[汽車之家 行業(yè)]  日前，第六屆HAOMO AI DAY正式舉辦,。據(jù)悉,，HAOMO AI DAY品牌日系列活動(dòng)始于2021年，以季度為周期召開(kāi),，用于展示當(dāng)下自動(dòng)駕駛領(lǐng)域最新趨勢(shì)以及毫末智行最新發(fā)展動(dòng)向。

　　在活動(dòng)中，毫末智行董事長(zhǎng)張凱分享了當(dāng)下智能駕駛領(lǐng)域的發(fā)展趨勢(shì),。根據(jù)該企業(yè)提供的數(shù)據(jù),，2022年,，中國(guó)市場(chǎng)在全球智能汽車份額中所占比例已達(dá)到57%,，滲透率達(dá)到26%。相比之下,，歐洲所占比例為27%,；美國(guó)所占比例為10%,。中國(guó)市場(chǎng)已呈現(xiàn)絕對(duì)領(lǐng)跑之勢(shì),。

　　而從國(guó)內(nèi)數(shù)據(jù)來(lái)看,，2020年-2022年6月，是中國(guó)市場(chǎng)各品牌高級(jí)別輔助駕駛功能搭載的快速攀升時(shí)段，尤其是2022年上半年，高級(jí)別輔助駕駛的前裝搭載率達(dá)到26.64%,。據(jù)張凱預(yù)測(cè)，上述數(shù)據(jù)還將快速增長(zhǎng),，預(yù)計(jì)到2025年，中國(guó)高級(jí)別輔助駕駛搭載率超過(guò)70%。

　　市場(chǎng)繁榮可期,，但競(jìng)爭(zhēng)也愈發(fā)激烈。一直以來(lái),，自動(dòng)駕駛領(lǐng)域中都有著“漸進(jìn)式”與“躍進(jìn)式”兩種發(fā)展策略,。所謂“漸進(jìn)式”策略，指的是優(yōu)先量產(chǎn)L2級(jí)輔助駕駛,、高級(jí)輔助駕駛,，并由此低成本地獲取數(shù)據(jù)，不斷完善,、迭代算法,，最終做到L4、L5級(jí)別的自動(dòng)駕駛,。

　　“躍進(jìn)式”策略指跳過(guò)L2,、L3，直接一步到位做到L4,、L5級(jí)別自動(dòng)駕駛,。選擇躍進(jìn)式策略的大都以科技公司為主，比如谷歌旗下的Waymo,，畢竟在不造車的前提下,，這些科技公司也難以找到大規(guī)模量產(chǎn)車為其提供數(shù)據(jù)。

　　在張凱看來(lái),，兩種策略相比之下,，漸進(jìn)式才是推動(dòng)人類實(shí)現(xiàn)自動(dòng)駕駛的最佳路徑�,！笆紫�,，漸進(jìn)式路線量產(chǎn)時(shí)間更早，能夠更早形成規(guī)�,；�,。相對(duì)躍進(jìn)式路線，漸進(jìn)式更容易獲得足夠數(shù)量的數(shù)據(jù),。其次,，漸進(jìn)式路線是從用戶真實(shí)使用場(chǎng)景中獲得的數(shù)據(jù)，相對(duì)躍進(jìn)式定向采集數(shù)據(jù)方式而言,，成本更低，質(zhì)量更高,�,！�

　　而在漸進(jìn)式策略中，成功的關(guān)鍵就在于數(shù)據(jù),。背靠長(zhǎng)城汽車這種規(guī)模龐大的主機(jī)廠,，毫末智行的規(guī)�,；�落地存在一定地保障性。為了更好發(fā)揮龐大數(shù)據(jù)優(yōu)勢(shì),，對(duì)車輛所產(chǎn)生的數(shù)億自動(dòng)駕駛里程的數(shù)據(jù)進(jìn)行智能分析,，以支持更大規(guī)模的應(yīng)用。毫末智行于2021年底發(fā)布了自動(dòng)駕駛數(shù)據(jù)智能體系——雪湖（MANA）,。

　　據(jù)毫末智行CEO顧維灝表示：“目前用戶使用我們輔助駕駛產(chǎn)品所產(chǎn)生的輔助駕駛里程,，已經(jīng)接近1700萬(wàn)公里；我們的數(shù)據(jù)智能體系MANA的學(xué)習(xí)時(shí)長(zhǎng)已經(jīng)超過(guò)了31萬(wàn)小時(shí),，虛擬駕齡達(dá)到4萬(wàn)年,。末端物流自動(dòng)配送車也為附近用戶運(yùn)送了超過(guò)9萬(wàn)單的物資。數(shù)據(jù)的規(guī)模和多樣性都在快速地增長(zhǎng),�,！�

　　除路線之爭(zhēng)外，毫末智行也將自動(dòng)駕駛技術(shù)發(fā)展分為了三個(gè)階段：硬件驅(qū)動(dòng)時(shí)代,、軟件驅(qū)動(dòng)時(shí)代以及數(shù)據(jù)驅(qū)動(dòng)時(shí)代,。在硬件驅(qū)動(dòng)時(shí)代，車輛被武裝到牙齒,，感知能力的強(qiáng)弱往往取決于誰(shuí)的激光雷達(dá)數(shù)量多,、線束多。但由于整體成本高,，導(dǎo)致量產(chǎn)車型有限,，自動(dòng)駕駛里程規(guī)模較少。

　　隨著更大算力的中央計(jì)算芯片,，自動(dòng)駕駛也走入了軟件驅(qū)動(dòng)時(shí)代,，AI在車上開(kāi)始廣泛應(yīng)用。在感知方向,，各個(gè)傳感器各自為戰(zhàn),，用一些小模型和少量數(shù)據(jù)做訓(xùn)練，得到單個(gè)傳感器的識(shí)別結(jié)果,，然后進(jìn)行感知結(jié)果級(jí)的融合,；在認(rèn)知方向，則依舊以人工規(guī)則為主,。在此階段中,，整體成本逐步下降，效果則逐漸提升,，自動(dòng)駕駛里程也迅速提升,，達(dá)到上千萬(wàn)公里。

　　如今,，自動(dòng)駕駛領(lǐng)域已開(kāi)始進(jìn)入3.0時(shí)代——數(shù)據(jù)驅(qū)動(dòng)時(shí)代,�,！皵�(shù)據(jù)驅(qū)動(dòng)時(shí)代，是完全不一樣的時(shí)代,，是數(shù)據(jù)自己訓(xùn)練自己的時(shí)代,，我們所做的一切的，都是為了能夠做出數(shù)據(jù)通道和計(jì)算中心,，以便可以更高效的獲取數(shù)據(jù),，并把數(shù)據(jù)轉(zhuǎn)化為知識(shí)。在感知方向,，是用多個(gè)傳感器,、不同模態(tài)傳感器的原始數(shù)據(jù)聯(lián)合輸出感知結(jié)果；在認(rèn)知方向,，通過(guò)大量人駕數(shù)據(jù)抽取可解釋的場(chǎng)景化駕駛常識(shí),，在配以AI的實(shí)時(shí)計(jì)算，可以更加擬人化的融入社會(huì)交通流中,；訓(xùn)練的方式,，也發(fā)生了很多變化，主要是從小模型少數(shù)據(jù),，轉(zhuǎn)成剛才提及的大模型和真正的大數(shù)據(jù),，是那種1億公里以上的輔助駕駛里程所產(chǎn)出的數(shù)據(jù)�,！�

　　目前,，毫末智行正在加速進(jìn)入數(shù)據(jù)驅(qū)動(dòng)時(shí)代，擺在這家企業(yè)面前的則是新時(shí)代的六大挑戰(zhàn),。挑戰(zhàn)一是如何在自動(dòng)駕駛領(lǐng)域應(yīng)用大模型,。對(duì)此，業(yè)界常用的方式是監(jiān)督學(xué)習(xí),。雖然毫末智行擁有自動(dòng)標(biāo)注的手段,，樣本標(biāo)注的時(shí)間成本和金錢成本還是很高。在顧維灝看來(lái),，應(yīng)對(duì)這一挑戰(zhàn)的關(guān)鍵還在于能夠直接使用大量無(wú)標(biāo)注數(shù)據(jù)的方法,，毫末智行選擇的是將所有的感知任務(wù)backbone都統(tǒng)一，然后利用無(wú)標(biāo)注數(shù)據(jù)先訓(xùn)練好這個(gè)統(tǒng)一backbone并鎖定,，模型剩余部分再用標(biāo)注樣本來(lái)訓(xùn)練,。

　　 挑戰(zhàn)二是存量數(shù)據(jù)規(guī)模巨大的前提下，如何讓模型能夠?qū)π聢?chǎng)景保持敏感,，而不會(huì)陷入可怕的遺忘性災(zāi)難,。為此，毫末智行構(gòu)造了一個(gè)增量式的學(xué)習(xí)訓(xùn)練平臺(tái),。在訓(xùn)練過(guò)程中抽取部分存量數(shù)據(jù)加上新數(shù)據(jù)組合成一個(gè)混合數(shù)據(jù)集,。相比于用全量數(shù)據(jù)再次精細(xì)的訓(xùn)練模型，毫末智行,，在同樣的精度下可以節(jié)省80%以上的算力,，收斂時(shí)間也可以提升6倍以上。

　　 挑戰(zhàn)三是如何使用重感知技術(shù)解決空間理解問(wèn)題,。在顧維灝看來(lái),，城市場(chǎng)景里的道路環(huán)境發(fā)生變化的頻率遠(yuǎn)遠(yuǎn)高于高速場(chǎng)景，如果把地圖看作一個(gè)傳感器的話,，那么這個(gè)傳感器的置信度是有些問(wèn)題的,，不知道什么時(shí)候什么地方它就會(huì)失效。所以毫末智行選擇了重感知輕地圖的路線,，在城市實(shí)現(xiàn)導(dǎo)航自動(dòng)駕駛只用普通導(dǎo)航地圖,，不依賴高精地圖。

　　為了提升自動(dòng)駕駛系統(tǒng)的時(shí)空理解能力,，毫末智行用時(shí)序的transformer模型在BEV空間上做了虛擬實(shí)時(shí)建圖,，通過(guò)這種方式讓感知車道線的輸出更加準(zhǔn)確和穩(wěn)定

　　 挑戰(zhàn)四是如何讓自動(dòng)駕駛系統(tǒng)能夠使用人類世界的交互接口。此前,，業(yè)界做法是用傳感器感知和算法預(yù)測(cè)周圍交通參與者的意圖,。而在城市環(huán)境下，交通參與者的活動(dòng)變得更復(fù)雜,，預(yù)測(cè)的難度加大,。為此，毫末智行升級(jí)車上的感知系統(tǒng),，加入了對(duì)車輛信號(hào)燈狀態(tài)的專門識(shí)別,，包括剎車燈和轉(zhuǎn)向燈。以達(dá)到在前車減速,，周圍車輛切入等場(chǎng)景中開(kāi)的更安全和更舒適,。

　　 挑戰(zhàn)五是如何讓仿真更真實(shí)。在顧維灝看來(lái),，對(duì)于仿真,，主要有三個(gè)層次的工作。一個(gè)是基礎(chǔ)仿真能力,，仿真環(huán)境和運(yùn)動(dòng)的基礎(chǔ)能力,，主要衡量的是精準(zhǔn)性；一個(gè)構(gòu)建場(chǎng)景的能力,，主要看的效率,；另一個(gè)定義場(chǎng)景的能力，主要看有效性,。

　　以城市路口的場(chǎng)景為例,，毫末智行通過(guò)與阿里以及相關(guān)部門合作,，利用路端設(shè)備將路口處每時(shí)每刻的真實(shí)交通流都記錄下來(lái)，再通過(guò)log2world的方式導(dǎo)入到仿真引擎里面,，加上駕駛員模型之后,，就可以用于路口場(chǎng)景的調(diào)試驗(yàn)證。

　　 挑戰(zhàn)六是如何讓車運(yùn)動(dòng)起來(lái)更像人,。毫末智行的做法是對(duì)覆蓋海量人駕進(jìn)行深度理解,，構(gòu)建毫末自動(dòng)駕駛場(chǎng)景庫(kù)，并基于典型場(chǎng)景挖掘海量司機(jī)的實(shí)際駕駛行為,，構(gòu)建taskpromt,，訓(xùn)練一個(gè)基于時(shí)空Attention的駕駛決策預(yù)訓(xùn)練大模型，使得自動(dòng)駕駛決策更像人類實(shí)際駕駛行為,，以保證實(shí)現(xiàn)自動(dòng)駕駛決策的可控,、可解釋。（文/汽車之家 陳燦）

查看同類文章：

行業(yè)視角

更多精彩內(nèi)容：

海外售價(jià)

企業(yè)/品牌事件

熱點(diǎn)新車解析

汽車之家行業(yè)-大數(shù)據(jù) 全領(lǐng)域 新視點(diǎn)