天天看點

「資料」驅動行業拐點,毫末智行沖刺自動駕駛3.0時代

作者:高工智能汽車

“毫末預計,到2025年中國高階輔助駕駛搭載率将達到70%。而在汽車新消費領域,中國汽車市場增換購消費比例将達到60%,智能駕駛功能成為必選因素,并迎來商業化的加速發展。”1月5日,第七屆HAOMO AI DAY上,毫末智行董事長張凱對自動駕駛宏觀趨勢進行了全面分析。

首先,站在2023年的時間拐點,智能駕駛的下半場進入加速期,高階輔助駕駛産品的商業應用将迎來大規模落地。

「資料」驅動行業拐點,毫末智行沖刺自動駕駛3.0時代

而在中國,以毫末智行等漸進式自動駕駛企業為代表,正在通過規模量産和高階輔助駕駛場景落地實作資料閉環,推動自動駕駛技術快速走向成熟,與美國企業一起全面領跑自動駕駛3.0時代。

資料驅動的背後,則是需要一個強大的超級計算中心,來完成閉環體系的最後一環。

今年,毫末智行智算中心“雪湖·綠洲”(MANA OASIS)正式重磅釋出,這是中國自動駕駛行業最大智算中心,每秒浮點運算達到67億億次。這意味着,在感覺、認知等層面,毫末智行可以繼續領跑行業,引領大模型、大算力、大資料發展方向,沖刺進入自動駕駛3.0時代。

「資料」驅動行業拐點,毫末智行沖刺自動駕駛3.0時代

這些資料來自,2024年上半年毫末城市NOH落地将達到100城,這是中國第一個可大規模落地的城市導航輔助駕駛,并基于重感覺、大模型的技術路線及技術應用、使用者閉環的資料建設。

公開資料顯示,2022年毫末持續穩居中國量産自動駕駛第一名,三代HPilot産品搭載至魏牌、坦克、歐拉、長城炮等近20款車型,輔助駕駛使用者行駛裡程突破2500萬公裡。

此外,搭載毫末HPilot的300台摩卡DHT-PHEV車型也已奔赴歐洲。毫末不但是中國首個自研AEB算法落地海内外的公司,也是中國首個出海歐洲、澳洲的自動駕駛公司。

「資料」驅動行業拐點,毫末智行沖刺自動駕駛3.0時代

目前,毫末曆經兩年研發,建立了全套面向大規模訓練的Data Engine,實作了百P資料篩選速度提升10倍、百億小檔案随機讀寫延遲小于500微秒。

在算力優化方面,毫末部署了Lego高性能算子庫、ByteCCL通信優化能力、以及大模型訓練架構。軟硬一體,把算力優化到極緻。

在訓練效率方面,基于Sparse MoE,通過跨機共享,輕松完成千億參數大模型訓練,且百萬個Clips(毫末視訊最小标注機關)訓練成本隻需百卡周級别,訓練成本降低100倍。

而産品高速疊代的背後,是毫末打造的業内獨有的産品能力疊代鐵三角:即場景化使用者體驗設計、人工智能技術、技術工程化能力。基于此,MANA已形成了強大的資料智能驅動體系,它包含六大閉環:使用者需求閉環、研發效能閉環、産品自完善閉環、資料積累閉環、資料價值閉環、業務工程化閉環。

其中,資料積累閉環部分,毫末通過自研自動化資料采集、自動化資料标注工具,在2022年底資料成本降低98%;資料價值閉環部分,讓毫末的全新車型複用開發隻需4個月時間即達到量産落地狀态,全新車型比對标定2個月内比對完成。

事實上,今年全球不少車企也已經在搭建自己的超算中心。在張凱看來,這将成為自動駕駛企業的入門配置。“大模型+大資料”的資料驅動模式,成為自動駕駛技術進化的關鍵,而驅動大模型和海量資料訓練的超算中心是關鍵。

而支援功能不斷疊代更新的,還有硬體。

在張凱看來,全新一代晶片、傳感器将進入市場,自動駕駛生态呈現更豐富的多樣性。随着大陸智能汽車滲透率的快速提升,正帶動車端晶片、傳感器數量的強勁增長。其中,2023年,國内外新一代的AI晶片,以及性能更好的4D毫米波雷達、補盲雷射雷達将大量進入市場。

背後,還有大模型在資料合成、知識提取等方面的能力提升。

過去一年,我們看到國内越來越多的自動駕駛公司,正在将Transformer大模型應用到自動駕駛算法當中。作為最早投入研究和應用的公司,毫末發現随着大模型的引入,使得自動駕駛在資料合成、知識提取等方面的能力有大幅提升,而相應開發成本則在大幅降低,技術疊代速度更是實作量級提升。

最關鍵的,仍是企業開發效率的提升。

比如,在MANA OASIS的加持下,基于視覺自監督大模型,讓毫末在中國首個實作4D Clip的100%自動标注,原先依靠的人工标注成本則降低98%。

「資料」驅動行業拐點,毫末智行沖刺自動駕駛3.0時代

此外,毫末将爆火的三維重建NeRF技術應用在自動駕駛場景重建和資料生成中,它通過改變視角、光照、紋理材質的方法,生成高真實感資料,實作以低成本擷取normal case,生成各種高成本corner case。

在基礎上,3D重建大模型生成的資料,不僅比傳統的人工顯式模組化再渲染紋理的方法效果更好、成本更低,增加NeRF生成的資料後,還可将感覺的錯誤率降低30%以上。

而毫末視訊自監督大模型的泛化性效果,可以實作即使是在一些非常困難的場景(嚴重遮擋的騎行者,遠處的小目标,惡劣的天氣和光照等)都能準确地完成自動标注。

同時,針對城市多種異形障礙物的穩定檢測問題,毫末正在思考和探索更加通用的解決方案。比如,多模态互監督大模型引入了雷射雷達作為視覺監督信号,直接使用視訊資料來推理場景的通用結構表達,很好地補充已有的語義障礙物檢測,有效提升自動駕駛系統在城市複雜工況下的通過率。

而在張凱看來,2023年,中國自動駕駛企業能否沖刺進入3.0時代,城市場景輔助駕駛如何快速實作規模化量産傳遞,将成為未來一年最為值得期待的關鍵趨勢。

繼續閱讀