近日,自动驾驶公司毫末智行举办了成立三年以来的第六届HAOMO AI DAY。
在今年的成都车展上,长城亮相了首款搭载毫末智行城市 NOH 的摩卡 DHT-PHEV 激光雷达版,智能识别交通灯、智能左右转、智能变道、智能躲避静态与动态障碍物,这些高阶智能驾驶功能都将和用户见面。
届时,长城也将成为国内车企中少有的几家,能够将自动驾驶技术推广到城市公共道路路况的厂商。
根据毫末的介绍,毫末城市NOH的路口通过率为70%,变道成功率90%,交通流处理能力达到4级。也就是说,“城市NOH”的到来会让L3级别智能驾驶加速走进现实。
如何做到不依赖高精地图
毫末智行最大的优势在于其自动驾驶技术可以不依赖于高精地图。众所周知,高精地图对于自动驾驶的重要意义不言而喻,有了高精地图,就可以大幅降低传感器和芯片的压力。
不过和国外相比,国内测绘相关法律法规较为严格。因此,高精地图的使用往往会面临法规审批周期长的问题。
同时高精地图的获取还有成本高、更新慢、以及覆盖范围的问题。这些问题,都成为阻碍那些依赖高精地图自动驾驶技术在国内,特别是城市公共道路的全面推开。
而毫末则是全球除了特斯拉之外的第二家,可以不依赖高精地图,只需要普通的导航地图就可以实现自动驾驶技术的企业。
为了达到这个目的,毫末一方面使用了Transformer 架构提供实时空间的认知能力,摆脱高精地图数据来进行三维空间建模。
另外一方面,面对指数级增加的运算量,毫末使用了高算力的高通晓龙 Ride 平台,单板算力达到 360TOPS,最多支持四板共1440TOPS 算力的拼接。
对于国内不少自动驾驶技术公司来说,毫末的技术路线,值得各方在前期进行规划时就进行充分考虑。
毫末打造自己的数据中心
毫末智行能够取得现在的成绩,积累大量的用户数据,除了毫末智行自己的努力之外,长城汽车提供的支持不言而喻。
作为一家每年销售超过100万台汽车的整车企业,其提供了足够大的基本盘给到毫末智行。而正是基于这样的基本盘,毫末智行仅仅用了390天,就积累了突破1000万公里的辅助驾驶里程数据。
对于自动驾驶/驾驶辅助来说,数据是算法进行持续迭代优化的基础。
如今在全球自动驾驶领域领跑的谷歌Waymo以及特斯拉FSD,无一不是拥有海量的数据来驱动算法的持续迭代优化,并通过不断升级来训练控制器持续解锁全新场景。
但是拥有海量数据只是一方面,如何对于数据进行深度分析,就要依靠背后的超算中心。为此,毫末智行搭建了自动驾驶数据智能体系 MANA,而支持MANA的就是毫末自己的超算中心。
根据毫末自己的介绍,其已经构成了300 万小时的中国道路驾驶认知场景库,机器学习的时长也超过了 31 万小时。
通过强大的超算中心的支持,毫末的自动驾驶将进入一个良性循环的迭代:更多的数据,带来更优的算法;而更优的算法,反过来会支持用户更大规模的订阅,为MANA输入更多的数据。
未来,MANA还将做到千亿参数大模型,训练 100 万 Clips(路段)数据,并降低训练成本。
毫末的“乘商并举”
对于毫末来说,其不仅将长城在乘用车领域提供的支持发挥到极致,同时其还在商用车领域进行布局,以求尽快扩大自己的规模化效应。这其中,最典型的案例莫过于末端物流自动配送车。
毫末在今年4月就发布了小魔驼2.0。和国内诸如京东、美团打造的末端物流自动配送车不同。
毫末基于长城的供应链体系打造的末端物流配送车可谓是技术下沉,无论是从质量控制,还是从成本方面,小魔驼2.0都有不小的优势。
在小魔驼2.0上,毫末并不是只打算做一款测试车。其一开始便以大规模商业化量产的角度出发,毫末在小魔驼2.0上完全继承了乘用车的硬件解决方案,在系统冗余方面看齐了城市开放道路下的“城市NOH”。
尤其值得一提的是,通过技术迭代,做到第二代的小魔驼2.0,就已经将成本做到10万元以内,成为中国首款10万元级末端物流自动配送车。
当前,困扰绝大多数快递/物流公司的痛点,或者说成本比较高的痛点就在于最后一公里。
随着末端物流自动配送车的大规模部署,就能够大幅降低配送成本。毫不夸张地讲,和乘用车自动驾驶技术相比,毫末在末端物流配送车上的前景其实更加广阔。
对于自动驾驶技术来说,商业化部署是衡量其是否成功的唯一标准。得益于依托在长城体系内,因此毫末能够取得大规模量产部署的成绩。
相比于百度、华为以及其他自动驾驶技术公司,毫末和主机厂这个客户之间可谓共同进退。
但凡事都有两方面,下一步毫末寻求IPO是大概率事件,而要想取得更高的估值,肯定需要在长城之外找到更多新的客户。
如何消除长城汽车之外其他主机厂的质疑,这个不仅对毫末的技术能力提出了更高的要求,同时也对毫末的独立性提出了更高的要求,而后者的难度甚至比前者更大。
原创内容,转载请注明出处:《汽车经纬网》www.qichejingwei.com。