毫末AI DAY的智驾弹药：上有“世界模型”，下有3000元方案_风闻

作者 | 张祥威

编辑 | 德新

主打性价比

「我们的感知能力可以说能做到识别万物了。」毫末智行在第九届毫末AI DAY上抛出这一豪言。

识别万物的底气，源于毫末的DriveGPT自动驾驶大模型引入了通用语义大模型，可以对交通参与者者、道路环境等做到全面感知。

今年是智驾获得公众接受度****的关键节点。

而明年，随着技术门槛更高的「无图」城市NOA落地，头部智驾头部玩家大概率会迎来收获期。毫末在自动驾驶大模型上的诸多准备，正是为迎接大战。

不止有进化的大模型，毫末还带来三款高级辅助驾驶产品HP170、HP370、HP570，剑指无图城市NOH、记忆行车等大热功能。

当下，毫末智驾方案已经在山海炮HEV版、新摩卡Hi-4S等车型上搭载，明年一季度，搭载毫末城市NOH功能的魏牌蓝山将量产交付。

智驾大规模普及的时刻就要到来，毫末开始加快脚步。

与众多公司的科技日如特斯拉AI  DAY、蔚来NIO DAY相比，这届毫末AI DAY的既有前沿技术进展的分享，又有极具竞争力的落地方案，有诸多看点。

克制的智驾方案

AI DAY上，毫末一口气推出三款智驾方案产品，共同点是「极致性价比」。

HP170：算力5 TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，支持选装1个前视雷达和2个前角雷达。

HP370：算力32 TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，支持选装2个前角雷达。

HP570：算力可选72 TOPS和100 TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，支持选配1颗激光雷达。

对比同行，这几套方案有以下特点：

首先，更低的芯片算力。

毫末采用基于5TOPS的芯片算力平台实现高速NOA，而实现城市NOA的方案，最高只需要要100TOPS的算力，比主流城市NOA智驾方案所需的算力都要低。

据HiEV了解，三套方案中的芯片分别为地平线征程3、TI的TDA4，以及高通Ride的SA8650芯片，这种高中低采用不同芯片方案的策略，也为量产搭载更多款车型提供了条件。

主流的智驾方案中，实现城市NOA通常需要两颗英伟达Oin X芯片，算力为508TOPS，少数玩家如智己、腾势，可以基于单颗英伟达Orin X芯片，算力为254TOPS。当然，更低算力的要属特斯拉的FSD，仅需144TOPS。

更低算力，意味着需要对算力有更极致地有效利用，同时要强化算法的能力。用更低的算力实现城市NOA，毫末的智驾技术水准和市场野心可见一斑。

其次，在传感器规模上也相对克制。

相较行业主流方案，毫末的智驾方案数量会更少一些。以搭载高阶智驾全享包的腾势N7作对比，这款车搭载33个传感器：

2个激光雷达、5个毫米波雷达、2个前视摄像头、4个环视摄像头、12个超声波雷达、4个侧视摄像头、1个后视摄像头、1个OMS摄像头、1个DMS摄像头、1个DVR摄像头。

毫末可以实现高阶智驾同等功能的HP570，传感器数量为24个，其缩减的部分是，方案中减少了毫米波雷达，而且激光雷达也并非标配。

最后，由于更低的算力的芯片，以及克制的传感器规模，还带来第三个特点，更低的BOM成本。

毫末智行董事长张凯认为，「让中阶智驾便宜好用，让高阶智驾好用更便宜，是毫末未来一年提交给中国智驾市场的答卷。」

毫末的三款智驾产品，最低为3000元级别，最高的高阶自动驾驶方案大概8000元级别，这与现在动辄上万的智驾选装包相比，无疑颇具杀伤力。

HiEV了解到，毫末的最新方案中，HP170已经定点，配合整车开发和上市的节奏，预计会在明年初上市；HP550预计在明年上半年蓝山的下一代车型搭载上市，支持记忆行车和记忆****泊车；HP370 预计明年Q4量产，而更新一代的HP570则会稍晚一些。

长线看，毫末的产品会全面平台化，提供高中低全系的智驾方案。

祭出成本更低的杀招，那么毫末的产品技术实力究竟如何呢？

可实现无图城市NOH，

2024落地百城

一家公司的智驾能力，既体现在产品的上车规模和行驶里程，也体现在技术能够达到的广度和上限。

毫末的智驾方案HPilot产品已经搭载超过20款车型，用户辅助驾驶行驶里程突破8700万公里。由于起步不如蔚小理早，用户辅助驾驶行驶里程规模还不像对方那么庞大，但从搭载车型上，搭载车型规模是远超蔚小理的。

毫末的技术能力能力广度和上限，体现在可实现的功能上。

顾维灏说，毫末可以做到在城市道路中时速最高70公里在50米的距离下，就能检测到大概35cm高的小目标障碍物，可以做到100%的成功绕障或刹停。

下面一段视频，可见毫末智驾方案的技术能力。

，时长01:48

面向L4的小魔驼，在城市开放道路进行无人驾驶时，也已经快于普通人骑自行车的速度。在行驶安全和通行效率上，均已达到商用状态。

与那些从基于高精地图转为去高精地图方案的玩家相比，毫末一早确立了重感知轻地图的技术路线。

基于高精地图的技术路线，开头容易，之后要在不同城市落地时，会面临泛化挑战。而重感知轻地图的好处是，开始难，但越走越快，能完成更快的城市落地。

毫末的高速无图NOH功能，可以实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能，并获E-NCAP 5星AEB的高安全标准认证。

此外，毫末还可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。高阶方案还支持无图记忆行车和泊车。

城市全场景无图NOH，则可实现全场景城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。

早期行业主打的智驾功能是高速NOA，之后是城市NOA，并在研发城市NOA时同步去掉高精地图，逐渐迈向今天的去高精地图的“无图“阶段。

眼下能做到无图的，仅有小鹏、华为、蔚来等少数几家。谁具备无图能力，基本上便是智驾第一梯队成员。

毫末三款智驾产品的推出，意味着其智驾方案出手即高点，广度覆盖了当下热门功能，上限与头部玩持平，让自身站位来到第一梯队。按照计划，毫末的城市NOH落地目标是100城。·

以上这些是毫末在乘用车NOH上的布局，会为明年智驾的普及大年做好准备。而之所以能在成立后短短几年做到无图等水平，离不开其核心，也是近几届AI DAY上常提到的自动驾驶大模型。

DriveGPT进化，可识别万物

自动驾驶其实是让汽车学习人类驾驶，这需要感知道路上的各类交通参与者，处理真实世界中无穷无尽的突发状况，最终顺利抵达目的地。

行业惯常做法，是在云端建立一个自动驾驶生成式大模型，然后通过剪枝、蒸馏的方式，把云端大模型的能力下放到车端，从而让汽车像人类司机一样开车。

与人类大脑一样，自动驾驶生成式大模型也要不断进化。

今年的CVPR 2023，特斯拉和英国自动驾驶公司Wayve等均展示了自动驾驶大模型的新进展。

目前，特斯拉可以利用大模型生成连续视频，打造World Model即世界模型。

Wayve也在朝类似方向努力，其自动驾驶大模型GAIA-1，在通过持续扩展后已经拥有90亿个参数，可以生成驾驶场景视频，描述场景以及做出预测。

上月，Wayve还推出了视觉语言动作模型LINGO-1，可用于描述自动驾驶的行为和推理。

这些做法，直白地讲就是从原来仅学习文本，开始向看图、视频学习，从而与自动驾驶不断地更好融合。

根据毫末官方数据，目前团队已筛选出超过100亿帧互联网图片数据集，480万包含人驾行为的自动驾驶4D Clips。

毫末将自动驾驶分为三个时代，其中，自动驾驶3.0时代需要1亿公里。目前，用户辅助驾驶行驶里程已经达到8700多万公里，预计到年底可达到这一目标。

随着数据规模的增加，也为了更好地进入3.0时代，自动驾驶大模型需要不断进化。

感知模型中引入图文多模态大模型，以完成4D向量空间到语义空间的对齐，做到可以具备「万物识别」的能力，毫末将其称之为自动驾驶语义感知大模型。

基于自动驾驶语义感知大模型，毫末还会通过构建驾驶语言来描述驾驶环境和驾驶意图，再结合导航引导信息和自车历史动作，借助LLM大语言模型做出驾驶决策。

方向上，毫末正在沿着与特斯拉、Wayve同样的方向，让自动驾驶大模型拥有更多的学习进化途径，这相当于在建立自己的世界模型。

这一过程中，大模型的进化发生在多个方面：

早期，Transformer是用于自然语言处理（NLP）的大模型，主要应用于文本。之后Vision Transformer 又称ViT出现，主要用于图像。

直到后来，又出现Swin transformer，一种由微软提出的视觉领域的Transformer大模型。

在ViT图像大模型的基础上，Swin transformer进一步对图片进行图像分割，可以用于处理多视觉任务，更好地完成CV领域的目标检测和语义分割任务。

过去两年，毫末的视觉大模型的进化，与行业趋势一致，其CV Backbone先是从CNN模型全面切换到ViT，并又在今年全面升级到Swin transformer。

训练大模型方面，行业早期主要基于人工标注的单帧图片有监督，后来结合4D自动标注，再进一步升级到基于自动标注的4D Clip的有监督训练，到今天基于大规模数据的自监督学习训练，从而可以轻松吃下上百亿帧图片。

在毫末最新的模型中，已经可以采用视频生成的方式，通过预测生成视频下一帧的方式来构建4D表征空间，使CV Backbone学到三维的几何结构、图片纹理、时序信息等全面的物理世界信息。

以上这些动作，主要解决了大模型领域的数据采集和标注效率低、泛化能力差等问题，解决的其他问题还包括：

怎么做到高效、低成本地从上百亿的数据中，筛选出几万个有效数据；

怎么做到从闭集到开集，可以标注任意物体；

如何高效的场景迁移；

怎样让驾驶行为具备可解释性等等。

毫末将自动驾驶分为三个时代，其中，自动驾驶3.0时代需要1亿公里。目前，用户辅助驾驶行驶里程已经达到8700多万公里，预计到年底可达到这一目标。

总体上，这届AI DAY为毫末迈过自动驾驶3.0时代提供了更多弹药支持，从云端到车端做了充分准备。上有愈发聪明的自动驾驶大模型，下有性价比十足的智驾方案，毫末已经做好了明年智驾的卡位。