"2022 毫末三大戰役穩健收官。" 毫末智行董事長張凱在第七屆 HAOMO AI DAY 上說。
張凱所指的 " 三大戰役 "，是毫末面向 2022 年提出的 " 數據智能技術之戰 "、" 智能駕駛城市場景之戰 "、" 末端物流自動配送車的規模之戰 "。
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 産品已搭載至魏牌、坦克、歐拉、長城炮等近 20 款車型，輔助駕駛用戶行駛裡程突破 2500 萬公裡；
目前毫末城市 NOH 軟件封版達到交付狀态；
末端物流自動配送車已初步完成商業閉環，交付超 1000 台，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 年自動駕駛行業的發展預測，張凱表示："2023 年，智能駕駛下半場的競争将進入加速期，高階智能駕駛産品商業應用将迎來大規模落地。"
基于這一基礎判斷，張凱從行業、技術、産品、人才等方面對 2023 年自動駕駛行業發展做出十大預測。
行業層面，2023 年自動駕駛将全面進入 3.0 時代；高級别智能駕駛将成為中端車型标配；全新一代芯片、傳感器進入市場，自動駕駛生态呈現更豐富多樣性。
技術層面，大模型在數據合成、知識提取等方面的能力将助力自動駕駛叠代速度實現量級提升；自動駕駛系統比拼将由功能競争轉變為通勤效率競争；超算中心會成為自動駕駛企業的入門配置。
産品層面，城市導航輔助駕駛進入重感知階段，大規模量産交付大幕拉開；智能駕駛的用戶體驗将從嘗鮮轉變為用戶依賴；末端物流自動配送車整體成本降至 10 萬元以内，将進一步改善生産關系。
人才領域，張凱判斷 AI 自動駕駛領域激烈的人才競争将會延續到 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 年四大戰役 "，包括 " 智能駕駛裝機量王者之戰 "、MANA 大模型巅峰之戰 "、" 城市 NOH 百城大戰 "、" 末端物流自動配送商業之戰 "。
張凱表示，" 智能駕駛裝機量王者之戰 " 是重中之重，毫末智行将完成多平台、數十款車型、數十個項目的異步并行開發，通過智能駕駛流程化開發和标準化交付，進一步推進未來搭載毫末輔助駕駛産品的乘用車達百萬量級的目标。
"MANA 大模型巅峰之戰 " 是指毫末将在智算中心助推下，将大模型的應用落地進行到底。" 城市 NOH 百城大戰 " 則是将毫末城市 NOH 有序落地到國内 100 個城市。至于 " 末端物流自動配送商業之戰 "，張凱表示毫末智行将繼續堅持 5S 合作服務模式，實現産品和解決方案落地，加速無人配送行業應用進程。
相較于去年提出的 " 三大戰役 " 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、更明确的目标規劃。
所謂的智算中心則是在此次 HAOMO AI DAY 上，毫末智行還發布了和火山引擎聯合打造的智算中心 " 雪湖 · 綠洲 "（MANA OASIS）。
毫末智行 CEO 顧維灏表示，" 在 MANA OASIS 加持下，毫末将沖刺進入自動駕駛 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，包括視覺自監督大模型、3D 重建大模型、多模态互監督大模型、動态環境大模型以及人駕自監督認知大模型。
在顧維灏看來，為了更低成本、更高效獲取更多高價值數據，需要解決從離散幀自動化擴充到 Clips 形态的問題。由此，毫末首先利用海量 videoclip，通過視頻自監督方式，預訓練出一個大模型，用利用部分人工标注的 Clip 數據進行 Finetune（微調），訓練檢測跟蹤模型，使得模型具備自動标注的能力。
然後，将已經标注好的千萬級單幀數據所對應的原始視頻提取出來組織成 Clip，其中 10% 是标注幀，90% 是未标注幀，再将這些 Clip 輸入到模型，完成對 90% 未标注幀的自動标注，進而使視頻自監督大模型實現 4D Clip 标注 100% 的自動轉化，同時降低 98% 的 Clip 标注成本。
3D 重建大模型則是用更低成本解決數據分布問題。面對 " 完全從真實數據中積累的 corner case 困難且昂貴 " 的行業難題，毫末智行将三維重建 NeRF 技術應用在自動駕駛場景重建和數據生成中，它通過改變視角、光照、紋理材質的方法，生成高真實感數據，實現以低成本獲取 normal case，生成各種高成本 corner case。
多模态互監督大模型則緻力于精準識别異形障礙物。其引入了激光雷達作為視覺監督信号，直接使用視頻數據來推理場景的通用結構表達。通用結構的檢測，補充已有的語義障礙物檢測，以提升自動駕駛系統在城市複雜工況下的通過率。
動态環境大模型則進一步使用重感知技術，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）基礎上，以标精地圖作為引導信息，使用自回歸編解碼網絡，将 BEV 特征解碼為結構化的拓撲點序列，實現車道拓撲預測，提升車輛感知能力。
至于人駕自監督認知大模型，則是緻力于讓汽車掌握高水平司機的開車技法。據顧維灏介紹，毫末先引入了用戶真實的接管數據，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，盡管毫末在數據利用上下足了功夫，但從現有的數據積累來看——毫末用戶輔助駕駛行駛裡程 2500 萬公裡；作為對比，特斯拉 FSD Beta 行駛裡程已經超 1 億公裡——毫末 NOH 還需要更多的裝機量以積累數據。
小結
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，都在着重布局前裝量産的輔助駕駛功能，毫末的競争對象已不再局限于小鵬、特斯拉等車企。
如果說 2022 年隻是燃起了城市輔助駕駛之戰的硝煙，那麼 2023 年将是量産應用的關鍵占位期。
對毫末而言，背靠長城這棵大樹，其城市 NOH 已上車 20 餘款車型，取得了階段性成果。然而，随着越來越多競争者進入城市輔助駕駛這一角鬥場，毫末顯然還未迎來喘息時刻。
（本文首發钛媒體 App，作者 | 肖漫，編輯 | 張敏）
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
