9 月 28 日，毫末智行第三期品牌开放日活动在北京举行。（来源：受访者） 活动现场，毫末智行董事长张凯、CEO 顾维灏分别介绍了毫末智行在商业化落地、产品研发、技术创新方面的最新情况：毫末智行乘用车辅助驾驶行驶里程突破 100 万公里，备受期待的 NOH 智慧领航辅助驾驶系统宣布将于 10 月正式发布，牵手阿里的第 11 款合作产品——“阿里小蛮驴”将实现量产，“数据智能” 将成为驱动自动驾驶技术的核心…… 除了产品、技术的介绍与发布外，毫末智行研发总监王天培还在现场特别分享了开发团队的小故事。 两条途径推进商业化落地，打好自动驾驶 “持久战” “在 AI 技术的加持下，汽车智能化的发展在逐步加速，高级别自动驾驶已处在的大规模量产前夜。” 毫末智行董事长张凯说。目前，智能化、网联化已经成为全球汽车行业的主要发展方向，也成为了世界各国竞相发力的战略制高点。在此背景下，市场对自动驾驶具有很高的预期。有预测机构表示，到 2025 年，高级别自动驾驶渗透率会超过 80%。 图 | 毫末智行董事长张凯（来源：受访者） 张凯认为：“2022 年将是 AI 自动驾驶商业化的分水岭之年。对于在自动驾驶这个赛道的创业公司而言，一定要在 2022 年形成自己相对稳定的商业模式。”作为一家致力于无人驾驶、提供智能物流解决方案的人工智能技术公司，毫末已经探索出两条可行的商业化落地途径。 首先，在乘用车领域选择从简单场景逐渐过渡到复杂场景的渐进式路线。例如，毫末今年推出的 HWA 系统，选择了高速公路和城市快速路两个相对简单的场景，并已率先实现商业化。在此基础上，预计今年 10 月份发布的 NOH 智慧领航辅助驾驶系统，将实现匝道和高速连接道路两个场景的涵盖。2022 年，还将推出全新的AI辅助驾驶系统，在乘用车领域实现城市开放道路高速场景的涵盖。 其次，在末端物流领域选择相对复杂的城市开放道路场景，通过降低车速，保证系统的安全和及时响应。目前，毫末推出的低速物流产品小魔驮在复杂的场景下，与合作伙伴进行了很好的运营尝试。 “自动驾驶的实现将是一个持久战。” 张凯表示，他强调，无论是在乘用车领域，还是在末端物流领域，渐进式发展路线都更为合理。“渐进式的发展路线能够让公司不断积累数据，并且通过挖掘数据来打磨技术，解决诸多长尾问题，”张凯说，“此外，从技术商业化的角度来看，还能够更早进入市场接受市场打磨，实现一部分商业收入。” 渐进式的发展路线有三个阶段：第一个阶段是自动驾驶能力的实现，第二个阶段是自动驾驶系统的规模化部署，最后是自动驾驶能力的逐步完善。张凯认为，对于大多数自动驾驶创业公司来说，第一阶段都已经是完成时，因此重点在于第二个阶段，它是承上启下的关键部分。 三大要素协同创新，将技术能力转变为工程化能力 “自动驾驶规模化商业落地的进程和节奏，决定了一个自动驾驶科技公司能够走多快，而持续稳定、高质量场景数据的获取，会决定它能够走多远。”张凯在演讲中说。数据收集的成本和质量直接决定了自动驾驶发展路线的周期长短，数据优势与规模部署优势二者相辅相成。 从支撑 AI 技术发展的角度来说，数据优势主要包含三个核心要素：数据、算力、算法。在数据方面，毫末的方案是与长城汽车协同合作，搭建巨量的道路场景数据库；在算力方面，毫末采用高通骁龙 RIDE 芯片打造了小魔盒 3.0。 据该公司介绍：“这是目前全球可量产的最高算力自动驾驶计算平台，单板算力达到 360T，能够有效支撑AI视觉大模型的车载运算以及车端感知数据的筛选、清洗、脱敏和回流；在算法方面，依托小魔盒 3.0，毫末布局了 ONESTAGE 大算力 AI 视觉技术和下一代 AI 视觉 TRANSFOMER 技术，搭建了 TARS 数据原型系统、LUCAS 数据泛化系统以及 VENUS 数据可视化平台等。” 数据、算力、算法三者齐头并进，让自动驾驶技术实现飞跃，同时也蕴含着商业潜能。不过张凯认为，对创业公司而言，与营收相比找到一个快速的发展模式更重要。毫末智行另一核心的能力是将技术工程化，这也是自动驾驶规模化部署的这一发展模式的前提。 毫末的技术工程化能力可分解为车端工程化、云端工程化和交互工程化三大部分。车端工程化包含实时数据监控、故障诊断等数十项工作内容，云端工程化是自动驾驶的数据支撑，交互工程化包括语言交互、人机交互等，使驾乘人员理解自动驾驶系统运行状态。 安全是技术工程化的核心。张凯说：“车端工程化、云端工程化合称为功能安全工程化，交互工程化称为行为安全工程化，功能安全工程化和行为安全工程化组成了毫末智行强大的技术工程化能力。” “算法大脑” 全栈自研，以数据智能助推驾驶智能 毫末智行 CEO 顾维灏说：“数据智能是自动驾驶的核心。在自动驾驶赛道，谁能可持续的低成本且高效获取有价值数据，谁就有机会活到最后胜利的那一天。”目前，毫末已有多款产品实现量产和落地使用，在这背后是复杂多样的智能解决方案，并最终创造了一颗AI自动驾驶“大脑”。
对于自动驾驶而言，最基础的也最重要的是标注数据，即发现真正有价值的数据。顾维灏在演讲中介绍了毫末智行数据诊断的两套方案：一种是通过明确的系统失效信号得到诊断结果，例如通过人工接管信号；另一种是超越端上算力和时效性约束的自动诊断。与人工诊断相比，自动诊断方案更高效也更精确，能够发现小目标漏检、目标被遮挡和截断等特殊情况，也适应于收费站、黑夜等高情景化的目标漏检问题。 不过，顾维灏介绍，AI 诊断仍具有一定的缺陷，存在某种 “数据偏见”。因此，需要通过补充样本数据，进行样本调配，才能做出更完善的 AI 模型。“例如在城市场景中，我们希望找到更多骑电单车的人，更多被植被遮挡的车辆，”他说，“毫末智行通过量产车辆，已经拥有了巨量的道路场景数据库，经过大量训练，提升了最终模型的效果。” 当有了自动诊断所需要的大模型、快速迭代的车端模型后，面临的新问题是：如何使模型训练速度更快。顾维灏介绍，在大模型时代巨量的模型参数给模型训练带来很大的难度，传统的数据并行方式已经不能满足需要。因此，毫末采取了更精细的模型并行方法，提升训练速度，使得模型能够快速迭代。此外，为了对快速迭代的模型进行测试验证，毫末抛弃了低效的传统主流仿真系统，开发了语义场景的自动化转化工具和参数泛化工具。 针对车端所面临的实际挑战，毫末还致力于提升车载计算芯片的算力，推出了目前全球算力最高的可量产自动驾驶计算平台 ICU 3.0，布局了大量的感知推理模块。顾维灏说：“这相当于毫末智行辅助驾驶系统的AI自动驾驶大脑，也是中国自动驾驶界的算力怪兽。”他表示，这些算法都由毫末智行全栈自研，能够覆盖多种复杂使用场景。更重要的是，这一切都以安全为基础，安全是 1，其它是 0。 “千里智行，始于毫末” 毫末智行成立于 2019 年，是一家年轻的公司。 顾维灏说：“从毫末诞生的那天起，我们一直在快速奔跑，但是也不忘了对产品技术的精益求精和打磨。快的背后要求我们用慢功夫去思考，去打磨产品，在安全、数据智能等方面反复论证筛选研究。” 千里智行，始于毫末。毫末智行研发总监王天培说，他们的精神底色是“匠人精神”。“从产品的前期开发，到后期车型项目量产，只有静下心来，把车辆的场景、功能、体验不断的打磨，迭代，才能给用户呈现一个完整、易用的系统，真正帮助到用户，缓解驾驶疲劳，保证驾驶安全。” （来源：受访者） |
|
|
