凤凰网汽车

9月13日，毫末智行举行了第六届HAOMO AI DAY。这届发布会干货满满。除了耀眼的成绩单，毫末快速发展背后的世界观和方法论，更值得学习和研究。

电驹哥从战略路线、技术路径、方法论、核心竞争力、战术、法则等角度，尝试解构毫末模式的养成之道。

毫末的成绩单：1000天能做成什么？

在国内自动驾驶企业中，毫末的年龄不算大，只有1000天。但发展业绩却令人瞩目。

“过去1000天，毫末勇闯行业无人区，从0到1突破了行业三大难关——大规模、多车型自动驾驶量产难关；末端物流自动配送车技术成本难关；大规模数据处理及大模型应用难关。” 毫末智行董事长张凯说。

据张凯介绍，从成立至今的1000天时间里，毫末智行交出了一份亮眼的成绩单，跑出了中国自动驾驶公司的毫末速度。例如：

1、乘用车方面，毫末已推出三代乘用车辅助驾驶产品HPilot，两年内进行了6次OTA升级，实现搭载超过十款乘用车型量产落地。另外，毫末具备了同时并行30个项目异步开发的能力。

其中最值得一提的是：中国首款搭载大规模量产城市NOH的车型：摩卡DHT-PHEV激光雷达版计划9月量产，年内发售。

截止到2022年9月，毫末用户辅助驾驶行驶里程突破了1700万公里，位列中国自动驾驶公司第一名，预计未来搭载车型达到百万量级。

2、末端物流自动配送车方面，毫末研发的中国首款十万元级末端物流自动配送车“毫末小魔驼2.0”，已量产下线交付给客户。截至2022年9月，小魔驼订单量已突破9万单。

3、技术方面，毫末开创的中国首个数据智能系统MANA，已经完成数十万全要素、多模态CLIPS的标注，基本完成数据闭环：截止到2022年9月，MANA学习时长超过31万小时，虚拟驾龄相当于人类司机4万年。

这些成绩不仅在国内自动驾驶领域名列前茅，与国际同行相比也毫不逊色。

那么，毫末速度是如何炼成的？毫末模式有哪些值得国内同行借鉴？根据本届AI DAY演讲，电驹梳理出如下脉络：

一、战略路线：数据驱动+渐进式发展

“数据是驱动自动驾驶成熟的核心要义，渐进式路线是数据积累的最佳路径。毫末智行一直以来都在坚定地走渐进式发展路线。在自动驾驶3.0时代，辅助驾驶是通向自动驾驶的必由之路。”张凯说。

根据张凯的演讲，可以看出毫末战略路线的3个关键词：数据驱动、渐进式路线、辅助驾驶。

简单概括就是：“利用辅助驾驶功能获得的海量数据，一步一步渐进式地，驱动自动驾驶走向成熟。

张凯强调，毫末就是凭借对渐进式路线的坚定执行，成功探索出独有的“毫末模式”，成为毫末1000天高速发展的重要方向和基石。

“数据驱动“路线并不陌生，目前业内特斯拉，小鹏、蔚来、智己等一众车企都选择了数据驱动模式。但在数据获取、数据处理、模型效果、产品迭代等方面，各家水平却不尽相同。

特斯拉堪称“数据驱动”路线的领先者和最大受益者。特斯拉上百万车型保有量为其提供了大量免费的驾驶数据，帮助特斯拉不断优化智能驾驶水平。智能驾驶水平的提升，又帮助特斯拉提升了销量、品牌和保有量，实现了销量与智能驾驶相辅相成的正循环。

在数据驱动方面，毫末可以说是距离特斯拉最近的选手。跟国内同行相比，无论是搭载HPILOT的车型保有量，还是数据处理智能体系，还是对未来超算中心的布局，毫末都位于领先地位。

那么，什么样的数据能驱动智能驾驶地发展？

毫末智行CEO顾维灏解释说，在数据层面，基于Attention大模型，自动驾驶需要的数据有两个特点：1、大规模；自动驾驶里程要至少达到 1 亿公里。2、多样性。不仅包括常见场景，还包括各种长尾场景。

他认为，只有依靠大规模真实人驾数据的乘用车辅助驾驶，才能积累足够规模和足够多样的数据。

因此，他断定：“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。“

在数据获取方面，毫末有先天的优势。作为长城旗下的自动驾驶公司，长城智能驾驶车型的保有量可以为毫末快速积累大量行驶数据。长城汽车年销量超过百万辆，如果有50%产品搭载毫末的辅助驾驶，每年就会增加50万辆汽车为其贡献行驶数据。

例如，搭载毫末HPilot产品的已经有超过十款乘用车型量产落地，包括魏牌摩卡、魏牌拿铁、魏牌玛奇朵、坦克300、坦克500、哈弗神兽、拿铁DHT-PHEV等。目前正在陆续交付中的车型有摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫、全新一代长城炮等。

反观造车新势力，没有一个选手有这样的保有量加持。即使与特斯拉相比，毫末未来的数据获取量也不遑相让。

据介绍，毫末经过接近三年的发展，目前用户辅助驾驶里程已接近1700万公里，位居中国第一，数据规模正在持续快速增加。

张凯预计：到 2025 年，高级别辅助驾驶搭载率将超 70%。届时，毫末的数据积累也会进一步提升。

战略路线确定后，毫末为自己的城市NOH确定了“重感知、轻地图、大算力”的技术路线。

相反，华为、小鹏等多数选手，都采用了高精地图。那么，为什么毫末要采用轻地图路线呢？

毫末工程师告诉电驹哥：从纯技术角度，采用高精地图是好事，可以快速提升智能驾驶的水平。轻地图路线的技术难度更高。但是，毫末要打造自己的特色和技术护城河。另外，从政策来看，国内高精地图采集有限制，会给辅助驾驶的推广带来技术难题。为了智能驾驶更广泛的使用，以及更深的技术护城河，毫末选了一条更难走的路。

目前，摩卡DHT PHEV激光雷达版已经上市，9月量产，年内发售。该车就是“重感知、轻地图、大算力”的落地产品，只需要标清地图，就可以实现城市领航NOH，在业内属于首例。

二、毫末方法论：智驾产品迭代铁三角：

很多车企都选择了数据驱动路线，为什么毫末能快速技术迭代，快速量产？

张凯说，这源于毫末的”智能驾驶产品能力迭代铁三角“。

“1000天的努力，我们成功打造出独有的‘智能驾驶产品能力迭代铁三角’，使毫末智行成为国内最早且唯一一个进入产品快速迭代阶段的自动驾驶公司，从而造就了不一样的毫末！”

根据他的介绍，铁三角的三个角分别是：

1、场景化户用体验设计，它的角色是入口。

2、AI人工智能技术，这是毫末的核心武器，相当于是灵魂。

3、技术工程化能力，也就是量产上车能力，它的角色是保障。

“三者高度有效协同，智能驾驶产品能力才能够快速迭代。”

在这三方面，毫末都积累了强大的竞争力。例如，

场景化用户体验设计方面，毫末基于多款车型量产经验，总结出一套用户交互体验和产品开发的一体化设计方法，成为国内首个实现基于用户真实数据驱动产品迭代的公司。

在AI人工智能技术方面，毫末打造了国内首个智能驾驶数据智能体系MANA，成为毫末所有产品迭代的核心动力。目前，MANA已经完成数十万全要素、多模态CLIPS的标注，同时已建设完成300万小时中国最大规模的认知智能场景库，具备真正感知、认知智能的有效协同；

在技术工程化方面，毫末已成为国内智能驾驶技术落地经验最丰富，且最早实现智能驾驶产品流程化开发的公司。两年实现了10余款不同平台车辆量产落地。在智能驾驶产品流程化开发方面，毫末2个月内匹配完成，标定效率全行业第一；智能驾驶产品经过鲁棒性设计，达到100%一次性过线率。

同时，毫末具备并行30个项目异步开发能力，这也是国内唯一。

三、毫末的灵魂：MANA数据智能体系和超算中心

在上述铁三角中，MANA数据智能处理体系是毫末的核心竞争力，也是毫末领先竞品的撒手锏。

长城旗下多款车型搭载了毫末HPILOT辅助驾驶，为毫末提供了海量且多样的行驶数据。对这些数据进行智能处理的，就是MANA数据智能处理体系。

简单理解，MANA 就像一个超级大脑中枢，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。MANA 的工作大致可以分为6点——获取、表达、存储、传输、计算、验证。

另外，MANA还可以实现快速的感知进化和认知进化。例如，在感知进化方面，通过“双流”感知模型，MANA“让中国没有不能识别的红绿灯和车道线”成为可能。

毫米的智能驾驶能力提升、产品迭代、技术升级，都靠MANA数据智能体系来驱动。如果说毫米是一艘航母，它就是驱动航母的超级发动机。

MANA的优势是大模型计算。在算法模型层面，毫末在2021年6月便启动了针对transformer大模型的研究和落地尝试，为毫末的城市导航辅助驾驶打下了坚实基础。

作为对比，特斯拉也采用了transformer大模型。国内采用这种大模型的选手还非常少。有业内人士表示，国内其他车企也在研发transformer大模型，但像毫末这样快速上车的，只有毫末一家。

在此基础上，毫末更进一步，推出了MANA超算中心。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。

超算中心是自动驾驶发展的另一个决胜点。随着自动驾驶车辆的增加，需要处理的数据呈几何级增长，对算力的需求、功耗要求都大幅提升，只有超算中心能够解决这个挑战。

超算中心相当于私人定制化的云端算力。目前的公有云要服务上千种行业，无法满足车企自动驾驶算力的需求。自动驾驶企业自建超算中心，相当于有了自己的私有云，可以针对自家的自动驾驶需求进行专属设计和计算。

从业内来看，目前搭建超算中心的选手有三家，除了毫末，特斯拉2021年推出了超算中心：超级计算机 Dojo。上个月，小鹏也在内蒙古打造了超算中心：扶摇。

毫末超算中心基于Attention机制打造。顾维灏表示：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。

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大模型也面临一大挑战，由于其对算力的需求远远超出了摩尔定律，导致大模型算力需求高，训练成本高，在终端设备上的落地非常困难。

例如，一个千亿级别参数，百万个clips大模型，需要上千卡的GPU训练几个月时间，训练时间和成本都大幅提升。

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。”

毫末超算中心给出了解决大模型算力高的办法：

1、通过低碳超算来降低自动驾驶成本。据介绍，毫末超算中心的整体训练成本降低200倍。

2、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。”

有了超算中心加持，毫末未来的自动驾驶技术升级能力将更加强大。

四、毫末的战术：技术升级，唯快不破

MANA有一个很大的优势，就是技术升级快。带给消费者的感受，就是产品功能的迭代快。

在今年4月份毫末AI DAY发布会上，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。

本届毫末AI DAY上，MANA又迎来了多项里程碑式的升级迭代。这些升级主要针对智能驾驶的挑战展开。

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”。4类场景难题主要包括：

“城市道路养护”

“大型车辆密集”

“变道空间狭窄”

“城市环境多样”。

他解释，要解决上述场景难题，在技术层面面临6大挑战：

如何能更高效地将数据规模转化为模型效果，

如何让数据发挥更大的价值，

如何使用重感知技术解决现实空间理解问题，

如何使用人类世界的交互接口，

如何让仿真更真，

如何让自动驾驶系统运动起来更像人。

为了应对上述6个挑战，MANA在感知智能、认知智能等方面均实现了升级。具体如下：

1、如何更高效地将数据规模转化为模型效果？

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，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。

2、如何让数据发挥更大的价值？

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。

3、如何使用重感知技术解决现实空间理解问题

MANA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。

4、如何使用人类世界的交互接口，

升级后，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。

5、如何让仿真更真

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。

6、如何让自动驾驶系统运动起来更像人

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。

上述6大技术升级，体现在产品上，就是毫末城市NOH实现了六大功能的提升。

顾维灏表示，毫末城市NOH在MANA的赋能助力下，实现了如下功能：

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。

智能电动车时代，软件OTA升级将是汽车标配，传统的汽车变成了可以生长的汽车。而升级速度和升级体验将是产品提升竞争力的关键。

可以看出，有了MANA的加持，毫末在技术升级和功能迭代上进展飞速，把对手远远抛在后面。真正让汽车不停生产，快速生长。

五、毫末的法则：决胜自动驾驶3.0时代的五大法则

目前，特斯拉已领跑全球率先进入自动驾驶3.0时代。

基于毫末在智能数据处理，超算中心等领域的布局，毫末认为：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。

什么是自动驾驶的3.0时代？顾维灏的总结是：一个核心，4个技术：

一个核心，指的是数据驱动。4个技术条件是：

1、 大模型。

Attention大模型作为当前AI发展的新趋势，其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。

2、 海量数据，并且数据开启自训练模式。

在自动驾驶3.0时代，自动驾驶对行驶里程数据的需求飙升。由硬件驱动1.0时代的百万公里、软件驱动2.0时代的上千万公里，直接飙升到了1亿公里以上。

3、 感知技术上，多模态传感器联合输出结果。

4、 认知技术上，以可解释的场景化驾驶常识为主。

“以数据驱动为核心，以上4个技术条件并行成立，才能称为真正进入自动驾驶3.0时代。”他说。

从以上标准看，毫末已经进入3.0时代。

例如：在大模型方面，毫末已经搭建起基于Attention大模型的MANA智能处理体系。

在数据获取方面，毫末已经拥有1700万公里数据，未来有长城汽车智能化进程的加持，数据获取会更加容易和快速。

在感知技术方面，毫末的城市NOH，传感器包括了激光雷达，毫米波雷达，摄像头。

在认知技术方面，MANA数据智能体系在认知能力上也快速提升，例如，让仿真更真，让自动驾驶更像人方面的升级，就是认知能力的提升。

“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。我们所做的一切的，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。”顾维灏总结说。

在自动驾驶3.0时代，毫末将面临三大挑战：

“大规模自动驾驶数据上云的挑战”

“ 大算力AI芯片的性能突围的挑战”

“ 城市场景自动驾驶产品的量产突围的挑战”

张凯说，毫末应对挑战的办法，就是“打赢智能驾驶下半场的五大制胜法则”。具体包括：

1、智能驾驶产品开发始终将安全放在首位；

2、产品体验“真香”才是王道；

3、基于用户真实场景数据驱动，实现产品快速迭代；

4、实现感知智能与认知智能高度一体化；

5、以开放的心态赋能客户，促进行业共同进步。

概况而言，产品安全、产品体验是毫末制胜的首要标准，毫末将其摆放在最前面。数据驱动和快速迭代则是制胜的战略路径。感知智能与认知智能的一体化是技术手段，赋能客户是推广保障。

在团队建设和企业文化上，毫末也围绕五大法则展开。

目前，在人才组织建设上，毫末在职员工已超过1000人，其中技术研发占比高达90%以上。为了打赢三大战役，毫末正在紧锣密鼓招聘人才。

电驹哥总结：

1000天时间，毫末在智能驾驶技术水平，体系搭建、发展速度、产品迭代能力、未来布局方面，都获得快速发展，堪称黑马。

在智能驾驶赛道上，目前特斯拉依然是领跑者，而毫末有可能是距离特斯拉最近的那个选手。

对毫末自身而言，一整套研发和量产体系的建立，让它获得了自动驾驶领域活下来并领先的通行证。

对长城而言，长城投资打造毫末智行堪称妙笔，为其在智能化时代的发展提供了强大的技术后盾。

对业内而言，毫末的发展理念、技术路径、发展模式也是一个很好的榜样和借鉴。

在智能电动化时代，中国市场已经诞生了很多独角兽，比如动力电池领域的宁德时代，芯片领域的地平线。或许，智能驾驶领域的独角兽，是毫末智行。