【原】第六次AI DAY 毫末智行到了跳级冲刺时刻

cheyunwang 2022-09-14 发布于北京

展开全文

成立第1000天，毫末智行迎来第六次 AI DAY。这一次略显不同，随着城市NOH系统的全国首落，一家自动驾驶公司仅用三年就实现了一次行业0突破的豪举，这不仅让此次AI DAY更加鲜活，也让人们对毫末智行感到好奇，好奇它的速度、好奇它过独木桥的办法、好奇它引领科技的魄力……

毫末智行董事长张凯用“1000天穿越创业公司生死线”来回顾毫末智行的过往成绩，从技术到合作到上车，毫末智行用亲身实践探索了一套方法论。

成为第一的天才少年：全国首个城市NOH落地

三年前，毫末智行成立，之后多轮融资注入，产品大规模落地，成立时间是短暂的，但发展速度是惊人的，这很像一个天才少年的成长路径。

就在2022成都国际车展上，魏牌摩卡DHT-PHEV激光雷达车型宣布9月量产城市NOH功能，其搭载的正是毫末智行的HPilot系统，“天才少年”迎来了高光时刻，因为这是全国首个量产城市NOH智能辅助驾驶系统。

今年以来，辅助驾驶是汽车内卷的代名词。毫末智行城市NOH智能辅助驾驶系统硬件配置2颗125线激光雷达，5颗毫米波雷达、12颗超声波雷达、12颗高清摄像头；首搭高通骁龙RIDE平台，芯片单板算力高达360 TOPS。

该系统可处理多种中国城市道路的复杂情况，包括智能识别交通灯；根据人类左右的经验路线，智能左右转；智能变道；智能躲避静态、动态障碍物；以及智慧交通流的处理。一切行为动作都在追求更像人类的驾驶方式。

作为车企辅助驾驶的帮手，毫末智行冲到了最前面，在摩卡DHT-PHEV激光雷达版上第一个实现城市NOH量产落地，把辅助驾驶的整体进度又向前推了一大截。

在AI DAY上，毫末智行董事长张凯表示，毫末在智能驾驶产品能力快速迭代上的打磨，造就了一个不一样的毫末，是毫末1000天的决胜秘笈。这一能力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完成的。其中场景化用户体验设计是入口，AI人工智能技术是灵魂，技术工程化能力是保障。三者形成智能驾驶产品能力迭代铁三角，借此毫末智行成为中国最早且唯一一个进入产品快速迭代阶段的自动驾驶公司。

基于这套方法论，HPilot快速迭代，截止到目前，搭载毫末HPilot产品的已经有超过十款乘用车型量产落地，已经搭载上市车型包括魏牌摩卡、魏牌拿铁、魏牌玛奇朵、坦克300、坦克500、哈弗神兽、拿铁DHT-PHEV等。目前正在陆续交付中的车型有摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫、全新一代长城炮等。

如今随着3.0版正式量产，年内城市NOH辅助驾驶系统也将正式交付。这让2022年真正成为了城市NOH落地元年，让更智能的辅助驾驶走入大街小巷、进入寻常百姓家。

拿到桂冠的秘密武器：数据进化

今年有多个车型称，会在年内落地城市领航辅助驾驶功能，但截止目前还只有毫末智行支持的摩卡车型兑现了承诺。为什么说好的量产时间经历了多次跳票？主要是面临的挑战实在太大。

城市道路的复杂程度远远高于其他场景，例如城市道路不定时的养护、大型车辆密集、路边车辆的不规则停放、经常遇到打开的车门等，这些情况在城市道路中十分普遍，对城市NOH的落地却提出了极大的考验。

毫末智行CEO顾维灏介绍，为应对这种路况，毫末智行主要依靠其思想钢印和数据智能体系MANA能力的进化。“思想钢印”是毫末智行在去年12月的AI DAY 上提出来的，就是用更低的成本和更快的迭代速度开发出更好的产品。

数据智能体系MANA在城市NOH系统中则进化了更多，首先如何让数据规模转换为模型效果？MANA 通过使用大规模量产车无标注数据的自监督学习方法打造模型效果，相比只用少量标注样本训练，训练效果提升3倍以上。

第二，如何让数据发挥更大的价值？随着数据越来越多，数据形态分布出现问题。以往的深度学习训练就是拟合数据分布的过程，这就造成深度学习最终得到的模型是有偏见的，它更擅长处理头部少量的场景，而对分布在腰尾部的大量场景处理效果不佳。比如穿着正常的行人数据较容易收集，穿着雨衣行人数据较难收集；一般的刹车灯容易收集，款式多样的特殊尾灯样本便很难收集……

还有一点就是会导致“灾难性遗忘”现象发生，即在加入新数据时，模型对新问题效果提升的同时可能伴随过去已有能力的迅速衰退。

应对这种问题，MANA 构建了增量式学习训练平台，抽取部分存量数据加上新数据组合成一个混合数据集。训练时要求新模型和旧模型的输出保持尽量一致，对新数据的拟合尽量好。相比常规做法，整体算力节省 80%，响应速度提升6倍。

第三，如何使用重感知技术解决现实空间理解问题？通过使用时序的 transformer 模型在 BEV 空间上做了虚拟实时建图，使得感知车道线的输出更加准确和稳定，不需要地图辅助就能解决比较麻烦的模糊、复杂路口、环岛等路况难题，只需要普通导航地图里相对可靠的拓扑信息即可，就像人类自己开车一样，告别对高精地图依赖。

第四，如何使用人类世界的交互接口？MANA 通过升级车上感知系统，对刹车灯、转向灯状态进行专门识别，让驾驶员在处理前车急刹、紧急切入等场景中更安全和舒适。

第五，如何让仿真更真？面对路口这一城市最复杂场景，MANA 在仿真系统中引入了高价值的真实交通流场景，与阿里云、德清政府合作，利用路端设备将路口处每时每刻的真实交通流都记录下来，再将路口场景引入仿真引擎，构建自动驾驶场景库，破解城市路口通过的“老大难”问题。

第六，如何让自动驾驶系统运动起来更像人？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，体感更像老司机。

毫末智行对MANA的一系列进化是为了将城市NOH做到更像人类且更安全。同时，之所以系统能快速落地，是因为毫末智行选择了一条重感知、轻地图的路线。

与高精地图路线相比，这是一条更符合国内驾驶环境的路线。因为地图采集是一项高标准、高成本的工作，而且一旦城市场景里的道路环境发生变化，高精地图是不能够实时跟上的，如果把高精地图看作一个传感器，那么这个传感器的失效时间是无法保证的。

事实上，有了高精地图的辅助，城市NOH系统开发会更得力一些，但是走高精地图路线的车企反而最终落地时间推迟，相比之下，毫末智行选择了一条拥有更多自主权的技术落地途径。尽管不依赖高精地图对技术考验更大，但毫末智行还是拿下了率先落地城市NOH这场比赛。

穿越创业公司生死线：进入决胜期

经历一千多天的发展，毫末智行从一名后起之秀做到了后者居上。其实毫末智行的出现赶在了最佳时机，和新势力相比，它有长城汽车在智能驾驶领域的经验积淀；和传统车企的自动驾驶业务相比，它又是独立运营且带有互联网基因，在这样背景下诞生的毫末智行可谓赶上了天时地利，对整个局势的判断也就比较清晰了。

因此，一开始毫末智行走的就是渐进式发展路线。目前，渐进式路线是数据积累的最佳路径、数据是驱动自动驾驶成熟的核心要义，这一点已成行业公认的发展方向。

毫末智行在1000天的成长后，安全迈过生死线并进入下一个决胜期。张凯表示，2022年毫末智行面临三大战役：数据智能技术之战、辅助驾驶城市场景之战、末端物流智能配送车规模之战。

此外，自动驾驶走入2022年下半年，行业也要面对三大挑战。首先是大规模自动驾驶数据上云挑战；其次是大算力 AI芯片性能突围挑战；最后是城市场景辅助驾驶产品量产突围的挑战。

针对局势的判断，张凯在AI DAY上抛出了打赢智能驾驶下半场的五大制胜法则。首先，毫末智行要把智能驾驶产品开发要始终将安全在首位，这是智能驾驶产品开发的基本出发点；其次要用TO C的思维去做TO B的事，真正开发出C端市场接受的产品；第三，挖掘出用户真实使用场景数据来进行数据驱动；第四，实现感知智能与认知智能的高度一体化；第五，与合作伙伴广泛协同，开放的心态赋能客户，共建行业生态。

当前，行业对自动驾驶不再抱着盲目的目标，能够商业化才是现实的路径。这方面，毫末智行利用成本和规模优势，打通数据智能，让产品落地市场，保持行业领先。

车云小结

经过一千多天的历练，成长速度快、落地能力强的标签贴在了毫末智行的身上。全国首个量产城市NOH是其中一个显耀的战绩，此外末端物流无人小车业务能为公司在低速自动驾驶领域获取资源和数据，做到广泛布局。

毫末智行进入到决胜期，不管是渐进式路线、还是重感知方案，以及智能数据处理系统，都说明毫末智行正走在自动驾驶向前发展的主路上，它不仅是这个路上前行的一员，还是冲在最前面的一个。

就像一个天赋异禀的少年在科技探索中发现了热爱所在并付诸行动，从而找到了解决行业难题的钥匙，并总结出一套方法论，创行业之新，为行业所用。