摘要：1月7日消息，Mobileye在CES 2022上宣布，目前已采集了200PB的資料，這意味着Mobileye擁有了一個虛拟的駕駛資料寶庫。這些資料配合Mobileye一流的計算機視覺技術和強大的自然語言了解（NLU）模型使用，即使是罕見條件和場景下的“長尾”事件，仍可以在幾秒鐘内輸出數千個結果。而這有助于自動駕駛汽車和一流的計算機視覺系統處理邊緣情況，進而讓自動駕駛汽車實作超高的平均故障間隔時間（MTBF）。
1月7日消息，Mobileye在CES 2022上宣布，目前已采集了200PB的資料，這意味着Mobileye擁有了一個虛拟的駕駛資料寶庫。這些資料配合Mobileye一流的計算機視覺技術和強大的自然語言了解（NLU）模型使用，即使是罕見條件和場景下的“長尾”事件，仍可以在幾秒鐘内輸出數千個結果。而這有助于自動駕駛汽車和一流的計算機視覺系統處理邊緣情況，進而讓自動駕駛汽車實作超高的平均故障間隔時間（MTBF）。
Mobileye總裁兼首席執行官Amnon Shashua教授表示：“資料和處理資料的基礎設施是為自動駕駛技術實作帶來了複雜性。Mobileye花了25年時間一直在收集并分析我們認為是業界領先的，包含了現實環境和模拟駕駛體驗的資料庫，通過實作強大的自動駕駛解決方案脫穎而出，這些解決方案能夠實作超高的平均故障間隔時間。”
Mobileye擁有全球公認龐大的汽車資料集，包含了過去25年中超過200 PB的真實環境駕駛視訊素材，共1600萬個1分鐘視訊片段。
△Mobileye資料集擁有超過200PB的真實環境駕駛視訊素材
對自動駕駛所需的強大計算機視覺引擎而言，大規模資料标注是核心。Mobileye擁有豐富且相關的資料集，由2500多名專業标注人員手動标注或自動标注。該計算引擎依靠雲伺服器中的50萬個峰值CPU核心，每月處理5000萬個資料集——相當于每月處理由50萬小時的駕駛素材所生成的100 PB資料。
資料的價值在于能夠被解讀的同時并投入使用，這需要對自然語言的深入了解以及先進的計算機視覺算法，而這一直是Mobileye的優勢。
每個自動駕駛公司都面臨“長尾”問題，即自動駕駛汽車會遇到從未見過或經曆過的情況。這些長尾問題包含了龐大的資料集，但許多企業不具備高效了解這些資料集所需的工具。Mobileye先進的計算機視覺技術與強大的自然語言了解模型配合使用，能在幾秒鐘内查詢長尾資料集并傳回數千個結果。随後，Mobileye可以使用這些結果來訓練計算機視覺系統并使其更加強大。Mobileye的方法大大加快了開發周期。
Mobileye團隊使用内部搜尋引擎資料庫，其中包含數百萬張圖檔、視訊片段和場景。其内容覆寫面極廣，從“被雪覆寫的拖拉機”一直到“夕陽下的交通信号燈”，所有這些都由 Mobileye采集并饋入其算法（參見樣本圖像）。
△Mobileye資料集包含數百萬張圖檔、視訊片段和場景
通過業内最高品質的資料和專業人才，Mobileye的駕駛政策可以確定做出合理、明智的決策，這種方法消除了人工智能決策的不确定性，并在統計上實作了超高的平均故障間隔時間。同時，資料集加快了開發過程，讓自動駕駛技術“挽救生命”的承諾可以更快地成為現實。