這已經不是半年一次技術大革新，而是4個月一次，毫末嘴上說着慢功夫，腳下的頻率可一點都不慢，轉眼之見，毫末在中國釋出城市NOH，從時間點上，快于新勢力，甚至是特斯拉，而用毫末自己的話來說，市場上已經沒有新勢力老勢力之分，大家處于一個起跑線。
文丨智駕網 王碩奇
距離上一次毫末AI DAY僅僅過去4個月，或許搭載在摩卡上的高速NOH還沒好好感受，毫末的城市NOH就出現在了眼前。
4月19日，毫末釋出搭載HPilot3.0的“毫末城市NOH”。
根據毫末的說法，這是中國第一個大規模量産的城市輔助駕駛産品，第一個重感覺的城市輔助駕駛方案，同時也是2022年中國第一個最實用高效的城市輔助駕駛産品。
據了解，此次AI DAY是其兩年多來的第五次品牌活動，而在此前毫末智行再度完成了由中銀投資、首程控股參與的A+輪數億元融資，也被稱為國家隊進場。
而這樣的速度，似乎正在印證毫末一直以來對于速度的了解，慢就是快，這家年輕的公司在技術量産上似乎已經走在了别人的前面。
先來看一組資料，截止到4月份，使用者駕駛輔助實際行駛總裡程已經超過了700萬公裡，進入了資料積累的第一陣營。
同時，目前毫末的輔助駕駛系統已搭載至至魏牌摩卡、坦克300城市版、魏牌瑪奇朵DHT、魏牌拿鐵DHT、哈弗神獸、坦克500六款車型，使用者輔助駕駛行駛裡程已經突破700萬公裡。并且在2022年，更将有多達34款長城車型搭載毫末智能輔助駕駛功能，其中30%為标配；而在未來兩年，搭載毫末智行輔助駕駛産品的長城乘用車數量将突破100萬台。
其次是毫末智行末端物流自動配送車業務的合作夥伴團隊，以阿裡達摩院、物美多點、美團等為代表，而此次上海的疫情下，也出現了很多毫末的身影。
在今天，末端物流自動配送車領域也迎來了更新，毫末小魔駝2.0正式釋出，單車售價12.88萬元，成為中國首款十萬元級末端物流自動配送車，而這個價格公布的時候，現場也是出現了陣陣的掌聲。
而在技術層面，中國首個資料智能體系MANA迎來多項重磅更新，感覺能力突飛猛進，通過獨創的“雙流”感覺模型及自研BEVTransfomer，“讓中國沒有不能識别的紅綠燈和車道線”成為現實；認知能力、成本與進化速度也實作翻倍增長，模型訓練成本降低60%，加速比超過96%，此外标注AI自動化率已達到80%，大幅降低了标注費用成本。
這樣的智能體系，就像一個正向的加速器，持續的資料在不斷的優化毫末的技術，更好的技術意味着更多的車輛使用，更多的車輛使用意味着加速器運作的更快。
而城市駕駛輔助所需要的算法難度，遠遠大于高速路況，這也是目前為止，在中國仍沒有量産車在城市道路中可以開啟導航自動駕駛輔助。
——01——
難度有多高？
首先我們要知道，城市NOH就意味着在城市中，選擇好導航，車輛就可以按照規劃路線進行行駛，并且最終到達目的地。
根據毫末智行董事長張凱的預測，2022年自動駕駛行業的競争将正式進入下半場，主要集中在城市開放場景的領航智能駕駛：“2022年國家将出台更多細則規範自動駕駛資料歸屬及安全；城市NOH會将智能駕駛的體驗推向新高度；末端物流自動配送處在爆發前夜，頭部客戶開始進行場景規模化部署。”
毫末宣稱該系統可根據導航提供的行駛路線，在城市環境中實作自動變道超車、紅綠燈識别與控車、複雜路口通行、無保護左右轉等主要功能, 同時也可應對車輛近距離切入、車輛阻塞占道、交叉路口、環島、隧道、立交橋等複雜的城市交通場景。
雖然對于駕駛員來說，這是一件容易的事情，但對于自動駕駛可不是。
就拿紅綠燈這件事來說，國内的樣式就千奇百怪，倒計時也各不相同，而毫末又是主要依靠視覺。
在采訪中，如何把紅綠燈與道路綁定在一起被毫末的工程師稱為“綁路”，自動駕駛系統需要認識它，然後把它的信号與道路比對在一起。
毫末選擇是用資料來解決這樣的問題，全國各個地方不同的紅綠燈都收集過來成本很高，毫末還結合了資料仿真用以加快效率。
通過仿真場景搭建了各種不同的光照、天氣、角度等等仿真的實際場景。
通過這些場景的資料，再來回報到模型上，讓模型能學習得更好。
是以，一個個不同的紅綠燈，從識别到與道路綁定，形成了一個個大資料的“熱點圖”，這些熱點圖就成為了機器學習的課本。
這套方法被毫末稱為“雙流”感覺模型，将紅綠燈檢測和綁路問題分解成兩個通道，讓毫末日常乘用車測試實作了重感覺下的紅綠燈識别。
根據毫末的測算，随着車端算力的增大，以Transformer為代表的大模型在未來自動駕駛裡面會發揮越來越大的作用，而這種先進的感覺模型，也同樣被用來識别城市中，錯宗複雜的車道線。
使用Transformer的注意力機制，可以非常有效地解決多個相機之間的拼接問題，6個相機都看到了車道線，有旁邊的，有前面的，有後面的。
此外在加入注意力機制，毫末就可以把多個相機的視角很容易拼接起來，用來确定自身與車道的位置 ，再加以計算即使車道線突然消失，毫末也能應付自如。
當然這一切都是基于中國首個資料智能體系MANA做到的。
——02——
MANA再加速
根據毫末的介紹，MANA感覺能力取得了較大的進展，這也與城市中的紅綠燈識别能力和車道識别能力高度相關。
在感覺能力的背後，是最近一年自動駕駛的感覺技術發生了巨大變化，包括晶片算力的幾何式增長，Transformer跨模态模型的出現和Camera像素的快速提升，這些都是技術發展的基礎。
此外，進步的還有 “認知智能”、“成本與速度”。
“認知智能”方面，MANA用機器學習模型替換了傳統的手寫規則和參數，解決了此前代碼臃腫且面對複雜場景容易崩潰失效的問題，使場景決策更具泛化适用性，極大提升了可解釋性和泛化能力。
可以說認知智能主要是一個BUG的修複和效率的提升。
而在成本與速度方面，毫末和阿裡巴巴在大模型資料處理技術上進行了深度合作，實作了自動駕駛領域與M6模型的初次相遇。
最終依靠阿裡達摩院的模型合作，模型訓練成本降低60%，加速比超過96%，吞吐量超過每秒40000個sample。
此外，毫末已實作标注AI自動化率達到80%，減少了大量的人工标注。
這樣的合作直接代表着成本的節約，效率的增加。
是以可以總結MANA的快速成長，有車載硬體的快速提升，有自身的完善，有外力的幫助，但無論如何，毫末将優勢融合在了一起，從效率來看是喜人的。
——03——
毫末的加速成長期
城市駕駛輔助，或許是L3級前夜最關鍵的一步，除了城市與高速全場景的融合，更重要的還有商用化的意義。
無人的城市物流可以打通，無人的計程車可以營運，閃送、外賣、快遞将不再有人…
這些都需要城市駕駛輔助，而毫末似乎正在領先半個身位。
特斯拉現在能檢測紅綠燈，但是也沒有對紅綠燈在路口控制車輛，蔚小理其實對紅綠燈檢測目前還沒有完全OTA，這都是毫末的機會。
另外對于長城來說，或許赢得了汽車科技制高點的一張決賽劵。
【關注新能源汽車，關注馭電實驗室視訊号】