作者：学无止境
导读
在自动驾驶逐渐走向成熟的时代，各家厂商也开始进入解决长尾问题 Corner Case 的阶段。而要做到真正的类人驾驶，实现像人一样的持续终身学习，那么数据驱动的方案是必经之路。作为中国自动驾驶领域的佼佼者，毫末智行成立已有 1000 天，在这期间始终保持 AI 自动驾驶技术的领先，也率先进入以数据驱动为核心的自动驾驶 3.0 时代。
数据和技术双重驱动，自动驾驶进入 3.0 时代
在以数据为核心的当代自动驾驶领域，特斯拉已经领跑全球进行了自动驾驶 3.0 时代，毫末则最有可能成为中国公司中第一个进入自动驾驶 3.0 时代的公司。回望自动驾驶的发展历程，我们可以将这近十年的技术发展分成了三个阶段：最早的硬件驱动方式，我们称为自动驾驶的 1.0 时代；最近几年的软件驱动方式，我们称为自动驾驶的 2.0 时代；即将很快发生，并将持续发展的数据驱动方式，我们称为自动驾驶的 3.0 时代。每个时代都有典型的技术特征，由于驱动方式和技术工具的不同，技术高度也明显不同。
在自动驾驶 3.0 时代，数据就是王道。拥有越多的数据，越多的场景，算法将会迭代得越先进，自动驾驶的体验才能更加安全智能。目前用户使用毫末辅助驾驶产品所产生的辅助驾驶里程，已超过 1700 万公里，在当今中国自动驾驶科技公司中，这个成绩是首屈一指的。
在数据驱动时代，技术要求数据自己训练自己。在过去很长的一段时间，在深度学习领域，不同类型的任务所使用的 AI 模型是完全不同的结构，而在 CV 领域的二维信息的处理上，CNN 则是绝对的主流选择。但是从 2020 年起，Attention 机制在 CV 领域取得了明显的突破，大家一下子注意到，基于 Attention 机制的 transformer 结构似乎能成为一种有效的通用 AI 模型范式。随之，各种基于 Attention 机制的多模态大模型奔涌而出，并涌现了 Graph Attention 等各类变种，它们可以接受多种不同模态的输入 —— 语言、图像、视频、语音等等，也可以输出多种模态，在各个领域取得了惊人的效果。毫末在两年前就开展了基于 Attention 机制的 transformer 大模型在自动驾驶行业的落地研发。而大模型由此带来的高算力需求、高训练成本、高落地难度等挑战，毫末也正在通过低碳超算来降低自动驾驶成本，通过改进车端模型和芯片的设计来实现大模型的车端落地，通过数据的组织让大模型发挥更大效力。
自动驾驶 3.0 时代，首先意味着一个技术时代的跨越，从感知能力、硬件成本、计算能力、认知能力等方面，都较上一时代有了飞跃式的进展；同时，想要顺利的竞逐自动驾驶 3.0 时代，也很考验科技公司布局的前瞻性，唯有在前沿理论的深入研究与掌握，才能在时代跨越时获得先机；最重要的是，自动驾驶 3.0 时代充分展示科技公司的商业落地能力，将前沿理论快速进行商业工程的落地，需要的不仅仅是灵敏的嗅觉，更是自动驾驶中最重要的工程能力。透过毫末的成长历程就会发现，毫末一直在为自动驾驶 3.0 时代作准备，并向自动驾驶 3.0 时代不断冲击。在感知、认知、模式建设上，毫末智行都是按照数据驱动的方式前瞻布局的，今天，毫末率先冲击自动驾驶 3.0 时代，必将中国自动驾驶的时代带到了下一篇章。
攻克城市场景，数据智能系统 MANA 全新升级
在城市 NOH 中，辅助驾驶迎来了各种各样的挑战，其中包括包括 「城市道路养护频繁」「大型车辆密集」「变道空间狭窄」「城市环境多样」 等等，而要解决上述场景难题，就需要大量的场景数据，并且要让数据发挥更大价值，像人类一样能够理解这些数据。而毫末智行的 MANA 便是应对这些痛点，迎来了它的全新升级。
首先，MANA 通过使用大规模量产车无标注数据的自监督学习方法打造模型效果，相比只用少量标注样本训练，训练效果提升 3 倍以上，这让毫末数据优势得以高效转化为模型效果，以更好适应自动驾驶各种感知任务需求。
其次，MANA 让海量数据不再被区别对待。面对巨大数据规模下的 「数据效率」 难题，MANA 构建了增量式学习训练平台，抽取部分存量数据加上新数据组合成一个混合数据集。训练时要求新模型和旧模型的输出保持尽量一致， 对新数据的拟合尽量好。相比常规做法， 整体算力节省 80%， 响应速度提升 6 倍。
第三，MANA 感知能力更强。通过使用时序的 transformer 模型在 BEV 空间上做了虚拟实时建图，使得感知车道线的输出更加准确和稳定，让城市导航自动驾驶告别高精地图依赖。
第四，MANA 感知能力更准，让中国没有不能识别的车辆信号灯。通过升级车上感知系统，MANA 通过升级车上感知系统，对刹车灯、转向灯状态进行专门识别， 让驾驶员在处理前车急刹、紧急切入等场景中更安全和舒适。
第五，MANA 认知能力也再次进化。面对路口这一城市最复杂场景，MANA 在仿真系统中引入了高价值的真实交通流场景，与阿里云、德清政府合作，将路口这一城市最复杂场景引入仿真引擎，构建自动驾驶场景库，通过自动驾驶的真实仿真验证，时效性更高、微观交通流更真实，效破解了城市路口通过 「老大难」 问题。
最后，通过此次的全面升级，MANA 认知智能迎来新阶段。通过对覆盖全国的海量人类驾驶进行深度理解，学习常识和动作拟人化，使得毫末辅助驾驶决策更像人类实际驾驶行为，可结合实际情况选择最优路线保证安全，体感更像老司机。
随着 MANA 的全新升级，毫末也重磅发布了 「中国首个基于车路协同云服务的大规模自动驾驶场景库」，这也是中国第一个使用交通数据生成的自动驾驶场景库，将进一步加速中国自动驾驶成熟度的提升以及车路云的协同发展。
本质上，MANA 的快速进化对毫末打赢城市辅助场景之战具有重要意义。我们都知道，辅助驾驶中拥有更多场景、更多数据的企业，对于辅助驾驶的功能也就更加稳定安全。而毫末的数据智能系统 MANA，它已积累了 300 万小时中国道路驾驶场景库，其学习时长已经超过了 31 万小时，虚拟驾龄达到 4 万年。可以说 MANA 如此强大丰富的场景及学习能力，将为毫末智行的辅助驾驶能力带来质的飞跃，得数据者得天下，可以说，MANA 是毫末在城市辅助场景之战中的绝对利器。
NOH 进城在即，毫末做更懂中国的城市导航辅助驾驶
有业内专家称 2022 年为 NOH 元年，多家科技公司纷纷交付 NOH 方案，并逐渐从高速场景走向了城市场景。一直以来，自动驾驶功能是否能应对城市复杂的交通路况是业内最关注的问题，我们都知道，目前自动驾驶或者辅助驾驶都极大的依赖高精地图，而这导致的问题便是如果道路环境一旦发生改变，原来离线的地图数据也就不再可信，所有的算法都将在此类场景失效。基于此背景，重感知、轻地图成为了当下热点技术路线，毫末也正是基于 MANA 系统采用了 「重感知、轻地图、大算力」 技术路线开发了城市 NOH 导航辅助驾驶。
重感知的算法有效解决了高精地图依赖的问题。首先我们要明确，「重感知、轻地图」 并不是不需要高精地图，而是根据实际路况，在大算力和 MANA 智能系统的支持下，实时感知构建高精地图供车辆完成自动驾驶操作。据了解，毫末的城市 NOH 不仅包含了智能识别交通灯、智能左右转、智能变道、智能躲避障碍物 - 静态、智能躲避障碍物 - 动态等五大亮点功能，还发布了 「智慧交通流处理」 功能。毫末 NOH 对于感知的重视处理，不仅能自如地应对道路环境发生变化的情况，也能极大程度上提升用户体验。
作为土生土长的中国企业，毫末智行显然更加懂得中国城市化道路的特色与标准。此前就有报道，在美国大受欢迎与追捧的特斯拉 FSD，在中国道路上事故不断。正是环境场景的变化，导致了部署在中国道路上的特斯拉 FSD 迎来强烈的 「水土不服」。不同区域、不同地区的道路环境，交通告示牌，人类司机的驾驶习惯都有差别，这也是为什么数据在自动驾驶 3.0 时代如此重要的原因。只有掌握了独特而准确的数据，才能迭代算法至该场景下的最优水平，而拥有更多数据的毫末城市 NOH，毫无疑问更懂得中国式道路的规则与处理方式。毫末 CEO 顾维灏也自信表示，毫末城市 NOH 将是更懂中国城市路况的导航辅助驾驶并很快将实现量产交付。在 8 月成都车展上，魏牌宣布全新摩卡 DHT-PHEV 激光雷达版将搭载毫末城市 NOH，9 月量产，年内交付。
总结
2022 年是自动驾驶行业下半场竞争的开端，对自动驾驶企业提出了更高的要求与期待。毫末智行凭借着对于前沿领域技术的率先布局，在乘用车、末端物流配送领域均有涉猎与部署，同时，对于中国式城市场景的独到理解，配合着数据智能系统 MANA 的全新升级，也将毫末的起跑优势逐渐扩大。未来在数据智能技术驱动的自动驾驶 3.0 时代，毫末智行将最有可能成为中国自动驾驶企业的代表，率先带领中国自动驾驶迈入 3.0 时代。
