自动驾驶3.0时代:特斯拉之后,下一个为什么会是毫末智行?

2022,在多重因素的推动下,智能驾驶系统真正迎来「上车」大爆发。

工信部数据显示,今年上半年 L2 级辅助驾驶乘用车新车市场渗透率达到 30%,同比增加 12.7 个百分点。

具体到车企,这一比例更为突出:

以长城汽 8 月份的数据为例,共销售新车 88226 辆,其中智能化车型占比提升至 85.59%,创历史新高。

以往,智能驾驶被视作特斯拉、蔚小理等新势力车企的代名词,而如今,正逐渐成为汽车标配。

这一转变背后的原因不难理解。

当汽车智能化成为共识,越来越多的传统车企通过自研或与自动驾驶公司例如百度、毫末智行、华为等展开合作,开发具备 L2/L2+功能的产品,以适应新时期下的竞争。

法规层面的突破也为智能汽车发展带来助力。

今年 7 月,深圳首次立法,开放智能网联汽车准入和登记,为后者规模化量产落地扫清障碍。

自动驾驶公司毫末智行预计,到 2025 年,高级别辅助驾驶搭载率将超 70%,行业由此正在进入一个以数据驱动为核心的新时代。

此时,智能驾驶功能「上车」不再是稀罕事。

如何低成本、高效率地获取车辆大规模上路行驶过程中的高质量、高价值数据,用以迭代技术,开始成为各玩家之间实力比拼的焦点。

毫末智行 CEO 顾维灏认为,数据规模要足够大,自动驾驶里程要至少达到 1 亿公里。此外,数据的多样性也要足够充分。

特斯拉无疑是跑在最前面的,其首提的「数据闭环」陀螺正转得越来越快。

据特斯拉 2022 年 Q2 财报,FSD Beta 版测试用户已经累计行驶约 4,200 万英里,而这还只是建立在 10 万名测试用户的基础上。

按照马斯克规划,如若今年年底测试人数扩大到 100 万,FSD Beta 的累计行驶里程将很快突破 1 亿英里。

在国内,量产辅助驾驶规模化增长速度以及自动驾驶技术演进速度,能与特斯拉相媲美的,目前恐怕只有毫末智行一家。

9 月 13 日,毫末智行第六届 HAOMO AI DAY 上,毫末知行董事长张凯透露,毫末用户辅助驾驶行驶里程已突破 1700 万公里,位列中国自动驾驶公司第一名

值得一提的是,此时距离毫末成立,刚好过去 1000 天。

01、风雨 1000 天,毫末闯过技术、量产、商业三大难关

作为一家创企,毫末智行凭何以在强手如林的自动驾驶江湖中率先杀出,拿下「国内运营里程第一」的成绩?

张凯给出的答案是毫末独有的「智能驾驶产品能力迭代铁三角」方法论。

「我们认为智能驾驶依靠的是场景化用户体验设计、AI 人工智能技术、技术工程化能力三者的高度有效协同。」他表示。

场景化用户体验设计方面,毫末基于多款车型的量产经验,总结出一整套用户交互体验和产品开发的一体化设计方法:通过不断更新迭代用户埋点数据,能够做到充分理解用户使用习惯。

这也让毫末成为国内首个基于用户真实数据来驱动产品迭代的公司。

人工智能技术方面,毫末基于国际最先进的 AI 技术理念,于 2021 年 12 月推出国内首个智能驾驶数据智能体系 MANA,后者成为毫末所有产品迭代的核心动力。

技术工程化方面,毫末用 2 年时间开发了三代智能驾驶系统,并实现 10 余款不同平台车辆量产落地,全新车型复用开发,4 个月时间达到量产落地状态。

总结来说,场景化用户体验设计是入口,人工智能技术是灵魂,技术工程化能力是保障。

三大能力正向循环,互为支撑,让毫末的智能驾驶产品能力得以快速迭代。

依靠「铁三角」,毫末在过去 1000 天,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以及大规模数据处理及大模型应用难关。

以量产难关为例,自 2021 年 5 月 HPilot1.0 版量产,高速辅助驾驶系统 HWA 首搭魏牌摩卡开始,2022 年 4 月,HPilot2.0 版量产,搭载毫末辅助驾驶系统第六款车型坦克 500,毫末用两年半时间稳定交付三代乘用车辅助驾驶产品,涵盖十余款车型。

如今,HPilot 迎来 3.0 版本,并将在 2022 年内正式落地,成为中国第一家真正量产城市 NOH 的高级别辅助驾驶产品

末端物流自动配送方面,毫末占据该市场绝对领先份额,小魔驼 2.0 量产下线交付客户。

此外,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,然后经过海量的训练学习,虚拟驾龄相当于人类司机 4 万年,基本完成数据闭环。

「毫末有哪些不一样?」

张凯认为,「铁三角」正是毫末成立至今与其他自动驾驶公司「不一样」的优势所在。

那么对于智能驾驶路线的判断则是该公司的「世界观」。

只有在正确的世界观下,才能成功运用好方法论。

一直以来,自动驾驶行业都有「渐进式」和「跃进式」的路线之争。

张凯表示,毫末的世界观在于从一开始就认定了要走渐进式发展路线

而这一次的 AIDAY 上,张凯则更是旗帜鲜明地提出:「辅助驾驶是通向自动驾驶的必由之路」。

想必这一论断可能又会掀起一番行业的激烈讨论。

在张凯看来,渐进式路线的量产时间更早,能够快速形成规模化,从用户真实使用场景中积累足够多的数据。

此外,相较于跃进式路线定向采集数据方式,渐进式的成本更低,质量更高。

「结合我们总结的自动驾驶产品能力曲线来看,数据规模数据获取成本、数据质量直接和自动驾驶产品能力提升速度正相关。」

事实上,张凯的论断正切中行业当下的发展趋势。

2022 年,越来越多的企业选择从 L2 做起,甚至包括曾经坚定不移要「一步到位」的 L4 公司,看到技术落地遥遥无期,也陆续转向与车企合作,寻求前装量产。

可以很明显地看到,智能驾驶已经悄然进入下半场。与此同时,一些新的挑战随之出现。

对于毫末来说,大规模自动驾驶数据上云、大算力 AI 芯片性能突围以及城市场景辅助驾驶产品量产突围,构成最新的三大挑战。

为此,张凯提出「打赢智能驾驶下半场五大制胜法则」:

  • 智能驾驶产品开发始终将安全放在首位;

  • 产品体验「真香」才是王道;

  • 基于用户真实场景数据驱动,实现产品快速迭代;

  • 实现感知智能与认知智能高度一体化;

  • 以开放的心态赋能客户,促进行业共同进步。

张凯尤其提到安全第一原则,随着智能驾驶应对的场景越来越复杂,这时越发凸显安全的重要性,事实上,这也是所有智能驾驶产品开发的基本出发点。

而在产品体验方面,毫末认为只有用 To C 思维做 To B 的事情,才能真正开发出能让 C 端市场接受的产品。

数据驱动是毫末的核心法则,张凯表示,通过挖掘用户真实使用场景数据实现产品快速迭代,以此提升用户的交互感知。

此外,打通感知智能与认知智能,以开发心态赋能客户促进行业共同发展也是毫末接下来的着力点。

张凯最后总结道:「我们正在克服疫情、供应链、技术本身带来的重重挑战,将在接下来的四个月时间里全力冲刺年初定下的量产交付目标。」

02、自动驾驶 3.0 时代,数据智能成胜负手

在本届 HAOMO AI DAY 上,被提及最多的一个词是「数据」。

正如前文所说,毫末认为行业正在进入一个以数据驱动为核心的新时代。

而这个新时代被毫末智行 CEO 顾维灏称为自动驾驶 3.0 时代

在自动驾驶 1.0 时代,硬件数量决定能力高低。

不少企业通过堆料激光雷达等硬件,来实现自动驾驶,然而这种方式带来的效果不仅一般,而且增添了整车成本,导致难以批量化生产落地,其自动驾驶测试里程的范围也仅仅在 100 万公里左右。

随着 AI 技术登场,大算力中央计算芯片亮相,自动驾驶也开始进入 2.0 时代。

这也正是当前大多数企业所处的阶段。除了行驶效果明显提升,整车成本也开始下降,自动驾驶里程快速增加至上千万公里。然而,仍难以匹配技术发展速度的需求。

自动驾驶 3.0 时代趋于技术成熟形态,数据开启自训练,能够将自动驾驶里程飙升至 1 亿公里以上,目前也仅有特斯拉等少数车企能够接近这一成绩。

而在国内,毫末则可以说是离自动驾驶 3.0 时代最近的那一个。

这其中的难点不仅在于如何像特斯拉一样能够量产并卖出上百万台汽车,在道路上收集数据,还在于如何处理和挖掘 3.0 时代带来的海量数据。

针对这一难题,毫末在去年 12 月的 AI DAY 上,发布中国首个数据智能体系 MANA。

从架构上来说,MANA 由四大板块组成,分别是 TARS、LUCAS、VENUS 和 BASE。

其中,BASE 是整个系统架构的底层,包括数据底座、数据融合、PoseidonOS 等。

其他三大板块置于上层:

  • TARS 代表毫末智行的开发的原型算法,包括感知、规划决策、地图定位、仿真引擎;

  • LUCAS 代表车辆在现实中的感知、计算、验证等过程,即自动驾驶的大规模泛化;

  • VENUS 则是数据看板,以参考标准评价算法的好坏。

前面提到的数据挖掘就是由 LUCAS 自动化地完成,这和特斯拉不谋而合,后者之所以能够实现高效的数据处理,本质就是搭建起了类似 MANA 的一套数据智能模型。

随着毫末智能驾驶步入城市场景,「城市道路养护频繁」、「大型车辆密集」、「变道空间狭窄」、「城市环境多样」等难题接踵而至。

顾维灏总结,这在技术层面上带来六大挑战:

  • 如何在自动驾驶领域应用大模型;

  • 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。

为此,在本届 HAOMO AI DAY 上,MANA 在感知智能、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,大大提升了模型训练效果;

其次,MANA 感知能力提升,并构建了增量式学习训练平台,节省大量算力;

此外,通过使用时序的 transformer 模型在 BEV 空间上做虚拟实时建图,使得感知车道线的输出更加准确和稳定;

接着,MANA 在仿真系统中引入了高价值的真实交通流场景,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。

值得注意的是,除了感知方面,MANA 认知智能也迎来新阶段。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。

与此同时,毫末 MANA 新增的几项强大能力,以及 Transformer 深度学习大模型,也给算力带来巨大消耗。

顾维灏提到,Attention 大模型是 AI 发展的新趋势。

这源于其结构简洁,可以无限堆叠基本单元,得到巨大参数量模型,目前已经达到千亿、万亿量级。

随着参数量的增加和训练方法的提升,大模型的效果也稳步提升,在很多 NLP 任务上已经超越了人类的平均水平。

不过与此同时,毫末也发现,随着 Attention 大模型引入自动驾驶领域,对算力的需求远远超出了摩尔定律,这导致大模型训练成本非常高,在终端设备上落地尤其困难。

「一般 Transformer 所需算力是 CNN 所需算力的 100 倍,但在这种算力下平均 6.9% 的算力贡献了 94% 的价值,还有大量的弱关联、低价值的运算在乘加操作和功耗上,产生了很多浪费。」

为此,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。

作为同样仰赖数据智能的超级玩家,特斯拉遇到算力问题给出的解决方案是超级计算机 Dojo,其于 2021 年正式亮相,把自动驾驶拉到一个新高度。

几乎是同一时间,毫末在去年 12 月也宣布筹建自己的超算中心。

而今天,该超算中心正式揭开面纱。

顾维灏表示,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。

「除此之外,我们基于毫末场景库对训练数据进行有效组织提升了数据分布的合理性和多样性,并基于源源不断的量产实车人驾数据构建增量学习引擎,结合稀疏激活、算子深度优化等技术,持续优化训练成本。」顾维灏介绍道。

从大模型到数据智能体系,再到超算中心,如果说特斯拉在国外引领着行业的发展,那么毫末则是在国内扛起了自动驾驶的大旗,大洋两岸的头部玩家不约而同地在关键技术点选择了同一路线,不免让人期待接下来二者各自又会放出什么大招。

03、拿下中国首款大规模量产城市,NOH毫末快步奔向下一程

今年自动驾驶领域,最热闹的莫过于在城市道路场景下的竞争。

继小鹏打响城市 NGP 第一枪后,毫末不久也公布上线 NOH,成为国内第二家扎入城市场景的企业。

随后,理想、蔚来、极狐、集度、阿维塔、上汽智己等纷纷跟进,在其最新车型上搭载城市辅助驾驶功能。

从技术上来看,在以上所有玩家中,主要分为两派:一个是「感知融合 + 高精地图」派,另一个是「重感知、轻地图」派。而毫末属于后者,推出第一个重感知的城市辅助驾驶方案。

在毫末看来,尽管高精地图能够提供丰富的先验信息,但由于鲜度无法保障、监管审查问题,跟不上智能驾驶在国内城市大规模、大范围快速落地,积累数据反哺技术的需求。

这体现出毫末做技术战略决策的第一性原理,即能将数据规模优势快速转化为能力优势的技术路线才是好路线。

对于缺乏高精地图的感知部分,毫末利用基于 Transformer 的神经网络模型,来进行空间、时间、传感器三个维度的前融合,提升算法的准确率。

需要特别补充的是,Transformer 神经网络几乎在同一时间,由特斯拉和毫末智行引入到自动驾驶领域进行应用,从这里也可看出两地行业领头羊之间的默契。

在之前的 HAOMO AI DAY 上,毫末展示了采用独创的「双流」感知模型,实现轻地图下的红绿灯识别,以及通过自研的 BEV Transfomer,在城市道路上实现了多传感器融合车道线识别。

这一次,毫末又带来 NOH 六大亮点功能:

1、智能识别交通灯,涵盖中国各种形状信号灯

毫末城市 NOH 经过多场景仿真验证,可根据交通灯指示,实现「红灯停、绿灯行、黄灯减速通过」。

为了让用户熟悉,在绿灯状态下,需要用户轻点油门通过。

2、智能左右转

根据人类左右的经验路线,来设定车辆左右转的线路。系统设计在转向过程中会避让主动行人和非机动车。

3、智能变道

会根据导航和更高的通过效率自动进行变道,也会判断后方交通参与者的运 动情况和变道空间,安全完成自动变道。

4、智能躲避静态障碍物

可以准确的判断锥桶和路墩等障碍物,进行减速或者绕行。

如果绕行空间满足要求,就绕行;如果不满足,就减速等待时机。

5、智能躲避动态障碍物

会提供类似高速版本智慧躲闪的能力,对于行驶中的车辆等动态障碍物,毫末城市 NOH 首先会选择适当减速,然后根据绕行空间的可行性,选择减速跟行或者是绕行,以此来保障通过的安全性和效率。

6、智慧交通流处理

更像人类的驾驶方式,可根据转向灯和刹车灯,提前预知前车意图,做出更类似人类驾驶的操作,提高用户乘坐的舒适型。

毫末城市 NOH 将率先搭载在哪款车型上?

事实上,在 8 月的成都车展,答案提前揭晓:首发在全新摩卡 DHT-PHEV 激光雷达版车型。

按照长城汽车的规划,该车计划 9 月量产,年内发售,并且会实现上市即交付。而这也将标志着中国首款大规模量产的毫末城市 NOH 辅助驾驶系统正式「上车」。

虽未拿到「首宣」的毫末,以其更为领先一步的重感知技术路线,却首先让「量产城市 NOH」在中国率先落地。

这可能就是「毫末模式」的最好注释。

另一边,毫末末端物流自动配送车也突破了末端物流自动配送车的成本难关。

毫末智行的末端物流自动配送车「小魔驼 2.0」单车售价 12.88 万,是中国首款达到了十万元级,并已开始下线交付的量产无人配送小车,可覆盖园区及城市开放道路。

据张凯介绍,「毫末小魔驼 2.0」具备 L4 级自动驾驶、远程驾驶、低成本部署、车辆管理平台、远程监控平台、订单管理平台、微信小程序七大核心功能,能高效执行订单配送,在业界处于领先水平,预计年产量达一万台。

走过 1000 天,毫末来到一个新的历史起点,张凯将其比喻为「从步履蹒跚到踌躇满志」。

毫末过去的 1000 天,正是自动驾驶产业发展速度的缩影。在过去十年间,自动驾驶技术也呈现加速进化的特征。

现在,自动驾驶的 3.0 时代正呼啸而来,自动驾驶的新旧参与者们都在试图从这场变革性技术中抓住确定性。

显然,在当下,经历了智能驾驶规模化量产交付的大考,完成数据驱动的AI自动驾驶技术的不断进化,在特斯拉之后,能够率先赢得 3.0 时代门票,毫末智行是可预见的玩家。