賈浩楠 發自 凹非寺量子位 報道 | 公眾號 QbitAI
城市領航輔助駕駛
，已經是「現貨」了。
北京順義鬧市區，11公裏自動駕駛全程無接管：
明年
上線交付
，技術來自
毫末智行
，一家成立2年的自動駕駛公司。
這2年間，毫末以驚人的速度完成了產品量產上車，積累了400萬公裏真實路測裏程，還剛剛融到近10億元，晉身獨角獸。
進展之快業內罕有，但是從何而來？
毫末智行AI DAY也特許以一探究竟。
毫末城市NOH順義城區11公裏無接管
NOH，是毫末智行的智能駕駛領航產品。
與乘用車上常見的輔助駕駛不同，NOH不再局限於簡單的巡航、跟車、車道偏離預警這些功能，而是真正意義上給駕駛員減負。
自主規劃路線、自主選擇行駛策略、自主避讓障礙、自主變換車道…
你更熟悉的，可能是覆蓋高速路段的智能領航產品，因為高速場景邊界條件更清晰簡單，實作起來更容易。
毫末有勇氣挑戰城市路端，表現到底怎麽樣呢？
首先是紅綠燈辨識，確認可通行後進行無保護左轉：
根據導航路線，下個路口即將右轉時，NOH會互動提前主動變道：
主動避讓違規橫穿馬路的行人：
還會主動避讓加塞的車輛：
接下來是一連串高難度自主進出環島動作，期間還完成了避讓兩輪電動車：
待轉區也能準確辨識並正確駛入駛出：
還有兩個很有意思的細節，其中之一是車輛減速透過沒有隔離帶的路段：
這說明NOH對環境辨識精準度很高。
另一個是車輛減速透過沒有紅綠燈的路口：
這樣的策略表明毫末的NOH不是一味保守死板，在保證安全的條件下依然會兼顧通行效率。
在行業大部份玩家還在激烈爭奪高速領航輔助駕駛落地時，毫末智行已經將NOH能力擴充套件到城市道路。
對於這樣的效率，毫末智行解釋說是因為他們給自動駕駛烙上了
思想鋼印
。
在這個思想鋼印的信念之下，誕生了國內首個自動駕駛數據智能體系
MANA
。
給自動駕駛烙上思想鋼印
毫末智行數據智能技術體系MANA，中文名叫
雪湖
。
命名來自【三體】，面壁者羅輯掉入冰封的湖面，從此參透黑暗森林法則，找到了打破三體威脅的規律，開啟威懾紀元。
毫末以此命名，含義有從MANA開始，徹底領悟掌握自動駕駛的核心能力之意。
而這就是
數據驅動
。
特斯拉身先士卒，證明了巨量數據、超大算力、快速叠代的閉環能力對自動駕駛的重要性。
「數據驅動」這個概念，其實像黑暗森林法則，初聞之時感覺字字在理，卻平平無奇，難以領會深意。
數據閉環的模型其實在各個自動駕駛公司都大同小異，核心無非就是「數據收集-訓練-部署-再收集」的迴圈。
但實操起來卻不是那麽簡單。
巨量數據湧進系統後，怎麽處理？如何分類打標？怎麽加快訓練速度？驗證測試是不是要在各種氣候路況下重新跑一遍？
這些問題，成立剛滿兩年的毫末智行，悟了。
能讓數據驅動真正形成閉環的條件不復雜，毫末把它們變成思想鋼印，刻在自動駕駛研發之中。
思想鋼印命題只有一個，那就是：
研發、量產、落地，堅定
低成本
、
高速度
。
首先是低成本，包括數據收集、處理、AI模型訓練、系統測試等環節。
其次是高速度，一一對應上面的各個環節。
其中，成本既有數據的傳輸、儲存等人力財力成本，也有AI訓練、測試時的時間成本。
不用說，成本越低當然數據獲取就越多，模型叠代越快。
而高速度，則能保證巨量數據拿到手後緊緊有條按部就班，快速把數據優勢轉化成產品端的技術進步。
參透這兩點，數據驅動才能爆發出巨大能量。
毫末智行建設的MANA數據智能體系，一切都是為這兩個原則服務。
MANA包括了上面的所有思考點，由四個子系統組成：
BASE包括了數據的獲取，傳輸，儲存，計算，以及新的數據分析和數據服務。
TARS是核心演算法原型，用於感知、認知、車端建圖、和驗證的實踐。
LUCAS則是對演算法在套用場景上的實踐，包括高效能計算、診斷、驗證、轉化等核心能力。
VENUS是數據視覺化化系統，包括軟件和演算法的執行情況，對場景的還原，以及數據洞察等能力。
MANA不是一個軟件，而是一個技術體系
，其中包含眾多子模組，它們一同構成了毫末智行的數據驅動能力，也是解釋毫末業務飛速進展的關鍵。
MANA真的有魔力？
從數據本身的視角，可能更好理解。
首先，數據要被感知到。毫末智行自動駕駛方案目前核心的感知器材，是網絡攝影機和激光雷達。
采集到的數據，首先透過一個ResNet網絡計算基礎數據，然後生成兩個分支，一個是計算目標特征的FPN網絡，可以分別計算車道線、路基、車輛、訊號燈等等目標資訊。
另一個分支則用於free space（可行駛區域）生成和場景辨識。
對於激光雷達點雲圖，則用pointpillar演算法，首先把點雲數據降維進行偽二維化，之後再用一般影像的方法進行計算。
兩種資料來源，采取過程融合，加入時序的特征，實作感知能力快速提高，能夠更準確的刻畫現實世界。
第二步，數據除了被感知，還要被系統認知，就是解決從客觀世界到駕駛動作的對映。
首先是表達特定場景下駕駛行為，可以從宏觀上歸納出幾個影響因素：天氣、道路結構、交通參與者、交通流密度、彼此方位、主車路線、碰撞風險和碰撞時距。
然後從已有的數據中挖掘和表達這些內容，然後在進行聚類和分類，以找到更加舒適和高效的解決方案。
接著透過端到端模擬學習，以之前例子作為指導，得到具體的本車動作。
模擬學習，需要更大的數據樣本，特別是標註好的數據，然後從數據中學習得到規律。
所以，問題關鍵就聚焦到到快速標註上。
Tesla積累20億公裏數據，累計標註了60億個物體，包括精準的3D資訊、深度、速度。
同樣的數據量按相同標準進行人工標註，所付出的時間和資金，沒有哪個自動駕駛公司能承擔。
所以毫末研發了一個高效標註系統，套用無監督自動標註演算法，效能比市場上很多產品強1倍。
目前，毫末大部份數據處理是透過自動標註完成的。
進行到這一步，數據已經可以餵給演算法進行訓練，那麽訓練好的模型，如何驗證效果？
尤其是在短時間對多個功能進行不同升級後，如果把所有版本依次拿到實車上跑一遍，然後再開發下一個版本…自動駕駛可能就永無實作之日了。
所以要把把驗證工作放在仿真系統中進行。
毫末智行將每一次路側都還原為仿真中的「元宇宙」，同一場景下不同光照、不同天氣，不同曝光條件都可在系統中調整，由此來模擬演算法在不同工況下的表現。
至此，一組數據就完成了他們從被采集處理、成為訓練素材、變成系統能力提升的全部使命。
MANA對於毫末智行的重要性，看到這裏各位應該已經有了概念。
如果把數據比作燃料，那MANA就是能使燃料爆發出能量、推動整個系統運轉的引擎。
而且，這部「引擎」不僅快，還經濟實惠。
MANA要把毫末智行帶向何方？
當然是速度更快的自動駕駛能力提升，和規模更大的量產落地。
怎麽評價？
了解了MANA系統的來龍去脈，個中內涵…
也就能理解MANA之於毫末智行的承前啟後意義，解釋了毫末速度的真實原因，而且還是這家自動駕駛新晉獨角獸今後戰略規劃的前提。
比如AI DAY上，毫末分享了對未來數據發展的判斷。
未來幾年，在智能汽車的推動下，人類儲存的數據將發生結構性的改變。
影像數據會越來越多，而由於數據類別的轉變，對計算的要求也將發生改變。
深度學習的計算能力會更日益重要，對算力要求也會快速增長。
所以，除了推出單板算力360T的自研算力平台，毫末也宣布籌建自己的超算中心
等等，大模型、大數據、規模量產、自研算力平台、自建超算中心…
熟悉嗎？
打通數據閉環的毫末，似乎走上了和特斯拉類似的路線。
核心原因還是在數據。
毫末智行CEO
顧維灝
，對於資料探勘利用的「段位」，有獨特的解讀。
他認為，特斯拉的領先，歸根結底是建立在十億公裏級的裏程數據上。
一個自動駕駛公司建立一套數據閉環並不難，真正有含金量的是能在多大規模的數據上跑通數據閉環。
這既代表一家公司的當下的業務進展、技術能力，也預示了未來演算法叠代的「加速度」。
而數據驅動，毫末的優勢恰好在於獲取的成本和效率。
毫末智行出自長城汽車集團旗下，客觀上具備了將自動駕駛大規模量產的先天優勢。
長城汽車6個子品牌，數十款車型，正在智能化轉型關鍵視窗，更重要的，是這些車型過百萬的年銷量。
事實也正是如此。
毫末智行AI DAY上，董事長
張凱
說，成立兩年來，積累實際路測裏程已達400萬公裏，產品已經搭載在長城坦克、WEY、哈弗等五款車型上。
3年內，毫末智能駕駛產品裝機量會達到100萬。
而在即將到來的2022年，這個數碼會迅速擴大至34款車型，具體裝機量，據毫末估計可以達到30-40萬輛之間。
對於毫末智行來說，產品裝機量能以每年數十萬輛的規模增長，帶來的數據增量更是大部份新勢力或自動駕駛公司很難實作的。
而將智能駕駛套件以前裝形式搭載在量產車上，毫末獲取數據的成本，幾乎就只有數據傳輸的通訊成本。
實作低成本高效率的數據獲取後，毫末的智能化發展路徑、展現出的未來潛力，也越來越像業內的另一個關鍵玩家——
特斯拉。
瞄準量產乘用車，快速增加裝機量、積累裏程，在數據叠代中不斷前進演化。
毫末也一樣，在MANA拼圖完整對外披露後，另一個議題也被問及——
如此規模的數據和模型訓練，怎麽搞？
顧維灝說，逢山開路遇水搭橋，最優解就是自建超算。
是的，如果你熟悉這個領域，或許還記得，特斯拉今年最核心的技術進展，來自自建超算。
這是巧合？顧維灝認為不完全是。
因為毫末智行在實踐後，恰恰證明了數據驅動是自動駕駛技術和核心和基礎，任何自動駕駛研發都將遵循這一原則。
現如今，幾乎所有自動駕駛玩家都意識到數據驅動的重要性，無一例外都渴望打通自己的「任督二脈」。
但是這其中，真正理解了「量產-成本-效率」內涵的玩家，真正有能力實踐這個規律的「面壁者」，實際並不多。
而毫末智行，透過種種進展和成果，解釋了何以發展神速、備受看好的原因。
它有先天優勢，還有後天的努力，並以「雪湖」為名實踐的自動駕駛落地法則…
而在毫末智行之前，業內也沒有過這樣的速度：
最快的規模化數據閉環、最快的自動駕駛創業公司營收增幅、最快的量產自動駕駛方案上車交付，以及最快實作燃油車的智能駕駛，打破新勢力們引以為豪的壟斷。
所以如果之前，毫末智行的進展被以「毫末模式」視之，那現在更加值得註意的是「毫末速度」。
「毫末速度」代表了其實踐成果，更體現了在愈加清晰的自動駕駛落地法則中，中國玩家基於中國路況給出的行業尺度。
