加入星計劃,您可以享受以下權(quán)益:

  • 創(chuàng)作內(nèi)容快速變現(xiàn)
  • 行業(yè)影響力擴散
  • 作品版權(quán)保護
  • 300W+ 專業(yè)用戶
  • 1.5W+ 優(yōu)質(zhì)創(chuàng)作者
  • 5000+ 長期合作伙伴
立即加入
  • 正文
    • DriveGPT 雪湖·海若,如何顛覆智能駕駛
    • 自動駕駛生成式大模型「第一槍」,為何由毫末打響
    • 2023 年智駕競爭白熱化,毫末也開始干掉超聲波雷達?
  • 相關(guān)推薦
  • 電子產(chǎn)業(yè)圖譜
申請入駐 產(chǎn)業(yè)圖譜

毫末 DriveGPT 雪湖·海若剛剛誕生,目標是重塑汽車智能化技術(shù)路線

2023/04/12
1221
閱讀需 25 分鐘
加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點資訊討論

ChatGPTAIGC(AI- Generated Content,人工智能生成內(nèi)容)領(lǐng)域一樣具備顛覆性的事情正在發(fā)生。

4 月 11 日,自動駕駛技術(shù)公司毫末智行在其第八屆 HAOMO AI DAY 上,重磅發(fā)布行業(yè)首個自動駕駛生成式大模型 DriveGPT,中文名「雪湖·海若」,該模型參數(shù)規(guī)模達到 1200 億,可用于解決自動駕駛研發(fā)過程中困擾已久的認知決策問題,并通過能力迭代,最終實現(xiàn)端到端自動駕駛。

此前,受制于傳統(tǒng)模型「數(shù)據(jù)量小、基于規(guī)則」等局限性,智能駕駛技術(shù)進展一度較為緩慢,甚至不少從業(yè)者都對未來產(chǎn)生了自我懷疑,在這樣的背景下,兩年前,毫末率先投入到大模型技術(shù)的研發(fā)之中,旨在尋找新的突破。

經(jīng)歷了先行探索和反復驗證,毫末成功找到了突破口——生成式大模型,通過在行業(yè)首個將 GPT 落地到自動駕駛領(lǐng)域,大大加速了更高階智能駕駛的落地應(yīng)用。

「生成式大模型將成為自動駕駛系統(tǒng)進化的關(guān)鍵,基于 Transformer 大模型訓練的感知、認知算法會逐步在車端進行落地部署?!购聊┒麻L張凱在 HAOMO AI DAY 上對行業(yè)未來發(fā)展趨勢作出論斷。

毫末 CEO 顧維灝也表示:「DriveGPT 雪湖·海若將會重塑汽車智能化技術(shù)路線,讓輔助駕駛進化更快,讓自動駕駛更早到來?!?/p>

顧維灝在自動駕駛技術(shù)領(lǐng)域的眼光獨到,布局非常領(lǐng)先。

事實上,毫末在 2021 年就已經(jīng)開始了 Transformer 大模型技術(shù)的探索,并快速落地應(yīng)用到 BEV 視覺感知算法當中,然后又以五大模型的方式來實現(xiàn)自動駕駛感知、認知算法的快速升級,現(xiàn)在這些大模型將統(tǒng)一到 DriveGPT 生成式大模型當中,目標將實現(xiàn)端到端自動駕駛。

毫末的探索始終走在行業(yè)技術(shù)探索的前列。

據(jù)了解,新摩卡 DHT-PHEV 即將首發(fā)搭載 DriveGPT 雪湖·海若量產(chǎn)上市,屆時,用戶市場還將迎來一輪新的震撼。

「毫末真正重塑了行業(yè)信心,」一位業(yè)內(nèi)人士略微激動地說道,「這將是一場革命?!?/p>

DriveGPT 雪湖·海若,如何顛覆智能駕駛

在介紹 DriveGPT 雪湖·海若之前,先回顧一下 ChatGPT 的概念,其全稱是 Chat Generative Pre-trained Transformer,字面意思是用于聊天的生成式預訓練 Transformer 大模型。

其中 Transformer 是 ChatGPT 的重點,最早由谷歌在 2017 年提出,該模型基于注意力機制的設(shè)計,可以實現(xiàn)出色的算法并行性,因而迅速在自然語言處理(NLP) 領(lǐng)域流行起來,ChatGPT 就是其最新成果。

Transformer 大模型對于智能駕駛來說也不陌生,在 NLP 中奠定了核心地位之后,被逐漸被引入計算機視覺(CV)領(lǐng)域,后又被特斯拉、毫末智行等行業(yè)龍頭先行引入自動駕駛系統(tǒng)中,用于提升感知端的模型效果。

如今,毫末在 Transformer 大模型的應(yīng)用上更進一步,將其率先拓展到智能駕駛系統(tǒng)認知端,DriveGPT 雪湖·海若由此誕生。

從同樣使用 Transformer 大模型的角度來說,ChatGPT 和 DriveGPT 雪湖·海若屬于同宗同源。

其中,ChatGPT 是對話式的生成式自然語言模型,輸入是自然語言的文本串,輸出是自然語言的文本,可以完成通用的下游語言生成任務(wù),比如多輪對話、代碼生成、翻譯、數(shù)學 運算等能力。

而毫末 DriveGPT 雪湖·海若是用于自動駕駛場景的生成式大模型,輸入是感知融合后的文本序列,輸出是自動駕駛場景文本序列,即將自動駕駛場景 Token 化,形成「Drive Language」,最終完成自車的決策規(guī)控、障礙物預測以及決策邏輯鏈的輸出等任務(wù)。

DriveGPT 雪湖·海若首先在預訓練階段通過引入量產(chǎn)駕駛數(shù)據(jù),訓練初始模型,再通過引入駕駛接管 Clips 數(shù)據(jù)完成反饋模型 (Reward Model) 的訓練,然后再通過強化學習的方式,使用反饋模型去不斷優(yōu)化迭代初始模型,形成對自動駕駛認知決策模型的持續(xù)優(yōu)化。

具體來說,DriveGPT 雪湖·海若會通過人類反饋強化學習的方式進行迭代,用 DriveGPT 雪湖·海若最新模型 (Active Model) 對真實場景 Case 做生成,產(chǎn)出多種場景序列結(jié)果,再用反饋模型給這些結(jié)果進行打分排序,目標是把好的結(jié)果排上來,差的結(jié)果排下去,然后與初始模型 (Pretrain-Model) 的生成概率做比較,放大比分。最后通過強化學習的方式將參數(shù)再次更新到最新模型 (Active Model) 中,一直反復這個迭代過程。

其中,Reward Model(反饋模型) 的訓練過程是獨立的,使用帶有偏序關(guān)系的 Pair 樣本對來訓練,這些樣本對來自于接管 Case,毫末將與人類駕駛結(jié)果相似的模型結(jié)果作為正樣本,與被接管軌跡相似的作為負樣本,這樣來構(gòu)建偏序?qū)希倮?LTR(Learning To Rank) 的思路去訓練 Reward Model,進而得到一個打分模型。

此外,DriveGPT 雪湖·海若還可以輸出決策邏輯鏈:即在輸入端提供 Prompts(提示語),根據(jù)提示輸出含有決策邏輯鏈 (Chain of Thought) 的未來序列。

毫末 CSS 自動駕駛場景庫是 CoT 的重要輸入,擁有超過幾十萬個細顆粒度場景,將 Prompt 提示語和完整決策過程的樣本交給模型去學習,學到推理關(guān)系,從而將完整駕駛策略拆分為自動駕駛場景的動態(tài)識別過程,完成可理解、可解釋的推理邏輯鏈生成。

除了用作認知決策,DriveGPT 雪湖·海若還可以逐步應(yīng)用到城市 NOH、捷徑推薦、智能陪練以及脫困場景中。

有了 DriveGPT 雪湖·海若的加持,車輛行駛會更安全;動作更人性、更絲滑,并有合理的邏輯告訴駕駛者,車輛為何選擇這樣的決策動作。

對于普通用戶來說,車輛越來越像老司機,用戶對智能產(chǎn)品的信任感會更強,理解到車輛的行為都是可預期、可理解的。

盡管 DriveGPT 雪湖·海若剛出世就擁有強大的功能,但這還不是它的「終局」,毫末對于 DriveGPT 雪湖·海若的目標是實現(xiàn)端到端自動駕駛,后續(xù)毫末會持續(xù)將多個大模型的能力整合到 DriveGPT 雪湖·海若中。

與此同時,毫末也對外構(gòu)建 DriveGPT 雪湖·海若生態(tài),通過對行業(yè)提供開放服務(wù),促進自動駕駛的從業(yè)者和研究機構(gòu),快速構(gòu)建基礎(chǔ)能力,釋放創(chuàng)新。

汽車之心獲知,毫末 DriveGPT 雪湖·海若首批定向邀請了北京交通大學計算機與信息技術(shù)學院、高通、火山引擎、華為云、京東科技、四維圖新、魏牌新能源、英特爾等加入。

事實上,毫末對于大模型的開放從 DriveGPT 雪湖·海若的中文名「雪湖·海若」即可窺見。

據(jù)了解,「海若」一詞出自《莊子·秋水》中的神話人物北海若,在該書中,另一神話人物河伯請教北海若,何謂大小之分,北海若教導河伯說,不因天地而覺大,不因毫末而覺小。

毫末據(jù)此把 DriveGPT 中文名命名為「海若」,寓意著智慧包容、海納百川,為行業(yè)發(fā)展貢獻力量。

自動駕駛生成式大模型「第一槍」,為何由毫末打響

自動駕駛領(lǐng)域頂級玩家眾多,毫末憑何在全球首個推出了自動駕駛生成式大模型 DriveGPT 雪湖·海若?

要回答這個問題,首先要理清楚毫末 DriveGPT 雪湖·海若的本質(zhì),它是應(yīng)用在智能駕駛上的人工智能,就必然離不開人工智能三要素:算法、數(shù)據(jù)和算力,而這三者恰恰是毫末具備領(lǐng)先性優(yōu)勢的地方。

首先在算法的技術(shù)路線上,毫末早早就堅定選擇走漸進式發(fā)展路線,比「躍進式」玩家的量產(chǎn)時間更早,更快形成規(guī)模化,從用戶真實使用場景中積累足夠多的數(shù)據(jù)。

毫末還清晰地提出了從自動駕駛 1.0 時代到自動駕駛 3.0 時代的演進路徑,并率先進入以數(shù)據(jù)驅(qū)動為核心的新時代。

從這時開始,自動駕駛獲取的數(shù)據(jù)量與數(shù)據(jù)多樣性將呈現(xiàn)指數(shù)級膨脹,在深度學習主導中,與大模型相輔相成,真正去解決自動駕駛最后的長尾難題。

在 2021 年 12 月第四屆 HAOMO AI DAY 上,毫末發(fā)布中國首個數(shù)據(jù)智能體系 MANA,其由四大板塊組成,分別是 TARS、LUCAS、VENUS 和 BASE。

其中,BASE 是整個系統(tǒng)架構(gòu)的底層,包括數(shù)據(jù)底座、數(shù)據(jù)融合、PoseidonOS 等。

其他三大板塊置于上層:

TARS 代表毫末智行的開發(fā)的原型算法,包括感知、規(guī)劃決策、地圖定位、仿真引擎;

LUCAS 是提取數(shù)據(jù)價值,以數(shù)據(jù)驅(qū)動系統(tǒng)能力持續(xù)迭代的核心子系統(tǒng),解決場景泛化,評測和部署的問題;

VENUS 則是數(shù)據(jù)看板,以參考標準評價算法的好壞。

在 MANA 的加持下,毫末輔助駕駛系統(tǒng)持續(xù)迭代,并不斷積累數(shù)據(jù),目前用戶使用毫末輔助駕駛的行駛里程超過 4000 萬公里,而這即成就了 DriveGPT 雪湖·海若的數(shù)據(jù)底座。

毫末 DriveGPT 雪湖·海若使用了基于這 4000 萬公里的駕駛數(shù)據(jù)做 Pretrain(預訓練),為了對生成決策結(jié)果進行調(diào)優(yōu),又引入大約 5 萬段駕駛接管 Clips 數(shù)據(jù),完成模型的訓練和推理。

距離上一屆 HAOMO AI DAY 三個月時間過去,毫末在數(shù)據(jù)驅(qū)動六大閉環(huán)體系上又實現(xiàn)多重進展:

在用戶需求閉環(huán)方面,毫末在道路曲率限速、換道時機、換道平順性、跟車控制平順性等產(chǎn)品性能上持續(xù)優(yōu)化,并進行新功能的體驗反饋;

在研發(fā)效能閉環(huán)方面,毫末將數(shù)據(jù)驅(qū)動理念深入到包括產(chǎn)品需求定義、感知與認知算法開發(fā)、系統(tǒng)驗證環(huán)節(jié)等產(chǎn)品開發(fā)流程的各個環(huán)節(jié),使得整體開發(fā)效率較去年提升 30%;

數(shù)據(jù)積累閉環(huán)方面,毫末在車端部署診斷服務(wù)的相關(guān)數(shù)據(jù)場景標簽覆蓋 92% 的駕駛場景,在離線評測升級上,實現(xiàn)場景數(shù)據(jù)庫到仿真測試用例的自動化轉(zhuǎn)化,覆蓋 97% 的用戶使用高頻場景,同時在大規(guī)模純視覺 4D 標注和場景編輯的能力和效率上均達到行業(yè)頂尖水平;

在數(shù)據(jù)價值閉環(huán)方面,毫末大模型正在持續(xù)挖掘自動駕駛數(shù)據(jù)價值并解決自動駕駛的關(guān)鍵問題;

關(guān)于產(chǎn)品自完善閉環(huán),毫末實現(xiàn)售后問題處理速度較傳統(tǒng)方式的十倍效率提升,實現(xiàn)最快 10 分鐘定位售后問題。

兩年時間有效挖掘產(chǎn)品提升點,問題閉環(huán)率達 76%,并且實現(xiàn) 8 輪 HWA 性能提升和 5 輪 NOH 軟件迭代,幫助客戶成功實現(xiàn) 8 次 OTA 產(chǎn)品在線升級;

最后在業(yè)務(wù)工程化閉環(huán)方面,毫末進一步完善了從采集回流環(huán)節(jié)、標注訓練環(huán)節(jié)、系統(tǒng)標定環(huán)節(jié)、仿真驗證環(huán)節(jié)到最終 OTA 釋放環(huán)節(jié)的產(chǎn)品研發(fā)全流程工程化閉環(huán)。

毫末不斷進步的數(shù)據(jù)驅(qū)動六大閉環(huán)能力,進一步加速毫末沖刺進入自動駕駛 3.0 時代的步伐,并形成相應(yīng)的護城河。

除了在技術(shù)路線和數(shù)據(jù)積累上保持領(lǐng)先,毫末之所以能讓 DriveGPT 雪湖·海若橫空出世的原因還在于提前布局算力。

2023 年 1 月 5 日,第七屆 HAOMO AI DAY 上,毫末與火山引擎聯(lián)手發(fā)布了智算中心「雪湖·綠洲」(MANA OASIS),這也是中國自動駕駛行業(yè)首個也是最大的智算中心,每秒浮點運算達到 67 億億次。

基于雪湖·綠洲,毫末得以訓練出參數(shù)規(guī)模達 1200 億的 DriveGPT 雪湖·海若模型。

從首個提出在技術(shù)路線上步入自動駕駛 3.0,到發(fā)布中國首個數(shù)據(jù)智能體系 MANA,再到建設(shè)中國自動駕駛行業(yè)首個也是最大的智算中心,毫末在前期如此多的積累,讓其在自動駕駛生成式大模型的推出上,再次奪下「首個」,變得順理成章。

盡管已經(jīng)走在最前面,毫末的腳步也沒有停下。

在本屆 HAOMO AI DAY 上,顧維灝透露,為給 DriveGPT 雪湖·海若做好算力支持,毫末對智算中心 MANA OASIS(雪湖·綠洲) 進行了三大升級,首先是與火山引擎全新搭建了「全套大模型訓練保障框架」,以保障毫末大模型訓練的穩(wěn)定性。

據(jù)了解,訓練保障框架包括 Monitor&Alert、Tracer&Log、Profile&Checkpoint 等功能,通過訓練保障框架,集群調(diào)度器可以實時獲取服務(wù)器異常、并及時將異常節(jié)點從訓練 pod group 中刪除,再結(jié)合 CheckPoint 功能,利用 VePFS 高性能存儲和 RDMA 網(wǎng)絡(luò)高效分發(fā)。此外,訓練保障框架實現(xiàn)了異常任務(wù)分鐘級捕獲和恢復能力,可以保證千卡任務(wù)連續(xù)訓練數(shù)個月沒有任何非正常中斷,有效地保障了大模型訓練的穩(wěn)定性。

其次,毫末還將「增量式學習」推廣到大模型訓練,構(gòu)建 DriveGPT 雪湖·海若大模型學習系統(tǒng)。

具體來說:

(1)基于量產(chǎn)自動駕駛規(guī)模優(yōu)勢,毫末研發(fā)出以真實數(shù)據(jù)回傳為核心的增量學習技術(shù);

(2)針對不同時段數(shù)據(jù)回傳量差異巨大,MANA OASIS 訓練平臺依靠彈性調(diào)度能力,自適應(yīng)數(shù)據(jù)規(guī)模大小。同時將增量學習推廣到了大模型訓練,構(gòu)建了一個大模型持續(xù)學習系統(tǒng),自主研發(fā)任務(wù)級彈性伸縮調(diào)度器,分鐘級調(diào)度資源,集群計算資源利用率達到 95%;

(3)結(jié)合增量學習數(shù)據(jù)以動態(tài)數(shù)據(jù)流的形式,持續(xù)不斷將量產(chǎn)回傳和篩選的存量數(shù)據(jù),傳入感知和認知 Pre-train 大模型。系統(tǒng)定時采樣評測模型學習狀態(tài),出現(xiàn)異??焖倩貪L。持續(xù)提取最佳模型版本。

最后,毫末優(yōu)化關(guān)鍵算子,以提升數(shù)據(jù)吞吐量,提升 DriveGPT 雪湖·海若大模型訓練效率。

針對 Transformer 大矩陣計算,通過對內(nèi)外循環(huán)的數(shù)據(jù)拆分,盡量保持數(shù)據(jù)在 SRAM 中,以提升計算的效率。

「Transformer 類大模型計算復雜度高,訓練難度大。在傳統(tǒng)訓練框架中,例如 PyTorch,算子流程很長,包括 Attention、LayerNorm、Dropout、Softmax 等多個環(huán)節(jié),通過引入火山引擎提供的 Lego 算子庫實現(xiàn)算子融合,端到端吞吐提升 84%?!诡櫨S灝介紹道。

2023 年智駕競爭白熱化,毫末也開始干掉超聲波雷達?

過去幾年,智能駕駛在國內(nèi)市場增長迅速,第三方數(shù)據(jù)顯示,2022 年在乘用車上,L2/L2+功能的搭載率接近 30%,時間來到 2023 年,行業(yè)更是全線爆發(fā)。

高速 NOA 等 L2+功能正成為標配,搭載行泊一體功能的智駕產(chǎn)品也迎來前裝量產(chǎn)潮,而另一邊,城市 NOA 也開啟搶位戰(zhàn),玩家們紛紛比拼在多城市落地的速度以及真實用戶覆蓋面。

這其中,智駕方案性價比以及用戶價值被前所未有地凸顯出來。前者關(guān)系到智能駕駛能不能被更廣泛的用戶使用到,后者則與智能駕駛好不好用直接掛鉤。

張凱也提到:「車主的使用頻率和滿意度開始成為產(chǎn)品競爭力的重要衡量標準?!购聊┑膽?yīng)對之策其一是修煉好內(nèi)功,進而向外擠出「成本」,降低智能駕駛使用門檻;其二是通過領(lǐng)先的技術(shù)布局、數(shù)據(jù)閉環(huán)體系等,為用戶提供最優(yōu)選擇。

在降本上,毫末的第一步是開始像特斯拉一樣,驗證能否使用魚眼相機進行測距滿足泊車要求,以成功去掉超聲波雷達,進一步降低整體智駕成本。

據(jù)了解,毫末把視覺 BEV 感知框架引入到車端魚眼相機,目前做到了在 15 米范圍內(nèi)達到 30cm 的測量精度,2 米內(nèi)精度高于 10cm 的視覺精度效果,未來還有望進一步提高對于障礙物的輪廓邊界識別和測量的精度。

此外,毫末還升級 MANA 視覺感知能力,可實現(xiàn)單趟和多趟純視覺 NeRF 三維重建和虛擬動態(tài)物體合成,重建道路場景更逼真,肉眼幾乎看不出差異。

通過 NeRF 進行場景重建后,就可以編輯合成真實環(huán)境難以收集到的 Corner Case,模擬城市復雜交通環(huán)境,用更低成本測試提升城市 NOH 能力邊界,更好提升應(yīng)對城市復雜交通環(huán)境。

在提升用戶價值上,毫末的打法是在技術(shù)上「增效」,成功實現(xiàn) MANA 視覺感知對于三維空間結(jié)構(gòu)和圖片紋理的同時學習,讓模型練好內(nèi)功理解場景中的結(jié)構(gòu)、速度和紋理等核心信息,最終將輸出渲染得到結(jié)果和真實的后續(xù)視頻保持一致。

顧維灝表示,這一過程使用了 400 萬 Clips 訓練數(shù)據(jù)集,使 MANA 視覺感知性能提升了 20%。

「我們一直提到,基于真實用戶場景的反饋數(shù)據(jù)能夠讓我們更好的優(yōu)化產(chǎn)品,讓產(chǎn)品進步的更快。所有技術(shù)都要轉(zhuǎn)化為對人有用的產(chǎn)品才最有價值?,F(xiàn)在,毫末的產(chǎn)品正在為用戶提供著更多價值?!?/p>

除了在技術(shù)上不斷收獲進步,毫末在商業(yè)化進展上也取得重大勝利,張凱透露,毫末已與 3 家主機廠簽署戰(zhàn)略合作協(xié)議,達成面向 L2+級別智能駕駛領(lǐng)域的全方位戰(zhàn)略合作,相關(guān)項目已經(jīng)在交付中。

2023 年一季度,毫末又迎來了映馳科技、中國自動化學會等更多合作伙伴,秉持著「6P 開放合作原則」,至此,毫末生態(tài)伙伴已達近百家。

基于以上取得的種種成就,毫末為 2023 定下的四大戰(zhàn)役正在全面突圍。

首先在智能駕駛裝機量王者之戰(zhàn)上,毫末三代乘用車產(chǎn)品搭載車型近 20 款,HPilot2.0 日均里程使用率 12.6%;

此外,HPilot 還在歐盟、以色列等地區(qū)和國家得到使用,墨西哥、俄羅斯、中東、南非、澳大利亞等市場也將陸續(xù)投放。

其次在大模型巔峰之戰(zhàn)中,毫末自動駕駛生成式大模型 DriveGPT 雪湖·海若已經(jīng)發(fā)布,接下來,將攜手合作伙伴率先探索包括智能駕駛、駕駛場景識別、駕駛行為驗證、困難場景脫困等四大應(yīng)用能力。

例如在駕駛場景識別中,毫末建立起一套基于 4D Clips 的方案,相比行業(yè)對一張圖片給出正確標注結(jié)果,需要付出約 5 元的代價,使用 DriveGPT 雪湖·海若的場景識別服務(wù),單幀圖片整體標注成本直線下降到 0.5 元,僅相當于前者的 1/10。

接下來,毫末會逐步向行業(yè)開放圖像幀及 4D Clips 自動標注服務(wù)的使用,此舉將大幅降低行業(yè)使用數(shù)據(jù)的成本,提高數(shù)據(jù)質(zhì)量,從而加速自動駕駛技術(shù)的快速發(fā)展。

此外,在城市 NOH 百城大戰(zhàn)里,毫末城市 NOH 將在北京、保定、上海等第一批城市率先落地,具體到車型,除了前面提到的新摩卡 DHT-PHEV,還將搭載魏牌藍山,并以安全為先、用戶為先、規(guī)模為先的原則,到 2024 年有序落地 100 城,目前量產(chǎn)落地至少領(lǐng)先業(yè)內(nèi)一年以上時間。

最后,需要指出的是末端物流自動配送車商業(yè)之戰(zhàn)也已經(jīng)打響,毫末末端物流自動配送車小魔駝 2.0 獲北京亦莊無人配送車車輛編碼,開啟亦莊運營,截止目前,已履約商超、智慧社區(qū)、校園配送、 餐飲零售、機場巡邏、高校教育、快遞自提、智慧園區(qū)、大氣環(huán)評等九大場景。

2023 年,AI大模型一夜火爆,讓所有人驚呼人工智能的時代真正開啟,英偉達 CEO 黃仁勛稱這是「iPhone 時刻」,比爾·蓋茨大贊堪比互聯(lián)網(wǎng)的發(fā)明,然而事實上,任何技術(shù)的爆發(fā)都不是一刻之間,往往前期已經(jīng)經(jīng)歷了較深的鋪墊。

毫末 DriveGPT 雪湖·海若也是如此,其源自于大模型、大數(shù)據(jù)和超算中心的深厚積累,才得以一鳴驚人,率先在業(yè)內(nèi)開啟自動駕駛技術(shù)發(fā)展的黃金時代。

借用顧維灝在本屆 HAOMO AI AI DAY 上的結(jié)束語:

「很多人問我,為什么自動駕駛領(lǐng)域的 GPT 是毫末先做出的? 毫末成立到現(xiàn)在接近三年半時間。這三年多時間,很多事物都發(fā)生了變化,但是毫末對技術(shù)的堅定投入始終未變。我們始終熱愛技術(shù),枕戈待旦,全力沖刺。再難,我們都不會放棄。」

 

 

毫末智行

毫末智行

毫末智行是一家致力于自動駕駛的人工智能技術(shù)公司,以零事故、零擁堵、自由出行和高效物流為目標,助力合作伙伴重塑和全面升級整個社會的出行及物流方式。

毫末智行是一家致力于自動駕駛的人工智能技術(shù)公司,以零事故、零擁堵、自由出行和高效物流為目標,助力合作伙伴重塑和全面升級整個社會的出行及物流方式。收起

查看更多

相關(guān)推薦

電子產(chǎn)業(yè)圖譜