從數(shù)據(jù)智能體系到城市場景智能駕駛，毫末智行與特斯拉進入自動駕駛量產(chǎn)對決

無論是交付速度還是交付質(zhì)量，對于毫末智行，2021 年都是其以最快速度躋身中國自動駕駛公司量產(chǎn)能力第一的一年。
這一年，毫末不僅推出「中國首個數(shù)據(jù)智能體系」——MANA（雪湖），還在業(yè)內(nèi)率先提出自動駕駛落地的「毫末制勝公式」：

（穩(wěn)定的量產(chǎn)能力*領(lǐng)先的數(shù)據(jù)智能*安全）^生態(tài)，將技術(shù)轉(zhuǎn)化成工程化的同時，探索形成獨有的自動駕駛商業(yè)化落地范式。

進入 2022 年，毫末繼續(xù)引領(lǐng)量產(chǎn)步伐，助力中國自動駕駛不斷發(fā)展躍遷：

數(shù)據(jù)智能方面，毫末的數(shù)據(jù)智能體系 MANA 學(xué)習(xí)時長接近 20 萬小時，虛擬駕齡已相當(dāng)于人類司機 2 萬年的駕駛時長；

乘用車方面，毫末已上市兩代 HPilot 產(chǎn)品，3 月搭載 HPilot 2.0 輔助駕駛系統(tǒng)的坦克 500 正式上市。截止 2022 年 4 月，毫末輔助駕駛用戶行駛里程突破 700 萬公里，使用總時長達 13 萬小時。

無人配送方面，毫末保定末端物流自動配送車間擴建至 1 萬平米，可實現(xiàn)年產(chǎn) 1 萬臺的末端物流自動配送車的產(chǎn)能目標(biāo)，下線車輛超過 1000 臺，毫末小魔駝在北京順義為物美多點超市履約配送超過 4 萬單。

4 月 19 日，2022 HAOMO AI DAY 如期而至，毫末公布最新戰(zhàn)略、技術(shù)、產(chǎn)品的高速進展，MANA 進化升級再次備受關(guān)注。

毫末以獨有的模式、速度掀起中國自動駕駛開年熱度，展現(xiàn)出毫末的雄心壯志與前瞻規(guī)劃。

毫末引領(lǐng)行業(yè)的背后是對自動駕駛第一性原理的充分理解，以 MANA 數(shù)據(jù)智能驅(qū)動自動駕駛的進化，引領(lǐng)毫末進入自動駕駛充分競爭的時代元年，與特斯拉的自動駕駛量產(chǎn)對決也將正式拉開帷幕。

01「敢當(dāng)、敢立、敢行」2022 年毫末的三大預(yù)判和三場戰(zhàn)役

去年 12 月，在首屆 HAOMO AI DAY 上，毫末智行董事長張凱作出 2022 自動駕駛行業(yè)十大預(yù)測：

提到 2022 年將是自動駕駛行業(yè)發(fā)展最為關(guān)鍵的一年，乘用車輔助駕駛領(lǐng)域的競爭將會正式進入下半場，其他場景的自動駕駛也將正式進入商業(yè)化元年。

在本次 HAOMO AI DAY 上，張凱延續(xù)之前的預(yù)測，再次作出 2022 三大趨勢判斷：

毫末也從開年起即高調(diào)打響 2022 三場關(guān)鍵且意義重大的戰(zhàn)役：數(shù)據(jù)智能技術(shù)之戰(zhàn)、輔助駕駛城市場景之戰(zhàn)、末端物流自動配送車規(guī)模之戰(zhàn)。

2022 的三大預(yù)判和三場戰(zhàn)役既是智能駕駛賽道的大勢所趨，也是毫末持續(xù)深耕的行業(yè)洞見。

那么目標(biāo)與進展究竟如何？

2022 年預(yù)計在國家層面將會出臺更多細(xì)則，進一步規(guī)范自動駕駛數(shù)據(jù)歸屬及安全；

城市 NOH 進一步拓寬智能駕駛系統(tǒng)應(yīng)用場景，將智能駕駛的體驗推向新高度；

末端物流自動配送處在爆發(fā)前夜，頭部客戶開始進行場景規(guī)?；渴稹?/p>

首先是數(shù)據(jù)智能技術(shù)之戰(zhàn)。

隨智能駕駛從系統(tǒng)原型搭建加速走向規(guī)?；慨a(chǎn)，行業(yè)基礎(chǔ)技術(shù)正在發(fā)生關(guān)鍵變化——Transformer 大模型征戰(zhàn)圖像視覺，先后獲得特斯拉與毫末站臺。

Camera 快速進化帶來數(shù)據(jù)規(guī)模暴漲，數(shù)據(jù)將直接決定量產(chǎn)能力。電子電氣架構(gòu)技術(shù)由分布式不斷向集中式演進，大算力車規(guī)級芯片開啟上車元年。

數(shù)據(jù)智能也成為毫末智行自成立之初的思想鋼印。

MANA 正是誕生于此，并迅速成長為中國首個自動駕駛數(shù)據(jù)智能體系，已成為毫末持續(xù)進化的核心動力，將大規(guī)模量產(chǎn)產(chǎn)品和海量數(shù)據(jù)積累持續(xù)轉(zhuǎn)化為生產(chǎn)力，進一步提升感知、認(rèn)知、標(biāo)注、仿真、計算等五個方面的能力，從而降低開發(fā)成本、提高迭代速度，為其他兩場戰(zhàn)役保駕護航。

其次是輔助駕駛城市場景之戰(zhàn)。

輔助駕駛技術(shù)在不斷更新、場景不斷擴大，更高頻、更重要也更復(fù)雜的城市環(huán)境正是智能駕駛在突破高速場景后必須正視的下一關(guān)鍵場景。

隨著頭部企業(yè)的城市智能領(lǐng)航輔助駕駛系統(tǒng)陸續(xù)發(fā)布，今年注定將在城市場景下開啟競爭下半場。

在美國，特斯拉 FSD 在有限成本上展現(xiàn)數(shù)據(jù)量、算法、架構(gòu)層面全能表現(xiàn)，而多方同時認(rèn)為，這條技術(shù)路線未來在中國可能面臨國家安全、本土化和可靠性等掣肘。

毫末城市 NOH 即將緊隨其后正式上市，在城市環(huán)境中 NOH 將根據(jù)導(dǎo)航路線，實現(xiàn)自動變道超車、紅綠燈識別與控車、復(fù)雜路口通行、無保護左右轉(zhuǎn)等典型城市功能, 并應(yīng)對車輛近距離切入、車輛阻塞占道、交叉路口、環(huán)島、隧道、立交橋等復(fù)雜城市交通場景，以 70% 路口通過率、90% 變道成功率實現(xiàn)不輸給特斯拉的中國本土化表現(xiàn)。

最后是末端物流自動配送車規(guī)模之戰(zhàn)。

末端物流配送場景在疫情下迎來爆發(fā)性機遇，隨著未來人口紅利消失后的人工成本問題，賽道成長性也在未來中長期被看好。

毫末智行現(xiàn)已全面升級其末端物流自動配送車生產(chǎn)基地，新生產(chǎn)線依據(jù)「柔性化+定制化」的理念進行設(shè)計，并配備 MES 生產(chǎn)管理體系，實現(xiàn)生產(chǎn)透明化、管理移動化、決策數(shù)據(jù)化。

第二代末端物流自動配送車小魔駝 2.0 此次也正式發(fā)布——售價 12.8888 萬元，成為中國第一款 10 萬元級末端物流自動配送車產(chǎn)品。

小魔駝 2.0 搭載車規(guī)級感知套件、ICU3.0 大算力計算平臺、600L 超大載貨空間貨箱：

毫無疑問，小魔駝 2.0 將進一步加速末端物流自動配送車規(guī)模化、商業(yè)化進程。

02、MANA：「感知智能」、「認(rèn)知智能」、「成本與速度」全面升級

基于 MANA 賦能實現(xiàn)混行、擁堵等復(fù)雜交通場景全覆蓋，支持城市開放道路中低速全路況；
 

支持快速換電，實現(xiàn) 60 公里真實續(xù)航；
 

提供智能語音、觸摸等多模式交互。

毫末的「風(fēng)車戰(zhàn)略」以「數(shù)據(jù)智能」為核心，乘用車輔助駕駛產(chǎn)品、低速無人配送車生態(tài)平臺、智能硬件三大業(yè)務(wù)作為三個葉片不斷轉(zhuǎn)動，不斷收集場景數(shù)據(jù)，基于數(shù)據(jù)智能實現(xiàn)正向發(fā)展。

在本次 HAOMO AI DAY 上，最重磅的發(fā)布也正是 MANA 在「感知智能」、「認(rèn)知智能」、「成本與速度」方面的繼續(xù)進化，從而在未來從容應(yīng)對即將落地的城市場景。

毫末智行 CEO 顧維灝在 AI Day 上表示，MANA 的感知智能進化主要在紅綠燈、車道線識別等城市場景典型應(yīng)用中有集中體現(xiàn)。

例如十字路口紅綠燈識別是城市最復(fù)雜的問題之一——在 AI 應(yīng)用中就是典型的小目標(biāo)檢測，不僅狀態(tài)會動態(tài)變化，而且形態(tài)各地差異很大，最重要的還是綁路困難。車輛感知系統(tǒng)必須在很短的時間內(nèi)遠距離識別紅綠燈，正確感知并作出相應(yīng)反應(yīng)。

為此毫末通過圖像合成和遷移學(xué)習(xí)加快技術(shù)迭代，并最大限度使用合成數(shù)據(jù)（即減小海量合成數(shù)據(jù)和真實數(shù)據(jù)之間的概率分布差異），進而使得目標(biāo)函數(shù) f 在真實場景中擁有最小的預(yù)測誤差，進一步提升紅綠燈識別的準(zhǔn)召率。

毫末還獨創(chuàng)「雙流」感知模型，將紅綠燈檢測和綁路問題分解成兩個通道，并利用一個空間注意力機制將二者結(jié)合起來，從而輸出綁路后的目標(biāo)車道紅綠燈通行狀態(tài)，讓毫末日常乘用車測試實現(xiàn)了輕地圖下的紅綠燈識別。

車道線識別則是城市智能駕駛的又一大難題，相比標(biāo)識清晰的高速公路車道線，城市道路車流量更加密集，行車、泊車對車道線識別影響很大，城市部分車道線還存在磨損嚴(yán)重、標(biāo)識復(fù)雜、邊緣形狀不規(guī)則等難題。

以 Transformer 為代表的大模型則在此派上用場。

去年，特斯拉、毫末智行幾乎于同期為 Transformer 大模型站臺，逐步將基于 Transformer 的感知算法應(yīng)用到車道線檢測問題。

此次毫末通過自研的 BEV Transfomer，在城市道路進行多傳感器融合車道線識別，展示除相比傳統(tǒng)模型在自車姿態(tài)容忍度、復(fù)雜路面縱向誤差、路面起伏魯棒性、檢測視野等多方面的優(yōu)勢，并有望為各條智能駕駛產(chǎn)品線上的視覺算法落地帶來成倍的效率提升。

無獨有偶，特斯拉也在此前最新的 FSD 更新中使用 Transformer。

這次更新的顯著變化也是在于車道幾何建模從密集光柵 (一組點) 升級為自回歸 decoder，從而允許系統(tǒng)使用 Transformer 神經(jīng)網(wǎng)絡(luò)逐點直接預(yù)測和連接「向量空間」車道。

MANA 的認(rèn)知智能進化則體現(xiàn)在微模型升級和阿里 M6 大模型兩方面應(yīng)用。

顧維灝表示，以常見的左轉(zhuǎn)場景等待和觀察為例，通過機器學(xué)習(xí)模型替換了傳統(tǒng)的手寫規(guī)則和參數(shù)，不僅避免規(guī)則越來越多時引發(fā)邏輯爆炸和擾動因素引起失效，更能處理更多復(fù)雜的小場景，使決策更具泛化適用性。

MANA 還通過應(yīng)用阿里 M6 大模型，極大提升可解釋性和泛化能力。M6 大模型參數(shù)規(guī)模達到 10 萬億，此前主要應(yīng)用于自然語言理解、文本自動生成等領(lǐng)域。

此次毫末與阿里的合作，是自動駕駛領(lǐng)域與 M6 的初次相遇。

MANA 的成本和速度也實現(xiàn)翻倍進化。

如何標(biāo)注海量數(shù)據(jù)集是數(shù)據(jù)規(guī)模之外的又一巨大挑戰(zhàn)且壁壘更高。通過數(shù)據(jù)標(biāo)記公司或平臺手動標(biāo)注的方式不僅需要大量的人力和資金投入，而且進程十分緩慢。

要做到低成本、高效率，數(shù)據(jù)的自動篩選和標(biāo)注至關(guān)重要。

毫末則緊隨特斯拉構(gòu)建閉環(huán)自動標(biāo)注系統(tǒng)，運用無監(jiān)督自動標(biāo)注算法大幅提升數(shù)據(jù)標(biāo)注效率。

基于 MANA 體系的自動化數(shù)據(jù)處理能力，毫末標(biāo)注 AI 自動化率達到 80%，在實現(xiàn)方法上，通過「目標(biāo)粗定位」和「屬性精細(xì)估計」兩個階段來進行，大幅提高標(biāo)注效率，降低標(biāo)注費用成本。

與此同時，毫末智行平臺團隊和阿里云 PAI-EFLOPS 團隊合作，基于 128 卡 A100 集群實現(xiàn) Swin Transformer 模型分布式訓(xùn)練，通過大模型訓(xùn)練優(yōu)化，模型訓(xùn)練成本降低 62%，加速比超過 96%，吞吐量超過每秒 40000 個 sample。

此外值得一提的是，MANA 還在已有的處理網(wǎng)絡(luò)上加入隱私保護和數(shù)據(jù)安全保障，全面保障數(shù)據(jù)安全。

MANA 的持續(xù)進化升級與毫末城市 NOH 的加速上市已形成正向循環(huán)。

基于小魔盒 360T 算力、144M 高速緩存，200K+DMIPS CPU 計算能力和全車兩個激光雷達、12 個攝像頭，5 個毫米波雷達形成的全車感知冗余，搭載 HPilot 3.0 的毫末城市 NOH 呼之欲出。

顧維灝也在 AI Day 上曬了 NOH 的成績單：路口通過率超過 70%，變道成功率超過 90%，交通流處理能力達到 4 級。
毫末高調(diào)展示了三項第一：中國第一個大規(guī)模量產(chǎn)的城市輔助駕駛產(chǎn)品，第一個重感知的城市 NOH，第一個最實用高效的城市輔助駕駛產(chǎn)品。

區(qū)別于特斯拉純視覺路線，毫末將以視覺和激光雷達進行融合感知，為決策提供依據(jù)，在 SD 地圖下實現(xiàn)更廣泛城市的落地——毫末的雙百計劃也將借此技術(shù)方案得以規(guī)?；瘑?，未來兩年落地城市將會超過 100 個，搭載乘用車數(shù)量超 100 萬臺。

03智能駕駛競爭即將步入下半場，毫末如何加速構(gòu)建行業(yè)壁壘？

隨多家頭部企業(yè)陸續(xù)宣布城市智能駕駛落地時間表并發(fā)布測試視頻，智能駕駛競爭已正式宣告進入下半場，在整體技術(shù)路線選擇趨同的大背景下，馬太效應(yīng)正在加速凸顯。

毫末則在 AI DAY 上揭秘智能駕駛下半場競爭的制勝核心法則：在 MANA 體系下，首先是有效獲取高質(zhì)量的數(shù)據(jù)，與客戶開放式共創(chuàng)。

如果智能駕駛競爭下半場如期進入城市場景，數(shù)據(jù)將更加成為競爭焦點。

毫末不斷強調(diào)，誰能高效低成本的挖掘數(shù)據(jù)價值，誰就能成為競爭的王者。

區(qū)別于全棧自研的特斯拉等車企，對于「車企+自動駕駛技術(shù)公司」組合模式的毫末則與各家都不相同，數(shù)據(jù)來源于與合作方開放式共創(chuàng)，深度綁定共同發(fā)展的「毫末模式」。

毫末智行繼續(xù)以風(fēng)車戰(zhàn)略為指引，結(jié)合 MANA 數(shù)據(jù)智能體系與 6P 開放式合作，與客戶進行業(yè)務(wù)協(xié)同而非供應(yīng)模式，贏得客戶的信任實現(xiàn)共贏。

為此，在乘用車領(lǐng)域，毫末特別設(shè)計了 6P 開放原則，提供從全棧解決方案到源代碼之間的 6 個不同層面的合作方式，以此打造更加開放的毫末生態(tài)：

合作方可以選擇采用毫末的全棧解決方案；可以選擇在數(shù)據(jù)智能云端服務(wù)層面合作；也可以選擇軟件、硬件或者模塊級別的合作；甚至可以選擇原型代碼級別的定制。

其次，在智能駕駛開發(fā)和迭代進程中注入用戶思維。

特別是對于復(fù)雜的城市場景，更高的使用頻率必須匹配更穩(wěn)定的用戶認(rèn)知。否則，極有可能出現(xiàn)比高速場景更多的潛在安全風(fēng)險。

毫末的思路則是將問題和解決方案嵌入更早的開發(fā)過程，提出智能駕駛既要讓用戶能夠更快接受并信任，也能夠更快適應(yīng)用戶習(xí)慣。

在讓用戶能夠更快接受并信任智能駕駛層面，毫末打造了最易懂的開啟引導(dǎo)系統(tǒng)、最具信賴感的 HMI 顯示系統(tǒng)以及智能語音雙向智駕交互系統(tǒng)，讓用戶對車輛的智能駕駛功能獲得全面、客觀的認(rèn)知。

在系統(tǒng)適應(yīng)用戶習(xí)慣層面，毫末在車端打造了用戶習(xí)慣分析系統(tǒng)，在云端開發(fā)了用戶接管分析工具，通過實時數(shù)據(jù)分析不斷改進數(shù)據(jù)結(jié)構(gòu)，從而不斷提升用戶體驗。

最后是降本增效，統(tǒng)一全員行動目標(biāo)，最大程度提升軟件復(fù)用程度及各環(huán)節(jié)效率。

去年年底毫末在公司內(nèi)部信中提到，2022 年毫末輔助駕駛系統(tǒng)將落地長城汽車 34 款車型。

這意味著超過 70 個項目超高交付強度，毫末要想引領(lǐng)下半場競爭，自身同時也必須思考如何解題。

毫末此次給出的答案是：智能駕駛系統(tǒng)的流程化開發(fā)和標(biāo)準(zhǔn)化交付能力。

軟件復(fù)用方面，統(tǒng)一智駕軟件架構(gòu)和算法接口，一套軟件算法支持不同廠家、不同接口類型傳感器；一套應(yīng)用層算法代碼支持不同的芯片和不同的操作系統(tǒng)；一套應(yīng)用軟件組合通過配置字的不同區(qū)分不同車型配置。

效率提升方面，通過快速原型機將應(yīng)用層軟件和基礎(chǔ)軟件開發(fā)過程解耦，雙向并行研發(fā)；設(shè)計與智駕系統(tǒng)開發(fā)流程高度融合的仿真測試驗證流程，提高智駕軟件一次性集成成功的能力；

在系統(tǒng)標(biāo)定環(huán)節(jié)，利用已積累數(shù)十款量產(chǎn)車型標(biāo)定數(shù)據(jù)，采用強化學(xué)習(xí)進行標(biāo)定參數(shù)自動推薦，同時采用虛擬標(biāo)定技術(shù)節(jié)省大量重復(fù)性實車標(biāo)定工作，有效節(jié)省實車 50% 的標(biāo)定時間并為客戶節(jié)省標(biāo)定車輛。

自動駕駛競爭格局正在巨變，毫末智行 CEO 顧維灝在對全球自動駕駛發(fā)展演進回顧的時空維度上為 MANA 的進化之路收尾。

「在這場智能革命中，中國的研究者和企業(yè)不僅沒有遲到，還始終和美國一起站在自動駕駛的前沿?！?/p>

從 Transformer 大模型到重感知方案，從數(shù)據(jù)智能體系到城市場景智能駕駛，這不僅是一場自動駕駛量產(chǎn)的對決，同時也是行業(yè)巨頭們在競爭中發(fā)展共識和行動方案的趨同。

伴隨更開放的產(chǎn)業(yè)生態(tài)、更廣泛的合作伙伴和更清晰的量產(chǎn)計劃，2022 年毫末智行繼續(xù)值得期待。