1037
作者 | 萬博
顧維灝：特斯拉是唯一一個進入自動駕駛3.0時代的玩家，毫末智行要做下一個。
剛剛過去的毫末智行第六屆AI DAY，從董事長張凱到CEO顧維灝，發(fā)言的關(guān)鍵詞有2個：“量產(chǎn)”和“數(shù)據(jù)”。
在量產(chǎn)層面，毫末智行打造的城市NOH即將量產(chǎn)上市，今年年底將在10個城市落地，明年使用范圍計劃擴大到100城。
末端物流賽道，自動駕駛配送車小魔駝2.0訂單量已經(jīng)超過9萬單。小魔駝2.0在今年4月份發(fā)布之后，現(xiàn)在已經(jīng)量產(chǎn)交付，這也是業(yè)內(nèi)首款面向商用市場的10萬元級物流配送車。
而談到數(shù)據(jù)，就涉及到毫末智行自動駕駛量產(chǎn)路線的底層邏輯——大數(shù)據(jù)、大模型，和自動駕駛漸進式落地路線。
01、毫末智行最新進展
自動駕駛量產(chǎn)落地，毫末智行走在了行業(yè)前列。
張凱披露，截止到目前，用戶使用毫末智行開發(fā)的輔助駕駛系統(tǒng)所產(chǎn)生的輔助駕駛里程積累，已經(jīng)超過1700萬公里。
海量里程數(shù)據(jù)之下，毫末智行數(shù)據(jù)智能體系MANA的學習時長已經(jīng)超過31萬小時，虛擬駕齡達到4萬年。
有了MANA的加持，毫末的智能駕駛產(chǎn)品開發(fā)和迭代速度大幅提升。兩年時間內(nèi)，毫末HPilot智能駕駛系統(tǒng)已經(jīng)經(jīng)過了6次OTA升級，迭代到3.0版本。截止到目前，毫末智行可以做到30個智能駕駛項目異步并行開發(fā)。
一套系統(tǒng)在新車型上的復用開發(fā)，可以在4個月內(nèi)達到量產(chǎn)狀態(tài)。
也因此，毫末HPilot目前已經(jīng)在超過10款車型上量產(chǎn)搭載，這其中魏牌、坦克、哈弗等品牌已經(jīng)實現(xiàn)上車，歐拉、長城炮等品牌車型，也正在陸續(xù)交付。
而這，也不過是個開始，毫末官方的目標是，到今年年底，HPilot的要在30多款車型上量產(chǎn)上車，未來搭載HPilot的車要達到百萬輛級別。
從數(shù)據(jù)積累到產(chǎn)品開發(fā)迭代，再到HPilot上車，最受關(guān)注的是，毫末智行即將大規(guī)模量產(chǎn)落地城市NOH。
張凱表示，即將量產(chǎn)上市的全新摩卡DHT-PHEV激光雷達版將搭載毫末HPilot 3.0智能駕駛系統(tǒng)，而該系統(tǒng)的最大亮點，就是高級別輔助駕駛第一次在國內(nèi)走下高速，開進城市開放道路。
據(jù)了解，毫末城市NOH，前后開發(fā)周期歷時10個月，而在此之前，已經(jīng)在保定和北京兩地進行了上路測試，多個城市開放道路中的典型場景測試視頻，一同在AI DAY上進行了展現(xiàn)。
比如紅綠燈的智能識別和自動啟停：
路口無保護轉(zhuǎn)彎：
還有十字路口常見的待轉(zhuǎn)區(qū)通行：
這些，只是毫末展示出來的一部分，從視頻的實際效果來看，確實已經(jīng)達到了產(chǎn)品階段的能力。據(jù)了解，毫末的計劃是，截止到今年年底，城市NOH落地10城，而到了明年，這個數(shù)字要增加9倍，也就是100個城市。
100個城市，一年多的時間，是目標，也是壓力，但毫末智行認為，城市NOH在技術(shù)層面已經(jīng)具備了實現(xiàn)的條件。
02、城市場景自動駕駛的六大挑戰(zhàn)
在顧維灝看來，城市場景是自動駕駛的核心突破點，而城市開放道路的復雜性也遠遠超過此前的預期。比如城市道路養(yǎng)護頻繁、大型車輛密集、變道空間突然變窄、城市環(huán)境多樣等等。
而要解決這些難點，需要面對的挑戰(zhàn)有6個：
如何在自動駕駛領(lǐng)域應用大模型？
如何讓新數(shù)據(jù)發(fā)揮更大的價值？
如何使用重感知技術(shù)解決現(xiàn)實空間理解問題？
如何使用人類世界的交互接口？
如何讓仿真更真？
如何讓自動駕駛系統(tǒng)運動起來更像人？
而解決這些挑戰(zhàn)，主要靠的是MANA在感知、數(shù)據(jù)使用效率等方面的能力進化。
顧維灝認為，在自動駕駛領(lǐng)域應用大模型，首先要解決的問題是，如何能更高效地將數(shù)據(jù)規(guī)模轉(zhuǎn)化為模型效果。
這里涉及的一個關(guān)鍵節(jié)點是，數(shù)據(jù)標注。
大模型意味同時也意味著大量的參數(shù)和數(shù)據(jù)，在這種情況下，數(shù)以10億計的數(shù)據(jù)標注需要大量的時間和成本。在此之下，就需要一種能夠直接使用大量無標注數(shù)據(jù)的方法來解決問題。
毫末選擇的方法是，自監(jiān)督學習，也就是用大量的無標注數(shù)據(jù)訓練感知任務(wù)backbone（主干網(wǎng)絡(luò)），模型其他部分用標注數(shù)據(jù)進行訓練。通過這種方式，可以將訓練效果提升3倍以上，同時精度有顯著提升。
關(guān)于第二個挑戰(zhàn)，顧維灝提到一個現(xiàn)象：在數(shù)據(jù)量越來越大，達到一定量級的時候，頭部場景的數(shù)據(jù)樣本豐富，但（場景）占比少，大部分長尾場景和類別的數(shù)據(jù)樣本匱乏。
比如在車輛識別中，乘用車樣本多，但一些異形車的數(shù)據(jù)就比較少，類似的情況還有帶有特殊圖文的交通燈、不同樣式的汽車尾燈等。
這種現(xiàn)象造成的結(jié)果是，訓練出來的模型針對一些長尾場景的處理效果不好，同時在加入新數(shù)據(jù)的時候，還會導致已有的訓練效果迅速衰退。
為了解決這一難題，毫末為MANA構(gòu)造了一個增量式學習訓練平臺，平時在對模型進行訓練時，放棄優(yōu)化所有參數(shù)，而是有選擇的對一些特定參數(shù)進行定點優(yōu)化，同時動態(tài)觀察模型的擬合能力，適時擴充模型的擬合能力。這樣就可以節(jié)省80%以上的算力，收斂時間提升6倍。
第三個挑戰(zhàn)，如果將高精地圖數(shù)據(jù)接進系統(tǒng)就不是挑戰(zhàn)，這也目前大多數(shù)自動駕駛玩家的玩法，但毫末偏偏走的是“重感知+輕地圖”的路線。因為在顧維灝看來，高精地圖的迭代速度和成本問題，都無法滿足自動駕駛的需求。
但沒了高精地圖，傳感器之外的空間如何感知，自動駕駛?cè)绾螛?gòu)建自己所處的3D空間？
毫末采取的方式，與特斯拉的方法有相似之處，那就是讓系統(tǒng)自己“腦補”。
具體來說，就是使用時序的Transformer模型在BEV空間做虛擬實時建圖，通過這種方式使感知車道線的輸出更加準確和穩(wěn)定。
挑戰(zhàn)四，使用人類世界的交互接口。顧維灝表示，過去毫末主要是通過傳感器和算法對交通參與者的行為進行預測，以此來對車輛周圍的交通環(huán)境做出提前反應，但在復雜性更高的城市開放道路，單純靠“猜”的方式已經(jīng)不夠用了。
解決這個問題的方法是，識別更多的人類交通語言，比如剎車燈、轉(zhuǎn)向燈，這樣算法就能更清楚的判斷周圍車輛的下一步行動，進而做出決策。
第五個挑戰(zhàn)，就是讓仿真訓練的數(shù)據(jù)更接近真實場景，而在城市開放道路場景下，復雜性往往更高，尤其是應對路口場景，時效性和微量交通流變化的構(gòu)建存在問題。
為此，毫末與阿里以及浙江德清縣進行合作，利用路端設(shè)備將路口的全天候真實交通流記錄下來，建立自動駕駛場景庫。這種采集方式，相比車輛采集數(shù)據(jù)更加豐富和真實。
至于最后一個挑戰(zhàn)，實際上要解決的是自動駕駛的舒適性問題，例如自動啟停的機械感和頓挫感。
在這個問題上，顧維灝介紹，毫末主要是通過借鑒多模態(tài)大模型的方法來解決自動駕駛的認知問題。通過對覆蓋全國的大量人類駕駛行為進行深度理解，構(gòu)建 taskpromt，訓練一個基于時空Attention的駕駛決策預訓練大模型，使得自動駕駛決策更像人類實際駕駛行為。
以上，就是毫末智行以自己的角度和方法論，對自動駕駛的核心難題給出的解決方式，而透過這一套方法論，也能看到毫末智行大規(guī)模量產(chǎn)背后的關(guān)鍵詞：
大數(shù)據(jù)、大模型，和自動駕駛漸進式落地路線。
03、大數(shù)據(jù)、大模型的自動駕駛3.0時代
顧維灝將自動駕駛演進分成了三個階段，三個階段的不同之處在于，驅(qū)動因素不同。
硬件驅(qū)動的1.0時代，最典型的特征是，感知能力主要靠激光雷達，認知方式依賴人工規(guī)則，整車成本高企，自動駕駛里程數(shù)據(jù)在100萬公里左右；
軟件驅(qū)動的2.0時代，AI在車上廣泛應用，但還是小模型和小數(shù)據(jù)訓練的方式，傳感器的識別結(jié)果開始融合，但還是基于結(jié)果的后融合方式，認知方式依然以人工規(guī)則為主，自動駕駛里程數(shù)據(jù)在100萬到1億公里之間；
數(shù)據(jù)驅(qū)動的3.0時代，在顧維灝看來決然不同以往，數(shù)據(jù)可以自己訓練自己，自動駕駛玩家的側(cè)重點，轉(zhuǎn)移到高效獲取數(shù)據(jù)，并把數(shù)據(jù)轉(zhuǎn)化為知識上。
當然，自動駕駛3.0時代，被毫末智行看作更高層級的境界，在這個境界中，需要大模型和大數(shù)據(jù)，大模型是工具，大數(shù)據(jù)是食糧。這個食糧需要多少？毫末說1億公里以上。
關(guān)于大模型，目前業(yè)內(nèi)的主要認知，也正是將大模型應用于自動駕駛，而毫末智行下手的更早，兩年前就開展了基于Attention機制的Transfomer大模型在自動駕駛行業(yè)的落地研發(fā)。
同時顧維灝還提到，訓練大模型需要消耗巨大的算力，舉個栗子：一個千億級別參數(shù)，百萬個clips大模型，需要上千卡的GPU訓練幾個月時間，訓練時間周期和成本高企。
所以毫末智行經(jīng)過幾個月的籌備，建設(shè)MANA超算中心，這個超算中心的目標是，千億參數(shù)百萬clips的大模型，整體訓練成本降低200倍。
由此，毫末也成為第一個建設(shè)超算中心的自動駕駛玩家。
所以最后的落點，就落在了獲取數(shù)據(jù)層面，既要優(yōu)質(zhì)，還要便宜，最后還能大規(guī)模獲取。
有沒有先例可循？
特斯拉是一個答案，恐怕也是唯一的答案。具體來講，特斯拉的FSD快速迭代的時間，和交付量爆發(fā)的時間可以說基本同步。
業(yè)內(nèi)的廣泛認知是，正是大量搭載輔助駕駛功能的特斯拉汽車進入用戶手中，使得特斯拉可以在影子模式下短時間大規(guī)模收集自動駕駛數(shù)據(jù)，對FSD迅速進行迭代。
毫末智行正在復刻這條道路，在短時間內(nèi)將輔助駕駛產(chǎn)品大量搭載上車，快速獲取數(shù)據(jù)。
而且相比于高級別自動駕駛，輔助駕駛成本更低，也更容易大規(guī)模鋪開，成本和速度上都有優(yōu)勢。另外在數(shù)據(jù)的有效性方面，用戶真實使用的數(shù)據(jù)對于大模型來說，也算精品糧了。
不過相比特斯拉，毫末智行的優(yōu)勢是，站在巨人的肩膀上，長城汽車提供了數(shù)據(jù)容器，毫末智行并不需要像特斯拉一樣生死掙扎數(shù)年才能迎來翻身。
所以張凱也說：輔助駕駛是自動駕駛落地的必由之路，毫末堅定的選擇漸進式自動駕駛落地路徑。
而相比之下，業(yè)內(nèi)爭論已久的另一條路線，那就是以Waymo、百度為代表的跨越派，一開始就將目光鎖定在L4級乃至以上的自動駕駛上。
對錯暫且不論，但在自動駕駛落地的步伐上，毫末智行和特斯拉，確實走在前面。
但終局，似乎還沒有到來，特斯拉的FSD被曝出問題是常事，毫末智行的城市NOH，還有待市場驗證。
所以漸進派和跨越派，你站哪邊？
