盘古大模型如何赋能自动驾驶？

　　具体来说，盘古大模型3.0目前的主要作用是数据关闭循环的升级。

　　闭环数据（closed loop data）的核心目的是持续从原始数据中提取高价格数据并传送给算法，最终持续改进算法，解决多种corner case（长尾场景）。

　　方法是从车辆端提取数据，进行初始整理，进行场景管理，再进行数据标记，训练，模拟，最终接受收集的要求。其中，每个过程都有大数据发挥力量的机会。

　　第一，对情况的理解，主要是为了提取高价值的自动驾驶数据。

　　目前，随着高速noa和城市noa的持续发展，自动驾驶公司和汽车工厂积累的数据每年增加到100tb级，其中实际可以发送到算法训练的不到10%。如何有效地从原始数据中筛选所需数据是非常重要的。

　　据华为方面称，一些企业已经积累了大量数据，传统方式需要人工回顾，重新烙印，分类和组织。这样的速度比较慢，很容易积累前端数据。大模型可以自动理解视频内容，自动印上标签，进行商品化管理，可以自动筛选价值高的场面。

　　第二，数据标签，如上文所述，一些企业每年需要标签数百tb的数据，每年需要花费1000万元甚至1亿元，而且效率也不能满足数据供应的需要。大型型号具有精确度高的优点。还可以显示2d、3d的精度，最多可以将显示量减少90%。

　　一般来说，华为在完成标记工作后，会与汽车公司及第三方企业合作进行进一步处理。在华为看来，这意味着汽车公司的任务从标签转向质量检查，可以有效降低成本，提高效率30%至40%。

　　总之，据华为云ei服务产品部部长刘鹏称，华为云可以通过盘古大模型自动驾驶开发平台实现三步加速。

　　通过数智融合架构打破数据和ai资源管理的界限，在一个平台上完成开发、风险和在线工作，提高业务创新效率，实现数据加速化。

　　利用盘古大模型在认知、知觉、决策、优化等整个领域的能力，汽车企业可以基于vango迅速训练自己所需的模型，实现算法加速化。

　　以昇腾ai云服务为基础，优化自动驾驶300+算法，60+实现精度性能的提高，几个月不间断地进行卡路里的训练，实现运算能力的加速化。