一周了，新智駕團(tuán)隊(duì)都泡在上海車展里，一直走到腳底起水泡。

廢話不多說(shuō)，關(guān)于今年國(guó)內(nèi)智能駕駛行業(yè)的技術(shù)熱點(diǎn)，通過(guò)觀察這一屆上海車展，我們發(fā)現(xiàn)了這幾大關(guān)鍵詞：

• 去高精地圖的重感知方案；

• BEV視角下的多模態(tài)融合（強(qiáng)調(diào)采用Transformer結(jié)構(gòu)）；

• 基于高算力的大規(guī)模數(shù)據(jù)訓(xùn)練；

• 基于行泊一體解決方案NOA功能在城市場(chǎng)景的量產(chǎn)上車。

就在車展前兩天，華為發(fā)布ADS2.0版本，強(qiáng)調(diào)放棄高精地圖路線，實(shí)現(xiàn)城市導(dǎo)航輔助駕駛，計(jì)劃在23年實(shí)現(xiàn)60個(gè)無(wú)圖城市的落地。

車展期間，理想汽車也宣布，理想智能駕駛進(jìn)入3.0時(shí)代，技術(shù)上采用基于Transformer模型架構(gòu)的BEV、Occupancy感知算法，解決動(dòng)靜態(tài)障礙物和道路真實(shí)環(huán)境重建問(wèn)題，計(jì)劃2023年底，不依賴高精地圖，城市NOA推送100座中國(guó)城市。

“去高精地圖”“智能駕駛3.0時(shí)代”“BEV感知算法”……這些詞并非新面孔，此前就已被業(yè)內(nèi)頻頻提及。

比如自動(dòng)駕駛3.0時(shí)代是毫末在2022年9月份首次講到，那時(shí)，毫末就提出了大模型和可解釋的駕駛常識(shí)。

而“重感知”技術(shù)路線則又是毫末最早在2022年4月在行業(yè)內(nèi)公開(kāi)提及，也對(duì)其BEV感知技術(shù)做了公開(kāi)展示，后邊車企智己汽車、極狐汽車等也走的是“重感知”路線，現(xiàn)在看起來(lái)，這個(gè)趨勢(shì)已漸漸被越來(lái)越多的行業(yè)各玩家所認(rèn)可。

不難發(fā)現(xiàn)，過(guò)去一年間，隨著中國(guó)自動(dòng)駕駛進(jìn)入深度技術(shù)革新和產(chǎn)業(yè)的激烈競(jìng)爭(zhēng)周期，行業(yè)的很多趨勢(shì)其實(shí)都與毫末這家公司的判斷和實(shí)踐不謀而合。

這次車展前夕，毫末發(fā)布行業(yè)首個(gè)自動(dòng)駕駛生成式大模型DriveGPT，逐步融合感知和認(rèn)知模型，提出實(shí)現(xiàn)端到端自動(dòng)駕駛的技術(shù)演進(jìn)目標(biāo)。

毫末智行CEO顧維灝再次預(yù)測(cè)，“我們相信在大數(shù)據(jù)的基礎(chǔ)上，自動(dòng)駕駛的DriveGPT也將重塑汽車智能化的技術(shù)路線，加速自動(dòng)駕駛3.0時(shí)代更早到來(lái)。”

顧維灝認(rèn)為，毫末正在沖刺進(jìn)入自動(dòng)駕駛的3.0時(shí)代。

當(dāng)大多數(shù)參賽選手都在2.0階段打轉(zhuǎn)的時(shí)候，成立僅三年的毫末，敢喊出如此口號(hào)的底氣到底是什么？

劃分自動(dòng)駕駛3.0時(shí)代，中國(guó)自動(dòng)駕駛進(jìn)入技術(shù)質(zhì)變期

首先得明確一下，毫末口中的“自動(dòng)駕駛3.0時(shí)代”是怎么樣的。

每個(gè)時(shí)代都有典型的技術(shù)特征，由于驅(qū)動(dòng)力和技術(shù)工具不同，技術(shù)高度上也明顯不同。

在技術(shù)特征上，自動(dòng)駕駛可以分成四個(gè)維度：產(chǎn)品和技術(shù)運(yùn)行了多少里程、感知技術(shù)的實(shí)現(xiàn)方法、認(rèn)知技術(shù)的實(shí)現(xiàn)方法、技術(shù)模式的迭代方式。

在毫末看來(lái)， 自動(dòng)駕駛1.0時(shí)代，是硬件驅(qū)動(dòng)時(shí)代 。

在這一階段，自動(dòng)駕駛車輛武裝到了牙齒，車上掛滿了各種大大小小硬件。

感知能力，主要靠的激光雷達(dá)，誰(shuí)的線束多，誰(shuí)的個(gè)數(shù)多，誰(shuí)的能力強(qiáng)；在認(rèn)知上，也基本使用規(guī)則的方式來(lái)實(shí)現(xiàn)。

而由于車輛整體成本比較高，所以車輛數(shù)量有限，同時(shí)技術(shù)效果一般，由此導(dǎo)致自動(dòng)駕駛里程規(guī)模比較少，在100萬(wàn)公里左右。

2.0時(shí)代，是軟件驅(qū)動(dòng)時(shí)代 ，這時(shí)行業(yè)等來(lái)了更大算力的中央計(jì)算芯片，看到車上車規(guī)級(jí)傳感器個(gè)數(shù)在快速增加，也等到AI在車上的廣泛應(yīng)用。

然而這時(shí)在感知方向上，各個(gè)傳感器仍是各自為戰(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，依然是人工規(guī)則為主；不過(guò)由于整體成本的下降和效果的提升，自動(dòng)駕駛里程在快速增加，達(dá)到上千萬(wàn)公里。

3.0時(shí)代，則是數(shù)據(jù)驅(qū)動(dòng)時(shí)代。

“這是完全不一樣的時(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)。”顧維灝說(shuō)。

不同階段的技術(shù)特征并不是突然發(fā)生變化的，這背后與智能駕駛落地場(chǎng)景的變化息息相關(guān)。

進(jìn)入2023年，中國(guó)智能駕駛玩家NOA功能落地的戰(zhàn)火早已從高速場(chǎng)景蔓延至城市場(chǎng)景，甚至可以明確地說(shuō)，城市導(dǎo)航輔助駕駛產(chǎn)品在2023年將圍繞量產(chǎn)上車發(fā)力。

從高速封閉道路到城市開(kāi)放道路下的復(fù)雜場(chǎng)景，從感知實(shí)現(xiàn)技術(shù)上看，難度呈數(shù)量級(jí)上升，2.0時(shí)代的智能駕駛技術(shù)開(kāi)始迎來(lái)質(zhì)變期。

因此我們看到，在這個(gè)階段，從數(shù)據(jù)上看，大規(guī)模量產(chǎn)車的落地，提供了充沛的數(shù)據(jù)資源，在感知方向，行業(yè)開(kāi)始用多個(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。

從算法上，Transformer架構(gòu)模型在自動(dòng)駕駛的應(yīng)用成為行業(yè)公認(rèn)的范式，在認(rèn)知方向，開(kāi)始通過(guò)大量人駕數(shù)據(jù)抽取可解釋的場(chǎng)景化駕駛常識(shí)，再配以AI實(shí)時(shí)計(jì)算，可以更加擬人化地融入社會(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)成大模型和真正的大數(shù)據(jù)，開(kāi)始有1億公里以上的輔助駕駛里程所產(chǎn)出的數(shù)據(jù)，因此在算力上，云端智算中心建設(shè)成為趨勢(shì)。

這是3.0時(shí)代，智能駕駛技術(shù)需要解決的問(wèn)題，也是毫末沖刺的方向 。

以感知技術(shù)的實(shí)現(xiàn)方法為例，在城市場(chǎng)景，紅綠燈是最為普遍場(chǎng)景，但對(duì)紅綠燈識(shí)別也是個(gè)非常有挑戰(zhàn)性的任務(wù)。

一方面，紅綠燈比較小，是個(gè)典型的小目標(biāo)檢測(cè)問(wèn)題；另一方面，紅綠燈的狀態(tài)會(huì)動(dòng)態(tài)變化，比如閃爍；除此之外，紅綠燈還有明顯的地方特色，橫著的、豎著的、三個(gè)的、五個(gè)的、有待轉(zhuǎn)的、有倒計(jì)時(shí)的，各地形色各異。

最具挑戰(zhàn)性的，還在于不同的燈，究竟具體管的是哪條路、管的哪條車道？

為此，基于充足的數(shù)據(jù)，毫末智行設(shè)計(jì)了針對(duì)紅綠燈檢測(cè)及綁路的雙流感知模型，將紅綠燈檢測(cè)和綁路問(wèn)題分解成兩個(gè)通道。

此時(shí)毫末會(huì)通過(guò)訓(xùn)練生成feature map的卷積神經(jīng)網(wǎng)絡(luò)，獲得真實(shí)圖像中經(jīng)常出現(xiàn)紅綠燈位置的概率圖，最后用空間注意力機(jī)制將二者結(jié)合，從而輸出綁路后目標(biāo)車道紅綠燈通行狀態(tài)。

另外在車道線識(shí)別方面，毫末還設(shè)計(jì)了自己的BEV Transfomer進(jìn)行車道線識(shí)別。

根據(jù)介紹，毫末大舉投入的Transformer模型效果驚人：通過(guò)自研的BEV Transfomer，毫末在城市道路上實(shí)現(xiàn)了多傳感器融合車道線識(shí)別，號(hào)稱能讓中國(guó)沒(méi)有不能識(shí)別的車道線。

方向比努力重要：自動(dòng)駕駛?cè)珊蛿?shù)據(jù)驅(qū)動(dòng)第一性原理

方向比努力更重要。

重要的不是所占據(jù)的這個(gè)地方，而是在不斷前進(jìn)的那個(gè)方向。

早幾年，圍繞自動(dòng)駕駛商業(yè)化路徑，究竟應(yīng)該走“跨越式”發(fā)展方向，還是“漸進(jìn)式”方向，不同玩家爭(zhēng)論不休。

而在成立之初，毫末就在業(yè)內(nèi)堅(jiān)定地首次提出了自動(dòng)駕駛商業(yè)發(fā)展三定律——“從低速到高速，從載物到載人，從商用到民用”，強(qiáng)調(diào)自動(dòng)駕駛技術(shù)的“可行、可靠、可商用”。

這無(wú)疑是條透露著務(wù)實(shí)氣質(zhì)的漸進(jìn)式落地路線，這一方面能讓方案先搭載到量產(chǎn)車上，實(shí)現(xiàn)營(yíng)收，從而做到商業(yè)閉環(huán)，另一方面又可以積累數(shù)據(jù)。

事實(shí)上，國(guó)內(nèi)自動(dòng)駕駛的商業(yè)化發(fā)展軌跡，也確實(shí)精準(zhǔn)地貼合了毫末所提出的這三大發(fā)展定律，也因此讓毫末少了許多技術(shù)路線搖擺的內(nèi)耗過(guò)程。

中國(guó)智能駕駛進(jìn)入2023年，毫末再次拋出觀察：對(duì)于2023年的智能駕駛市場(chǎng)，今年是沖刺之年、大考之年。

數(shù)據(jù)顯示，2022年度中國(guó)市場(chǎng)，乘用車L2及以上輔助駕駛前裝搭載率升至29.40%，前裝標(biāo)配交付585.99萬(wàn)輛。

毫末則在去年預(yù)估，到2025年高級(jí)別輔助駕駛搭載率將超過(guò)70%。

毫末董事長(zhǎng)張凱認(rèn)為，這意味著智駕產(chǎn)品正在進(jìn)入快速增長(zhǎng)的全線爆發(fā)期，2023年是非常關(guān)鍵的一年。

首先，城市導(dǎo)航輔助駕駛產(chǎn)品在2023年將圍繞量產(chǎn)上車發(fā)力，主要玩家的城市輔助駕駛產(chǎn)品進(jìn)入到真實(shí)用戶覆蓋和多城市落地的比拼。

其次，行泊一體和末端物流自動(dòng)配送產(chǎn)業(yè)商業(yè)化將成為自動(dòng)駕駛公司深耕的重點(diǎn)。

在乘用車領(lǐng)域，搭載行泊一體功能的智駕產(chǎn)品將迎來(lái)前裝量產(chǎn)潮；在末端物流自動(dòng)配送領(lǐng)域，商超、快遞等場(chǎng)景迎來(lái)爆發(fā)，2023年將在這些場(chǎng)景實(shí)現(xiàn)可持續(xù)商業(yè)化閉環(huán)。

這些都意味著，用戶開(kāi)始更高頻地開(kāi)啟輔助駕駛功能，智駕行駛里程滲透率呈現(xiàn)指數(shù)級(jí)提升，將驅(qū)動(dòng)著自動(dòng)駕駛技術(shù)的快速迭代升級(jí)。

而早在這之前，圍繞自動(dòng)駕駛產(chǎn)品能力的打造，毫末就提出了數(shù)據(jù)驅(qū)動(dòng)的第一性原理，又總結(jié)出了自動(dòng)駕駛能力發(fā)展曲線F=Z+M（X），也正是對(duì)這一曲線的認(rèn)知，讓毫末的研發(fā)體系即使是在應(yīng)對(duì)快速變化、五花八門(mén)的智能駕駛場(chǎng)景需求時(shí)，也能保持著高效、穩(wěn)定的迭代。

在F=Z+M（X）中，F(xiàn)代表產(chǎn)品力，Z代表毫末第一代產(chǎn)品，M代表將數(shù)據(jù)轉(zhuǎn)化為知識(shí)的函數(shù)，包括數(shù)據(jù)獲取、表達(dá)、存儲(chǔ)、傳輸、計(jì)算、驗(yàn)證，以及對(duì)成本和速度的影響，而最核心的M，就是MANA。

MANA是毫末在2021年底發(fā)布的中國(guó)首個(gè)自動(dòng)駕駛數(shù)據(jù)智能體系，由BASE、TARS、LUCAS、VENUS四個(gè)子系統(tǒng)組成。

其中BASE是通用的數(shù)據(jù)基礎(chǔ)服務(wù)、計(jì)算基礎(chǔ)服務(wù)和支撐跨平臺(tái)的中間件；

TARS是自動(dòng)駕駛中的核心算法原型，包括感知、認(rèn)知、地圖以及支撐算法原型迭代的仿真系統(tǒng)；

LUCAS是提取數(shù)據(jù)價(jià)值，以數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)能力持續(xù)迭代的核心子系統(tǒng)，解決場(chǎng)景泛化，評(píng)測(cè)和部署的問(wèn)題；

VENUS是數(shù)據(jù)可視化系統(tǒng)，提供全局的數(shù)據(jù)洞察等能力并且提供車輛管理、平行駕駛等平臺(tái)工具。

基于MANA，毫末的五大能力逐步進(jìn)化。

以自動(dòng)標(biāo)注能力為例，人工智能算法的進(jìn)步離不開(kāi)大量的數(shù)據(jù)標(biāo)注工作，如果在當(dāng)下這個(gè)智駕產(chǎn)品進(jìn)入大規(guī)模量產(chǎn)的階段，能提高數(shù)據(jù)標(biāo)注的效率，無(wú)疑能擁有更多的成本優(yōu)勢(shì)。

根據(jù)介紹，毫末早以閉環(huán)思路、無(wú)監(jiān)督自動(dòng)標(biāo)注算法等為支撐，推出了自動(dòng)標(biāo)注，性能較市場(chǎng)上很多競(jìng)品高很多倍。

更值得一提的，是為了讓GPU不再等待數(shù)據(jù)，讓數(shù)據(jù)轉(zhuǎn)化成知識(shí)的速度更快，毫末在2023年1月發(fā)布了國(guó)內(nèi)自動(dòng)駕駛行業(yè)最大智算中心雪湖·綠洲，實(shí)現(xiàn)每秒浮點(diǎn)運(yùn)算達(dá)到67億億次，存儲(chǔ)帶寬達(dá)到2T/秒，通信帶寬則達(dá)到800G/秒。

通過(guò)升級(jí)以上計(jì)算、存儲(chǔ)、通訊方面的配備，目前雪湖·綠洲的訓(xùn)練效率提升了100倍。

再次引領(lǐng)新一代：DriveGPT雪湖·海若生成式大模型

感知要解決的是從傳感器信號(hào)中重建客觀世界的問(wèn)題，而認(rèn)知要解決的是從客觀世界到駕駛動(dòng)作的映射問(wèn)題。

在認(rèn)知領(lǐng)域，毫末在今年4月份做了項(xiàng)關(guān)鍵的升級(jí)——發(fā)布自動(dòng)駕駛生成式大模型DriveGPT，中文名：雪湖·海若，這是業(yè)內(nèi)首次將 GPT 應(yīng)用到自動(dòng)駕駛領(lǐng)域。

GPT的全稱是生成式預(yù)訓(xùn)練Transformer模型，本身是一種非常通用的建模范式，能應(yīng)用的領(lǐng)域非常之多。

其實(shí)在ChatGPT大火之前，GPT就已經(jīng)用在了其他領(lǐng)域，比如2021年7月的CodeX，也就是CodeGPT，可以用于代碼生成，提升寫(xiě)代碼的效率，還有2021年12月發(fā)布的WebGPT，可以讓GPT利用搜索引擎，主動(dòng)搜索結(jié)果并匯總整理出答案，也就是近期微軟發(fā)布的New Bing搜索。

從本質(zhì)上看，GPT是在求解下一個(gè)詞出現(xiàn)的概率，即每一次調(diào)用都是從概率分布中抽樣，并生成一個(gè)詞，這樣不斷地循環(huán)，就能生成一連串的字符，用于各種下游任務(wù)。

而毫末發(fā)布的DriveGPT，也是在求解下一個(gè)Token（詞）的概率，通過(guò)每一次調(diào)用都相當(dāng)于根據(jù)前序Token序列生成一個(gè)Token，這些Token就相當(dāng)于自然語(yǔ)言處理中的一個(gè)詞語(yǔ)，只不過(guò)這里的Token是用來(lái)描述駕駛場(chǎng)景的。

一連串的Token拼在一塊就是一個(gè)完整的駕駛場(chǎng)景時(shí)間序列，這樣就能將自動(dòng)駕駛場(chǎng)景Token化，形成“Drive Language”，最終完成自車的決策規(guī)控、障礙物預(yù)測(cè)以及決策邏輯鏈的輸出等任務(wù)。

毫末的目標(biāo)， 則是在DriveGPT這樣一個(gè)統(tǒng)一的生成式框架下，做到將規(guī)劃、決策與推理等多個(gè)任務(wù)全部完成。

目前，毫末DriveGPT主要用于解決自動(dòng)駕駛的認(rèn)知決策問(wèn)題，后續(xù)會(huì)將毫末多個(gè)大模型的能力整合到DriveGPT中。

“這部分的工作，即使放眼全球也是非常獨(dú)特和創(chuàng)新的。”顧維灝稱。

這就需要通過(guò)引入海量真實(shí)人駕接管數(shù)據(jù)建立RLHF（人類反饋強(qiáng)化學(xué)習(xí)）技術(shù)，對(duì)自動(dòng)駕駛認(rèn)知決策模型進(jìn)行持續(xù)優(yōu)化。

據(jù)介紹，目前毫末DriveGPT已實(shí)現(xiàn)模型架構(gòu)與參數(shù)規(guī)模的升級(jí)，參數(shù)規(guī)模達(dá)到1200億，預(yù)訓(xùn)練階段引入4000萬(wàn)公里量產(chǎn)車駕駛數(shù)據(jù)，RLHF階段引入5萬(wàn)段人工精選的困難場(chǎng)景接管Clips。

除此之外，要想持續(xù)訓(xùn)練DriveGPT，也離不開(kāi)算力的支持。

除了前文提及的建立智算中心，毫末還對(duì)訓(xùn)練和推理框架進(jìn)行了三方面升級(jí)：

第一個(gè)是訓(xùn)練穩(wěn)定性的保障和升級(jí)，在大模型訓(xùn)練框架的基礎(chǔ)上，毫末與火山引擎共建全套訓(xùn)練保障框架，最終實(shí)現(xiàn)異常任務(wù)分鐘級(jí)捕獲和恢復(fù)能力，可以保證千卡任務(wù)連續(xù)訓(xùn)練數(shù)月沒(méi)有任何非正常中斷；

第二個(gè)是彈性調(diào)度資源的升級(jí)，毫末將增量學(xué)習(xí)技術(shù)推廣至大模型訓(xùn)練框架，構(gòu)建一個(gè)大模型持續(xù)學(xué)習(xí)系統(tǒng)，研發(fā)了任務(wù)級(jí)彈性伸縮調(diào)度器，實(shí)現(xiàn)分鐘級(jí)調(diào)度資源，集群計(jì)算資源利用率達(dá)到95%；

第三個(gè)則是吞吐效率的升級(jí)，通過(guò)引入火山引擎提供的Lego算子庫(kù)實(shí)現(xiàn)算子融合，端到端吞吐提升84%。

而毫末DriveGPT的最終目標(biāo)，是做到感知決策一體化，實(shí)現(xiàn)端到端自動(dòng)駕駛。

相比于傳統(tǒng)模塊化的方案，端到端自動(dòng)駕駛，是基于人類根據(jù)場(chǎng)景信息直接輸出控制信號(hào)這一駕駛過(guò)程，通過(guò)端到端網(wǎng)絡(luò)直接輸出車輛的軌跡規(guī)劃或控制信號(hào)，最優(yōu)性更佳，同時(shí)人為設(shè)計(jì)更少，不過(guò)因此也對(duì)算法提出了更高的要求。

這是業(yè)內(nèi)的又一前沿技術(shù)探索方向，毫末DriveGPT的發(fā)布和應(yīng)用落地?zé)o疑領(lǐng)先一步。

根據(jù)介紹，DriveGPT雪湖·海若將率先探索在這四大場(chǎng)景的應(yīng)用：智能駕駛、駕駛場(chǎng)景識(shí)別、駕駛行為驗(yàn)證、困難場(chǎng)景脫困。

首先會(huì)開(kāi)放的，則是DriveGPT的智能駕駛和駕駛場(chǎng)景識(shí)別服務(wù)。

現(xiàn)階段在業(yè)內(nèi)，數(shù)據(jù)標(biāo)注的成本很高，一般而言要得到對(duì)諸如車道線、交通參與者、紅綠燈等的正確標(biāo)注結(jié)果，一張圖片需要5元，而毫末開(kāi)放的DriveGPT雪湖·海若的場(chǎng)景識(shí)別服務(wù)，一張圖片的價(jià)格將下降到0.5元。

顧維灝透露，毫末DriveGPT雪湖·海若大模型的成果，將首發(fā)落地在搭載毫末HPilot3.0的新摩卡DHT-PHEV上，這個(gè)車型會(huì)很快上市，“我們也能為城市NOH提供優(yōu)秀的駕駛體驗(yàn)，引領(lǐng)行業(yè)領(lǐng)先趨勢(shì)”。

雷峰網(wǎng)#雷峰網(wǎng)#雷峰網(wǎng) (公眾號(hào)：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn) 轉(zhuǎn)載須知 。