毫末智行的发展速度,似乎比我们想象得还要快。
距4月HAOMO AI DAY过去不到5个月时间,9月13日,在第六届HAOMO AI DAY上,毫末智行自动驾驶发展又秀出新的成绩单。
在产品打造层面,数据智能体系MANA完成数十万全要素、多模态CLIPS的标注,积累300万小时中国道路驾驶认知场景库,相当于人类司机4万年,基本完成数据闭环。
两年时间内,毫末HPilot智能驾驶系统已经经过了6次OTA升级,迭代到3.0版本。
中国首款搭载大规模量产城市NOH车型摩卡DHT-PHEV激光雷达版计划9月量产,年内发售。
小魔驼2.0稳定量产交付,在商超、物流领域提供无人化投递服务,目前总订单量已超9万单。
在产品应用层面,截至2022年8月31日,乘用车辅助驾驶系统用户使用总里程突破1700万公里,用户当月行驶里程逐月增加,覆盖城市数量超300座……
成立仅1020天,毫末智行在自动驾驶的发展上可以说是一骑绝尘,新智驾试着从中抽丝破茧,找寻其迅速成长的原因。
或许用此前毫末智行技术副总裁艾锐在技术分享会所言的“毫末智行在选择时很敢”,来形容其发展战略最为贴切。
汽车智能化来到下半场,商业化竞赛更趋激烈,在这个时期,数据成为更重要的东西,甚至不夸张地说,在智能化发展的大潮中,谁掌握了数据,便能成为自动驾驶这艘大船的掌舵手。
但这个赛道敢高举数据大旗的玩家并不多,特斯拉算一个,毫末智行也算一个。
马斯克以数据为驱动自动驾驶进步为核心,在此种战略下,选择了纯视觉的技术路线,抛弃了激光雷达和高精度地图。数据与量产能力在发展中能相辅相成,共同成为推动自动驾驶技术快速迭代的关键。显然,毫末智行很认同这点,大规模的量产产品成为毫末智行获取所需数据的方法论之一。
艾锐认为,特斯拉在整个行业一直是被追赶的目标,跟特斯拉一样的是,毫末智行也选择了数据驱动的技术路径,但不同的是,毫末智行会踏出自己的路子。
此前,毫末智行提出的“风车”战略,聚焦于低速无人车、乘用车、智能硬件三大细分领域,通过数据智能推动三大业务的发展。
在乘用车领域,通过将辅助驾驶系统搭载在众多长城旗下的品牌车型上,在实际的道路不断获取运行数据,并不断进行迭代更新,数据“常用常新”,从而推动产品力提升。
截止到目前,搭载毫末HPilot产品的已经有超过十款乘用车型量产落地,另外,摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫和全新一代长城炮等也在陆续交付中。
另外,毫末智行也在加速布局无人配送赛道。
近几年,在疫情的影响下,无人配送赛道商业化曙光初现,资本市场纷纷加大押注,甚至有不少投行机构做出了“大胆”的预测:未来十年内中国无人配送的市场规模将达到千亿级以上。
在这个赛道,毫末智行发布小魔驼2.0,面向商用市场推出10万元级别的末端物流自动配送车产品。
如今,小魔驼2.0已经开始稳定量产交付,将面向商超、物流领域提供无人化投递服务。
截至2022年9月,毫末智行与物美多点合作的小魔驼运营项目订单量已突破9万单,切实推进了末端物流自动配送车规模化商用的行业进程。
MANA是毫末智行数据建设更为重要的一环。
2021年12月,在首届“HAOMO AI DAY”,毫末智行推出的中国首个自动驾驶数据智能体系MANA,中文名“雪湖”。MANA以海量数据为基础的一整套数据处理工具,能通过利用数据,实现用更低的成本、更快的速度去迭代、优化产品。
MANA成为毫末智行产品快速迭代的核心支撑力,经过一年发展,MANA进入新的阶段,在感知智能、认知智能等方面均迎来更新升级。
毫末智行CEO顾维灏表示,
”以数据驱动的自动驾驶3.0时代已经到来,数据驱动时代,是完全不一样的时代。“
在自动驾驶领域,特斯拉已率先进入3.0时代,而毫末智行很有可能成为下一个。
Attention大模型是当前AI发展的新趋势,由此也带来的高算力需求、高训练成本、高落地难度等挑战,基于对自动驾驶3.0时代的洞察,以及大模型训练对算力的巨大消耗需求,毫末智行自建超算中心的计划在快速推进,目标在于训练100万clips数据,大模型训练成本降低200倍,不久之后将与市场见面。
当智能化浪潮席卷汽车行业,汽车赛道的玩家纷纷使出杀手锏争夺市场,在不断“内卷”的竞争之下,汽车从简单的代步工具晋升为代步与娱乐一体的智能终端,汽车智能化也从口号变成了人们切切实实的需求和购车的标准。
车企争先恐后追逐更高阶功能的同时,催生自动驾驶公司对于自动驾驶功能的大规模量产需求。
现今,城市NOH量产的战火迅速从高速场景蔓延到城市场景,在这条竞争激烈的赛道,毫末智行始终跑在前面。
今年8月,搭载智能驾驶系统HPilot3.0的摩卡 DHT-PHEV正式亮相成都车展,毫末智行城市NOH功能实现大规模量产上车,至此,毫末智行城市NOH覆盖了高速、城市等全场景。
所谓城市道路辅助驾驶,就是基于用户设定的路线,帮助用户实现从城市A点到城市B点的驾驶。
相对于高速场景,城市场景显然更难攻破。
城市场景中复杂的交通信号灯变换行、人与两轮交通工具参与的混行模式和车道线不清晰等给实现城市NOH带来更多难题。
此前不管是在高速场景还是城市场景,大多玩家都依赖高精地图来实现辅助驾驶。
采用高精地图的方式,能极大赋能辅助驾驶技术,对于像毫末智行在市场上的后来者而言,似乎是缩短差距的最快速的方法。但高精地图在国内面临着政策难关,另外,通过高精地图这种做法会增加成本,而最后往往由消费者来承担。
由于有数据平台做支撑,毫末智行选择采用「重感知,大算力、轻地图」的技术路径,所谓重感知,大算力,轻地图,就是在数据和算力的支撑下,摆脱对于高精地图的依赖,最大亮点在于能做到智能识别交通灯、智能左右转、智能变道及智能躲避动态和静态障碍物。
在城市场景中,要A点到B点的智能驾驶,需要解决两个问题:一是保证驾驶的完整性和延续性,二是做到接近人类的驾驶水平,也就是车企追求的“老司机”。
城市NOH面临着城市道路养护、大型车辆密集、变道空间狭窄和城市环境多变四大难题。
MANA不断进行实地和仿真数据的积累,在驾驶过程中,能应对大部分场景,另外,通过与旧数据的耦合,能面对新场景或城市更多 Concer Case。
通过 Backbone 数据计算和 BEV Transformer 的多模态融合,解决多传感器之间的匹配和跨传感器的跟踪问题,在城市道路上能做到障碍物检测、车道线检测、可行驶区域分割、交通标志检测等等。
MANA的最大特点在于自主模仿学习人类驾驶行为,搭载毫末智行城市NOH功能的车辆,在驾驶体感上做到更像“老司机”。
另外,城市辅助驾驶功能迈入商业化,玩家的角逐已从单纯的技术之争转变为成本之争,MANA通过自监督大大减少训练次数,从而降低人工标注的成本,在城市NOH占据成本优势。
毫末智行认为,通过高精地图或数据实现城市NOH这两条路径没有优劣之分,如何以更低的成本把功能变成实际的需求才是最重要的。
毫末智行看似快,实则是厚积薄发。
自动驾驶领域上半场比技术,下半场拼产品,也就是说,谁能更早实现商业化量产,谁便能在这个赛道突出重围。
毫末智行选择走渐进式路线,在外界看来,他的选择相对“保守”,但毫末智行自成立以来,战略路径一直非常坚定和清晰,而且非常注重速度,一直奔着目标不断加速。
毫末智行认为,在自动驾驶领域,渐进式路线有着明显的优势。
一方面,渐进式发展路线可以做到以市场带来规模化效应,从而驱动产品快速迭代。另一方面,量产落地能以更低的成本来获得更大规模、更多场景覆盖的数据。
智能驾驶产品的用户体验与数据获取双向循环,使得以数据驱动AI自动驾驶技术走向真正成熟。
也就是在渐进式路线的指引下,毫末智行走出了“低速到高速、从载物到载人、从商用到民用”的可量产之路。
当市场上的其它自动驾驶玩家仍苦于寻找量产厂商,毫末智行的辅助驾驶已早早上车,长城汽车作为毫末智行的股东,也是其一大客户,帮助毫末智行量产落地,另外,在“风车战略”和MANA下,毫末智行持续积累数据,打造稳定的量产能力。
时代的洪流奔涌向前,自动驾驶领域也正经历一场骤变,在日趋激烈的竞争之下,不少玩家悄然退场。而毫末智行则在这场风雨中迅猛成长,如今,经过三年发展,毫末智行迈入新的发展阶段.
顾维灏将自动驾驶演进分成了三个阶段:
以硬件驱动的1.0时代:随着辅助驾驶渗透率的提升,自动驾驶的零部件会率先上车,在这个时期主要以硬件驱动,依靠激光雷达实现感知、通过人工规则来实现认知,规模大致在100万公里。
以软件驱动的2.0时代:随着自动驾驶技术的成熟,一些全栈自研型的整车厂商和软件供应商在市场上脱颖而出,这个时期的自动驾驶开始从硬件驱动转为软件驱动,跟1.0阶段不同的是,依靠传感器单独输出结果来实现感知,规模大致在100万-1亿公里。主要是小模型少数据的模式,在这个阶段,自t动驾驶会在一些封闭园区和低速干线领域得到应用。
以数据驱动3.0时代:随着自动驾驶生态的成熟,数据中心和计算平台的建设日趋完善,这个时期主要以数据驱动发展,自动驾驶技术加速迭代,在感知层面,依靠多模态传感器联合输出结果,在认知层面,能实现离线强化学习抽取驾驶常识,规模可达1亿公里以上。
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。
雷峰网(公众号:雷峰网) 雷峰网 雷峰网