4月19日，毫末智行举行了HAOMO AI DAY活动，发布会上毫末智行宣布其城市导航辅助功能即将上市，并且对其自动驾驶算法进行了详细解读，另外也发布了全新的末端物流自动配送车。

在发布会上，毫末智行着重介绍了其MANA算法体系，通过虚拟标定技术进行算法模型、测试验证系统、仿真模拟工具以及计算硬件等一系列过程的智能化迭代，也就是我们常规理解的AI算法，MANA的设计核心就是降低成本、提高迭代速度。

对于毫末智行大家对它知之甚少，它的前身是长城汽车智能驾驶前瞻部。在2019年，毫末智行由长城汽车孵化而出，成为了独立的自动驾驶人工智能技术公司。

长城汽车既是毫末智行的大股东，也是毫末智行的大客户。

毫末智行预计2022年将承担34款长城车型，约占整体待上市车型80%。未来两年，搭载毫末智行辅助驾驶产品的长城乘用车数量将突破100万台。

融资方面，2021年2月26日，毫末智行已完成Pre-A轮融资数亿元人民币，投资方为中国银行领投，美团、高瓴创投等资本跟投。

2021年12月22日，毫末智行宣布获得A轮融资近10亿元，美团、高瓴创投、高通创投、首程控股、九智资本等领投，资金将主要用于自动驾驶研发投入和人才体系建设。

目前，毫末智行已拥有魏牌摩卡、魏牌拿铁DHT、魏牌玛奇朵DHT、坦克500、坦克300、哈弗神兽、阿里、物美多点、美团、高通、百度、高德等上百家合作伙伴及首钢基金、美团战投、高瓴创投等投资人伙伴。

相比过去两年车企们争相实现的高速导航辅助功能，城市导航辅助功能的难度是要更加的大。

在城市场景智能驾驶方面，毫末智行宣布已完成了城市NOH全部的功能开发。毫末的城市NOH能够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，同时也可以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。

目前这个系统已经在北京、保定等城市进行深度场景打磨。搭载毫末城市NOH系统的车辆也将会在近期正式量产落地。未来，毫末城市NOH功能落地的城市将会超过100个，全面覆盖国内所有的一二线城市。

目前毫末辅助驾驶系统已陆续搭载至魏牌摩卡、魏牌拿铁DHT、魏牌玛奇朵DHT、坦克500、坦克300、哈弗神兽等多款热门车型，预计到2022年底，毫末智行辅助驾驶系统将落地长城汽车34款车型，约占其整体待上市车型80%，未来两年，搭载的乘用车总量超过100万台。

据统计，毫末智行乘用车辅助驾驶用户行驶里程，已累计突破600万公里，这一数据来自长城汽车旗下魏牌摩卡车型用户。

2022年春节期间，毫末智行NOH领航辅助系统的开启成功率有了新提升，其变道超车成功率达97.2%，出入高速匝道成功率达95.3%，隧道通过成功率达96.1%。

小魔盒是毫末智行设计研发的自动驾驶产品，相当于给车企提供一整套的辅助驾驶硬件、软件的解决方案。

目前“小魔盒”已装车5000台，截止2022年底将覆盖长城汽车数十个乘用车型。预计2022年，小魔盒第三代产品正式投入量产，可满足当前L3以及后续L4/L5等全场景自动驾驶功能的实现。

1.小魔盒1.0产品

小魔盒 1.0是毫末智行设计研发的第一代乘用车自动驾驶产品，该产品通过搭载1个前视摄像头、5个毫米波雷达、4颗超声波雷达、1个智能驾驶控制器、高精地图、驾驶员监控系统（DMS）等系统实现L2+级辅助驾驶功能。

2.小魔盒1.5产品

小魔盒1.5是第二代乘用车自动驾驶产品，该产品通过搭载3个激光雷达、8个毫米波雷达、3个视觉传感器、高精度地图、导航及定位系统等传感器设备，实现L3级辅助驾驶功能。

该产品能够在高速公路、城市快速路上实现L3级辅助驾驶功能，支持用户全程脱手。

3.小魔盒3.0产品

1) “小魔盒3.0”，又名第三代自动驾驶计算平台 IDC 3.0，目前 IDC 3.0 平台已完成控制器设计、打板、软件 Bringup，底层 BSP 驱动等诸多开发工作。

2)  “小魔盒3.0”将成为全球量产的能效比最高的自动驾驶计算平台，其单板算力达到 360T，通过板间级联方式可持续升级至 1440T；支持 6 路千兆以太网，数据传输能力达到 6Gbps；接入 12 路 8 百万像素摄像头，5 路毫米波雷达，3 路激光雷达，为多视觉+多毫米波+多激光雷达的前融合感知算法。完全可满足当前L3以及后续L4/L5等全场景自动驾驶功能的实现。

3) IDC 3.0域控制器的主芯片为高通（8540+9000），它的算力可达 360TOPS，平均功耗只有 5.5TOPS/W。安全冗余芯片则为英飞凌（TC397），可以做 L1/L2 级别的降级控制。

作为长城汽车孵化的自动驾驶公司，毫末智行设计了“6P开放合作模式”。合作方可以选择全栈技术解决方案，可以选择在数据智能云端服务层面的合作，也可以选择软件或硬件层面，或者功能模块层面的合作；甚至可以进行源代码级别的定制。

按照毫末的规划，“6P开放合作模式”就是在全栈解决方案到源代码之间这6个产品层面都可以开放式探索合作的可能。

在数据智能方面，毫末智行发布了自动驾驶数据智能体系MANA。MANA是毫末以海量数据为基础的一整套数据处理工具，包含了算法模型、测试验证系统、仿真模拟工具以及计算硬件。

目前，毫末的数据智能体系MANA已完成超过19万小时的学习时长，其虚拟驾龄已相当于人类司机2万年的驾龄。

举个比较常见的例子，一般我们试图左转过路口时需要等待前方掉头车，还需观察对向直行车辆的动态以及和其他右转车交互。

处理这样的场景，过去需要写非常多的规则式场景判定和参数设定，代码不仅很臃肿且难以调试。特别是当规则越来越多的时候，就会引发逻辑爆炸，越来越难以维护和调和。即使写好的规则，当突然加入一个新的交通参与者或者扰动因素时，也会带来失效。

目前，通过对这个场景更多数据的研究，毫末用一个机器学习模型来替换这些手写规则和参数，发现它会具有更广泛的适用性。

而且，模型不仅仅能处理刚才的左转场景，还能处理更多复杂的小场景，比如环岛、汇入、压速变道等等。

以此毫末可以少写很多规则，同时可以具备更广泛的适用性。

1.感知方向的进化

例如红绿灯的识别，目前各个地方红绿灯款式多样，横着的、竖着的、三个的、五个的、有待转的、有倒计时的，形色各异，但最难的是这个灯具体管哪条路、哪条车道。

在过去，如果有高精度地图的辅助，在小范围能大大降低问题的难度。首先是基于红绿灯在高精地图的位置，在感知上做预瞄，然后再进行识别。

如果没有高精度地图的辅助该怎么办？

要解决红绿灯识别的问题，首先需要大量的数据用来训练学习，通过图像合成技术扩大学习的样本量。

毫末设计了一个针对红绿灯检测及绑路的双流感知模型，将红绿灯检测和绑路问题分解成两个通道。类似人脑的视觉感知通道，ventral stream主要携带物体检测及识别信息，负责“what“（是什么）通路。而dorsal stream主要携带视野中位置及空间关系的信息，负责”where”(在哪里)通路。

在毫末的双流模型中，what通路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分类，分别输出红绿灯的颜色、形状和朝向信息。而where通路主要负责红绿灯绑路，即输出目标车道的红绿灯灯组。

这里毫末会通过训练生成feature map的卷积神经网络，获得真实图像中经常出现红绿灯位置的概率图，从而毫末的双流模型将输出绑路后目标车道红绿灯通行状态。

2.Transformer架构

Transformer是将二维相机画面转化为三维感知数据，它的技术优势明显：

第一，可以更好利用大模型和大数据的优势。

第二，提供统一的融合框架，非常适合自动驾驶中多种传感器数据的融合，增加感知模型的能力。同时也可以提供抽象空间下时序融合的能力，通过前后帧的自动匹配，让目标可以更加稳定。

第三，使用Transformer可以直接输出感兴趣的3D结果，而不是先得到2D结果，再做3D还原。

在车道线是别的具体效果来看，新的多相机融合的车道线展示了多个方面的优势：

1. 3D投射上对自车姿态的容忍度更高，减少了车道线的抖动。

2. 面对城市环境复杂路面，纵向误差上能够表现更好。

3. 对于路面起伏的鲁棒性更高。

4. 多相机之间相互的辅助，扩充了检测视野，相比之前的融合跟踪方法，响应更快。

3.阿里M6大模型

认知方向，要解决的另一个问题是驾驶策略的一致性和可解释性。

在2021年发布的应用在预训练上的阿里巴巴M6大模型中，它的参数规模达到10万亿，可以将数据加工、沉淀为知识表征，为各个行业提供场景理解的服务。

之前，M6主要应用在自然语言理解、文本自动生成和文本分类，以及图像生成和分类领域。今年，毫末与阿里合作，在自动驾驶领域应用了阿里M6大模型。

举个例子，下图是三个典型场景，直行、左转、调头。

毫末在基于Tranformer模型学习复杂路口场景，通过Attention注意力机制，使用热力图方式量化出与周围交通参与者的安全风险，“近距离用红色表示，输出Attention High”，而“中距离用黄色表示，输出Attention Middle”。

直行场景：“卡车、右侧轿车、面包车、厢货车、路口行人等”

左转场景：“面包车、厢货车、厢货车、对面过来的三轮摩托等”

掉头场景：“行人、对面的大卡车、小面包、轿车等等”。

通过M6大模型完成驾驶策略的一致性和可解释性。

对于感知另一个非常重要的方向是对数据的标注，通过标注过程的自动化，提高标注效率，降低为此花费的成本，目前毫末的自动化刚刚达到80%。

4.云计算

自动驾驶是融合大量算法和迭代的事物，对于云计算的效率尤为关键。毫末智行平台团队和阿里云PAI-EFLOPS团队合作，基于128卡A100集群，实现了Swin Transformer模型分布式训练。

毫末使用了阿里自研通信库ACCL，高性能RDMA网络和PAI团队的多个优化能力。还一起联合创新包括：混合精度优化、算子优化、编译优化等等，实现了模型训练成本超过62%的降低，加速比超过96%，吞吐量超过每秒40000个sample。

在末端物流自动配送方面，毫末智行发布了第二代末端物流自动配送车——小魔驼2.0。

它的推出应用场景就是为商超、物流行业的客户提供可商用的末端配送解决方案，特别是最近几个月，国内一些地区疫情复发，通过无接触配送，最大程度减少人员暴露在外的风险，有效缓解当下社区抗疫过程中“最后一公里”的配送难题。

小魔驼2.0在配置方面进行了全面升级，搭载了车规级感知套件，ICU3.0大算力计算平台，可定制600L超大载货空间的货箱；支持快速换电功能，单次换电可实现100km的真实续航里程；

在用户体验方面，小魔驼2.0支持触控屏，全彩头部LED，智能语音、触摸等多模式交互，提升货、客两端交互体验；

在智能驾驶方面，小魔驼2.0覆盖城市开放道路中低速全路况，针对混行、拥堵等复杂交通场景进行性能调优，使订单妥投速度更快。

毫末小魔驼2.0首次将末端物流自动配送车的价格下探到了12.88万元，是业内首款面向商用市场的10万元级末端物流自动配送车，预计在2022年5月陆续投放市场。