毫末智好的进行速度，仿佛比咱们想象得还要快。

距4月HAOMO AI DAY往日不到5个月时间，9月13日，在第六届HAOMO AI DAY上，毫末智行自动驾驭进行又秀出新的成绩单。

在产物塑造层次，数据智能体制MANA达成数十万全因素、多模态CLIPS的标注，积累300万小时华夏公路驾驭认知情景库，差不多于人类驾驶员4万年，根本达成数据闭环。

两年时间内，毫末HPilot智能驾驭体系曾经通过了6次OTA进级，迭代到3.0版本。

华夏首款装载大范围量产都市NOH车型摩卡DHT-PHEV激光雷达版计划9月量产，年内发售。

小魔驼2.0稳固量产交付，在商超、物流范畴提供没有人化投递效劳，日前总定单量已超9万单。

在产物利用层次，截止2022年8月31日，乘用车协助驾驭体系使用者运用总路程突破1700万千米，使用者当月行进路程逐月增添，掩盖都市数量超300座……

成立仅1020天，毫末智行在自动驾驭的进行上可行说是一骑绝尘，新智驾试着从中抽丝破茧，寻找其快速成长的原因。

也许用之前毫末智行技艺副总裁艾锐在技艺分享会所言的“毫末智行在抉择时很敢”，来形容其进行策略最为贴切。

“敢”走数据驱动公路

车子智能化来到下半场，商业化竞赛更趋剧烈，在这种时代，数据成为更要紧的东西，甚而不夸张地说，在智能化进行的大潮中，谁掌握了数据，便能成为自动驾驭这艘大船的掌舵手。

但这种赛道敢高举数据大旗的玩家其实不多，特斯拉算一种，毫末智行也算一种。

马斯克以数据为驱动自动驾驭进步为焦点，在此种策略下，抉择了纯视线的技艺路线，抛弃了激光雷达和高精度地图。数据与量产能力在进行中能相辅相成，一同成为推进自动驾驭技艺迅速迭代的要害。赫然，毫末智行很认同这些，大范围的量产产物成为毫末智行获取所需数据的方法论之一。

艾锐以为，特斯拉在全个产业一直是被追赶的指标，跟特斯拉一样的是，毫末智行也抉择了数据驱动的技艺路径，但不同的是，毫末智行会踏来自己的门道。

之前，毫末智行提议的“风车”策略，聚集于低速没有人车、乘用车、智能硬件三大细分范畴，经过数据智能推进三大营业的进行。

在乘用车范畴，经过将协助驾驭体系装载在许多长城麾下的品牌车型上，在实质的公路不停获取运转数据，其实不断发展迭代革新，数据“经常使用常新”，从而推进产物力提高。

截至到日前，装载毫末HPilot产物的曾经有超越十款乘用车型量产落地，此外，摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫和最新一代长城炮等也在连续交付中。

此外，毫末智行也在提速布置没有人配送赛道。

近几年，在疫情的作用下，没有人配送赛道商业化曙光初现，资本市场纷纷加大押注，甚而有不少投行机构做出了“大胆”的预测：未来十年内华夏没有人配送的市场范围将达到千亿级以上。

在这种赛道，毫末智行发表小魔驼2.0，面向营运市场公布10万元等级的终端物流自动配送车产物。

现在，小魔驼2.0曾经最初稳固量产交付，将面向商超、物流范畴提供没有人化投递效劳。

截止2022年9月，毫末智行与物美多点合作的小魔驼运营名目定单量已突破9万单，确实推行了终端物流自动配送车范围化营运的产业流程。

MANA是毫末智行数据建造更为要紧的一环。

2021年12月，在首届“HAOMO AI DAY”，毫末智行公布的华夏首个自动驾驭数据智能体制MANA，中文名“雪湖”。MANA以海量数据为根基的一整套数据料理用具，能经过应用数据，实现用更低的本钱、更快的速度去迭代、改良产物。

MANA成为毫末智行产物迅速迭代的焦点支撑力，通过一年进行，MANA映入新的阶段，在感知智能、认知智能等方面均迎接革新进级。

毫末智行CEO顾维灏显示，

”以数据驱动的自动驾驭3.0时期曾经到来，数据驱动时期，是十足不一样的时期。“

在自动驾驭范畴，特斯拉已首先映入3.0时期，而毫末智行很有可能成为下一种。

Attention大模子是当前AI进行的新趋向，因此也带来的高算力要求、高训练本钱、高落地难度等挑战，鉴于对自动驾驭3.0时期的洞察，以及大模子训练对算力的庞大消耗要求，毫末智行自建超算中心的计划在迅速推行，指标在于训练100万clips数据，大模子训练本钱下降200倍，一会儿以后将与市场见面。

“敢”在落地：NOH从快速到都市

当智能化浪潮席卷车子产业，车子赛道的玩家纷纷用出杀手锏争夺市场，在不停“内卷”的竞争以下，车子从容易的代步用具晋升为代步与娱乐一体的智能末端，车子智能化也从口号变成了大家切确实实的要求和买车的准则。

车企争先恐后追逐更高阶功效的同一时间，催生自动驾驭企业关于自动驾驭功效的大范围量产要求。

现今，都市NOH量产的战火快速从快速情景蔓延到都市情景，在这条竞争剧烈的赛道，毫末智行始终跑在前面。

本年8月，装载智能驾驭体系HPilot3.0的摩卡 DHT-PHEV正规展示成都车交会，毫末智行都市NOH功效实现大范围量产上车，至此，毫末智行都市NOH掩盖了快速、都市等全情景。

所谓都市公路协助驾驭，便是鉴于使用者设定的路线，帮助使用者实现从都市A点到都市B点的驾驭。

相关于快速情景，都市情景赫然更难攻破。

都市情景中繁杂的交通信号灯切换行、人与两轮交通用具参加的混行形式和车道线不清楚等给实现都市NOH带来更多困难。

之前不论是在快速情景仍是都市情景，许多玩家都依赖高精地图来实现协助驾驭。

采纳高精地图的形式，能极大赋能协助驾驭技艺，关于像毫末智行在市场上的后来者而言，仿佛是缩小差距的最迅速的方法。但高精地图在国家内部面对着政策难关，此外，经过高精地图这类做法会增添本钱，而最终常常由客户来承受。

源于有数据平台做支撑，毫末智行抉择采纳「重感知，大算力、轻地图」的技艺路径，所谓重感知，大算力，轻地图，便是在数据和算力的支撑下，摆脱关于高精地图的依赖，第一大特点在于能做到智能辩别交通灯、智能左右转、智能变道及智能躲避动态和静态阻碍物。

在都市情景中，要A点到B点的智能驾驭，须要解决两个难题：一是确保驾驭的完整性和连续性，二是做到挨近人类的驾驭水准，也便是车企追求的“老驾驶员”。

都市NOH面对着都市公路养护、大型机动车稠密、变道体积狭窄和都市环境多变四大困难。

MANA不停发展实地和仿真数据的积累，在驾驭进程中，能应对多数情景，此外，经过与旧数据的耦合，能面临新情景或都市更多 Concer Case。

经过 Backbone 数据计算和 BEV Transformer 的多模态合一，解决多传感器之中的配合和跨传感器的跟进难题，在都市公路上能做到阻碍物检验、车道线检验、可以驶地域切割、交通标记检验等等。

MANA的第一大特色在于自助模仿学习人类驾驭举止，装载毫末智行都市NOH功效的机动车，在驾驭体感上做到更像“老驾驶员”。

此外，都市协助驾驭功效迈入商业化，玩家的角逐已从单纯的技艺之争转变为本钱之争，MANA经过自监督大大降低训练次数，从而下降人力标注的本钱，在都市NOH占据本钱优势。

毫末智行以为，经过高精地图或数据实现都市NOH这两条路径无优劣之分，如何以更低的本钱把功效变成实质的要求才是最要紧的。

“敢”只因有底气

毫末智行看似快，实则是厚积薄发。

自动驾驭范畴上半场比技艺，下半场拼产物，也便是说，谁能更早实现商业化量产，谁便能在这种赛道突出重围。

毫末智行抉择走渐进式路线，在外界看来，他的抉择相对“保守”，但毫末智行自成立以来，策略路径一直十分坚定和清楚，况且十分注重速度，一直奔着指标不停提速。

毫末智行以为，在自动驾驭范畴，渐进式路线有着显著的优势。

一方面，渐进式进行路线可行做到以市场带来范围化效应，从而驱动产物迅速迭代。另一方面，量产落地能以更低的本钱来得到很大范围、更多情景掩盖的数据。

智能驾驭产物的使用者体会与数据获取双向重复，让得以数据驱动AI自动驾驭技艺走势真实老练。

也便是在渐进式路线的指引下，毫末智行走出了“低速到快速、从载物到载人、从营运到民用”的可量产之路。

当市场上的其余自动驾驭玩家仍苦于寻觅量产厂家，毫末智好的协助驾驭已早早上车，长城车子作为毫末智好的股东，也是其一大消费者，帮助毫末智行量产落地，此外，在“风车策略”和MANA下，毫末智行持续积累数据，塑造稳固的量产能力。

时期的洪流奔涌前进，自动驾驭范畴也正规历一场骤变，在日趋剧烈的竞争以下，不少玩家悄然退场。而毫末智行则在这场风雨中迅猛成长，现在，通过三年进行，毫末智行迈入新的进行阶段.

顾维灏将自动驾驭演进分成了三个阶段：

• 以硬件驱动的1.0时期：随着协助驾驭渗透率的提高，自动驾驭的零部件会首先上车，在这种时代最重要的以硬件驱动，依托激光雷达实现感知、经过人力准则来实现认知，范围大致在100万千米。

• 以软件驱动的2.0时期：随着自动驾驭技艺的老练，少许全栈自研型的全车厂家和软件供给商在市场上脱颖而出，这种时代的自动驾驭最初从硬件驱动转为软件驱动，跟1.0阶段不同的是，依托传感器单独输出结果来实现感知，范围大致在100万-1亿千米。最重要的是小模子少数据的形式，在这种阶段，自t动驾驭会在少许封闭园区和低速干线范畴获得利用。

• 以数据驱动3.0时期：随着自动驾驭生态的老练，数据中心和计算平台的建造日趋改善，这种时代最重要的以数据驱动进行，自动驾驭技艺提速迭代，在感知层次，依托多模态传感器结合输出结果，在认知层次，能实现离线强化学习抽取驾驭知识，范围可达1亿千米以上。

当市场上许多数玩家仍专注于2.0时期之时，毫末智行已做好准备，最初冲刺3.0时期。

在高手云集的自动驾驭进行的江湖，仅仅有勇气远远不够，毫末智行所做出的抉择皆是构建在本身的实力的根基上，“毫末形式“也或将成为华夏自动驾驭进行的新范式。

雷峰网 雷峰网 雷峰网(公众号：雷峰网)

雷峰网原创文章，未经受权禁止转载。详情见转载须知。