) 覆盖率。
确保在将软件模块集成到整体车辆架构之前满足功能、系统和法规要求。
在用户友好的仪表板中可视化测试结果并评估系统性能｜来源：Applied Intuition官网 再比如，May Mobility使用Applied Intuition的开发平台来提高其视听技术的安全性、舒适性和性能测试的灵活性和效率。
May Mobility 使用 Applied Intuition 的模拟器 Object Sim 在虚拟场景中测试其软件，以确保车辆安全驾驶并满足乘坐舒适度的特定标准。
ISO 2 认证的模拟器可以执行真实的物体模拟，并用于确定计划是否通过 |来源：Applied Intuition 官网 May Mobility 还使用编程从车队收集的数小时驾驶日志中发现异常和其他相关事件，然后将感兴趣的事件转换为测试用例，以便在 Log Sim 中重新模拟。
通过重新模拟，工程团队可以在自动驾驶堆栈的循环中调试道路事件，在过去的驱动器上测试堆栈的不同版本，并利用 Applied Intuition 的 CI 平台“云引擎”在部署新软件之前识别自动驾驶车辆。
驱动软件中出现的问题，找到根本原因，然后进行调整和优化。
可见，汽车制造商可以利用Applied Intuition的ADAS和AD开发平台的最新AI生成技术，不断开发、测试和验证系统，提高软硬件的开发速度、安全性和系统质量，同时优化生产成本。
03 合成数据与人工智能 在高级驾驶辅助系统（ADAS）和自动驾驶（AD）系统的开发过程中，训练数据的数量和质量直接影响ML模型的性能。
然而，在现实世界中收集和标记数据既缓慢又昂贵，基于传感器“模拟”功能的合成数据可以帮助解决这个问题。
开发团队可以使用编程语言和可视化编辑器通过“模拟”来“控制”场景内容、天气、灯光等“变量”，自主定义训练模型所需的准确数据和标签，轻松创建各种驾驶场景。
包括复杂、罕见和危险的情况，而没有与现实世界测试相关的风险，并使用数据集管理工具查看统计数据、过滤和导出数据。
Applied Intuition的模拟夜景示例 |来源：Applied Intuition官网 此外，在训练感知模型时，ML工程师可以将合成数据与真实数据结合起来，以更快、更低成本改进自主系统，确保合成数据集为支持ML的系统带来最大价值。
此外，合成数据集还提供了可集成、可扩展的基础设施，帮助开发团队将生成的数据集与现有的ML模型集成，并验证模型性能是否得到提升。
同时，“云引擎”可以在数小时内协调数千个并行“模拟”，实现弹性扩展和轻松协作。
应用材料公司的合成数据集允许团队根据高级语言、日志或场景生成数据集 |资料来源：Applied Intuition 官网 可见，Applied Intuition 通过对以编程方式生成和注释的传感器数据进行训练，指导或改进了机器学习（ML）模型的鲁棒性，从而节省了数百万的数据收集、挖掘和标记成本，不仅解决了紧迫的问题ML模型性能的需要，也为AI训练方法的创新发展铺平了道路。
那么，自动驾驶汽车团队如何使用 Applied Intuition 的合成数据集来训练他们的系统呢？ 汽车团队可以使用合成数据集来测试各种车辆配置中的主动安全功能，评估操作设计域（ODD）中各种场景下的系统行为，验证自动停车系统、自动高速公路导航等，并满足商业部署要求监管要求。
具体使用场景如下： 迭代、仿真优先的开发方式 利用仿真技术缩短开发周期，从编写代码到虚拟测试再到实际测试，从几周缩短到几天，减少昂贵甚至危险的路试。
有效利用真实数据和合成数据为您的下一个生产启动 (SOP) 计划构建数据引擎。
将相关事件转换为模拟测试以进行回归测试，并尝试通过使用合成数据进行训练来提高感知性能。
全面的模拟采用一个平台来跟踪不同测试环境的结果，以了解性能并尽早开始准备安全案例。
例如，探索变道、并道、切入和匝道等边缘情况，并改变一天中的时间、住宅区和高速公路条件等环境参数，以进行全面的测试，为未来的最终生产迭代建立信心。
。
能力驱动的开发利用合成数据来提高道路和停车计算机视觉功能的性能，将与标记道路训练数据相关的成本降低多达 10%。
使开发人员能够在 ADAS 计算硬件可用之前评估嵌入式代码功能。
开发周期缩短约六个月。
性能校准 使用与实际结果相关的仿真模型全面评估系统行为，为 SIL 和 HIL 测试领域设计实时车辆运动支持，并促进各种执行器的 OEM 和供应商模型的集成。
验证和认证 通过模拟对每个软件版本进行持续验证，可将最终验证阶段发现的软件集成缺陷减少 90%。
将测试自动化集成到软件构建系统中。
可以看出，Applied Intuition 的合成数据集有效补充了现实世界的数据，并提供了可扩展且高效的解决方案，通过帮助他们定义、生成和利用 ML 模型的合成训练数据来促进感知和验证团队的发展。
数据驱动的 ADAS 和 AD 开发。
数据显示，到2020年，全球自动驾驶汽车市场规模预计将达到8000万美元。
特斯拉、Uber、Waymo以及现有汽车制造商都面临着加速自动驾驶汽车技术发展的竞争压力。
软件和人工智能正在迅速改变下一代汽车的开发。
Applied Intuition 的软件解决方案可帮助汽车制造商、一级供应商以及卡车运输、建筑和农业等行业的公司应对这一转变，彻底改变汽车软件开发流程，并将软件定义的车辆快速、安全地推向市场。
去市场。
可见，作为“自动驾驶”和汽车制造行业的“水载体”，随着AI技术的发展，也能取得很大成功。
#阿里云#创新创业#创业支持#创业资讯我们关注国内外最热门的创新创业动态，提供一站式资讯服务，实时传递行业热点新闻、深度评论和前瞻观点帮助企业家掌握新兴技术。
趋势和行业变化，以及对未来技术趋势的洞察。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态