作者|張祥威

編輯|德新

「我們的感知能力可以說能做到識別萬物了。」毫末智行在第九屆毫末AI DAY上拋出這一豪言。?

識別萬物的底氣，源于毫末的DriveGPT自動駕駛大模型引入了通用語義大模型，可以對交通參與者者、道路環(huán)境等做到全面感知。?

今年是智駕獲得公眾接受度的關(guān)鍵節(jié)點。?

而明年，隨著技術(shù)門檻更高的「無圖」城市NOA落地，頭部智駕頭部玩家大概率會迎來收獲期。毫末在自動駕駛大模型上的諸多準(zhǔn)備，正是為迎接大戰(zhàn)。?

不止有進(jìn)化的大模型，毫末還帶來三款高級輔助駕駛產(chǎn)品HP170、HP370、HP570，劍指無圖城市NOH、記憶行車等大熱功能。?

當(dāng)下，毫末智駕方案已經(jīng)在山海炮HEV版、新摩卡Hi-4S等車型上搭載，明年一季度，搭載毫末城市NOH功能的魏牌藍(lán)山將量產(chǎn)交付。?

智駕大規(guī)模普及的時刻就要到來，毫末開始加快腳步。?

與眾多公司的科技日如特斯拉AI ?DAY、蔚來NIO DAY相比，這屆毫末AI DAY的既有前沿技術(shù)進(jìn)展的分享，又有極具競爭力的落地方案，有諸多看點。?

一、克制的智駕方案

AI DAY上，毫末一口氣推出三款智駕方案產(chǎn)品，共同點是「極致性價比」。?

·HP170：算力5 TOPS，傳感器方案標(biāo)配1個前視相機、4個魚眼相機、2個后角雷達(dá)、12個超聲波雷達(dá)，支持選裝1個前視雷達(dá)和2個前角雷達(dá)。

·HP370：算力32 TOPS，傳感器方案標(biāo)配2個前視相機、2個側(cè)視相機、1個后視相機、4魚眼相機、1個前雷達(dá)、2個后角雷達(dá)、12個超聲波雷達(dá)，支持選裝2個前角雷達(dá)。

·HP570：算力可選72 TOPS和100 TOPS兩款芯片，傳感器方案標(biāo)配2個前視相機、4個側(cè)視相機、1個后視相機、4個魚眼相機、1個前雷達(dá)、12個超聲波雷達(dá)，支持選配1顆激光雷達(dá)。

對比同行，這幾套方案有以下特點：?

首先，更低的芯片算力。?

毫末采用基于5TOPS的芯片算力平臺實現(xiàn)高速NOA，而實現(xiàn)城市NOA的方案，最高只需要要100TOPS的算力，比主流城市NOA智駕方案所需的算力都要低。?

據(jù)HiEV了解，三套方案中的芯片分別為地平線征程3、TI的TDA4，以及高通Ride的SA8650芯片，這種高中低采用不同芯片方案的策略，也為量產(chǎn)搭載更多款車型提供了條件。?

主流的智駕方案中，實現(xiàn)城市NOA通常需要兩顆英偉達(dá)Oin X芯片，算力為508TOPS，少數(shù)玩家如智己、騰勢，可以基于單顆英偉達(dá)Orin X芯片，算力為254TOPS。當(dāng)然，更低算力的要屬特斯拉的FSD，僅需144TOPS。?

更低算力，意味著需要對算力有更極致地有效利用，同時要強化算法的能力。用更低的算力實現(xiàn)城市NOA，毫末的智駕技術(shù)水準(zhǔn)和市場野心可見一斑。?

其次，在傳感器規(guī)模上也相對克制。?

相較行業(yè)主流方案，毫末的智駕方案數(shù)量會更少一些。以搭載高階智駕全享包的騰勢N7作對比，這款車搭載33個傳感器：?

2個激光雷達(dá)、5個毫米波雷達(dá)、2個前視攝像頭、4個環(huán)視攝像頭、12個超聲波雷達(dá)、4個側(cè)視攝像頭、1個后視攝像頭、1個OMS攝像頭、1個DMS攝像頭、1個DVR攝像頭。?

毫末可以實現(xiàn)高階智駕同等功能的HP570，傳感器數(shù)量為24個，其縮減的部分是，方案中減少了毫米波雷達(dá)，而且激光雷達(dá)也并非標(biāo)配。?

最后，由于更低的算力的芯片，以及克制的傳感器規(guī)模，還帶來第三個特點，更低的BOM成本。?

毫末智行董事長張凱認(rèn)為，「讓中階智駕便宜好用，讓高階智駕好用更便宜，是毫末未來一年提交給中國智駕市場的答卷�！�?

毫末的三款智駕產(chǎn)品，最低為3000元級別，最高的高階自動駕駛方案大概8000元級別，這與現(xiàn)在動輒上萬的智駕選裝包相比，無疑頗具殺傷力。?

HiEV了解到，毫末的最新方案中，HP170已經(jīng)定點，配合整車開發(fā)和上市的節(jié)奏，預(yù)計會在明年初上市；HP550預(yù)計在明年上半年藍(lán)山的下一代車型搭載上市，支持記憶行車和記憶泊車；HP370 預(yù)計明年量產(chǎn)，而更新一代的HP570則會稍晚一些。?

長線看，毫末的產(chǎn)品會全面平臺化，提供高中低全系的智駕方案。?

祭出成本更低的殺招，那么毫末的產(chǎn)品技術(shù)實力究竟如何呢？?

二、可實現(xiàn)無圖城市NOH，2024落地百城

一家公司的智駕能力，既體現(xiàn)在產(chǎn)品的上車規(guī)模和行駛里程，也體現(xiàn)在技術(shù)能夠達(dá)到的廣度和上限。?

毫末的智駕方案HPilot產(chǎn)品已經(jīng)搭載超過20款車型，用戶輔助駕駛行駛里程突破8700萬公里。由于起步不如蔚小理早，用戶輔助駕駛行駛里程規(guī)模還不像對方那么龐大，但從搭載車型上，搭載車型規(guī)模是遠(yuǎn)超蔚小理的。?

毫末的技術(shù)能力能力廣度和上限，體現(xiàn)在可實現(xiàn)的功能上。?

顧維灝說，毫末可以做到在城市道路中時速最高70公里在50米的距離下，就能檢測到大概35cm高的小目標(biāo)障礙物，可以做到100%的成功繞障或剎停。

下面一段視頻，可見毫末智駕方案的技術(shù)能力。???

面向L4的小魔駝，在城市開放道路進(jìn)行無人駕駛時，也已經(jīng)快于普通人騎自行車的速度。在行駛安全和通行效率上，均已達(dá)到商用狀態(tài)。?

與那些從基于高精地圖轉(zhuǎn)為去高精地圖方案的玩家相比，毫末一早確立了重感知輕地圖的技術(shù)路線。?

基于高精地圖的技術(shù)路線，開頭容易，之后要在不同城市落地時，會面臨泛化挑戰(zhàn)。而重感知輕地圖的好處是，開始難，但越走越快，能完成更快的城市落地。?

毫末的高速無圖NOH功能，可以實現(xiàn)高速、城市快速路上的無圖NOH，短距離記憶泊車等功能，并獲E-NCAP 5星AEB的高安全標(biāo)準(zhǔn)認(rèn)證。?

此外，毫末還可實現(xiàn)高速、城快，以及城市內(nèi)的記憶行車，免教學(xué)記憶泊車、智能繞障等功能。高階方案還支持無圖記憶行車和泊車。 ? ? ? ? ? ??

城市全場景無圖NOH，則可實現(xiàn)全場景城市無圖NOH、全場景輔助泊車、全場景智能繞障、跨層免教學(xué)記憶泊車等功能。?

早期行業(yè)主打的智駕功能是高速NOA，之后是城市NOA，并在研發(fā)城市NOA時同步去掉高精地圖，逐漸邁向今天的 去高精地圖的“無圖“階段。?

眼下能做到無圖的，僅有小鵬、華為、蔚來等少數(shù)幾家。誰具備無圖能力，基本上便是智駕第一梯隊成員。?

毫末三款智駕產(chǎn)品的推出，意味著其智駕方案出手即高點，廣度覆蓋了當(dāng)下熱門功能，上限與頭部玩持平，讓自身站位來到第一梯隊。按照計劃，毫末的城市NOH落地目標(biāo)是100城。·?

以上這些是毫末在乘用車NOH上的布局，會為明年智駕的普及大年做好準(zhǔn)備。而之所以能在成立后短短幾年做到無圖等水平，離不開其核心，也是近幾屆AI DAY上常提到的自動駕駛大模型。?

三、DriveGPT進(jìn)化，可識別萬物

自動駕駛其實是讓汽車學(xué)習(xí)人類駕駛，這需要感知道路上的各類交通參與者，處理真實世界中無窮無盡的突發(fā)狀況，最終順利抵達(dá)目的地。?

行業(yè)慣常做法，是在云端建立一個自動駕駛生成式大模型，然后通過剪枝、蒸餾的方式，把云端大模型的能力下放到車端，從而讓汽車像人類司機一樣開車。?

與人類大腦一樣，自動駕駛生成式大模型也要不斷進(jìn)化。?

今年的CVPR 2023，特斯拉和英國自動駕駛公司W(wǎng)ayve等均展示了自動駕駛大模型的新進(jìn)展。?

目前，特斯拉可以利用大模型生成連續(xù)視頻，打造World Model即世界模型。?

Wayve也在朝類似方向努力，其自動駕駛大模型GAIA-1，在通過持續(xù)擴(kuò)展后已經(jīng)擁有90億個參數(shù)，可以生成駕駛場景視頻，描述場景以及做出預(yù)測。?

上月，Wayve還推出了視覺語言動作模型LINGO-1，可用于描述自動駕駛的行為和推理。?

這些做法，直白地講就是從原來僅學(xué)習(xí)文本，開始向看圖、視頻學(xué)習(xí)，從而與自動駕駛不斷地更好融合。?

根據(jù)毫末官方數(shù)據(jù)，目前團(tuán)隊已篩選出超過100億幀互聯(lián)網(wǎng)圖片數(shù)據(jù)集，480萬包含人駕行為的自動駕駛4D Clips。?

毫末將自動駕駛分為三個時代，其中，自動駕駛3.0時代需要1億公里。目前，用戶輔助駕駛行駛里程已經(jīng)達(dá)到8700多萬公里，預(yù)計到年底可達(dá)到這一目標(biāo)。?

隨著數(shù)據(jù)規(guī)模的增加，也為了更好地進(jìn)入3.0時代，自動駕駛大模型需要不斷進(jìn)化。?

感知模型中引入圖文多模態(tài)大模型，以完成4D向量空間到語義空間的對齊，做到可以具備「萬物識別」的能力，毫末將其稱之為自動駕駛語義感知大模型。?

基于自動駕駛語義感知大模型，毫末還會通過構(gòu)建駕駛語言來描述駕駛環(huán)境和駕駛意圖，再結(jié)合導(dǎo)航引導(dǎo)信息和自車歷史動作，借助LLM大語言模型做出駕駛決策。?

方向上，毫末正在沿著與特斯拉、Wayve同樣的方向，讓自動駕駛大模型擁有更多的學(xué)習(xí)進(jìn)化途徑，這相當(dāng)于在建立自己的世界模型。?

這一過程中，大模型的進(jìn)化發(fā)生在多個方面：?

早期，Transformer是用于自然語言處理（NLP）的大模型，主要應(yīng)用于文本。之后Vision Transformer 又稱ViT出現(xiàn)，主要用于圖像。?

直到后來，又出現(xiàn)Swin transformer，一種由微軟提出的視覺領(lǐng)域的Transformer大模型。?

在ViT圖像大模型的基礎(chǔ)上，Swin transformer進(jìn)一步對圖片進(jìn)行圖像分割，可以用于處理多視覺任務(wù)，更好地完成CV領(lǐng)域的目標(biāo)檢測和語義分割任務(wù)。?

過去兩年，毫末的視覺大模型的進(jìn)化，與行業(yè)趨勢一致，其CV Backbone先是從CNN模型全面切換到ViT，并又在今年全面升級到Swin transformer。?

訓(xùn)練大模型方面，行業(yè)早期主要基于人工標(biāo)注的單幀圖片有監(jiān)督，后來結(jié)合4D自動標(biāo)注，再進(jìn)一步升級到基于自動標(biāo)注的4D Clip的有監(jiān)督訓(xùn)練，到今天基于大規(guī)模數(shù)據(jù)的自監(jiān)督學(xué)習(xí)訓(xùn)練，從而可以輕松吃下上百億幀圖片。?

在毫末最新的模型中，已經(jīng)可以采用視頻生成的方式，通過預(yù)測生成視頻下一幀的方式來構(gòu)建4D表征空間，使CV Backbone學(xué)到三維的幾何結(jié)構(gòu)、圖片紋理、時序信息等全面的物理世界信息。?

以上這些動作，主要解決了大模型領(lǐng)域的數(shù)據(jù)采集和標(biāo)注效率低、泛化能力差等問題，解決的其他問題還包括：?

·怎么做到高效、低成本地從上百億的數(shù)據(jù)中，篩選出幾萬個有效數(shù)據(jù)；

·怎么做到從閉集到開集，可以標(biāo)注任意物體；

·如何高效的場景遷移；

·怎樣讓駕駛行為具備可解釋性等等。

毫末將自動駕駛分為三個時代，其中，自動駕駛3.0時代需要1億公里。目前，用戶輔助駕駛行駛里程已經(jīng)達(dá)到8700多萬公里，預(yù)計到年底可達(dá)到這一目標(biāo)。?

總體上，這屆AI DAY為毫末邁過自動駕駛3.0時代提供了更多彈藥支持，從云端到車端做了充分準(zhǔn)備。上有愈發(fā)聰明的自動駕駛大模型，下有性價比十足的智駕方案，毫末已經(jīng)做好了明年智駕的卡位。?

       原文標(biāo)題 : 毫末AI DAY的智駕彈藥：上有「世界模型」，下有3000元方案