毫末智行让自动驾驶决斗走向数据智能特斯拉FSD迎来国内劲敌
即将到来的2022年，量产自动驾驶将迎来全新阶段。L2级自动驾驶中，上百TOPS的大算力自动驾驶芯片将量产上车，城市道路L2级自动驾驶将实现规模普及。同时，在L4级自动驾驶领域，Robotaxi、末端无人物流、Robotruck等将逐步扩大落地规模。人们生活、出行方式悄然改变的背后，是自动驾驶算法技术的日渐成熟与不断迭代，数据智能正是决胜自动驾驶的关键。昨天，新晋自动驾驶独角兽公司毫末智行正式举行了AI DAY，并发布了国内首个自动驾驶数据智能体系MANA（雪湖）。这标志着毫末智行将有能力高效率、低成本地挖掘数据价值，并实现自动驾驶算法和能力的快速迭代。事实也是如此，今年年初毫末智行的首个乘用车产品小魔盒1.0实现量产上车，9月即实现了高速路NOH（Navigation on HIPilot，智慧领航辅助驾驶）功能，本周毫末智行发布了城市道路NOH的路测演示。在一年时间内，毫末智行完成了其他大多数车企过去3～4年完成的自动驾驶功能升级，并且与行业其他头部企业同时站在了下一阶段的起跑线上——小魔盒3.0大算力平台以及城市NOH量产交付。毫末智行自动驾驶的研发、量产速度令全行业惊讶的同时，人们也在好奇，毫末智行的数据智能体系究竟是什么？如何促进自动驾驶算法快速迭代？在毫末智行AI DAY前后，车东西同毫末智行董事长张凯、CEO顾维灏等多位技术专家进行了深入交流，找到了MANA的内核，并且找到了毫末智行自动驾驶的制胜法宝。城市L2路测视频首度曝光 自动驾驶数据智能体系发布
昨天下午，毫末智行AI DAY在线上线下同时举办，并公布了多项重磅信息。其中最受行业关注的信息共有两个，其一是国内首个自动驾驶数据智能体系MANA发布，其二是毫末智行城市NOH路测视频首次公布，这一功能的量产版将在明年年中交付。毫末智行首先宣布了最新成绩单：2021年，毫末辅助驾驶系统已经搭载至魏牌摩卡、坦克300城市版、魏牌拿铁、魏牌玛奇朵、哈弗神兽等共计5款量产车辆中，销量达到数万台。日前，这些乘用车用户的的辅助驾驶行驶里程突破400万公里。在末端物流无人车方面，近期毫末迎来第1000辆车量产下线。
▲毫末智行12款产品
在即将到来的2022年，毫末智行将量产上车小魔盒3.0，也就是高通Snapdragon Ride自动驾驶平台方案，其单板算力达到360TOPS，并且可持续升级至1440TOPS。未来三年，毫末智行的自动驾驶解决方案将搭载至100万台乘用车中。毫末智行董事长张凯说道：“2022年，毫末智行要打赢‘数据智能技术之战’、‘辅助驾驶城市场景之战’、‘末端无人物流车规模之战’三场战役。”
▲毫末智行董事长张凯
为打赢“辅助驾驶城市场景之战”，毫末智行今天公布了城市NOH的路测视频。在路测过程中，毫末智行的测试车辆共行驶11公里，期间通过了24个路口，27个人行横道（其中5个无保护人行道），22个红绿灯，2个四岔环岛，全程共计行驶34分钟。截至目前，城市道路L2级自动驾驶取得显著成果的车企和方案商屈指可数，只有特斯拉、小鹏、毫末智行、华为等少数厂商。作为冲在最前的自动驾驶公司，毫末智行的城市NOH将在明年年中实现量产上车，再次领跑整个行业。
▲毫末智行乘用车产品路线图
而在2022年底，毫末智行计划交付全场景NOH；2023年，毫末智行将推出HSD（HAOMO Self-Driving），组建HSD车队。按照这个时间规划，毫末智行对未来两年布局的每一步，都将是业内首个叩响量产大门的公司。为了打赢“数据智能技术之战”，毫末智行打造了国内首个自动驾驶数据智能体系MANA，中文名为雪湖。
▲毫末智行CEO顾维灏发布自动驾驶数据智能体系MANA
从架构上来说，MANA共有四大板块组成，分别是TARS、LUCAS、VENUS和BASE。其中，BASE是整个系统架构的底层，包括数据底座、数据融合、PoseidonOS等，所有有关自动驾驶的数据都要经过底层。上层共有三大板块，其中TARS代表毫末智行的开发的原型算法，包括感知、规划决策、地图定位、仿真引擎。LUCAS则代表车辆在现实中的感知、计算、验证等过程，也就是自动驾驶的大规模泛化。VENUS则是数据看板，能够以参考标准评价算法的好坏。
▲毫末智行自动驾驶数据智能体系MANA
此外，毫末智行还将筹建MANA超算中心，实现更高效的数据挖掘。而在末端无人物流配送车领域，毫末智行已经与美团、阿里巴巴达成合作。位于保定的毫末智行柔性制造基地内，无人物流配送车一辆辆在这里诞生。近期毫末智行打造的第1000辆无人物流配送车下线，明年，无人物流车项目预计将扩大3倍，从而打赢“末端无人物流车规模之战”。成立仅两年时间，毫末智行已经拥有12款产品，并实现规模量产。本周，毫末智行还宣布完成A轮近10亿元融资，成为国内第一家实现规模量产的自动驾驶独角兽公司。进入自动驾驶第一梯队之后，毫末智行搭建的数据智能体系MANA将让毫末更上一层楼，在自动驾驶的下一阶段实现腾飞。
在全球自动驾驶赛道中，无论是车企还是自动驾驶公司，最终目标都是全场景的完全自动驾驶。无论是量产领域的特斯拉，还是Robotaxi领域的Waymo，这些全球性的头部玩家都在朝着这个目标迈进。然而，完全自动驾驶实现起来非常困难。通常情况下，自动驾驶工程师能够根据驾驶经验标定出基础驾驶能力，后期则是通过自动驾驶数据的积累，让算法不断迭代，最终实现升级。
▲毫末数据智能的思想钢印
毫末智行CEO顾维灏介绍，自动驾驶能力的不断升级，依靠的是将数据转化为机器的“知识”。数据的获取、表达、储存、传输、计算、验证就是一整套的流程，如果其中的成本能够不断降低、速度不断提升，最终自动驾驶能力将呈现出快速增长。简化为图表来看，自动驾驶能力的增长与数据规模正相关。
▲毫末智行绘制的自动驾驶能力发展曲线
在量产自动驾驶领域，特斯拉已经做了较长时间的布局。特斯拉AI高级总监Andrej Karpathy曾经透露，其数据处理的核心团队只有20人，但为了实现纯视觉感知，特斯拉对60亿个物体进行了标签化处理，同时在四个月时间内处理了100万条有关Corner Case的10秒短视频。特斯拉之所以能够实现高效的数据处理，背后原因就是搭建起了一套数据智能模型。然而，在国内数据智能体系却是个空白。当毫末智行亮相MANA的时候，特斯拉的数据智能体系还是第一次被国内自动驾驶公司对标。
▲特斯拉与毫末智行的数据智能体系对比
实际上，特斯拉和毫末智行的数据智能体系有着明显的区别，尤其是在感知层面。作为自动驾驶的第一步，MANA的感知将融合摄像头、毫米波雷达、激光雷达等多种传感器的数据。当前业界大多采用后融合的方式，但造成的结果是时间上的不连续和空间上的割裂，导致融合效果并不出色。
▲采用后融合的MANA感知智能
然而，传感器种类、数量同时增多的今天，毫末智行正在着手研发的前融合技术，在对感知数据预处理之后直接融合，感知将更加连续、全面。顾维灏介绍，在算法结构上，摄像头的数据经过基础处理后，就会使用Transformer算法，将多个传感器感知数据融合在一起。同时，毫末智行也采用RNN算法或光流SLAM的方式，将时间的特性加入到空间中。在这之后，再进行目标提取等感知运算。用这种方式，能够让传感器对世界的感知更加连续也更加全面，从而提升感知的准确率和对现实的刻画能力。
除了感知智能之外，MANA还在认知、标注、仿真、计算能力上拥有更多革新。在感知到车辆周围场景之后，下一步就是实现认知智能，通俗点说就是让自动驾驶更像人一样，以安全、舒适、高效的方式完成驾驶动作。相对于感知层面明确的标准，认知层面的参考标准变成了三个，这就带来了非常多的困难。顾维灏说道：“如果有三个目标的时候，就难以有全局最优解。”人类开车习惯是怎样的？驾驶员在遵守规则、常识的基础之上，智能地选择自己的驾驶行为。一句话总结来说，人类的驾驶不是一个数学问题。
▲MANA认知智能
因此，当把自动驾驶简单转化为数学问题求解，可能永远得不到最优的自动驾驶算法。此时，自动驾驶系统具备认知智能就有了明确的意义。毫末智行采用全栈自研安全认知模型CSS，充分考虑从数据中学习到的对其他交通参与者行为的理解和超时空的历史经验，从而保证驾驶过程的安全。当自动驾驶系统最初上线时，毫末智行会根据主流用户习惯做出一个标定，未来则会标定出激进驾驶、平顺驾驶等多种不同的驾驶习惯，甚至直接在车端学习本车驾驶员的习惯，满足不同用户不同场景的需求。在数据标注阶段，毫末采用了很多深度强化学习方法，构建起了闭环标注系统，运用了无监督自动标注算法，大大提升了数据标注的效率，以适应大规模量产的需求。顾维灏介绍，毫末正在将数据标注作为一项正式产品打造，已经将闭环思路引入其中。在量产上路之前，还需要大量的测试与验证工作。除了实际道路测试，还有在服务器上的仿真测试。在演示视频中，毫末智行的测试车先完成一次实际道路测试，感知到的数据在服务器端能够渲染出同样的道路场景，研发人员可以在同样场景下定义不同的天气、光照、曝光、路面参与者，从而实现同一路段的多场景反复测试。
▲MANA的自动验证
甚至可以说，自动驾驶仿真测试就是在“元宇宙”中进行的。而如果仅仅依靠实际道路测试，同一路段的重复性因素较多，随机性的因素相对较少。因此，依靠仿真测试能够大大缩短研发周期。至此，毫末智行已经实现了感知、认知、标注、仿真四个方面实现快速迭代，并且都是依靠MANA数据智能体系实现的。因此，抓住数据智能，就能实现算法的快速升级。对于自动驾驶来说，数据智能是重中之重。
如果说数据智能的感知、认知、标注、仿真是在挖掘数据深度，那么数据智能最后一步计算则是考验数据挖掘的速度。今年，特斯拉公布了自己世界第五的自动驾驶超算。这一超算使用了720个节点，每个节点8个英伟达A100 Tensor Core GPU（共5760个GPU），实现了1.8 exaflops的性能。同时，还配备10PB NVME存储空间，读写速度能够达到1.6TB/s，可能是全球最快的读写设备。特斯拉的做法就是打造一个完全面向自动驾驶的超算，方便自己取用，且非常灵活。在昨天的毫末智行AI DAY上，顾维灏也宣布正在筹建MANA超算中心，主要用于自动驾驶的数据处理、训练、推理和验证等需求，将推动中国自动驾驶进入超算中心时代。明年，毫末智行将逐步公布超算中心的研发进展。
▲毫末智行计划建立MANA超算中心
如今，城市道路L2级自动驾驶已经处于量产前夜，明年年初就将有多款车型量产上市。与此同时，自动驾驶大算力之争时代也已经到来，高通Snapdragon Ride、英伟达Orin以及国内的地平线、黑芝麻智能的大算力平台都将在明年部署上车。毫末智行预测，未来三年将有100万辆长城车型采用毫末的自动驾驶系统。与此同时，末端无人物流配送之战也在悄然打响。劳动力结构的变化，让蓝领外卖、配送小哥有机会转变为白领技术员工。毫末智行帮美团、阿里巴巴、物美超市等多个合作伙伴造车，也正是在末端无人物流领域悄然布局。毫末智行通过乘用车辅助驾驶产品、末端无人物流配送车和智能跟随机器人三大类产品，在自动驾驶领域做到了比较广泛的布局，并且正在引领国内自动驾驶行业走向全球领先。同时，也正因为有毫末智行这样的自动驾驶独角兽背后赋能，长城汽车已经拥有了对标特斯拉自动驾驶的勇气，在未来的自动驾驶竞争中实现技术、品质、安全等领域的全方位领先。