赶超特斯拉！毫末智行宣布向自动驾驶3.0时代进军

毫末智行的发展速度，似乎比我们想象得还要快……

9月13日，是毫末智行成立的第1020天，也是第六届HAOMO AI DAY的举办日。在这个特殊的日子里，毫末自动驾驶发展又秀出了新的成绩单。

带着好奇和疑惑，我们一起来看看毫末第六次AI Day，报告了哪些自动驾驶的技术进展呢？

毫末智行从0到1的成绩单

行业内对于毫末智行“快”的认知，最直观可见的，是自动驾驶系统量产。

HPilot智能驾驶系统，目前已经覆盖长城汽车旗下近10款车型数万台车，包括坦克、魏牌、哈弗等等热门品牌。

所以毫末智行的第一个“第一”，是量产覆盖规模。无论是特斯拉、新势力，或是其他自动驾驶公司，3年左右时间实现数万装机量的规模是前所未见的。

另外，在末端物流自动配送方面，毫末在4月份发布了第二代末端物流自动配送车——小魔驼2.0，是业内首款面向商用市场的10万元级末端物流自动配送车，目前小魔驼2.0正在陆续交付到客户手中。

在AI人工智能技术方面，毫末智行基于国际最先进的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，目前MANA数据智能体系已经成为毫末所有产品迭代的核心动力。

张凯表示，刚刚过去的1000天，毫末智行刚好穿越了一家创业公司从0到1的生死线。现在，毫末正进入从1到N的快速发展阶段。

MANA六大里程碑式升级

城市导航辅助驾驶场景是当前自动驾驶功能的核心突破点,也是兵家必争之地。

然而从道路与交通状况单一的高速场景进入交通参与者众多、道路与交通状况极其复杂的城市场景,自动驾驶系统面临的技术难度可以说是倍数级增长。

目前，城市道路主要存在“4类场景难题、6大技术挑战”。其中场景难题主要包括“城市道路养护”“大型车辆密集”“变道空间狭窄”“城市环境多样”。

解决上述场景难题，技术层面面临着六大挑战：如何能更高效地将数据规模转化为模型效果，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。

为了应对上述挑战，MANA感知智能、认知智能等方面均迎来更新升级：

1.开启自监督学习

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，这让毫末数据优势得以高效转化为模型效果，以更好适应自动驾驶各种感知任务需求。

2.构造增量式学习训练平台

在训练过程中，毫末并不会使用全量存量数据，因为又贵又慢，而是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，毫末达到同样的精度可以节省80%以上的算力，收敛时间也可以提升6倍以上。

3.使用时序transformer提供实时空间认知能力

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，让城市导航自动驾驶告别高精地图依赖。

4.利用人类世界的交互接口更精确地感知世界

上次AI Day上毫末介绍了如何在城市环境中不依赖高精地图解决自动驾驶系统和红绿灯的交互问题。最近毫末正在升级车上的感知系统，希望能够加入了对车辆信号灯状态的专门识别，包括刹车灯和转向灯。

这样毫末就可以在前车减速、周围车辆切入等场景中开的更安全和更舒适。

5.使用交通流实景仿真

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，与浙江德清、阿里云合作，将路口这一城市最复杂场景引入仿真引擎，构建自动驾驶场景库，通过自动驾驶的真实仿真验证，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。

6.学习常识和动作拟人化

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。

布局前沿技术

全力冲刺自动驾驶3.0时代

什么是自动驾驶3.0时代?

顾维灏认为，可以将这近十年的自动驾驶技术发展分成了三个阶段，最早的硬件驱动方式，也就是自动驾驶的1.0时代；软件驱动的自动驾驶2.0时代；以数据驱动的自动驾驶3.0时代。

而Attention大模型作为当前AI发展的新趋势，其所带来的机遇和挑战，成为自动驾驶3.0时代的重要驱动因素之一。

Attention最大的特点是结构简洁，可以无限堆叠基本单元得到巨大参数量模型，随着参数量的增加和训练方法的提升，大模型的效果在很多NLP任务上已经超越了人类平均水平。

不过Attention的大模型也面临一大挑战，即由于其对算力的需求远远超出了摩尔定律，这导致大模型的训练成本非常高，在终端设备上的落地非常困难。

但是，在毫末智行的研发过程中，基于Attention机制的transfomer大模型，由于其对算力的需求远远超出摩尔定律，由此带来的高算力需求、高训练成本、高落地难度等挑战。

对此，毫末智行CEO顾维灏表示：“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。”

目前，特斯拉领跑全球进入自动驾驶3.0时代。而在本次毫末智行AI DAY上，顾维灏表示毫末最有可能成为中国公司中第一个进入自动驾驶3.0时代的公司，并正为此全力冲刺。

总结

当市场上大多数玩家仍专注于2.0时代之时，毫末智行已做好准备，开始冲刺3.0时代。

在高手云集的自动驾驶发展的江湖，仅仅有勇气远远不够，毫末智行所做出的选择都是建立在自身的实力的基础上，“毫末模式“也或将成为中国自动驾驶发展的新范式。