2022年12月16日-17日，由安徽省發(fā)展和改革委員會作為指導單位，合肥市人民政府、中國電動汽車百人會聯(lián)合主辦的“2022全球智能汽車產(chǎn)業(yè)峰會”在安徽合肥召開。本屆論壇圍繞“全球新變局與智能汽車發(fā)展新戰(zhàn)略”主題，共設置5個主題論壇和2場閉門會議，與行業(yè)機構(gòu)、高校院所和領先企業(yè)代表共同探索我國智能汽車發(fā)展新路徑。

其中，在12月17日舉辦的“生態(tài)論壇”上，毫末智行數(shù)據(jù)智能科學家 賀翔發(fā)表精彩致辭。以下內(nèi)容為現(xiàn)場演講實錄：

大家好，我是毫末智行數(shù)據(jù)智能科學家賀翔，感謝電動汽車百人會的邀請，今天跟大家分享《毫末智行和智能駕駛的3.0時代》。

2022年全球智能汽車市場的發(fā)展趨勢，有兩個關(guān)鍵詞，“規(guī)模”和“速度”。從規(guī)模上來看，中國在全球智能汽車市場的份額占比已經(jīng)達到57%。從速度上來看，中國智能汽車市場滲透率達到26%，毫末智行預計到2025年中國高級別輔助駕駛搭載率將超過70%。不管是規(guī)模還是速度，汽車的智能化，特別是智能駕駛，已經(jīng)成為這一輪市場爆發(fā)的關(guān)鍵點，中國市場已經(jīng)成為全球智能汽車銷售的主戰(zhàn)場。

從成立之初，毫末智行就提出了自動駕駛發(fā)展遵循的三定律：從低速到高速、從載物到載人、從商用到民用。毫末智行始終堅定地走可行、可靠、可商用的漸進式落地路線，以“風車戰(zhàn)略”為核心，步步為營。一直以來，自動駕駛有著決漸進式和躍進式的路線之爭?；谡鎸嵱脩羰褂脭?shù)據(jù)的漸進式路線，是自動駕駛的最佳路線。因為從時間上，漸進式路線量產(chǎn)的時間更早；從規(guī)模上，漸進式路線更容易實現(xiàn)規(guī)模化量產(chǎn)；從數(shù)據(jù)上，漸進式路線是真實的人駕數(shù)據(jù)，成本低、質(zhì)量高。

毫末智行一直以來堅定走漸進式發(fā)展路線，我們認為輔助駕駛是通向自由駕駛的必由之路，必須通過規(guī)?；牧慨a(chǎn)車，以更低成本獲取更大規(guī)模、更多場景的優(yōu)質(zhì)數(shù)據(jù)，再以數(shù)據(jù)驅(qū)動的方式促進智能駕駛的提升雙向循環(huán)。數(shù)據(jù)驅(qū)動使得自動駕駛真正走向成熟。2021年，毫末智行獲得“中國量產(chǎn)車自動駕駛第一名”的稱號，到目前為止，搭載車型接近20款。在末端物流自動配送車領域，毫末發(fā)布的小摩托2.0是業(yè)界首款面向商用市場10萬元級別的配送車，切實推推動行業(yè)規(guī)?；逃玫倪M程。經(jīng)過三年的發(fā)展，基于量產(chǎn)車的規(guī)模優(yōu)勢，目前毫末用戶的輔助自動駕駛里程接近2400萬公里，末端物流自動配送也完成了超過12萬單。

毫末智行的數(shù)據(jù)規(guī)模、多樣性都在快速增長，我們有中國首個自動駕駛數(shù)據(jù)智能體系MANA，目前已經(jīng)完成數(shù)據(jù)閉環(huán)的搭建。MANA的學習時長超過40萬小時，在虛擬世界相當于人類4.8萬年的駕齡。

在過去的十年，自動駕駛的基礎技術(shù)發(fā)生很多變化，例如大算力芯片，從2T增加到1000T，算力增加了500倍；大模型的出現(xiàn)，Transformer大模型的參數(shù)量提高了1000倍達到千億甚至萬億級別；攝像頭像素的提升，100萬像素提升到1500萬像素，攝像頭的數(shù)量增加了8個，數(shù)據(jù)的規(guī)模相當于提升了120倍。

毫末智行認為，在感知技術(shù)已經(jīng)進展到如此能力的前提下，自動駕駛的實現(xiàn)方式也要發(fā)生改變。我們將最近十年的自動駕駛技術(shù)分為三個階段。最早的硬件驅(qū)動方式稱之為自動駕駛的1.0時代，最近幾年的軟件驅(qū)動方式稱之為自動駕駛的2.0時代，即將發(fā)生的數(shù)據(jù)驅(qū)動方式稱之為自動駕駛的3.0時代。在1.0時代主要依靠激光雷達，成本很高，里程很少，在100萬公里左右。2.0時代，AI在車上的廣泛應用，那時還是以小模型和小數(shù)據(jù)為主，自動駕駛的里程達到上千萬公里。進入數(shù)據(jù)驅(qū)動的3.0時代，我們所做的一切都是為了更高效地獲取數(shù)據(jù)，并把數(shù)據(jù)轉(zhuǎn)化為知識。從小模型、小數(shù)據(jù)轉(zhuǎn)換成大模型、大數(shù)據(jù)，輔助駕駛的里程需要一億公里以上。

如果大家關(guān)注過毫末智行的成長歷程，就會發(fā)現(xiàn)，毫末智行一直在為智能駕駛3.0時代做準備，在感知、認知、模式的認識上，都按照數(shù)據(jù)驅(qū)動的方式，沖刺進入自動駕駛3.0時代。

可以通過幾個例子看看毫末數(shù)據(jù)智能體系MANA在感知方向上的進化。在城市場景，紅綠燈是最普遍的場景，但是紅綠燈的識別是非常有挑戰(zhàn)的內(nèi)容，主要的難點包括：第一，個頭很小，是典型的小目標檢測問題；第二，狀態(tài)動態(tài)變化，比如閃爍；第三，不規(guī)范，有橫著的，有豎著的，有單個的，三個、五個的，還有帶倒計時的各種各樣；第四，每個燈具體管哪條路哪個車道，過去依靠高精地圖小范圍解決部分問題，如果沒有高精地圖怎么辦？有沒有更普適的解決方法？把這個問題分成兩步，第一步數(shù)據(jù)的獲取，需要依賴大量數(shù)據(jù)進行訓練，除了大規(guī)模的真實數(shù)據(jù)，還引入了數(shù)據(jù)增強，得到了大量不同光照、不同背景下的合成數(shù)據(jù)，來彌補樣本不足。我們使用了混合遷移訓練的方式，減少核心數(shù)據(jù)與真實數(shù)據(jù)在特征空間上的概率分布差異，使得二者的分布更為接近。第二，紅率燈的識別與綁路，設計了針對紅綠燈的檢測與綁路的雙路感知模型，首先紅綠燈檢測出來，輸出紅綠燈的顏色、形狀和朝向等信息，再通過卷積神經(jīng)網(wǎng)絡獲得紅綠燈位置的概率圖，再利用利用空間注意力機制將二者結(jié)合出來，輸入綁路的紅綠燈通信狀態(tài)?；谶@種方法，我們進行了大量的測試，在不同的城市、不同的距離、不同的轉(zhuǎn)向、不同的光線條件下，都能夠準確識別出來。

除了紅綠燈，城市道路感知另一個復雜問題是車道線的識別，毫末智行在2021年全面引入Transformer方法，引領了技術(shù)的潮流。我們根據(jù)自己的業(yè)務特點設計了BEV Transformer，用于識別車道線。首先對圖像提取特征，再進行BEV Mapping，通過多個Cross Attention組成完整的BEV空間，再加上時序特征來提升效果。

實現(xiàn)效果究竟怎樣？車道線感知展示了非常強的優(yōu)勢，在3D投射減少了車道線的抖動，面對城市復雜路面，縱向誤差上表現(xiàn)更好，對于路面起伏的魯棒性更強。多相機輔助擴充了檢測視野，響應更快。

最后，我們暢想一下，在漫長的歷史場合中，人類一直希望能夠智能移動，從指南車到木牛馬，到達芬奇所繪的無人自動駕駛小車，都是這一愿望的體現(xiàn)，汽車工業(yè)正在為這一目標努力?；谏疃葘W習的自動駕駛技術(shù)在汽車產(chǎn)業(yè)界掀起一場智能革命，在這場革命中，中國的研究者和從業(yè)者不僅沒有遲到，而且始終站在了全球的最前沿，這是一場決定未來數(shù)十年產(chǎn)業(yè)升級的革命。而毫末智行有幸在這個時代中，演繹毫末的故事。

非常感謝大家！ 

（注：本文根據(jù)現(xiàn)場速記整理，未經(jīng)演講嘉賓審閱）

返回第一電動網(wǎng)首頁 >