凤凰网汽车

赶超华为、<a href="https://car.auto.ifeng.com/brand/20225/" class="kw-link" target="_blank">特斯拉</a>！毫末NOH城市领航后来居上

视频显示，车辆在黑夜里可以无保护左转，红绿灯控车，识别并避让行人，三蹦子等，综合表现，已经超越了去年华为发布的城市领航功能。跟美国发布的特斯拉FSD有一拼了。

看到这，有人可能会好奇了：这是哪家的智能驾驶系统呢？

不卖关子了，这套城市领航智能驾驶系统来自于毫末智行。

近日，毫末智行在2022 HAOMO AI DAY 发布了搭载 HPilot3.0 的“毫末城市 NOH”。毫末智行CEO顾维灏表示，在中国城市里道路上，毫末智行的NOH表现超过了特斯拉。

了解毫末智行的都知道，这是一家背靠长城汽车的自动驾驶研发企业。从去年开始，毫末智行每个季度都会召开一场品牌日，高密度、广维度的输出他们在自动驾驶方面取得的成果。

这在某种程度也说明这家企业发展十分的迅速，否则也不会一个季度就要开一场发布会，秀下3个月的成绩。

下面，我们就具体来看看，毫末智行3个月以来的最新进展。

城市NOH：国内首个量产城市辅助驾驶

根据毫末的说法：搭载 HPilot3.0 的“毫末城市 NOH”系统是中国第一个大规模量产的城市辅助驾驶产品，第一个重感知的城市辅助驾驶方案，同时也是2022年中国第一个最实用高效的城市辅助驾驶产品。

另外，搭载毫末城市NOH系统的车辆将会在下半年量产上车。

可以看到，毫末虽然不是最早进军自动驾驶领域的企业，但确实却是迭代和量产速度最快的。作为对比，在全场景的领航辅助驾驶落地节奏上，小鹏汽车则将在2023年落地。

当然，量产快并不代表实力就一定很牛逼，实际水平才最能说明问题。

实际水平如何？

硬件配置：

该系统配备了一颗AI能力360T、高速缓存144M、CPU计算能力达到200K+ DMIPS的超高算力芯片；同时还配套2个激光雷达、12个Camera、5个毫米波雷达，最大程度实现了整套辅助驾驶感知系统的安全冗余。

其中，最具看点的就是毫末智行自主研发的“小魔盒”计算平台，已经实现多次迭代。

小魔盒3.0的所有算法由毫末智行全栈自研，是毫末智行辅助驾驶系统的AI自动驾驶大脑，也是中国自动驾驶界的算力怪兽。

7 纳米工艺加持下，单板算力达到了 360TOPS，最高可以实现四芯 1440TOPS 的峰值，比 4 芯英伟达 Orin X 1016TOPS 的算力高出接近 1/3。

毫末智行此前公布的信息显示，该计算平台平均功耗只有5.5TOPS/W，有望成为全球量产的能效比最高的自动驾驶计算平台。

与此同时，小魔盒3.0可接入12路8百万像素摄像头、5路毫米波雷达及2路激光雷达。

从硬件配置来看，这一可拓展的计算平台，完全可以满足当前L3以及后续L4/L5等全场景自动驾驶功能的实现。

实际表现：

毫末表示，在产品方面，搭载该系统的乘用车路口通过率超过70%、变道成功率超过90%、交通流处理能力高达4级。

在具体功能实现上，毫末宣称该系统可根据导航提供的行驶路线，在城市环境中实现自动变道超车、红绿灯识别与控车、复杂路口通行、无保护左右转等主要功能, 同时也可应对车辆近距离切入、车辆阻塞占道、交叉路口、环岛、隧道、立交桥等复杂的城市交通场景。

以常见的红绿灯路口为例。

在红绿灯的场景下，系统能够明确判定出路口绿灯的状态，并且可以根据该状态来控制车辆是通过路口还是停止，这说明该系统能够识别路口红绿灯。

值得一提的是，红绿灯路口是城市道路最常见的场景，但是自动驾驶系统想要识别准确，难度同样不小。

首先，在大路口场景中，红绿灯离车辆距离很远，在图像数据上目标更小，难以识别。

其次，国内不同地区，红绿灯形状有所不同，大小不一，千奇百怪，不同的灯要对应不同的车道，即便是人类司机有时遇到特殊情况都会有所迟疑，更别说是机器了。

那么，如何加强这些场景的感知能力呢？

对此，毫末选择是用数据来解决这样的问题。但是，如果把全国各个地方不同的红绿灯都收集过来，成本很高，毫末还结合了数据仿真用以加快效率。

通过仿真场景搭建了各种不同的光照、天气、角度等等仿真的实际场景。通过这些场景的数据，再来反馈到模型上，让模型能学习得更好。

这套方法被毫末称为“双流”感知模型，将红绿灯检测和绑路问题分解成两个通道。

简单来说，首先是检测物体，主要负责红绿灯的识别信息，主要包含对红绿灯灯箱的检测和灯型的分类，分别输出红绿灯的颜色、形状和朝向信息。其次是理解空间、位置关系，即目标车道的红绿灯灯组。

想要做到以上这些，前提需要庞大的数据处理，而这正是基于中国首个数据智能体系MANA做到的。下面我们会详细说到。

6P开放合作模式，与企业共创“灵魂”

伴随“毫末城市NOH”的发布，毫末智行推出了面向乘用车驾驶领域的“6P开放合作模式”，毫末将提供代码、模块、软件、硬件、云端服务、全栈解决方案6个产品层面的合作方式。

据张凯介绍，毫末坚定与车企共创模式，而非供应模式。这种开放性的原则是：让一些害怕丢失“灵魂”的车企，愿意与其合作。

对于这点，毫末智行COO侯军向进一步解释：“实际上毫末的开放作为一种阳谋，也是最大的‘阴谋’，毫末的开放原则可以消解信息差或者不对称，让我们的合作伙伴不用担心我们有所阴谋。”

侯军表示，“毫末不会做标准的Tier1，不会服务天下所有主机厂，因为服务不过来。毫末会选择一些情投意合的主机厂来合作。”

毫末智行的合作方式既“理性”，又“佛性”！

理性的一面是毫末也明白，对大多数车企而言，自动驾驶是产品的核心竞争力，不可能完全放弃自动驾驶的研发，采用供应商的一整套方案。

所以，毫末智行推出了共创模式，而非供应模式。车企可以根据自己的需求，比如代码，硬件配置等方面，来进行灵活的合作。既不用担心技术上卡脖子，也不怕灵魂掌握在别人手中。这种合作模式，华为不妨可以参考下。

“佛性”的一面是毫末智行不求客户多少，只求“情同意和”，更在乎的则是对其产品与合作模式的认可。按照毫末智行的说法：客户太多了，怕服务不过来。

这样的言论听起来多少有点傲娇，但事实上，依托于长城的毫末智行确实不怕没客户。去年，长城共销售了超128万辆，这样的体量，就足以让毫末智行“背靠大树好乘凉”了。

MANA 智能数据体系

对于自动驾驶而言，搜集数据并不多么困难的问题，问题是如何利用和处理大量的数据。

对此，在去年，毫末发布了MANA智能数据体系，经过一年的积累，MANA 在性能上又有了进一步的提升。

1、MANA 的四大组成部分

MANA 由四大块组成，分别是 BASE 底层系统、TARS 数据数据原型系统、LUCAS 数据泛化系统和 VENUS 数据可视化平台。

BASE 底层系统指的是对数据进行存储、传输、计算以及数据分析和数据服务；

TARS 则是关于计算的核心算法原型，包括感知、认知、车端建图和验；

LUCAS 是对算法在应用场景上的实践，包括高性能计算、诊断、验证和转化为核心能力；

VENUS 可视化平台是指对场景的还原以及数据洞察能力。

以上很多都是专业名字，对于非专业人士而言，可能比较生涩，学习成本比较难，这里我们就不做过多的解释。

对于我们普通读者来说，知道MANA 的“功能”就行了。

简单概括下，MANA 的工作大致可以分为5点——获取、表达、存储、传输、计算、验证。

MANA 为毫末智行提供了从数据获取，到数据分析，再到建立算法，然后验证还原，最终推向量产实践的完整全栈自主闭环能力。

2、MANA再进化

顾维灏表示，仅仅推出3个多月后，MANA在降低成本、提高迭代速度方面迎来多项重磅升级，持续为毫末智能驾驶系统跑得更快、更稳、更安全赋能助力。

首先，是感知进化。

“感知智能”方面，MANA感知能力突飞猛进，“让中国没有不能识别的红绿灯和车道线”成为可能。

顾维灏表示，最近一年自动驾驶的感知技术发生了巨大变化，包括芯片算力的几何式增长，Transformer跨模态模型的出现和Camera像素的快速提升。

基础技术的变化驱动着解决方案的改变，毫末开始从第一性原理出发思考新的解决方案，不仅独创了“双流”感知模型，将红绿灯检测和绑路问题分解成两个通道，让毫末日常乘用车测试实现了重感知下的红绿灯识别。

此外，毫末大举投入的Transformer模型效果惊人，自研BEV Transfomer用于车道线识别，通过“目标粗定位”和“属性精细估计”两个阶段实现标注的自动化，在城市道路上实现了多传感器融合车道线识别，让中国没有不能识别的车道线。

其次，是认知进化。

“感知”，即“所见即所得”，车辆看到什么就是什么，比如通过视觉传感器看到红绿灯、或者通过雷达扫描大障碍物等等，都是车辆的“感知”能力。

“认知”和“感知”的不同是，认知具备一定的“思考”能力。

举个例子，当自动驾驶车辆遇到红绿灯时，不仅要能感知到其是红灯、还是绿灯，同时还要对此判断出是停车，还是等车。

总结来说，我们既要教会车子认路，也要教会它怎么开车？

针对认知智能，毫末智行通过知识图谱的方式，开发了原创的认知算法，为 MANA 体系搭建了协同安全敏感模型 CSS。

但 CSS 的作用就是分析数据，并进行相应的处理。据悉，CSS目前已经实现了如行人礼让，大车同行避让，自动变道等方面的智能化场景处理。而前面的功能场景部分就已经得到了验证。

除此之外，在“认知智能”方面，MANA再次进化升级，用机器学习模型替换了传统的手写规则和参数，解决了此前代码臃肿且面对复杂场景容易崩溃失效的问题，使场景决策更具泛化适用性，极大提升了可解释性和泛化能力。

同时，毫末方面表示，截止今年 4 月，搭载毫末智行高速智能驾驶系统的用户行驶总里程已突破 700 万公里。目前MANA 已完成近20万个小时的学习时长，虚拟驾龄相当于人类司机2万年。

通过这些数据的积累，让自动驾驶具有更复杂的认知能力，从而成长为“老司机”。

3、成本大幅度降低

除了性能的进一步升级，在成本与速度方面，毫末和阿里巴巴在大模型数据处理技术上进行了深度合作，实现自动驾驶领域与M6模型的初次相遇。

目前模型训练成本降低60%，加速比超过96%，吞吐量超过每秒40000个 sample。此外，毫末已实现标注 AI 自动化率达到80%，大幅提高了标注效率，降低了标注费用成本。

这样的合作直接代表着成本的节约，效率的增加，从而加速自动驾驶产品的落地。这也是为什么毫末智行喊出口号：未来三年搭载数超过 100 台，落地超 100 个城市，全面覆盖国内一二线城市。

成本的优势，在小魔驼2.0上同样得到进一步验证

毫末小魔驼2.0首发

在发布会上，毫末发布小魔驼 2.0，其首次将末端物流自动配送车的价格下探到了12.88万元。在此之前，末端无人车的成本甚至能达到50万元。

据悉，该产品预计在2022年5月陆续投放市场。而这个价位，基本上意味着末端无人车配送的大规模落地。

具体产品方面：

1、搭载车规级硬件ICU 3.0 大算力计算平台，拥有L4自动驾驶能力，覆盖混行、拥堵等复杂交通场景，可支持城市开放道路中低速全路况，全程实现无接触配送；

2、具备快速换电功能；

3、续航里程达到60-100公里续航里程；

4、具备智能语音与触摸多模式交互等多项领先功能。

5、可定制600L 超大载货空间的货箱；

根据毫末的说法，在末端物流自动配送方面，毫末智行在本年度全面升级了末端物流自动配送车的生产基地，升级后的生产车间占地 1 万平米，可实现年产 1 万台的无人配送车的产能目标。

此外，在末端物流方面，毫末也与阿里达摩院、美团、物美多点等达成合作。

打赢智能驾驶下半场

比亚迪董事长王传福曾说过：在新能源转型的路上，电动化是上半场，智能化是下半场。

在智能化方面，自动驾驶是其重中之重，很多车企也将其作为重要的研发方向以及核心竞争力，甚至将其比作为车企的“灵魂”。

而张凯对此则有更深一步的理解，在他看来，如果说高速领航智能驾驶是上半场，那么下半场便是城市道路辅助驾驶。

“2022年将是自动驾驶行业发展最为关键的一年，自动驾驶行业的竞争将正式进入下半场。下半场的竞争主要集中在城市开放场景的领航智能驾驶领域。”

张凯认为，伴随乘用车高级别智能驾驶渗透率的不断提升，NOH智慧领航辅助驾驶系统逐渐走进城市，汽车智能驾驶战火正在从高速道路，升级到城市道路场景。

然而，比起高速道路，城市道路情况无疑更加复杂，红绿灯路口、环路、人车混行等等不确定性因素，对自动驾驶的感知能力和安全性都有更高的要求。但是，毫末智行似乎比行业想的要更快一些。

在长城的支持下，2019年成立的毫末智行，仅用3年的时间，已完成了在自动驾驶领域的关键布局，并形成几大核心技术优势。包括小魔盒3.0计算平台、新一代自动驾驶技术、MANA数据智能体系等等。更重要的是，通过成本降低，以及6P创新合作模式，这些无不让毫末智行拥有致胜下半场的底气。