毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

雷剛 發自 副駕寺量子位 | 公眾號 QbitAI

不爭了。

輔助駕駛是通向自動駕駛的必由之路,漸進式路線更快贏得終局。

在創辦的第1020天,在第六個HAOMO AI DAY現場,這種態度被亮得明確,結論講得擲地有聲。此時此地此身,在實踐成果和趨勢再清晰不過的情況下,

多年的自動駕駛路線之爭,已再無爭論的必要。

特斯拉開創的路線,國外以FSD公測開始上路,國內則被速度更快的面壁者推向了檢驗時刻,而且是一個更大的資料閉環模型啟動時刻。

這個在中國直道超車的面壁者就是

毫末智行

,現在還旗幟鮮明把行業公理真諦打上公屏:

遵循資料智慧,依靠資料智慧,實踐資料智慧,這是驅動自動駕駛駛入終局的第一性原理。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

並且隨著自動駕駛相關的軟硬體進入量產期,行業的探索來到了規模化

進城時刻

——新的分水嶺,同樣再清晰不過。

整個自動駕駛,將進入以

資料智慧驅動的3.0時代

大道至簡,方法論清晰,自動駕駛已無壁可面。

實踐成果是展現真理的唯一標準

毫末智行的面壁成果是透過

實踐成績

展現的。

自創辦以來,毫末智行剛度過了第1000天,卻已經快速坐穩了中國量產自動駕駛第一名。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

量產自動駕駛

,對應的是無人駕駛,指的是把自動駕駛能力應用於量產車落地的實踐。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

在乘用車領域,毫末智行在短短2年多的時間內,從無到有推出了三代乘用車輔助駕駛產品HPilot,兩年6次OTA升級,實現搭載超過十款乘用車型量產落地,同時並行30個專案非同步開發。

包括魏牌摩卡、魏牌拿鐵、魏牌瑪奇朵、坦克300、坦克500、哈弗神獸、拿鐵DHT-PHEV等在內的上市車型,均已完成上車搭載。此外摩卡DHT-PHEV鐳射雷達版、尤拉閃電貓、尤拉芭蕾貓、全新一代長城炮等則正在陸續交付。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

於是截至2022年9月,毫末使用者輔助駕駛行駛里程突破1700萬公里,在中國量產自動駕駛陣營坐穩第一名。

並且這只是規模化落地的開始,毫末智行方面稱,到2022年底,HPilot預計搭載車型近30款,未來搭載車型達到百萬量級。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

同時

自動駕駛歷史進城

號角,也已經被吹響。

就在成都車展上,魏牌宣佈搭載毫末智行城市NOH的全新摩卡DHT-PHEV鐳射雷達版,9月計劃量產,年內發售,

上市即交付

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

城市NOH(Navigation On HPilot),正是毫末HPilot3。0的核心主打功能,計劃

讓乘用車實現城市開放路況下的端到端智慧駕駛

而一旦交付,也意味著將毫末城市NOH將成為中國第一個大規模量產的城市導航輔助駕駛,將再次重新整理量產自動駕駛乃至整個中國自動駕駛賽道的紀錄。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

在現場,產學研大牛對毫末速度、模式和成績,不僅表達了一致的認可,還認為毫末所代表的是自動駕駛產業化落地的前進方向。

中國工程院院士、清華大學教授、清華大學智慧產業研究院(AIR)院長

張亞勤

說,毫末成立1000天取得的成就令人矚目,而且堅持舉辦的HAOMO AI DAY也是國內非常難得的聚焦AI自動駕駛的技術盛宴,搭建起了一個行業技術交流平臺。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

阿里巴巴集團副總裁、知名AI框架大牛

賈揚清

,則認為毫末正在自動駕駛領域推動新的AI技術工程正規化,特別是資料智慧體系和自動駕駛超算打造,或許會成為全行業內都有影響力的體系。

知名AI晶片公司寒武紀創始人

陳天石

,分享了雲端和車端正在展現的計算需求和趨勢,認為毫末的速度,站在了趨勢一方。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

△毫末智行“天團”:董事長張凱(左二)、CEO顧維灝(右二)、COO侯軍(左一)、CIO甄龍豹(右一)

所以毫末速度的秘訣是什麼?董事長

張凱

這次開門見山給出了結論性答案——

堅定地走漸進式發展路線。在自動駕駛的3。0時代,輔助駕駛是通向自動駕駛的必由之路。

張凱表示,目前中國已成為全球智慧汽車主戰場,預計到2025年,高階輔助駕駛搭載率可達70%,智慧駕駛的時代風口,避無可避。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

之所以確認輔助駕駛是通向自動駕駛的必由之路,是因為資料驅動在其中的核心作用。

張凱強調,漸進式路線是資料積累的最佳路徑越來越被行業所公認,成為自動駕駛公司的普遍發展方向。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

毫末模式、毫末速度,就是對於漸進式路線的堅定實踐的結果,也是自動駕駛行業最快1000天的速度之源。

接下來的問題是如何加速、且可持續?

Attention大模型加速自動駕駛終局?

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

MANA(雪湖)

,毫末自研建立的國內首個自動駕駛資料智慧體系。

其中包含了資料獲取、傳輸、感知、計算、驗證等多個子模組,可以實現資料從輸入到輸出的迭代閉環,這也是毫末可以快速迭代、持續加速的保障。

在HAOMO AI DAY上,毫末披露了MANA的最新資料,截至2022年9月,MANA學習時長超過31萬小時,虛擬駕齡相當於人類司機4萬年。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

毫末智行CEO

顧維灝

,還揭秘了MANA如何持續進化的秘訣。

一是來自產品和落地挑戰的作用力。

二則是不斷吸收最前沿創新技術。

比如在城市場景的落地中,就存在著

4類場景難題、6大技術挑戰

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

其中場景難題主要包括“城市道路養護頻繁”、“大型車輛密集”、“變道空間狹窄”、“城市環境多樣”等。

與之相對應會產生6大技術挑戰:

如何在自動駕駛領域應用大模型?

如何讓資料發揮更大的價值?

如何使用重感知技術解決現實空間理解問題?

如何使用人類世界的互動介面?

如何讓模擬更真?

如何讓自動駕駛系統運動起來更像人?

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

在4大場景6大挑戰之下,毫末智行對MANA的感知智慧和認知智慧都進行了針對性升級調整。

首先,資料標註。

透過使用大規模量產車無標註資料的自監督學習方法,可以實現模型效果的有效提升,相比只用少量標註樣本訓練,訓練效果提升3倍以上,可以更高效完成訓練,更好適應感知需求。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

其次,增量式資料學習方法。

針對新增資料,抽取部分訓練資料構成混合資料集,而不是新舊資料區別對外的方法,更追求新資料的擬合和新模型對齊舊模型的輸出,這樣能讓整體算力節省80%,響應速度提升6倍,也能避免量產車規模化產生資料後,無法兼顧規模和效率。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

第三,重感知輕地圖,告別高精度地圖依賴。

透過用時序的Transformer模型在BEV空間上做了虛擬實時建圖,使得感知車道線的輸出更加準確和穩定,讓城市導航輔助駕駛不必依賴高精度地圖——這實際也是更快更低門檻落地城市導航輔助駕駛的必備能力。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

第四,車輛訊號燈識別。

透過車端感知系統升級,對車輛剎車燈、轉向燈狀態進行專門識別,讓駕駛員在處理前車急剎、緊急切入等場景中更安全和舒適。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

第五,模擬系統進化。

針對城市最複雜場景——路口,在模擬系統中引入高價值的真實交通流場景,與阿里雲、德清政府合作,將路口這一城市最複雜場景引入模擬引擎,構建自動駕駛場景庫,透過自動駕駛的真實模擬驗證,時效性更高、微觀交通流更真實,效破解了城市路口透過“老大難”問題。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

值得注意的事,這是中國首個基於車路協同雲服務的大規模自動駕駛場景庫,也是中國第一個使用交通資料生成的自動駕駛場景庫,對外發布和應用,也標誌著中國自動駕駛來到了新階段。

最後,擬人化認知。

面對城市路況,如何讓駕駛決策更像人類是公認的體驗難題。毫末的方法則是透過對覆蓋全國的海量人類駕駛進行深度理解,學習常識和動作擬人化,讓系統能夠結合實際情況選擇最優路線保證安全,體感上也更像老司機。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

以上,就是毫末在系統量產上車之後,獲得的資料和場景的反饋作用力。

而在另一端,毫末延續本色,

把AI最前沿創新技術

的吸收作為進步的另一重保證。

現如今,大模型和Transformer落地應用自動駕駛已是業內所有玩家的共識,但熟悉行業前情的人或許多少還有印象,最早把Transformer作為新手段用於感知的,正是毫末。

最新前沿判斷方面,顧維灝此次特別強調了

Attention機制下的大模型

帶來的驚喜。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

Attention大模型背後的機制,主要是用統一模型的思路解決問題,告別不同AI任務使用專門模型的正規化。這種機制其實早在2014年便已經提出,但主要在NLP領域被應用,直到2020年起在計算機視覺領域也取得明顯突破,從谷歌的VIT到微軟的SwinTransformer,輕鬆刷爆各大排行榜。

基於Attention機制的Transformer結構,更是在各種通用任務中表現驚人,展現出有效的通用AI模型範式的潛力。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

而且Attention機制結構簡潔,可以無限堆疊基本單元得到巨大引數量模型,隨著引數提升效果也在提升。

顧維灝認為,基於Attention大模型,輔助駕駛獲得的大規模人機共駕資料就有了更高效地轉換,隨著量產車交付和上路,資料量不僅大而且足夠多樣,就能更快抵達自動駕駛終局。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

這也是毫末認為“輔助駕駛是通往自動駕駛的必由之路”的技術底層自信,現階段沒有比輔助駕駛能更高效地積累到足夠規模和多樣性的資料。

但欲享Attention大模型之利,就得解決其落地之不易。

最核心的就是超大引數對於算力的需求:高需求、高成本,高落地難度,讓摩爾定律不再有效。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

顧維灝透露,毫末的方法是透過低碳超算來降低訓練成本,透過改進車端模型和晶片設計來實現車端落地。雲端和終端兩頭並舉,兩頭最佳化。

於是毫末超算中心也正式亮相,成為

首個構建超算的自動駕駛公司

毫末方面還透露,毫末超算中心的目標是滿足

千億引數大模型

,訓練資料規模

100萬clips

,整體訓練成本

降低200倍

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

自動駕駛的3。0時代?

量產、規模化、資料智慧……

這是毫末智行談到最多的詞、強調最多的詞,也是對於自動駕駛發展階段的最新認知的總結。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

在自動駕駛的落地探索征程中,有過路線的劃分,比如Waymo為代表的終極派和特斯拉為代表的漸進派;有過感測器的陣營,如鐳射雷達陣營和純視覺陣營;甚至以商用模式為基準,還有To C、To B和To G的劃分。

但如果從第一性原理出發,有沒有大一統的標準和審視?

毫末智行認為:

,而且只有一個標準:

資料

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

按照資料的規模,也能把自動駕駛探索大道至簡劃歸為三個時代:

1.0時代,硬體驅動為主,

規模歷程在100萬公里左右,主要感知方式是鐳射雷達,認知則依賴人工規則。

2.0時代,軟體驅動開始發揮作用,

規模可以累積到1億公里,感知開始融合,但依然是不同感測器單獨輸出的結果,認知方面依然人工規則佔主導,開始用小規模小資料實現更好的預測和規劃。

3.0時代,資料驅動為核心,

硬體和軟體在這裡實現了大一統,感知也實現了多模態感測器聯合輸出的大一統,認知上可以實現依靠大模型大資料擁有可解釋的場景化駕駛常識,能夠驅動1億公里以上的資料迭代。

實際上,按照毫末提出的三個時代劃分,

不僅很多過去的自動駕駛現象能得到解釋

,比如1。0時代堆砌了鐳射雷達的Robotaxi為何還會有低階事故,又比如2。0時代量產車上的高速環路導航輔助駕駛產品的體驗差異……以及特斯拉AutoPilot和FSD的體驗確實在日拱一卒、不斷得到最佳化。

所以更重要的是,毫末提出的這種資料維度的劃分,

真正能讓自動駕駛流派和演進萬佛朝宗

,業內和業外,都可以有更加客觀的座標和參考。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

以前,衡量自動駕駛的技術發展水平,有過VC認可的維度,有過自報MPI的維度,有過體感體驗的維度,也有過路測牌照的維度……

但無一例外都是偏向主觀的維度。

只有量產基礎下的資料維度,才接近AI躍遷的原理,才是更加客觀的維度。

而且這也是自動駕駛第一階段競速的結果,也是量產落地被作為自動駕駛中場哨的原因。

有意思的是,隨著資料智慧的自動駕駛3。0提出,自動駕駛領域已然無壁可面。無論哪一路線,無論哪個陣營,最核心的競爭力都已經被放在了明面上——

有多大規模的資料?有多高效率的資料獲取、訓練和利用的能力?

這關乎迭代速度,也關於能耗、成本和贏得終局的加速度。

資料智慧的能力,就是衡量自動駕駛公司核心壁壘的指標。

資料智慧的能力,就是自動駕駛新階段的分水嶺。

其實這種分水嶺效應,之前已經在更受關注的路線之爭中展現。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

特斯拉的價值,在產能問題被上海解決後得到了完全認可,股價和市值一飛沖天,馬斯克個人登頂地球首富,AutoPilot和FSD技術能力越來越強……而且隨著量產車上路越多,獲取資料的規模越大場景越豐富,這種能力迭代和進化就還會持續。

作為對應,這波自動駕駛浪潮的開創者Waymo,估值卻被一而再下調,落地和推進速度一而再delay,獲取資料的規模和多元性——沒能展現出更大的增長趨勢。

毫末智行摸著特斯拉進城:輔助駕駛更快贏得自動駕駛終局

不過,上述已經展現的這種分水嶺效應,之前更多被作為特斯拉和Waymo的“私人恩怨”看待,遮蓋了背後反應出的本質問題。

現在,摸著特斯拉過河的毫末智行,在敢於天下後的實踐成果基礎上,把漸進式、輔助駕駛更快贏得自動駕駛終局的道理喊得響亮,並且用自動駕駛3。0的判別式,驗證自動駕駛公理下的新定律。

這代表著自動駕駛的終局之戰已經拉開了帷幕,也意味著整個自動駕駛江湖,又到了重新洗牌、重估位次的時候。

至少,是時候提出這個問題了。

頂部