解讀毫末智行自動(dòng)駕駛量產(chǎn)底層邏輯

作者 | 萬(wàn)博

顧維灝：特斯拉是唯一一個(gè)進(jìn)入自動(dòng)駕駛3.0時(shí)代的玩家，毫末智行要做下一個(gè)。

剛剛過(guò)去的毫末智行第六屆AI DAY，從董事長(zhǎng)張凱到CEO顧維灝，發(fā)言的關(guān)鍵詞有2個(gè)：“量產(chǎn)”和“數(shù)據(jù)”。

在量產(chǎn)層面，毫末智行打造的城市NOH即將量產(chǎn)上市，今年年底將在10個(gè)城市落地，明年使用范圍計(jì)劃擴(kuò)大到100城。

末端物流賽道，自動(dòng)駕駛配送車小魔駝2.0訂單量已經(jīng)超過(guò)9萬(wàn)單。小魔駝2.0在今年4月份發(fā)布之后，現(xiàn)在已經(jīng)量產(chǎn)交付，這也是業(yè)內(nèi)首款面向商用市場(chǎng)的10萬(wàn)元級(jí)物流配送車。

而談到數(shù)據(jù)，就涉及到毫末智行自動(dòng)駕駛量產(chǎn)路線的底層邏輯——大數(shù)據(jù)、大模型，和自動(dòng)駕駛漸進(jìn)式落地路線。

01、毫末智行最新進(jìn)展

自動(dòng)駕駛量產(chǎn)落地，毫末智行走在了行業(yè)前列。

張凱披露，截止到目前，用戶使用毫末智行開發(fā)的輔助駕駛系統(tǒng)所產(chǎn)生的輔助駕駛里程積累，已經(jīng)超過(guò)1700萬(wàn)公里。

海量里程數(shù)據(jù)之下，毫末智行數(shù)據(jù)智能體系MANA的學(xué)習(xí)時(shí)長(zhǎng)已經(jīng)超過(guò)31萬(wàn)小時(shí)，虛擬駕齡達(dá)到4萬(wàn)年。

有了MANA的加持，毫末的智能駕駛產(chǎn)品開發(fā)和迭代速度大幅提升。兩年時(shí)間內(nèi)，毫末HPilot智能駕駛系統(tǒng)已經(jīng)經(jīng)過(guò)了6次OTA升級(jí)，迭代到3.0版本。截止到目前，毫末智行可以做到30個(gè)智能駕駛項(xiàng)目異步并行開發(fā)。

一套系統(tǒng)在新車型上的復(fù)用開發(fā)，可以在4個(gè)月內(nèi)達(dá)到量產(chǎn)狀態(tài)。

也因此，毫末HPilot目前已經(jīng)在超過(guò)10款車型上量產(chǎn)搭載，這其中魏牌、坦克、哈弗等品牌已經(jīng)實(shí)現(xiàn)上車，歐拉、長(zhǎng)城炮等品牌車型，也正在陸續(xù)交付。

而這，也不過(guò)是個(gè)開始，毫末官方的目標(biāo)是，到今年年底，HPilot的要在30多款車型上量產(chǎn)上車，未來(lái)搭載HPilot的車要達(dá)到百萬(wàn)輛級(jí)別。

從數(shù)據(jù)積累到產(chǎn)品開發(fā)迭代，再到HPilot上車，最受關(guān)注的是，毫末智行即將大規(guī)模量產(chǎn)落地城市NOH。

張凱表示，即將量產(chǎn)上市的全新摩卡DHT-PHEV激光雷達(dá)版將搭載毫末HPilot 3.0智能駕駛系統(tǒng)，而該系統(tǒng)的最大亮點(diǎn)，就是高級(jí)別輔助駕駛第一次在國(guó)內(nèi)走下高速，開進(jìn)城市開放道路。

據(jù)了解，毫末城市NOH，前后開發(fā)周期歷時(shí)10個(gè)月，而在此之前，已經(jīng)在保定和北京兩地進(jìn)行了上路測(cè)試，多個(gè)城市開放道路中的典型場(chǎng)景測(cè)試視頻，一同在AI DAY上進(jìn)行了展現(xiàn)。

比如紅綠燈的智能識(shí)別和自動(dòng)啟停：

路口無(wú)保護(hù)轉(zhuǎn)彎：

還有十字路口常見的待轉(zhuǎn)區(qū)通行：

這些，只是毫末展示出來(lái)的一部分，從視頻的實(shí)際效果來(lái)看，確實(shí)已經(jīng)達(dá)到了產(chǎn)品階段的能力。據(jù)了解，毫末的計(jì)劃是，截止到今年年底，城市NOH落地10城，而到了明年，這個(gè)數(shù)字要增加9倍，也就是100個(gè)城市。

100個(gè)城市，一年多的時(shí)間，是目標(biāo)，也是壓力，但毫末智行認(rèn)為，城市NOH在技術(shù)層面已經(jīng)具備了實(shí)現(xiàn)的條件。

02、城市場(chǎng)景自動(dòng)駕駛的六大挑戰(zhàn)

在顧維灝看來(lái)，城市場(chǎng)景是自動(dòng)駕駛的核心突破點(diǎn)，而城市開放道路的復(fù)雜性也遠(yuǎn)遠(yuǎn)超過(guò)此前的預(yù)期。比如城市道路養(yǎng)護(hù)頻繁、大型車輛密集、變道空間突然變窄、城市環(huán)境多樣等等。

而要解決這些難點(diǎn)，需要面對(duì)的挑戰(zhàn)有6個(gè)：

如何在自動(dòng)駕駛領(lǐng)域應(yīng)用大模型？

如何讓新數(shù)據(jù)發(fā)揮更大的價(jià)值？

如何使用重感知技術(shù)解決現(xiàn)實(shí)空間理解問(wèn)題？

如何使用人類世界的交互接口？

如何讓仿真更真？

如何讓自動(dòng)駕駛系統(tǒng)運(yùn)動(dòng)起來(lái)更像人？

而解決這些挑戰(zhàn)，主要靠的是MANA在感知、數(shù)據(jù)使用效率等方面的能力進(jìn)化。

顧維灝認(rèn)為，在自動(dòng)駕駛領(lǐng)域應(yīng)用大模型，首先要解決的問(wèn)題是，如何能更高效地將數(shù)據(jù)規(guī)模轉(zhuǎn)化為模型效果。

這里涉及的一個(gè)關(guān)鍵節(jié)點(diǎn)是，數(shù)據(jù)標(biāo)注。

大模型意味同時(shí)也意味著大量的參數(shù)和數(shù)據(jù)，在這種情況下，數(shù)以10億計(jì)的數(shù)據(jù)標(biāo)注需要大量的時(shí)間和成本。在此之下，就需要一種能夠直接使用大量無(wú)標(biāo)注數(shù)據(jù)的方法來(lái)解決問(wèn)題。

毫末選擇的方法是，自監(jiān)督學(xué)習(xí)，也就是用大量的無(wú)標(biāo)注數(shù)據(jù)訓(xùn)練感知任務(wù)backbone（主干網(wǎng)絡(luò)），模型其他部分用標(biāo)注數(shù)據(jù)進(jìn)行訓(xùn)練。通過(guò)這種方式，可以將訓(xùn)練效果提升3倍以上，同時(shí)精度有顯著提升。

關(guān)于第二個(gè)挑戰(zhàn)，顧維灝提到一個(gè)現(xiàn)象：在數(shù)據(jù)量越來(lái)越大，達(dá)到一定量級(jí)的時(shí)候，頭部場(chǎng)景的數(shù)據(jù)樣本豐富，但（場(chǎng)景）占比少，大部分長(zhǎng)尾場(chǎng)景和類別的數(shù)據(jù)樣本匱乏。

比如在車輛識(shí)別中，乘用車樣本多，但一些異形車的數(shù)據(jù)就比較少，類似的情況還有帶有特殊圖文的交通燈、不同樣式的汽車尾燈等。

這種現(xiàn)象造成的結(jié)果是，訓(xùn)練出來(lái)的模型針對(duì)一些長(zhǎng)尾場(chǎng)景的處理效果不好，同時(shí)在加入新數(shù)據(jù)的時(shí)候，還會(huì)導(dǎo)致已有的訓(xùn)練效果迅速衰退。

為了解決這一難題，毫末為MANA構(gòu)造了一個(gè)增量式學(xué)習(xí)訓(xùn)練平臺(tái)，平時(shí)在對(duì)模型進(jìn)行訓(xùn)練時(shí)，放棄優(yōu)化所有參數(shù)，而是有選擇的對(duì)一些特定參數(shù)進(jìn)行定點(diǎn)優(yōu)化，同時(shí)動(dòng)態(tài)觀察模型的擬合能力，適時(shí)擴(kuò)充模型的擬合能力。這樣就可以節(jié)省80%以上的算力，收斂時(shí)間提升6倍。

第三個(gè)挑戰(zhàn)，如果將高精地圖數(shù)據(jù)接進(jìn)系統(tǒng)就不是挑戰(zhàn)，這也目前大多數(shù)自動(dòng)駕駛玩家的玩法，但毫末偏偏走的是“重感知+輕地圖”的路線。因?yàn)樵陬櫨S灝看來(lái)，高精地圖的迭代速度和成本問(wèn)題，都無(wú)法滿足自動(dòng)駕駛的需求。

但沒(méi)了高精地圖，傳感器之外的空間如何感知，自動(dòng)駕駛?cè)绾螛?gòu)建自己所處的3D空間？

毫末采取的方式，與特斯拉的方法有相似之處，那就是讓系統(tǒng)自己“腦補(bǔ)”。

具體來(lái)說(shuō)，就是使用時(shí)序的Transformer模型在BEV空間做虛擬實(shí)時(shí)建圖，通過(guò)這種方式使感知車道線的輸出更加準(zhǔn)確和穩(wěn)定。

挑戰(zhàn)四，使用人類世界的交互接口。顧維灝表示，過(guò)去毫末主要是通過(guò)傳感器和算法對(duì)交通參與者的行為進(jìn)行預(yù)測(cè)，以此來(lái)對(duì)車輛周圍的交通環(huán)境做出提前反應(yīng)，但在復(fù)雜性更高的城市開放道路，單純靠“猜”的方式已經(jīng)不夠用了。

解決這個(gè)問(wèn)題的方法是，識(shí)別更多的人類交通語(yǔ)言，比如剎車燈、轉(zhuǎn)向燈，這樣算法就能更清楚的判斷周圍車輛的下一步行動(dòng)，進(jìn)而做出決策。

第五個(gè)挑戰(zhàn)，就是讓仿真訓(xùn)練的數(shù)據(jù)更接近真實(shí)場(chǎng)景，而在城市開放道路場(chǎng)景下，復(fù)雜性往往更高，尤其是應(yīng)對(duì)路口場(chǎng)景，時(shí)效性和微量交通流變化的構(gòu)建存在問(wèn)題。

為此，毫末與阿里以及浙江德清縣進(jìn)行合作，利用路端設(shè)備將路口的全天候真實(shí)交通流記錄下來(lái)，建立自動(dòng)駕駛場(chǎng)景庫(kù)。這種采集方式，相比車輛采集數(shù)據(jù)更加豐富和真實(shí)。

至于最后一個(gè)挑戰(zhàn)，實(shí)際上要解決的是自動(dòng)駕駛的舒適性問(wèn)題，例如自動(dòng)啟停的機(jī)械感和頓挫感。

在這個(gè)問(wèn)題上，顧維灝介紹，毫末主要是通過(guò)借鑒多模態(tài)大模型的方法來(lái)解決自動(dòng)駕駛的認(rèn)知問(wèn)題。通過(guò)對(duì)覆蓋全國(guó)的大量人類駕駛行為進(jìn)行深度理解，構(gòu)建 taskpromt，訓(xùn)練一個(gè)基于時(shí)空Attention的駕駛決策預(yù)訓(xùn)練大模型，使得自動(dòng)駕駛決策更像人類實(shí)際駕駛行為。

以上，就是毫末智行以自己的角度和方法論，對(duì)自動(dòng)駕駛的核心難題給出的解決方式，而透過(guò)這一套方法論，也能看到毫末智行大規(guī)模量產(chǎn)背后的關(guān)鍵詞：

大數(shù)據(jù)、大模型，和自動(dòng)駕駛漸進(jìn)式落地路線。

03、大數(shù)據(jù)、大模型的自動(dòng)駕駛3.0時(shí)代

顧維灝將自動(dòng)駕駛演進(jìn)分成了三個(gè)階段，三個(gè)階段的不同之處在于，驅(qū)動(dòng)因素不同。

硬件驅(qū)動(dòng)的1.0時(shí)代，最典型的特征是，感知能力主要靠激光雷達(dá)，認(rèn)知方式依賴人工規(guī)則，整車成本高企，自動(dòng)駕駛里程數(shù)據(jù)在100萬(wàn)公里左右；

軟件驅(qū)動(dòng)的2.0時(shí)代，AI在車上廣泛應(yīng)用，但還是小模型和小數(shù)據(jù)訓(xùn)練的方式，傳感器的識(shí)別結(jié)果開始融合，但還是基于結(jié)果的后融合方式，認(rèn)知方式依然以人工規(guī)則為主，自動(dòng)駕駛里程數(shù)據(jù)在100萬(wàn)到1億公里之間；

數(shù)據(jù)驅(qū)動(dòng)的3.0時(shí)代，在顧維灝看來(lái)決然不同以往，數(shù)據(jù)可以自己訓(xùn)練自己，自動(dòng)駕駛玩家的側(cè)重點(diǎn)，轉(zhuǎn)移到高效獲取數(shù)據(jù)，并把數(shù)據(jù)轉(zhuǎn)化為知識(shí)上。

當(dāng)然，自動(dòng)駕駛3.0時(shí)代，被毫末智行看作更高層級(jí)的境界，在這個(gè)境界中，需要大模型和大數(shù)據(jù)，大模型是工具，大數(shù)據(jù)是食糧。這個(gè)食糧需要多少？毫末說(shuō)1億公里以上。

關(guān)于大模型，目前業(yè)內(nèi)的主要認(rèn)知，也正是將大模型應(yīng)用于自動(dòng)駕駛，而毫末智行下手的更早，兩年前就開展了基于Attention機(jī)制的Transfomer大模型在自動(dòng)駕駛行業(yè)的落地研發(fā)。

同時(shí)顧維灝還提到，訓(xùn)練大模型需要消耗巨大的算力，舉個(gè)栗子：一個(gè)千億級(jí)別參數(shù)，百萬(wàn)個(gè)clips大模型，需要上千卡的GPU訓(xùn)練幾個(gè)月時(shí)間，訓(xùn)練時(shí)間周期和成本高企。

所以毫末智行經(jīng)過(guò)幾個(gè)月的籌備，建設(shè)MANA超算中心，這個(gè)超算中心的目標(biāo)是，千億參數(shù)百萬(wàn)clips的大模型，整體訓(xùn)練成本降低200倍。

由此，毫末也成為第一個(gè)建設(shè)超算中心的自動(dòng)駕駛玩家。

所以最后的落點(diǎn)，就落在了獲取數(shù)據(jù)層面，既要優(yōu)質(zhì)，還要便宜，最后還能大規(guī)模獲取。

有沒(méi)有先例可循？

特斯拉是一個(gè)答案，恐怕也是唯一的答案。具體來(lái)講，特斯拉的FSD快速迭代的時(shí)間，和交付量爆發(fā)的時(shí)間可以說(shuō)基本同步。

業(yè)內(nèi)的廣泛認(rèn)知是，正是大量搭載輔助駕駛功能的特斯拉汽車進(jìn)入用戶手中，使得特斯拉可以在影子模式下短時(shí)間大規(guī)模收集自動(dòng)駕駛數(shù)據(jù)，對(duì)FSD迅速進(jìn)行迭代。

毫末智行正在復(fù)刻這條道路，在短時(shí)間內(nèi)將輔助駕駛產(chǎn)品大量搭載上車，快速獲取數(shù)據(jù)。

而且相比于高級(jí)別自動(dòng)駕駛，輔助駕駛成本更低，也更容易大規(guī)模鋪開，成本和速度上都有優(yōu)勢(shì)。另外在數(shù)據(jù)的有效性方面，用戶真實(shí)使用的數(shù)據(jù)對(duì)于大模型來(lái)說(shuō)，也算精品糧了。

不過(guò)相比特斯拉，毫末智行的優(yōu)勢(shì)是，站在巨人的肩膀上，長(zhǎng)城汽車提供了數(shù)據(jù)容器，毫末智行并不需要像特斯拉一樣生死掙扎數(shù)年才能迎來(lái)翻身。

所以張凱也說(shuō)：輔助駕駛是自動(dòng)駕駛落地的必由之路，毫末堅(jiān)定的選擇漸進(jìn)式自動(dòng)駕駛落地路徑。

而相比之下，業(yè)內(nèi)爭(zhēng)論已久的另一條路線，那就是以Waymo、百度為代表的跨越派，一開始就將目光鎖定在L4級(jí)乃至以上的自動(dòng)駕駛上。

對(duì)錯(cuò)暫且不論，但在自動(dòng)駕駛落地的步伐上，毫末智行和特斯拉，確實(shí)走在前面。

但終局，似乎還沒(méi)有到來(lái)，特斯拉的FSD被曝出問(wèn)題是常事，毫末智行的城市NOH，還有待市場(chǎng)驗(yàn)證。

所以漸進(jìn)派和跨越派，你站哪邊？