自動駕駛捲入3.0時代！風起毫末，燎原上海車展_風聞

　　賈浩楠 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　2023上海車展，在各方期待中開啓。

　　一方面新能源車型、新智能化體驗，眼花繚亂，但另一面是百年汽車工業變革迎來最重要的分水嶺、轉折點——智能汽車的“安卓時刻”已經到來。

　　“自動駕駛3.0時代”、“Transformer+BEV”、“重感知、輕地圖”、“GPT上車”……

　　伴隨國內自主玩家對汽車智能化，特別是智能駕駛的猛烈衝擊，新的技術、名詞一下湧現出來。不過仔細梳理過去幾年的發展，會發現這些趨勢並非偶然。

　　相應的AI技術、思路、理念，早有行業前瞻性玩家呼籲和驗證，並且一直在踐行推進，比如有“自動駕駛量產第一”之稱的毫末智行。

　　智能車，在朝什麼方向卷

　　所謂智能汽車的“安卓時刻”，從現象上看，早有蹤跡可尋。

　　首先是在智能駕駛的功能、方案配置上，L2智能駕駛逐漸成為標配。

　　L2智駕功能開始向15w左右入門的車型滲透，代表着佔汽車消費市場絕大多數的用户，可以享受智能駕駛帶來的便捷，也就同時有更多機會挖掘智能座艙的功能。

　　其次是感知算法上，重感知、去高精地圖技術路線正在成主流。這也讓視覺感知的重要性進一步上升。

　　第三點，AI模型上收斂到Transformer架構。起源自NLP領域、以Transformer為代表的大模型開始被引入到自動駕駛系統的研發中。

　　最後，在AI裝置層，超大算力的智算中心成為標配。幾乎所有自研玩家都走上了自建超算基礎設施的道路，預先儲備日後5-10年算力需求。

　　所以，本屆車展上，理想提出智能汽車已經進入3.0時代，標誌是智能駕駛能力延伸到了城市場景，擺脱對高精地圖的依賴，像人類司機那樣實時地感知、決策、規劃。

　　而且“重感知”的提法，今年更是成為主流聲音。包括小鵬、華為、百度等等重要玩家，都開始強調視覺感知算法。

　　談到重感知，幾乎所有的自動駕駛團隊，都在説這兩個詞：BEV、Transformer。

　　幾乎所有玩家都達成了一個共識，自動駕駛量產落地，目前必須通過規模化性價比的路線邁出第一步。

　　這樣的的認知，有些玩家是在與主機廠的磨合中獲得認知，有的則是在無人駕駛方向上碰壁後尋找的新出路。

　　但與眾不同的是，3年前這樣的趨勢就已經有跡可循，並且有人一直在踐行。

　　背後的玩家，是行業內被稱為“量產自動駕駛第一名”的——毫末智行。

　　毫末做了什麼？

　　自動駕駛行業內，3年以來一直有這樣一個神奇的現象：

　　毫末智行總是先人一步探索實踐AI技術的最前沿，無論是BEV、大模型、重感知…而後行業的發展方向總是能證明，毫末是對的。

　　按照時間線劃分，毫末智行率先實踐的理念和技術依次為：

　　2021年3月，提出自動駕駛三定律：從低速到高速，從載物到載人，從商用到民用。

　　2021年6月，國內第一個探索將Transformer大模型落地應用到自動駕駛產品中。

　　2021年12月，率先發布中國首個自動駕駛數據智能體系MANA（雪湖）。

　　2022年4月，率先發布行業首個基於“重感知，不依賴高精地圖”技術的城市NOH。

　　2022年4月，國內首家研發落地BEV感知技術。

　　2022年9月，率先提出自動駕駛3.0時代概念。

　　2023年1月，建成國內首個自動駕駛行業最大的智算中心MANA OASIS（雪湖·綠洲），浮點運算每秒67億億次。

　　2023年1月，率先發布視覺自監督大模型、3D重建大模型、多模態互監督大模型、動態環境大模型、人駕自監督認知大模型等五大模型。首次將GPT大模型技術引用到自動駕駛認知模型訓練。

　　2023年4月，正式發佈行業首個自動駕駛生成式大模型DriveGPT，重塑汽車智能化技術路線。

　　今天業內幾乎所有達成共識的觀點，毫末幾乎都在1-2年時間前進行了驗證。

　　的確令人驚奇。

　　但回溯毫末的歷史，不難發現這些現象都是必然。

　　毫末成立之初，確定了公司戰略：利用成本和規模的優勢，使用數據智能，逐步落地自動駕駛產品。

　　這是毫末一直以來貫徹的“第一性原理”，一切的決策都是為這個原則服務。

　　成立之初：做什麼樣的自動駕駛

　　2021年3月毫末首提自動駕駛商業發展三定律——「從低速到高速，從載物到載人，從商用到民用」。

　　三定律折射出的是毫末對於做自動駕駛的態度：「可行、可靠、可商用」，而且是漸進式落地。

　　而在推進量產落地的過程中，毫末智行自然而然意識到以AI為主的算法，必須有大量數據輸入迭代反饋組為前提，才有可能達到商用的可靠性。

　　所以，毫末提前“預知”大模型的重要性，並且在2021年6月（國內）率先開始探索將Transformer大模型落地自動駕駛產品。

　　而從自動駕駛技術的客觀規律和因果性出發，毫末隨後的一系列前瞻性舉動，其實都是圍繞“大模型大數據”的核心展開。

　　比如，緊隨Transformer而後的，是2021年12月發佈的國內首個完整的數據智能體系MANA。MANA雪湖對於自動駕駛研發的意義，是一套完整的技術體系。

　　由通用基礎服務、核心算法原型（感知、認知、地圖以及仿真系統）、數據驅動系統、數據可視化系統組成，提供全局的數據洞察等能力並且提供車輛管理、平行駕駛等平台工具。

　　MANA對於自動駕駛和新的感知、認知、自動標註、自動驗證等等環節全部覆蓋。

　　“基礎設施”問題解決好以後，毫末的速度開始展現。

　　快速發展期：大模型威力初顯

　　2022年4月，毫末率先發布行業首個基於“重感知”技術的城市NOH。這也是行業內第一次公開提出“去高精地圖依賴”的路線。

　　與其他玩家在落地過程中遭遇挫折尋求改變不同的是，毫末CEO顧維灝一開始就意識到了高精地圖的“掣肘”之處：除了在政策准入方面會拖慢落地進度，更重要的是它在地圖採集維護的成本和實時性上永遠無法滿足量產要求。

　　所以在提出重感知輕地圖路線的同時，毫末還首次在國內首次公佈了BEV Transformer感知技術的細節。

　　通過自研的BEV Transfomer，毫末智行在城市道路上實現了多傳感器融合車道線識別，對自車姿態的容忍度更高，減少了車道線的抖動；面對城市環境複雜路面，縱向誤差上能夠表現更好，對於路面起伏的魯棒性也更高。多相機之間相互的輔助，還擴充了檢測視野，相比之前的融合跟蹤方法，響應更快。

　　這對於城市領航輔助的量產落地，至關重要。現在成了幾乎所有自動駕駛自研玩家的必修課。

　　2022年9月，隨着對大模型應用的逐漸深入，毫末智行又首次在行業內提出“自動駕駛3.0時代”的概念，明確了以數據規模作為劃分標準，並且強調了大模型和可解釋的理念，現在看起來這個趨勢更加明顯：

　　最早的硬件驅動方式，稱為自動駕駛的1.0時代；最近幾年的軟件驅動方式，稱為自動駕駛的2.0時代；即將很快發生，並將持續發展的數據驅動方式，稱為自動駕駛的3.0時代。

　　自動駕駛里程由硬件驅動、軟件驅動時代的百萬公里、上千萬公里，直接飆升至1億公里以上。

　　毫末所有的預判，無論是率先引入Transformer大模型、BEV、建設數據智能體系MANA、等等，都是在為3.0時代做準備。

　　因此，毫末順理成章成為了國內第一個建成智算中心MANA OASIS（雪湖·綠洲）的自動駕駛公司，浮點運算每秒67億億次，為今後5-10年的算力需求提前做好了儲備。

　　毫末智行在技術上的前瞻佈局，也在實際商業落地上獲得了豐厚的回報——用户累計使用里程超4000萬公里，落地數十款量產車型。

　　2023年這個節點上，智能駕駛在性能和成本的平衡上，有了新的突破，促成這一進展的原因，是在研發上新技術的落地讓算法能力快速進步。

　　近期，在實現自動駕駛路線之爭上，比亞迪董事長王傳福炮轟“無人駕駛”，等於將這一爭論擺在公眾層面。

　　實際來看，自動駕駛達到成熟的無人駕駛會是一個長期過程，但通過自動駕駛技術升級方式，從輔助駕駛走向完全的自動駕駛，已經成為全行業公認的實現路徑。

　　之前關於自動駕駛路線、方案的所有的爭論分歧幾乎都統一到下面幾點共識上：

　　首先無論從法規還是技術層面，L2商業落地一定比L4更快。

　　其次，智能駕駛技術需要重感知輕地圖。而在這個基礎上，雖然純視覺方案還沒法十全十美，一段時間內多模態融合感知方案仍然是高階功能落地的必須。

　　但這樣的發展趨勢，另一個側面展現的是L2/L2+功能，現在可以用較輕的傳感器、算力方案實現，具備了向大眾化市場普及的條件。

　　第三，國內用户對於智能駕駛的反饋，由“嚐鮮”變成對性價比、產品價值的權衡，説明市場需求出現了本質的變化，智能車區別於傳統功能車，這個概念已經深入人心。

　　而在對自動駕駛最重要的數據迭代層面，量變到質變的門檻也越來越近。

　　3.0時代自動駕駛的該走什麼樣的方向和路線？毫末智行也剛剛給出了自己的判斷和參考。

　　自動駕駛3.0時代是什麼？

　　2023年1月，毫末智行率先發布視覺自監督大模型、3D重建大模型、多模態互監督大模型、動態環境大模型、人駕自監督認知大模型等五大模型。

　　這是行業內首次將GPT大模型技術引用到自動駕駛認知模型訓練。

　　而十多天之前，毫末智行又正式發佈行業首個自動駕駛生成式大模型DriveGPT。

　　3.0時代的第一步棋，毫末給出的參考是——類GPT技術“上車”。

　　毫末的邏輯是，生成式大模型的思路在目前階段，既可以率先應用在認知決策模塊，不斷學習認知系統的擬人化駕駛風格，形成駕駛決策優化，又可以在仿真訓練環節大大提高高價值數據密度，大幅提高自動駕駛算法在感知側的迭代效率。

　　而之後逐漸將DriveGPT大模型應用到自動駕駛的各個模塊，實現感知、認知的端到端打通。

　　大模型大算力能力帶來的自動駕駛技術飛躍式的發展，這一波浪潮最先觸及用户端的，幾乎可以肯定就是端到端的自動駕駛技術開始普及。

　　毫末智行所開先河，可能重塑傳統的汽車智能化技術路線。也有可能是以計算機視覺技術為主的自動駕駛行業，一直盼望的屬於自己的“ChatGPT時刻”。

　　車展前後，類GPT技術上車，我們看到了更多的蛛絲馬跡。無論是座艙還是智駕，生成式大模型的價值被越來越多的玩家掛在嘴邊，而有實力的，已經開始實踐。

　　星星之火，是可以燎原的。

　　汽車工業百年大變革下，新的一輪競速，誰最有可能先到終點？

　　這次車展之後，可能不會再有疑問了。