“2022毫末三大戰(zhàn)役穩(wěn)健收官?！焙聊┲切卸麻L張凱在第七屆 HAOMO AI DAY上說。
張凱所指的“三大戰(zhàn)役”，是毫末面向 2022 年提出的“數(shù)據(jù)智能技術(shù)之戰(zhàn)”、“智能駕駛城市場景之戰(zhàn)”、“末端物流自動配送車的規(guī)模之戰(zhàn)”。
在此屆大會上，毫末智行也交出了 2022 年的成績單，具體來看：
- 2022 年毫末三代 HPilot 產(chǎn)品已搭載至魏牌、坦克、歐拉、長城炮等近 20 款車型，輔助駕駛用戶行駛里程突破 2500 萬公里；
- 目前毫末城市 NOH 軟件封版達到交付狀態(tài)；
- 末端物流自動配送車已初步完成商業(yè)閉環(huán)，交付超 1000 臺，小魔駝配送訂單量突破 13 萬單；
- MANA 學習時長超 42 萬小時。
對于 2023 年自動駕駛行業(yè)的發(fā)展預測，張凱表示：“2023 年，智能駕駛下半場的競爭將進入加速期，高階智能駕駛產(chǎn)品商業(yè)應用將迎來大規(guī)模落地。”
基于這一基礎(chǔ)判斷，張凱從行業(yè)、技術(shù)、產(chǎn)品、人才等方面對 2023 年自動駕駛行業(yè)發(fā)展做出十大預測。
- 行業(yè)層面，2023 年自動駕駛將全面進入 3.0 時代；高級別智能駕駛將成為中端車型標配；全新一代芯片、傳感器進入市場，自動駕駛生態(tài)呈現(xiàn)更豐富多樣性。
- 技術(shù)層面，大模型在數(shù)據(jù)合成、知識提取等方面的能力將助力自動駕駛迭代速度實現(xiàn)量級提升；自動駕駛系統(tǒng)比拼將由功能競爭轉(zhuǎn)變?yōu)橥ㄇ谛矢偁?；超算中心會成為自動駕駛企業(yè)的入門配置。
- 產(chǎn)品層面，城市導航輔助駕駛進入重感知階段，大規(guī)模量產(chǎn)交付大幕拉開；智能駕駛的用戶體驗將從嘗鮮轉(zhuǎn)變?yōu)橛脩粢蕾?；末端物流自動配送車整體成本降至 10 萬元以內(nèi)，將進一步改善生產(chǎn)關(guān)系。
- 人才領(lǐng)域，張凱判斷 AI 自動駕駛領(lǐng)域激烈的人才競爭將會延續(xù)到 2023 年。
面對接下來一年所要迎接的趨勢和機遇，張凱提出毫末智行要打響“2023 年四大戰(zhàn)役”，包括“智能駕駛裝機量王者之戰(zhàn)”、MANA 大模型巔峰之戰(zhàn)”、“城市 NOH 百城大戰(zhàn)”、“末端物流自動配送商業(yè)之戰(zhàn)”。
張凱表示，“智能駕駛裝機量王者之戰(zhàn)”是重中之重，毫末智行將完成多平臺、數(shù)十款車型、數(shù)十個項目的異步并行開發(fā)，通過智能駕駛流程化開發(fā)和標準化交付，進一步推進未來搭載毫末輔助駕駛產(chǎn)品的乘用車達百萬量級的目標。
“MANA 大模型巔峰之戰(zhàn)”是指毫末將在智算中心助推下，將大模型的應用落地進行到底?！俺鞘?NOH 百城大戰(zhàn)”則是將毫末城市 NOH 有序落地到國內(nèi) 100 個城市。至于“末端物流自動配送商業(yè)之戰(zhàn)”，張凱表示毫末智行將繼續(xù)堅持 5S 合作服務模式，實現(xiàn)產(chǎn)品和解決方案落地，加速無人配送行業(yè)應用進程。
相較于去年提出的“三大戰(zhàn)役”可以看到，毫末智行對于輔助駕駛在城市場景和車端的應用落地有了更具體、更明確的目標規(guī)劃。
所謂的智算中心則是在此次 HAOMO AI DAY 上，毫末智行還發(fā)布了和火山引擎聯(lián)合打造的智算中心“雪湖·綠洲”（MANA OASIS）。
毫末智行CEO顧維灝表示，“在 MANA OASIS 加持下，毫末將沖刺進入自動駕駛 3.0 時代?！?
按照毫末智行方面的說法，MANA OASIS 是中國自動駕駛行業(yè)最大智算中心，每秒浮點運算達到 67 億億次，存儲帶寬每秒 2T，通信帶寬每秒 800G。
有了 MANA OASIS 的加持，毫末智行亮相了 MANA 五大模型，包括視覺自監(jiān)督大模型、3D 重建大模型、多模態(tài)互監(jiān)督大模型、動態(tài)環(huán)境大模型以及人駕自監(jiān)督認知大模型。
在顧維灝看來，為了更低成本、更高效獲取更多高價值數(shù)據(jù)，需要解決從離散幀自動化擴充到 Clips 形態(tài)的問題。由此，毫末首先利用海量 videoclip，通過視頻自監(jiān)督方式，預訓練出一個大模型，用利用部分人工標注的Clip數(shù)據(jù)進行Finetune（微調(diào)），訓練檢測跟蹤模型，使得模型具備自動標注的能力。
然后，將已經(jīng)標注好的千萬級單幀數(shù)據(jù)所對應的原始視頻提取出來組織成 Clip，其中10%是標注幀，90% 是未標注幀，再將這些 Clip 輸入到模型，完成對 90% 未標注幀的自動標注，進而使視頻自監(jiān)督大模型實現(xiàn) 4D Clip 標注 100% 的自動轉(zhuǎn)化，同時降低 98% 的 Clip 標注成本。
3D 重建大模型則是用更低成本解決數(shù)據(jù)分布問題。面對“完全從真實數(shù)據(jù)中積累的 corner case 困難且昂貴”的行業(yè)難題，毫末智行將三維重建 NeRF 技術(shù)應用在自動駕駛場景重建和數(shù)據(jù)生成中，它通過改變視角、光照、紋理材質(zhì)的方法，生成高真實感數(shù)據(jù)，實現(xiàn)以低成本獲取 normal case，生成各種高成本 corner case。
多模態(tài)互監(jiān)督大模型則致力于精準識別異形障礙物。其引入了激光雷達作為視覺監(jiān)督信號，直接使用視頻數(shù)據(jù)來推理場景的通用結(jié)構(gòu)表達。通用結(jié)構(gòu)的檢測，補充已有的語義障礙物檢測，以提升自動駕駛系統(tǒng)在城市復雜工況下的通過率。
動態(tài)環(huán)境大模型則進一步使用重感知技術(shù)，降低對高精地圖依賴。毫末智行認為，解決了路口問題實際就解決了大部分城市 NOH 問題。
基于此，毫末智行在 BEV（鳥瞰圖）的 feature map（特征圖）基礎(chǔ)上，以標精地圖作為引導信息，使用自回歸編解碼網(wǎng)絡，將 BEV 特征解碼為結(jié)構(gòu)化的拓撲點序列，實現(xiàn)車道拓撲預測，提升車輛感知能力。
至于人駕自監(jiān)督認知大模型，則是致力于讓汽車掌握高水平司機的開車技法。據(jù)顧維灝介紹，毫末先引入了用戶真實的接管數(shù)據(jù)，同時用 RLHF（從人類反饋中強化學習）思路先訓練一個reward model（獎勵模型）來挑選出更好的駕駛決策。
需要指出的是，盡管毫末在數(shù)據(jù)利用上下足了功夫，但從現(xiàn)有的數(shù)據(jù)積累來看——毫末用戶輔助駕駛行駛里程2500萬公里；作為對比，特斯拉FSD Beta 行駛里程已經(jīng)超 1 億公里——毫末 NOH 還需要更多的裝機量以積累數(shù)據(jù)。
小結(jié)
事實上，在過去的 2022 年，無論是毫末智行，還是主攻 L4 級自動駕駛的公司，如文遠知行、小馬智行、馭勢科技、元戎啟行、輕舟智航等，都在著重布局前裝量產(chǎn)的輔助駕駛功能，毫末的競爭對象已不再局限于小鵬、特斯拉等車企。
如果說 2022 年只是燃起了城市輔助駕駛之戰(zhàn)的硝煙，那么 2023 年將是量產(chǎn)應用的關(guān)鍵占位期。
對毫末而言，背靠長城這棵大樹，其城市 NOH 已上車 20 余款車型，取得了階段性成果。然而，隨著越來越多競爭者進入城市輔助駕駛這一角斗場，毫末顯然還未迎來喘息時刻。
（本文首發(fā)鈦媒體App，作者|肖漫，編輯|張敏）
版權(quán)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務，不擁有所有權(quán)，不承擔相關(guān)法律責任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容， 請發(fā)送郵件至 舉報，一經(jīng)查實，本站將立刻刪除。
