關(guān)注并標星電動星球News

每天打卡閱讀

更深刻理解汽車產(chǎn)業(yè)變革

————————

出品：電動星球 News

作者：毓肥

今天下午，長城汽車旗下自動駕駛公司毫末智行，舉辦了他們第 6 屆 AI Day——也是今年毫末智行信息量最大、定調(diào)最激進的一次發(fā)布會。

有多激進？毫末 CEO 顧維灝直接在發(fā)布會上說「目前已經(jīng)是中國量產(chǎn)自動駕駛公司的第一名」；董事長張凱說「穩(wěn)穩(wěn)占據(jù)中國量產(chǎn)自動駕駛第一名」。

我們可以對比一下，4 個月前的第五屆 AI Day，毫末的表態(tài)還是「夯實中國量產(chǎn)輔助駕駛第一名」，4 個月后，毫末的語氣起碼往上邁了一個大臺階。

從 2019 年 11 月 29 日毫末智行成立算起，今天也才 1020 天，不到三年。

作為長城系車型的智能駕駛支柱，同時涉獵商用物流的自動駕駛公司，今天一眾高管的表態(tài)，是否也在強調(diào)，毫末以不到三年的時間，已經(jīng)幫助長城成為自動駕駛的頭牌玩家？

帶著好奇和疑惑，我們來看看毫末第六次 AI Day，報告了哪些自動駕駛的技術(shù)進展，其自動駕駛的量產(chǎn)走到了哪一步，又是怎么理解自動駕駛未來的。

一、MANA 數(shù)據(jù)閉環(huán)

顧維灝認為，自動駕駛最近十年來的技術(shù)發(fā)展，可以分為三個階段：

1.0 時代：100 萬公里規(guī)模，硬件驅(qū)動；

2.0 時代：百萬-億公里規(guī)模，軟件驅(qū)動；

3.0 時代：1 億公里以上規(guī)模，數(shù)據(jù)驅(qū)動。

而毫末智行的目標，則是「沖刺進入自動駕駛3.0時代」。而想要徹底達成這一目標，顧維灝認為所需的數(shù)據(jù)量、算力、模型優(yōu)化等等，都將比 2.0 時代高出幾個數(shù)量級。

也是在今天的發(fā)布會上，張凱宣布毫末智行人工智能數(shù)據(jù)體系 MANA，已經(jīng)基本完成了數(shù)據(jù)閉環(huán)。MANA，似乎也成為了毫末智行喊出「中國第一」的底氣。

那么，MANA 到底做到了什么？和前面幾次亮相相比，它又有什么進化？

1. 更大的模型

Transformer，這是目前深度學習發(fā)展最強勢的神經(jīng)網(wǎng)絡(luò)。而基于 Attention 自注意力機制的 Transformer，又成為了深度學習，以及如今自動駕駛的核心名詞。

什么是 Attention 機制？它的本質(zhì)是模擬人類的注意力（attention），因為我們通過聚焦物體的主要特征，從而高效識別出這是什么，我該怎么做。

換句話說，簡潔、焦點，就是 Attention 機制的核心。

Attention 機制可以無限堆疊基本單元，如今最大的 Attention 模型參數(shù)已經(jīng)達到了萬億級，訓練效果非常驚人——同時對算力的要求也非常驚人，起碼達到了傳統(tǒng) CNN 網(wǎng)絡(luò)的 100 倍。

顧維灝也表示，Attention 機制 Transformer 的應用實踐，意味著自動駕駛數(shù)據(jù)規(guī)模要足夠大，而且需要更充分地多樣性——「起碼要 1 億公里」。

毫末智行和業(yè)界主流一樣沿用了 Attention 機制，而其 MANA 閉環(huán)的獨特優(yōu)化，關(guān)鍵則在于數(shù)據(jù)規(guī)模擴大的前提下，不斷提高訓練效率。

2. 4 萬年與 1700 萬公里

4 萬年，是目前 MANA 數(shù)據(jù)體系的仿真系統(tǒng)內(nèi)，已經(jīng)積累的「虛擬駕齡」，模型累計訓練時長則超過了 31 萬小時。另外毫末目前累積的真實道路數(shù)據(jù)，已經(jīng)超過 1700 萬公里。

不斷滾雪球的訓練數(shù)據(jù)和模型，需要持續(xù)優(yōu)化的訓練效率。其中一個方法，是通過 backbone 統(tǒng)一，直接利用大量無標注數(shù)據(jù)。

聽起來很復雜，其實深度學習里面的 backbone 顧名思義，指的是神經(jīng)網(wǎng)絡(luò)的「脊梁骨」，學名主干網(wǎng)絡(luò)，作用類似于提取「最大公約數(shù)」，也就是找到不同數(shù)據(jù)之間的基本共同特征。

毫末智行的做法，則是將所有感知任務(wù)的 backbone 統(tǒng)一，然后利用無標注數(shù)據(jù)先訓練好某個 backbone 并鎖定，模型剩余部分再用已標注樣本來訓練。

顧維灝表示，這樣操作可使訓練效率提升 3 倍以上，同時精度有顯著提升。

統(tǒng)一 backbone 應對的是更大的模型，另一個挑戰(zhàn)是更多的數(shù)據(jù)。怎么理解？比如積累到第 10 億公里的時候，前面 100 萬公里可能會被「遺忘」，大概相當于被后面的數(shù)據(jù)「沖掉」了某些特征。

顧維灝指出，最簡單的方法是用所有數(shù)據(jù)再「提純」一次，但這樣「太貴太慢」。

毫末的方法是類似于「面多加水，水多加面」：抽取已有的數(shù)據(jù)，與新數(shù)據(jù)在同一個模型下輸出。最終號稱在同樣精度下可以節(jié)省 80% 以上的算力，收斂時間也可以提升 6 倍以上。

3. 感知全世界

4 月份，我們在北京體驗了毫末智行城市 NOH 的長城摩卡試驗車。當時毫末對這套城市領(lǐng)航方案的定義是「重感知、輕地圖」，也就是高精地圖的「濃度」相對更低。

為什么毫末將天平傾向感知？顧維灝的解釋是「高精地圖的置信度有問題」。

他表示，城市道路環(huán)境的變化頻率遠高于高速場景——比如修路?！溉绻训貓D看作傳感器的話，它的置信度是有些問題的，不知道什么時候、什么地方，它就會失效。」

這樣的邏輯下，毫末決定用 Transformer 建立強感知的時空理解能力。比如用綜合長時間多幀信息來消除抖動、用時序的 transformer 模型在 BEV 空間上做虛擬實時建圖等等。

我們直接來看療效吧，顧維灝表示，目前毫末已經(jīng)可以解決部分道路模糊、復雜路口、環(huán)島等問題，而且在感知過程中只需要普通地圖信息，「就像我們自己開車一樣」。

有關(guān)「重感知」路線，一周前我們在詢問毫末智行技術(shù)副總裁艾銳的時候，得到了這樣的回答：

「在純技術(shù)研發(fā)的角度，高精地圖是好事，可以降低難度。但毫末作為競爭者的角度，一定要有特色路線。另外國內(nèi)存在各種限制，高精地圖不會開放得特別快?！?/span>

另外，在重感知賽道上，艾銳表示沒有必要放棄激光雷達。

首先，他認為 2022 這個時間點，視覺并沒有「碾壓」激光雷達。而且激光雷達廠商也不會坐以待斃，CMOS 化、降成本等等都在做。「如果價格合適，多配一個激光雷達有什么關(guān)系呢？」

當然，純視覺感知走得最堅定的特斯拉，艾銳表示依然「比我所知道的都領(lǐng)先一大截，屬于獨一檔的，其他人都差不太多」。

回到今天發(fā)布會，毫末提到的另一個關(guān)于感知的進步，在于利用人類世界進行交互。

說得簡單點就是識別真實世界中的通用交通行為，比如車燈。目前毫末正在升級感知系統(tǒng)，目的是識別剎車燈、轉(zhuǎn)向燈等信息。

艾銳當時則展開了更多：比如很多車外后視鏡都有的黃色警報燈，也在考慮做進感知里面，「讓系統(tǒng)知道對方司機已經(jīng)發(fā)現(xiàn)你了，可以有更多的博弈邏輯」。

4. 超算中心

去年 12 月 23 日，毫末 MANA 數(shù)據(jù)體系正式亮相。當時 MANA 號稱是「中國第一個自動駕駛數(shù)據(jù)智能體系」，毫末同時還宣布了自研超算中心的計劃。

今天下午，毫末的超算中心披露了更多信息。

首先是建設(shè)目標：滿足千億參數(shù)的大模型、數(shù)據(jù)規(guī)模百萬 clips（片段），同時整體訓練成本可以降低 200 倍。

降低成本，指的其實不是單純「少花錢」，更關(guān)鍵的是「少花時間」——目前同樣一個千億參數(shù)的模型，顧維灝表示需要「上千卡 GPU 訓練幾個月時間?！?/span>

提到訓練，最近中美訓練芯片禁運事件不得不提。艾銳的回應是「訓練其實不一定全得用英偉達方案」。

5. 城市 NOH 的五大功能

最終，MANA 數(shù)據(jù)體系會在產(chǎn)品上，以高級智能駕駛的形態(tài)出現(xiàn)。今天的發(fā)布會上，毫末公布了城市 NOH 的 5 個主要領(lǐng)航功能：

智能識別交通燈：可以識別包括紅綠燈、黃閃燈、左右轉(zhuǎn)箭頭燈等，但與我們體驗的版本不一樣，量產(chǎn)版紅轉(zhuǎn)綠燈時需要輕點油門，官方表示這是出于「用戶磨合」考慮。

智能左右轉(zhuǎn)：根據(jù)人類駕駛經(jīng)驗設(shè)定左右轉(zhuǎn)向，轉(zhuǎn)向過程中遇到行人和非機動車時會主動避讓，遇到機動車才會觸發(fā)博弈。

智能變道：這是城市領(lǐng)航最主要的功能之一。毫末NOH的變道邏輯包括：保障行駛在正確的車道、為了通行效率主動變道、變道時判斷后方交通參與者運動情況、會主動用加減速創(chuàng)造變道空間。

智能躲避障礙物（動/靜態(tài)）：靜態(tài)的典例是錐桶，躲避的邏輯是「能繞就繞，不能繞就減速」；動態(tài)的典例則是前車壓線行駛，此時首選是減速，然后再判斷是否可以繞行。

以上 5 個（動/靜態(tài)分成了兩個）功能都會在即將發(fā)布的正式版城市 NOH 上線。而隨后毫末將 OTA 的新功能，是「智慧交通流處理」，基礎(chǔ)是加入了識別轉(zhuǎn)向/剎車燈，然后去做相應的決策適配。

最后，顧維灝表示目前毫末的北京、保定、上海、深圳研發(fā)中心都在持續(xù)招聘。

二、1000 天之后，挑戰(zhàn)第一？

前面一段很技術(shù)向，可以概括為「毫末在做什么」。

除了技術(shù)細節(jié)，這屆 AI Day 還是毫末「喊話」最大聲的一次，態(tài)度鮮明、表述高調(diào)。用毫末智行董事長張凱的原話概括，這次發(fā)布會，毫末在講「中國自動駕駛的新故事、新標桿」。

一家成軍不到三年的公司，說話這么狠？

我們總結(jié)了張凱今天的幾個關(guān)鍵表態(tài)，以及更多核心數(shù)據(jù)。這里面有很多個「國內(nèi)第一」，有些甚至號稱是「業(yè)內(nèi)第一」。

1.「國內(nèi)智能駕駛技術(shù)落地經(jīng)驗最豐富的公司」

張凱表示，毫末智行用 2 年時間開發(fā)了三代智能駕駛系統(tǒng)，落地了 10 余款不同平臺的車型。目前可以做到全新車型復用開發(fā) 4 個月達到量產(chǎn)狀態(tài)、全新車型匹配標定 2 個月內(nèi)完成，號稱標定效率「全行業(yè)第一」。

另外，毫末目前可以同時異步并行開發(fā)超過 30 個智能駕駛項目（約等于 30 臺車），同樣號稱「國內(nèi)唯一」的開發(fā)能力。

2.「國內(nèi)最早且唯一的進入產(chǎn)品快速迭代階段的自動駕駛公司」

除了我們體驗過的，首發(fā) HPilot 3.0 的摩卡激光雷達版，今年搭載毫末智行智能駕駛的上市車型，還包括歐拉閃電/芭蕾/好貓、長城炮等等。

量產(chǎn)乘用車以外，今年毫末還發(fā)布了第二代自動駕駛末端物流車「小摩駝 2.0」，這款十萬級的物流小車已經(jīng)開始交付。

3.「中國首個大規(guī)模量產(chǎn)的城市 NOH 輔助駕駛系統(tǒng)」

上面這句話定語很長，但早在 4 月份的時候，我們得到的準確表態(tài)，是「毫末智行城市領(lǐng)航的落地速度，會比更依賴高精地圖的華為、小鵬等企業(yè)更快」。

今天發(fā)布會上，張凱表示今年 HPilot 3.0 可以落地 10 個城市，明年計劃是落地超過 100 個城市。最先落地的城市，會是北京/保定。

三、毫末會是長城的「長城」嗎？

我們一直在觀察毫末智行。

原因其實有好幾個：毫末展示出來的體系化思考、長城「全村的希望」、民企做技術(shù)的「豁出去」，等等。

到了 2022 年 9 月，我們看到毫末用3年不到的時間，追上了華為、小鵬等等城市領(lǐng)航的先發(fā)者，已經(jīng)要同臺競技了。

速度可嘉，但最后依然要看療效。最快下個月，我們就能看到來自長城體系的量產(chǎn)版城市領(lǐng)航了，毫末今天立的 flag、喊的口號，今年真的會兌現(xiàn)嗎？

你們怎么看？評論區(qū)見。

（完）

返回第一電動網(wǎng)首頁 >