毫末智行，能否成為自動駕駛領域的“ChatGPT”？_風聞

撰文 | 曹雙濤

編輯 | 周   沫

題圖 | IC Photo

短短幾個月的時間，ChatGPT迅速火爆全網。事實上，ChatGPT之所以能稱為“很會聊天的AI”，在於其訓練時使用了人類反饋強化學習(RLHF)算法。藉助人類的感知，讓模型判斷自己的答案質量，訓練自己逐步給出更高質量的回答。

而在自動駕駛領域，毫末智行的自動認知大模型也正式升級為DriveGPT，它和ChatGPT的RLHF算法基本一致。

毫末智行的DriveGPT是在不斷學習成千上萬個老司機的駕駛經驗後，幫助模型自己能獨立做出決策。按照毫末智行的説法來看，藉助DriveGPT這一大模型，在掉頭、環島等公認的困難場景中，場景通過率提升30%以上。

圖源：毫末智行

當前，毫末智行的DriveGPT已完成模型搭建和第一階段數據的跑通，參數規模可對標GPT-2的水平。後續將持續引入大規模真實接管數據，通過人駕數據反饋的強化學習，來不斷提升測評效果。同時也將DriveGPT作為雲端測評模型，用來評估車端小模型的駕駛效果。

基於此，毫末智行在對外宣傳中説，自己不僅僅是國內最早將Transformer大模型引入到數據智能體系MANA當中，更是全球首個自動駕駛認知大模型。

其實這已經不是毫末智行首次在宣傳中説自己是業內“第一”了，毫末智行董事長張凱對2022年公司發展總結時説道：“毫末2022年持續穩居中國量產自動駕駛第一名”，“毫末城市NOH是中國第一個可大規模量產的城市導航輔助駕駛產品”；公司中國首個自研AEB算法落地海內外的公司，也是中國首個出海歐洲、澳洲的自動駕駛公司。

那麼，多項“第一”加持的毫末智行真的能夠成為自動駕駛領域的“ChatGPT”嗎？而對於脱胎於長城汽車，僅僅成立1000多天的毫末智行，這些“第一”真的經得起推敲嗎？

一、缺乏數據，如何打造DriveGPT？

若毫末智行未來想要真正成功打造出DriveGPT，需要同時解決幾個問題，一是如何獲得海量的自動駕駛數據，二是如何成功不斷學習成千上萬的老司機駕駛經驗，三是如何提高自身算力能力。然而，從當下來看，這些均面臨着較大的壓力。

從數據維度來看，毫末智行旗下的毫末Hpilo一共進行了三個版本的迭代，分別是HWA高速智能駕駛系統、NOH智慧領航輔助駕駛系統、城市NOH領航輔助駕駛系統。這三代產品Hpilot搭載至魏牌、坦克、歐拉、長城炮等近20款車型，輔助駕駛用户行駛里程突破2500萬公里。但需要指出的是，這2500萬公里的數據質量本身就存在爭議。

首先，單看2500萬公里這個數字的確很大，但相關數據顯示，國內出租車一年跑的里程基本上在12-15萬公里。而毫末智行的這2500萬公里，實則也就是一兩百個出租車司機一年的里程，這也不難看出目前毫末智行所積累的數據過小。

同時，2500萬公里里程到底是由多少用户完成的呢？單個用户所對應的駕齡以及里程又分別是多少呢？而在毫末智行的對外宣傳中，並沒有提及。

其次，由於此前激光雷達的成本相對較高，毫末智行的HWA高速智能駕駛系統和NOH智慧領航輔助駕駛系統這兩個版本並沒有安裝激光雷達。而從激光雷達自身所對應的各種性能來看，就不能看出毫末智行在激光雷達的數據上是嚴重缺乏的。

圖源：華創證券

而毫末智行的城市NOH領航輔助駕駛系統雖安裝激光雷達，但其是在去年9月份才正式對外發布。即使考慮到發佈前，毫末智行已經進行了大量測試，但短短幾個月的時間內，毫末智行的就已經完成了同行在過去幾年在激光雷達數據上的積累，這恐怕很難讓外界所信服。

最後，毫末智行的前兩個版本的應用場景更多的是集中在高速、城市快車道上，並沒有應用在山路、較窄路段等其他場景下。這些路段在及其考驗司機駕駛能力的同時，也對自動駕駛提出了更高的要求。但顯然，毫末智行在不同場景下的數據也是極少的。

但需要指出的是，目前毫末智行從L2所積累的數據想要跨越式發展到L3和L4，也並非易事。

一方面，由於真實場景的交通狀況往往牽一髮而動全身，即改變一輛車的行駛軌跡將對周邊環境的多條軌跡產生影響，目前的技術難以重現複雜的交通場景，因此導致自動駕駛測試場景與真實場景存在差異，而這種差異對測試結果的影響程度尚未有可評判的標準。

圖源：《汽車駕駛自動化分級》國家推薦標準(GB/T40429-2021)

另一方面，目前廠商很少使用模型在環和軟件在環進行測試，是因為目前還沒有具體的參數標準進行參考，得出測試結果的準確性難以判定。而且作為長城旗下的子公司，其他車企也不可能會選擇和毫末智行的數據進行打通，畢竟這就相當於是給長城在做“嫁衣”。

從獲取駕駛經驗來看，來自杭州的出租車司機張奇（化名）告訴我們，目前同行對於自動駕駛並沒有太大的興趣。因為若是出租車司機完全按照自動駕駛的路線來行駛，一旦產生交通事故的話，這個責任到底如何界定呢？保險公司又是否會進行理賠呢？

如張奇所説，雖然近幾年各大車企紛紛發力自動駕駛，但即便作為自動駕駛商業化佼佼者的特斯拉，其完全自動駕駛功能包全球安裝率僅為11%。

另據德勤公佈的《自動駕駛的未來：先進汽車技術消費者需求調查》報告顯示，在不願意為500美元以上的自動駕駛功能付費這選項中，中國消費者不願付費比例超過52%，即便有特斯拉所在的美國也高達63%。顯然，消費者的不買單也讓毫末智行的DriveGPT很難進行反覆的訓練，達到和ChatGPT類似的能力。

從算力的問題來看，雖然在今年的1月7號，毫末智行宣佈由毫末智行和火山引擎聯合打造的、目前國內自動駕駛行業最大的智算中心MANAOASIS（雪湖・綠洲）正式成立。

按照毫末智行CEO顧維灝的説法來看，MANAOASIS是他們歷經兩年研發，在數據管理能力方面建立了全套面向大規模訓練的DataEngine。目前MANAOASIS實現了百P數據篩選速度提升10倍、百億小文件隨機讀寫延遲小於500微秒。在算力優化方面，他們還部署了Lego高性能算子庫、ByteCCL通信優化能力、以及大模型訓練框架。

雖然顧維灝對外宣傳的這些數字看起來卻是漂亮，但對於MANAOASIS的成本問題卻並未提及。事實上，類似於ChatGPT這種所產生的算力成本本身就很高。

相關數據顯示，ChatGPT的總算力消費約為3640PF-days。若按照單個500P中心項目的總投資為30.2億元來計算。若想要保證ChatGPT的正常運行，則至少需要投入7-8個數據中心，所產生的總成本至少在200多億元。

國盛證券的研報也提及到，ChatGPT在訪問階段初始投入近十億美元，單日電費數萬美元。而在訓練階段，單次訓練約為百萬至千萬美元。那麼，目前毫末智行是否有足夠的資金能力來承擔如此高的成本呢？

二、缺乏資金，毫末如何活下去？

由於自動駕駛遲遲不能大規模商業化，目前全球和自動駕駛相關的公司發展情況普遍堪憂。其中，福特與大眾汽車共同注資的自動駕駛公司ArgoAI則在去年10月份時，宣佈公司倒閉解散。今年1月份，谷歌旗下從未進行過裁員的無人駕駛部門Waymo，也直接裁員80人。

而頂着全球駕駛第一股”光環的圖森未來，其在去年一二季度的營收只有200多萬，但同期虧損卻高達1億多元。公司增長的乏力，也讓圖森未來的股價從發行價時期的40美元/股，暴跌到如今的2美元/股左右，出現了一二級市場上的嚴重倒掛。

圖源：東方財富網

從這裏也不能感知出，目前毫末智行內部也面臨着較大的現金流壓力。而若想要解決這一問題，或通過投資人以及背後的長城汽車持續“輸血”，或毫末智行目前已經有盈利項目能自身“造血”。

雖然毫末智行在去年4月份完成了由中銀投資和首程控股的A+輪融資，但若是和此前的A輪融資相比，不僅僅融資金額出現明顯暴跌，很多投資機構也都不再跟投。

而從今年的情況來看，毫末智行依然很難獲得投資人青睞。來自北京的投資人劉華（化名）告訴我們，今年很多投資機構的方向都很明確，要麼是在看一些新能源、新材料等與未來國家戰略高度匹配的項目，因為這些項目未來具有很高的成長性。

要麼是投一些目前市面上在沒有資本扶持下已經能夠實現盈利的公司，因為這些公司在上市後，不會出現一二級市場股價的倒掛，資本才有可能實現套利。而類似於無人駕駛這種遲遲不能盈利的賽道，很少會有投資機構在選擇出手。

需要指出的是，未來自動駕駛若想要實現盈利的話，主要還是在於和ToG端合作。但由於目前自動駕駛的大單主要來自於政府，而當前政府比較青睞的是百度、華為和蘑菇車聯。

在去年7-8月的時間裏，蘑菇車聯就先後和四川天府新區、江蘇無錫梁溪區、北京通州簽約各類項目，所涉及金額就已經高達66億元。而百度和浙江紹興地區簽約的智慧快路項目，涉及金額1.168億元，和廣州黃埔區簽約的智慧交通新基建項目，涉及金額接近4.6億元。

更大的難點在於：百度、華為和蘑菇車聯通過和ToG端合作，也能增加企業的信任背書，未來也可以和更多地區政府合作。這就意味着毫末智行很難從他們手中搶走客户，依靠自身輸血及其不現實。而對於長城而言，面對着毫末智行的不斷去“長城化”，還有多少耐心給到毫末智行呢？未來又會給毫末注入多少資金呢？

三、小魔駝能救毫末智行嗎？

主業面臨壓力之下，未來也只能從其他業務來解決目前毫末智行的資金壓力。按照毫末智行董事長張凱的説法來看，目前毫末智行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，商業化進程正全面提速。

但張凱的這一説法實際上仍存在很多爭議的地方。一是多方現實因素的存在，導致目前國內無人配送仍難以商業化。當前，我國相繼出台了一系列與無人配送相關的政策，為無人配送行業的發展提供了重要支撐，但目前全國各地對於無人車的管理措施尚不統一，各地規劃的自動駕駛測試區與企業實際需要的區域存在一定矛盾。

另外，目前國內的無人配送車企業研發技術已經逐漸成熟，並持續更新迭代，但高昂的硬件成本、運營成本依然制約了行業的發展。

按照業內專家預測，只有當一台無人配送車的成本在3-5萬元時，才有可能真正實現商業化。而去年小魔駝的售價在13萬元左右，距離3-5萬元仍有很大差距。那麼，毫末智行的商業閉環到底是如何實現的呢？

二是毫末智行的無人配送車交付超1000台，那麼這1000台無人配送交付給下游哪些客户呢？項目的投資回報週期又有多長？相對於美團、京東等企業的無人配送車，其在配送方面有何優勢？對於這些關鍵的信息，毫末智行仍然沒有透露。

圖源：毫末智行

且據北京理工中雲智車CEO 關超文曾指出，“當前，一輛無人車勉強可取代一個月薪6000元的快遞員，但我得搭進去一個月薪3萬的工程師。”也就是説，一輛無人車在運行過程中需要一位技術人員全程跟進。若按照1000台車的交付量，毫末智行去年至少要新招1000名技術人員。但現實情況卻是，去年毫末智行並沒有進行大面積的擴張。

三是13萬訂單看似很大，但對標同行之後就不能發現這一數字仍偏低。其中，從2020年初至2022年8月底，美團自動配送車已經累計給用户配送超240萬單，日均配送量達到5000多單。換句話説，小摩駝一年的配送量只相當於美團二十多天的訂單。

而且在這13萬訂單中，有很大一部分是由北京物多美超市所提供的。那麼，若和未來和物多美的合作出現問題的話，其後續的訂單又由誰來提供呢？顯然，毫末智行在無人配送車領域還有很長的路要走，這項業務也無法成為公司增長的“第二曲線”。

或許毫末智行對外所描述的藍圖很美，但在“自嗨式營銷”背後，毫末智行真的需要好好思考自身的技術能力了。尤其是自動駕駛和無人配送，均是短期之內難以商業化的項目。那麼，今年毫末智行又會推出哪些“大招”來破局呢？