又雙叒叒交卷!毫末智行衝刺進入自動駕駛3.0時代

..

毫末智行的發展速度,似乎比我們想象得還要快。

距4月HAOMO AI DAY過去不到5個月時間,9月13日,在第六屆HAOMO AI DAY上,毫末智行自動駕駛發展又秀出新的成績單。

在產品打造層面,數據智能體系MANA完成數十萬全要素、多模態CLIPS的標註,積累300萬小時中國道路駕駛認知場景庫,相當於人類司機4萬年,基本完成數據閉環。

兩年時間內,毫末HPilot智能駕駛系統已經經過了6次OTA升級,迭代到3.0版本。

中國首款搭載大規模量產城市NOH車型摩卡DHT-PHEV激光雷達版計劃9月量產,年內發售。

小魔駝2.0穩定量產交付,在商超、物流領域提供無人化投遞服務,目前總訂單量已超9萬單。

在產品應用層面,截至2022年8月31日,乘用車輔助駕駛系統用戶使用總里程突破1700萬公里,用戶當月行駛里程逐月增加,覆蓋城市數量超300座……

成立僅1020天,毫末智行在自動駕駛的發展上可以說是一騎絕塵,新智駕試着從中抽絲破繭,找尋其迅速成長的原因。

或許用此前毫末智行技術副總裁艾銳在技術分享會所言的「毫末智行在選擇時很敢」,來形容其發展戰略最為貼切。

「敢」走數據驅動道路

汽車智能化來到下半場,商業化競賽更趨激烈,在這個時期,數據成為更重要的東西,甚至不誇張地說,在智能化發展的大潮中,誰掌握了數據,便能成為自動駕駛這艘大船的掌舵手。

但這個賽道敢高舉數據大旗的玩家並不多,特斯拉算一個,毫末智行也算一個。

馬斯克以數據為驅動自動駕駛進步為核心,在此種戰略下,選擇了純視覺的技術路線,拋棄了激光雷達和高精度地圖。數據與量產能力在發展中能相輔相成,共同成為推動自動駕駛技術快速迭代的關鍵。顯然,毫末智行很認同這點,大規模的量產產品成為毫末智行獲取所需數據的方法論之一。

艾銳認為,特斯拉在整個行業一直是被追趕的目標,跟特斯拉一樣的是,毫末智行也選擇了數據驅動的技術路徑,但不同的是,毫末智行會踏出自己的路子。

此前,毫末智行提出的「風車」戰略,聚焦於低速無人車、乘用車、智能硬件三大細分領域,通過數據智能推動三大業務的發展。

在乘用車領域,通過將輔助駕駛系統搭載在眾多長城旗下的品牌車型上,在實際的道路不斷獲取運行數據,並不斷進行迭代更新,數據「常用常新」,從而推動產品力提升。

截止到目前,搭載毫末HPilot產品的已經有超過十款乘用車型量產落地,另外,摩卡DHT-PHEV激光雷達版、歐拉閃電貓、歐拉芭蕾貓和全新一代長城炮等也在陸續交付中。

另外,毫末智行也在加速布局無人配送賽道。

近幾年,在疫情的影響下,無人配送賽道商業化曙光初現,資本市場紛紛加大押注,甚至有不少投行機構做出了「大膽」的預測:未來十年內中國無人配送的市場規模將達到千億級以上。

在這個賽道,毫末智行發佈小魔駝2.0,面向商用市場推出10萬元級別的末端物流自動配送車產品。

如今,小魔駝2.0已經開始穩定量產交付,將面向商超、物流領域提供無人化投遞服務。

截至2022年9月,毫末智行與物美多點合作的小魔駝運營項目訂單量已突破9萬單,切實推進了末端物流自動配送車規模化商用的行業進程。

MANA是毫末智行數據建設更為重要的一環。

2021年12月,在首屆「HAOMO AI DAY」,毫末智行推出的中國首個自動駕駛數據智能體系MANA,中文名「雪湖」。MANA以海量數據為基礎的一整套數據處理工具,能通過利用數據,實現用更低的成本、更快的速度去迭代、優化產品。

MANA成為毫末智行產品快速迭代的核心支撐力,經過一年發展,MANA進入新的階段,在感知智能、認知智能等方面均迎來更新升級。

毫末智行CEO顧維灝表示,

」以數據驅動的自動駕駛3.0時代已經到來,數據驅動時代,是完全不一樣的時代。「

在自動駕駛領域,特斯拉已率先進入3.0時代,而毫末智行很有可能成為下一個。

Attention大模型是當前AI發展的新趨勢,由此也帶來的高算力需求、高訓練成本、高落地難度等挑戰,基於對自動駕駛3.0時代的洞察,以及大模型訓練對算力的巨大消耗需求,毫末智行自建超算中心的計劃在快速推進,目標在於訓練100萬clips數據,大模型訓練成本降低200倍,不久之後將與市場見面。

「敢」在落地:NOH從高速到城市

當智能化浪潮席捲汽車行業,汽車賽道的玩家紛紛使出殺手鐧爭奪市場,在不斷「內卷」的競爭之下,汽車從簡單的代步工具晉陞為代步與娛樂一體的智能終端,汽車智能化也從口號變成了人們切切實實的需求和購車的標準。

車企爭先恐後追逐更高階功能的同時,催生自動駕駛公司對於自動駕駛功能的大規模量產需求。

現今,城市NOH量產的戰火迅速從高速場景蔓延到城市場景,在這條競爭激烈的賽道,毫末智行始終跑在前面。

今年8月,搭載智能駕駛系統HPilot3.0的摩卡 DHT-PHEV正式亮相成都車展,毫末智行城市NOH功能實現大規模量產上車,至此,毫末智行城市NOH覆蓋了高速、城市等全場景。

所謂城市道路輔助駕駛,就是基於用戶設定的路線,幫助用戶實現從城市A點到城市B點的駕駛。

相對於高速場景,城市場景顯然更難攻破。

城市場景中複雜的交通信號燈變換行、人與兩輪交通工具參與的混行模式和車道線不清晰等給實現城市NOH帶來更多難題。

此前不管是在高速場景還是城市場景,大多玩家都依賴高精地圖來實現輔助駕駛。

採用高精地圖的方式,能極大賦能輔助駕駛技術,對於像毫末智行在市場上的後來者而言,似乎是縮短差距的最快速的方法。但高精地圖在國內面臨著政策難關,另外,通過高精地圖這種做法會增加成本,而最後往往由消費者來承擔。

由於有數據平台做支撐,毫末智行選擇採用「重感知,大算力、輕地圖」的技術路徑,所謂重感知,大算力,輕地圖,就是在數據和算力的支撐下,擺脫對於高精地圖的依賴,最大亮點在於能做到智能識別交通燈、智能左右轉、智能變道及智能躲避動態和靜態障礙物。

在城市場景中,要A點到B點的智能駕駛,需要解決兩個問題:一是保證駕駛的完整性和延續性,二是做到接近人類的駕駛水平,也就是車企追求的「老司機」。

城市NOH面臨著城市道路養護、大型車輛密集、變道空間狹窄和城市環境多變四大難題。

MANA不斷進行實地和仿真數據的積累,在駕駛過程中,能應對大部分場景,另外,通過與舊數據的耦合,能面對新場景或城市更多 Concer Case。

通過 Backbone 數據計算和 BEV Transformer 的多模態融合,解決多傳感器之間的匹配和跨傳感器的跟蹤問題,在城市道路上能做到障礙物檢測、車道線檢測、可行駛區域分割、交通標誌檢測等等。

MANA的最大特點在於自主模仿學習人類駕駛行為,搭載毫末智行城市NOH功能的車輛,在駕駛體感上做到更像「老司機」。

另外,城市輔助駕駛功能邁入商業化,玩家的角逐已從單純的技術之爭轉變為成本之爭,MANA通過自監督大大減少訓練次數,從而降低人工標註的成本,在城市NOH佔據成本優勢。

毫末智行認為,通過高精地圖或數據實現城市NOH這兩條路徑沒有優劣之分,如何以更低的成本把功能變成實際的需求才是最重要的。

「敢」只因有底氣

毫末智行看似快,實則是厚積薄發。

自動駕駛領域上半場比技術,下半場拼產品,也就是說,誰能更早實現商業化量產,誰便能在這個賽道突出重圍。

毫末智行選擇走漸進式路線,在外界看來,他的選擇相對「保守」,但毫末智行自成立以來,戰略路徑一直非常堅定和清晰,而且非常注重速度,一直奔着目標不斷加速。

毫末智行認為,在自動駕駛領域,漸進式路線有着明顯的優勢。

一方面,漸進式發展路線可以做到以市場帶來規模化效應,從而驅動產品快速迭代。另一方面,量產落地能以更低的成本來獲得更大規模、更多場景覆蓋的數據。

智能駕駛產品的用戶體驗與數據獲取雙向循環,使得以數據驅動AI自動駕駛技術走向真正成熟。

也就是在漸進式路線的指引下,毫末智行走出了「低速到高速、從載物到載人、從商用到民用」的可量產之路。

當市場上的其它自動駕駛玩家仍苦於尋找量產廠商,毫末智行的輔助駕駛已早早上車,長城汽車作為毫末智行的股東,也是其一大客戶,幫助毫末智行量產落地,另外,在「風車戰略」和MANA下,毫末智行持續積累數據,打造穩定的量產能力。

時代的洪流奔湧向前,自動駕駛領域也正經歷一場驟變,在日趨激烈的競爭之下,不少玩家悄然退場。而毫末智行則在這場風雨中迅猛成長,如今,經過三年發展,毫末智行邁入新的發展階段.

顧維灝將自動駕駛演進分成了三個階段:

  • 以硬件驅動的1.0時代:隨着輔助駕駛滲透率的提升,自動駕駛的零部件會率先上車,在這個時期主要以硬件驅動,依靠激光雷達實現感知、通過人工規則來實現認知,規模大致在100萬公里。

  • 以軟件驅動的2.0時代:隨着自動駕駛技術的成熟,一些全棧自研型的整車廠商和軟件供應商在市場上脫穎而出,這個時期的自動駕駛開始從硬件驅動轉為軟件驅動,跟1.0階段不同的是,依靠傳感器單獨輸出結果來實現感知,規模大致在100萬-1億公里。主要是小模型少數據的模式,在這個階段,自t動駕駛會在一些封閉園區和低速幹線領域得到應用。

  • 以數據驅動3.0時代:隨着自動駕駛生態的成熟,數據中心和計算平台的建設日趨完善,這個時期主要以數據驅動發展,自動駕駛技術加速迭代,在感知層面,依靠多模態傳感器聯合輸出結果,在認知層面,能實現離線強化學習抽取駕駛常識,規模可達1億公里以上。

當市場上大多數玩家仍專註於2.0時代之時,毫末智行已做好準備,開始衝刺3.0時代。

在高手雲集的自動駕駛發展的江湖,僅僅有勇氣遠遠不夠,毫末智行所做出的選擇都是建立在自身的實力的基礎上,「毫末模式「也或將成為中國自動駕駛發展的新範式。

雷峰網 雷峰網 雷峰網


想在手機閱讀更多IT人物資訊?下載【香港矽谷】Android應用
分享到Facebook
技術平台: Nasthon Systems