凤凰网汽车

易车原创 以往提到辅助驾驶你可能首先会联想到特斯拉、华为或者小鹏，但如今你可能需要记住一个后来居上的新玩家了，它就是毫末智行。这家公司是由长城汽车的智能驾驶前部孵化而来，在成立的1020天之后，毫末给我们奉上了一份令人惊叹的成绩单。

就在9月13日举行的第六届HAOMO AI DAY上，毫末再一次向我们展示了他们的最新成果和傲人成绩：毫末1000天，跑出了中国自动驾驶最快的1000天，稳居“中国量产自动驾驶第一名”，两年半时间稳定交付三代乘用车辅助驾驶产品，目前已搭载超过十款明星车型，中国首款搭载大规模量产城市NOH车型摩卡DHT-PHEV激光雷达版计划9月量产，年内发售。搭载毫末HPilot的魏牌摩卡PHEV和欧拉好猫，获得欧盟E-NCAP“五星安全评级”，使得毫末成为中国首个出海量产落地的自动驾驶公司。末端物流自动配送方面，占据该领域领先的市场份额，小魔驼2.0量产下线交付客户。毫末开创的中国首个数据智能体系MANA完成数十万全要素、多模态CLIPS的标注，积累300万小时中国道路驾驶认知场景库，相当于人类司机4万年，基本完成数据闭环……

以上这一系列成绩很难让人相信这是一家仅仅成立了两年半的公司。那么接下来我们就结合这次AI DAY 活动的干货分享带各位了解一下毫末是如何做到进步如此迅猛并且成绩斐然的。

01 “大模型+大数据” 毫末全力冲刺自动驾驶3.0时代

在此次活动上，毫末智行CEO顾维灏博士发表了主题为《毫末和自动驾驶的3.0时代》的演讲，在业内首次提出“自动驾驶已经进入数据驱动的3.0时代”的行业判断。

那么自动驾驶的演进过程到底是怎样的呢？1.0、2.0和3.0之间又有怎样的跨越和不同呢？

首先1.0时代还是以硬件驱动为主：感知能力主要靠激光雷达，认知方式依赖人工规则，整车成本较高，自动驾驶的里程规模也就在100万公里左右；

其次到了2.0时代则是以软件驱动为主：感知方式由激光雷达变成了多传感器的单独输出结果，融合方式还不健全。并且训练模式还是小模型和少数据的情况，认知方式仍旧是人工规则为主，自动驾驶的里程规模上升到100万到1亿公里之间；

最后以数据驱动的自动驾驶3.0时代则是毫末冲刺的方向：感知方式上实现多传感器融合输出结果，认知上进化为可解释的场景化驾驶常识，训练模式达到大模型和大数据的体量，自动驾驶里程也提升到1亿公里以上，毫末一直在为自动驾驶3.0时代做准备，在感知、认知、模式建设上，都是按照数据驱动的方式建设的。毫末所做的一切的，都是为了能够做出数据通道和计算中心，以便可以更高效地获取数据，并把数据转化为知识。目前特斯拉已领跑全球率先进入自动驾驶3.0时代，而毫末最有可能成为中国公司中第一个进入自动驾驶3.0时代的公司。

顾维灏表示，Attention大模型作为当前AI发展的新趋势，其所带来的机遇和挑战，成为自动驾驶3.0时代的重要驱动因素之一。Attention最大的特点是结构简洁，可以无限堆叠基本单元得到巨大参数量模型，随着参数量的增加和训练方法的提升，大模型的效果在很多NLP任务上已经超越了人类平均水平。不过Attention的大模型也面临一大挑战，即由于其对算力的需求远远超出了摩尔定律，这导致大模型的训练成本非常高，在终端设备上的落地非常困难。

Attention大模型带来的机遇和挑战，正驱动自动驾驶行业的技术变革。“毫末正在通过低碳超算来降低自动驾驶成本，通过改进车端模型和芯片的设计来实现大模型的车端落地，通过数据的组织让大模型发挥更大效力。”顾维灏表示，在数据层面，基于Attention大模型，自动驾驶需要大规模且多样性的训练数据，而基于大规模真实人驾数据的乘用车辅助驾驶才有能力积累到足够规模和足够多样的数据。毫末认为，辅助驾驶是通往自动驾驶的必由之路。因为只有辅助驾驶，才有能力收集到足够规模和足够多样的数据。据悉，毫末经过接近三年的发展，目前已是中国量产自动驾驶公司的第一名，目前用户辅助驾驶里程已接近1700万公里，数据规模正在持续快速增加。

低碳超算层面，毫末在此次AI DAY上正式官宣了中国自动驾驶科技公司首个超算中心。顾维灏表示：“如何提升训练效率降低训练成本，实现低碳计算，是自动驾驶走进千家万户的一个关键门槛。”毫末超算中心的目标是满足千亿参数大模型，训练数据规模100万clips，整体训练成本降低200倍。

在算法模型层面，顾维灏介绍，毫末早在2021年6月便启动了针对transformer大模型的研究和落地尝试。正是基于过去一年多在训练平台改造升级、数据规格和标注方法的切换准备、针对感知、认知具体任务的模型细节探索等方面的成功实践，为现在毫末在城市导航辅助驾驶场景中的快速发展打下了坚实基础。

02 MANA全方位升级，助力辅助驾驶走进城市

城市导航辅助驾驶场景是当前自动驾驶功能的核心突破点，也是兵家必争之地。然而从道路与交通状况单一的高速场景进入交通参与者众多、道路与交通状况极其复杂的城市场景，自动驾驶系统面临的技术难度可以说是倍数级增长。巨大的挑战也拖住了众多自动驾驶厂商“进城”的步伐，只能持续鏖战技术突破点。毫末早在2021年底就立下了打赢“辅助驾驶城市场景之战”的Flag，率先在城市辅助驾驶领域开启了技术探索之旅，如今毫末数据智能体系MANA正迎来多项里程碑式的升级迭代。

顾维灏表示，城市道路主要存在“4类场景难题、6大技术挑战”。其中场景难题主要包括“城市道路养护”“大型车辆密集”“变道空间狭窄”“城市环境多样”。解决上述场景难题，技术层面面临六大挑战：1、如何能更高效地将数据规模转化为模型效果 2、如何让数据发挥更大的价值 3、如何使用重感知技术解决现实空间理解问题 4、如何使用人类世界的交互接口 5、如何让仿真更真 6、如何让自动驾驶系统运动起来更像人。

为了应对上述挑战，MANA感知智能、认知智能等方面均迎来更新升级。

首先，MANA通过使用大规模量产车无标注数据的自监督学习方法打造模型效果，相比只用少量标注样本训练，训练效果提升3倍以上，这让毫末数据优势得以高效转化为模型效果，以更好适应自动驾驶各种感知任务需求。

其次，MANA感知能力提升，让海量数据不再被区别对待。面对巨大数据规模下的“数据效率”难题，MANA构建了增量式学习训练平台，抽取部分存量数据加上新数据组合成一个混合数据集。训练时要求新模型和旧模型的输出保持尽量一致，对新数据的拟合尽量好。相比常规做法，整体算力节省80%，响应速度提升6倍。

第三，MANA感知能力更强。通过使用时序的transformer模型在BEV空间上做了虚拟实时建图，使得感知车道线的输出更加准确和稳定，让城市导航自动驾驶告别高精地图依赖。

第四，MANA感知能力更准，让中国没有不能识别的车辆信号灯。MANA通过升级车上感知系统，对刹车灯、转向灯状态进行专门识别，让驾驶员在处理前车急刹、紧急切入等场景中更安全和舒适。

第五，MANA认知能力也再次进化。面对路口这一城市最复杂场景，MANA在仿真系统中引入了高价值的真实交通流场景，与浙江德清、阿里云合作，将路口这一城市最复杂场景引入仿真引擎，构建自动驾驶场景库，通过自动驾驶的真实仿真验证，时效性更高、微观交通流更真实，有效破解了城市路口通过“老大难”问题。

最后，MANA认知智能迎来新阶段。通过对覆盖全国的海量人类驾驶进行深度理解，学习常识和动作拟人化，使得毫末辅助驾驶决策更像人类实际驾驶行为，可结合实际情况选择最优路线保证安全，体感更像老司机。

MANA的再次进化，为毫末城市NOH扫平了“进城”路上的最大障碍。“毫末城市NOH是更懂中国城市路况的导航辅助驾驶。”顾维灏表示，毫末城市NOH采用“重感知、轻地图、大算力”技术路线，在MANA的赋能助力下，具备智能识别交通灯、智能左右转、智能变道、智能躲避障碍物-静态、智能躲避障碍物-动态五大亮点功能，此外“智慧交通流处理”功能也将正式发布。

可以想象在今后辅助驾驶不仅能在高速场景中应用，在我们每天上下班通勤的场景也可以使用，这会极大缓解我们的出行疲劳并提升我们的驾驶舒适感。我个人真是十分期待的。

03 “重感知，轻地图”将会成为未来的行业趋势

现如今许多车企也在做城市辅助驾驶，像特斯拉、华为、小鹏等，毫末选择的路线似乎更贴近特斯拉，就是更看重第一性原理，依靠车辆本身的智能化来实现各类辅助驾驶功能。接下来咱们看看这几家公司的具体技术路线和完成效果到底如何。

先来说说特斯拉，在全球范围内，特斯拉可以说是在辅助驾驶技术上研发技术最快、并且量产速度也最快的，早在去年时，特斯拉FSD就已经支持城市域高级辅助驾驶功能，并在不断迭代后，在一位美国用户的使用下实现了从东海岸到西海岸横跨600多公里的全程零接管辅助驾驶。

不过在国内，因为涉及到数据安全等问题，特斯拉FSD的更新进度并不能和美国同步，这导致国内的特斯拉消费者在已经付费的情况下很难享受到和海外版本同样的使用体验。另一方面，FSD对国内的驾驶环境和消费者驾驶习惯的适应程度还稍显欠缺，有点水土不服的意思，因此也限制了消费者对特斯拉辅助驾驶系统的期待。

对比特斯拉在国内的近乎停滞，华为的进步速度则堪称闪电级。华为在5月初就率先推出了搭载有华为智能驾驶解决方案的极狐阿尔法S华为HI版，搭载由3颗固态激光雷达、6颗毫米波雷达、11颗高清摄像头组成的辅助驾驶硬件，主控芯片来自华为的MDC 810计算平台，算力可达400TOPS。另外最近很火的阿维塔11也同样是在华为的全栈智能汽车解决方案的支持下有着不俗表现的。极狐阿尔法S 华为HI版能够实现城市内的主动跟车、主动变道、大曲率匝道车道保持、行人避让等功能。整体表现确实还不错，但也有弊病咱稍后再说。

作为国内最早、最知名的造车新势力之一，小鹏在辅助驾驶技术方面的发力也是相当迅猛的。据悉，城市NGP版小鹏P5搭载由2颗激光雷达、5个毫米波雷达、12个超声波雷达、13个摄像头组成的辅助驾驶硬件，具备30TOPS算力，在实测中实现了城市中180度调头、红绿灯识别、变道绕行、极端天气/特殊情况应对、无保护左转、大型车辆应对检测、低速跟随判断等众多功能。

华为和小鹏虽然在硬件和算法上做的都不错但有一点是目前限制它们进一步发展的那就是都需要在高精地图的覆盖范围才能开启和使用，要知道高精地图有几大弊端那就是绘制成本高、审批难以及绘制慢，因此这些辅助驾驶功能要等高精地图的技术突破和覆盖全之后才能更加顺畅的使用，所以目前来说可用范围十分受限。

最后来说毫末智行，他们的优势就是不依赖高精地图来实现城市辅助驾驶，在毫末智行眼中，辅助驾驶作为对人类驾驶的一种模仿，就应该像人类学习驾驶技术那样，依靠自我学习的能力进行不断进步，而不是过度依赖高精地图的支持，这使得毫末智行能够摆脱高精地图的约束，第一个实现城市域高级辅助驾驶产品，即城市NOH的真正落地。

据悉，城市NOH将率先搭载于长城旗下旗舰车型魏牌摩卡，城市NOH版摩卡搭载由2个激光雷达、5个毫米波雷达、12颗摄像头组成的辅助驾驶硬件，并由毫末智行自主研发的自动驾驶计算平台小魔盒3.0提供360TOPS的基础单板算力，能够应对车辆近距离切入、车辆阻塞占道、交叉路口、隧道、立交桥等复杂场景，帮助用户完成城市内A-B点的全程辅助驾驶。

可见重感知、轻地图的模式在目前来说是最容易实现量产且成本可控的方式。个人认为今后不少车企也会加入到这一技术路线中来，相信未来这会是一种行业趋势。

04 写在最后

通过这次毫末AI DAY 让我们见识到辅助驾驶的发展速度远超出我们的想象，并且意识到一切好的产品的落地一定是基于先进且前瞻的技术路线和正确的指导思想的。每每参加毫末AI DAY 的感受都像是经历了一场硬核技术的洗礼。也希望未来越来越多专注技术的企业能更多的涌现，共同推进我国自动驾驶繁荣发展，让我们拭目以待吧！