智能驾驶正在进入量产时代。
这个产业的核心市场——中国市场，正在形成量产智能驾驶先发格局，这个市场的战争，正在全面爆发。
2021年12月23日，横空出世的自动驾驶初创公司毫末智行，在该公司的“AI DAY”上，放出了其在量产智能驾驶赛道上的“胜负手”——数据智能系统MANA。
一
智能驾驶产业正在全面进入量产时代。
智能驾驶技术，只有在能够为人们提供服务的时候，才能真正实现自己的价值，做大自己的产业，不断迭代自己的技术。
2014年10月，特斯拉Model S推出Autopilot，意味着量产智能驾驶产业的萌芽。
在很长的一段时间里，量产智能驾驶产业只有特斯拉一家企业在独行。
2020年4月，搭载英伟达Xavier平台的小鹏P7上市，这是世界上第二款拥有全栈自研智能驾驶系统的车型产品，并在2021年1月推出了高速导航辅助驾驶产品NGP。
在小鹏之后，毫末智行于今年9月量产上车，并在11月与理想汽车大致相当的时间里，通过OTA推送了自研的高速导航辅助驾驶产品。
截至目前，量产智能驾驶产业已经进入到了一个全新的阶段。
在特斯拉方面，FSD产品已经蓄势待发，开放测试的人群正在不断扩大，测试版本号已经到了V10.8。
小鹏汽车已经在P5上搭载了激光雷达，计划在2022年上半年上线城市导航辅助驾驶能力。
2022年3月28日，蔚来汽车将会启动蔚来eT7的交付，这款车型被业界寄予厚望，将搭载4颗英伟达Orin X和1颗等效300线束的远距离激光雷达。
2021年12月23日，毫末智行在该公司举行的AI DAY上，亦发布了一系列雄心勃勃的计划。
1.2022年上半年，该公司将会联合高通全球首发车规级大算力计算平台——高通骁龙Ride，单板算力达360Tops，4颗串联在一起的算力为1440Tops。
这个板子，不仅会用在长城旗下的车型上，还将会用在由毫末智行生产的末端无人物流车上。
2.基于高通骁龙Ride平台，毫末智行计划在2022年上半年推出城市导航辅助驾驶系统，并计划在2022年下半年推出全场景导航辅助驾驶系统，这家公司目标在2023年实现更高级别的智能驾驶能力HSD。
毫末智行的量产智能驾驶系统的进度安排，与小鹏汽车在2020年10月24日的“智能日”发布的时间进度基本重叠。
理想汽车将会在2022年Q3启动该公司下一代智能电动车产品X01的交付，该车型将会搭载2颗英伟达Orin X和高线束激光雷达。
从2022年起，量产智能驾驶产业将会迎来一系列的里程碑。
从计算上将会进入到大算力平台时代，高通骁龙Ride和英伟达Orin X将可以支持L4级别的自动驾驶计算，在感知上将进入800万像素摄像头、高线束激光雷达时代，也可支持L4级别的自动驾驶感知。在能力上，在接下来的18个月时间里，量产自动驾驶产业将会实现从城市导航辅助驾驶到全场景导航辅助驾驶的跨越。在2023年，一些车企将会有可能在一些特定的场景实现HSD。
从销量上看，在2023年，蔚小理、毫末和特斯拉，可望实现300万辆的带有大算力智能驾驶系统车型的装机量。
从消费者的角度而言，尤其是一二线的高端消费者，大算力计算平台和高阶智能驾驶系统将会是购车时的关键参考因素。
在这样的背景之下，智能驾驶产业链的核心资源，都将会转而支持量产场景，产业链也将会随着这个产业规模的扩张而高速发展。
从另一个层面上看，更多智能驾驶产业的资源，都将会向量产驾驶场景倾斜。
从资金的角度看，进入2022年以后，不做量产智能驾驶的创业团队，将很难获得投资人的支持，这个苗头在2021年已经显现出来。
就在昨天，毫末智行宣布完成了金额约为10亿元A轮融资，就已经证明，资金正在加速向量产智能驾驶的头部企业集中。
毫末智行董事长张凯认为，2022年是智能驾驶产业人才竞争空前激烈的一年。
当一些直接做L4自动驾驶企业遇到融资困难时，在2022年，智能驾驶产业一流的人才，将不可避免地向量产场景集中。
资金和人才的流向，将会进一步加速智能驾驶产业全面进入量产时代。
智能驾驶产业全面走向量产，是技术发展规律、消费者需求、供应链、资金、人才等全方位因素决定的。
二
量产智能驾驶产业的先发阵营已经成型。
特斯拉，加上中国的蔚小理和毫末智行，构成了量产自动驾驶的先发阵营。
在2021年初的时候，特斯拉就已经积累了100亿英里的驾驶里程，傲娇地坚持以视觉技术路线为主，在前面领跑，越是深入做量产自动驾驶的人们，越会发现这家公司技术、数据和供应链积累的深不可测，后来者会发现，特斯拉做的很多动作，是值得跟进的。
小鹏汽车以先发优势领先半个身位。
理想汽车在2021年11月上线NOA之后，依托标配战略和庞大的单车销量规模，正在给市场带来理念上的冲击，这无疑是一种先进的理念。
蔚来汽车，在产品落地上略微落后，但在2022年3月底交付的蔚来eT7上，将会搭载全栈自研的高级别智能驾驶系统，配置上树立了标杆，让后来者不得不全力跟进。
毫末智行，依托于长城，是在2021年横空出世的“黑马”。
从在该公司的AI DAY披露的信息看，截至2021年12月，毫末智行已经完成5款车型智能驾驶系统的量产，分别是魏牌摩卡、坦克300、魏牌玛奇朵、魏牌拿铁、哈弗神兽，具备智能驾驶能力的车队的保有量规模已有数万辆，并已经积累了400万公里的量产车驾驶里程。
2021年11月，毫末智行推送了全栈自研的智慧领航辅助驾驶系统NOH，落地速度在全球范围内仅次于特斯拉和小鹏汽车。12月，宣布种子用户OTA，时间与理想汽车NOA落地时间几无二致。
如前所述，这家公司计划在2022年6月推出城市导航辅助驾驶系统，毫末智行CEO顾维灏希望在量产智能驾驶功能的落地时间表上，能尽量与小鹏持平，并领先于理想和蔚来。
量产智能驾驶的竞争，首先是数据规模的战争。
任何一家企业，如果想跻身这场决定自动驾驶技术走向的超级竞争之中，并进入先发阵营，其“入场券”是解决规模数据的问题。
要想获得规模数据，至少要解决以下四个问题：
1.搭载智能驾驶系统的量产车落地。
有一些人会问，传统车企有庞大的汽车销量，在一些车型加装一套智能驾驶系统是否可行？这个工作的难度有点于类似把功能手机改造成为智能手机。
智能驾驶汽车生出来的基因就是智能体，有计算平台、EE架构、感知和线控执行机构；燃油车生出来时的基因就是机械产品，要改造只能改造生产车型的平台，但由于传统车企模块化研发的原因，打造一个全新平台的周期以5年计。
智能驾驶系统的成本也会是一个问题，更适合售价在15万元以上的车型。
2.有足够多的销量。
在这里，并不代表着车型多优势就一定大，更准确的衡量维度是，搭载智能驾驶系统的车型的保有量。
比如，理想只有一款车，但销量大，而特斯拉主要的销量规模来自于Model 3和Model Y。
在销量上，蔚小理作为头部造车新势力，拥有强大的竞争力。
毫末智行依托于长城，其作为国内的头部自主汽车品牌，计划在3年的时间内，即在2024年结束之前，使得搭载智能驾驶系统的车队规模超过100万辆。
3.有足够高的使用率。
在燃油车时代，很多车在宣传的时候都宣称自己有ADAS系统，但基本上很难用，最为明显的就是彼时的自动泊车系统。
在小鹏G3之前，全球范围内绝大多数的自动泊车系统都无法真正投入使用。
智能驾驶系统，不在于在产品销售时宣称“有没有”，关键在于用户买了车之后，是否能用？是否好用？
智能驾驶的有意义的驾驶里程，不是用户的全部行驶里程，而是在ADAS系统开启时的驾驶里程，否则后台收到的几乎都是dirty data（脏数据）。
这也是为何，像一些车企，选择在所有车型产品上标配硬件系统和软件免费的原因。
唯有如此，才会累计高质量的驾驶里程。
此外，鉴于人们更多的使用场景在于城市，这也是为何城市导航辅助驾驶系统的快速落地会变得如此重要。
城市场景不仅常用，且这个场景使用情况复杂，有层出不穷的corner case，是智能驾驶技术迭代的金矿。
技术的快速迭代，可快速优化体验，反过来促进用户的使用，带来更多的驾驶里程。
4.数据的一致性。
这是一个会被人忽略的问题。
不同车型、不同产品之间的驾驶里程数据可以复用吗？在什么情况下可以复用？
毫末智行这边给出的建议是，如果传感器和计算平台是一致的，不同车型产品之间的驾驶里程的可复用性会非常好。
他们举的例子是，面对相同的场景，如果是不同的“眼睛”或“耳朵”进来的原始数据，差异性很大，算法很难处理。
这个特性带来的结果时，每一家企业的自动驾驶系统，会有一致的感知组合、固定的供应商。
一个参与者，只要在把上述的四个问题都解决完毕之后，才会拥有有规模的、高质量的驾驶里程数据，才有机会参与量产智能驾驶赛道的竞争。
对于量产智能驾驶而言，先发者会拥有巨大的优势。
一方面，规模化的数据积累，会让智能驾驶算法的学习曲线变得陡峭，从而加快产品功能的迭代。
另一方面，智能驾驶系统的优化，会让车主的使用满意度快速提升，可大幅提升净推荐值（NPS），带来口碑传播的雪球效应；此外，智能驾驶覆盖场景的增加，尤其是城市导航辅助驾驶功能的落地，会让用户在购买试驾时，有明显的功能感知，从而进一步促进销量的扩张。
三
量产自动驾驶的入场券是获得有规模的优质驾驶里程数据，决胜的关键点则依赖于高效的数据智能系统。
这是毫末智行在AI DAY上发布MANA系统的原因。
毫末智行CEO顾维灏认为，量产智能驾驶的竞争，主要是两个维度的竞争：
一个是时间维度，即算法迭代的周期中，处理海量数据的速度有多快，能力提升的速度有多快。
一个是成本维度，即在整个算法迭代周期中，处理海量数据所消耗的计算资源、存储资源、带宽资源的成本。
据业内人士预测，如果按照现有模式，一个100万辆规模的车队，每个季度的云计算成本将会达到数十亿元。
顾维灏举了一个例子，特斯拉标注了60亿个物体，并就这些物体在不同场景之下进行针对性的训练。
先不算训练，仅仅是60亿物体的标注工作，就是一个巨大的工作量。
特斯拉的人工标注数据的团队超过千人，目前国内一些新势力的标注团队也已经超过千人。
顾维灏指出，如果不能通过自动化的方式解决大量的标注问题，训练的迭代速度一定是非常低下和代价高昂的。
毫末智行的MANA系统，主要解决数据收集、数据处理、AI算法训练和智能驾驶系统训练工作的自动化问题。
只有将上述工作的主体部分实现自动化，才能够大幅降低数据处理的成本和提升算法迭代的速度。
毫末智行的数据智能系统，由四个板块构成，分别是BASE、TARS、LUCAS、VENUS四个子系统。
BASE系统是基础模块，包括了数据的获取、传输、存储、计算，以及新的数据分析和数据服务。
TARS部署在车端，是一些核心算法原型，用于感知、认知、车端建图、和验证的实践。
LUCAS部署在云端，是自动驾驶算法的能力提升工厂，包括高性能计算、诊断、验证、转化等核心能力。
VENUS是数据可视化化系统，包括检测车端和云端算法的执行情况，对场景的还原，以及数据洞察等能力。
毫末智行的MANA系统，有两个特点：
1.能够在海量数据中进行自动化学习，从而快速提升智能驾驶系统的能力。
2.通过在数据标注、训练、验证等多个环节的自动化，以及基于BASE系统的基础设施能力，MANA系统能够在极短的时间内实现车端算法的迭代。
据毫末智行相关技术负责人介绍，基于MANA系统，毫末智行车端算法最快可以在1天的时间之内完成算法训练、算法验证和车端的算法部署。
通常情况下，主机厂的智能驾驶算法的迭代周期为3个月，一些头部企业，只有在需要修复事故级或严重级问题的情况下，迭代周期才为月级或周级。
毫末智行的MANA系统，实现上述自学习和快速迭代功能的一些基石包括：
1.车端的大算力平台。
如前所述，该公司将会在2022年5月首发高通骁龙Ride的计算平台，单板计算能力达到360Tops，单车最大算力可达到1440Tops。
大算力平台的落地，使得该公司的数据采集的准确度将会进一步提高。
依托于大算力平台和大数据量，毫末智行在国内率先引入AI大模型Transformer，可以显著提高感知的准确性。
当然了，Transformer模型需要庞大的终端算力，且只有在掌握海量数据时才能有效发挥作用。
2.自动标注能力。
毫末智行研发了一套自动标注系统，已能够实现绝大多数物体的自动标注，只用少量的一些图片，需要人工标注。
这可以大幅度提升数据处理效率。
3.云端全自动数据挖掘及获取认知能力。
毫末智行将人类驾驶过程中的所有场景进行标准化、数字化，然后可以对所积累的驾驶里程自动进行分门别类，系统会自动依托海量数据，对不同的类型的驾驶场景进行无监督自学习。
据毫末技术负责人介绍，在国内，在云端进行大规模自学习提升算法能力，是一种极为稀缺的能力。
4.云端仿真训练和车端“影子模式”相结合进行算法的验证。
毫末智行会将自己路测的场景，以1：1的方式还原在仿真系统中，供算法在各种场景中进行训练。
该公司的仿真系统还会根据不同的天气和光照环境，自动生成不同的道路环境场景，来测试智能驾驶的算法。
一些需要部署的算法，也可以通过一些拥有比较多相关corner case的终端，在“影子模式”进行可靠性的验证。
5.云端大算力。
对于基于大规模数据量的自动驾驶算法训练，大规模的云端算力是必备的，随着车队规模的扩张，数据规模的扩张，更大规模的云端算力将会成为必须，也会带来巨大的成本压力。
顾维灏指出，在接下来的几年里，在智能汽车的推动下，人类存储的数据将发生结构性的改变，影像数据会越来越多，由于数据类型的转变，对计算的要求将发生改变。
此外，深度学习技术的发展，参数的规模愈发庞大，对计算和存储资源的需求与日俱增。
这也是特斯拉会搭建Dojo系统的原因，这也是毫末智行宣布筹建自有超算中心——雪湖——的原因。
依托于MANA系统，毫末智行希望在量产智能驾驶的军备竞赛中，能够成为笑到最后的那支队伍。
总结
特斯拉，以及中国的蔚小理和毫末智行，构成了量产自动驾驶的先发阵营。
由于量产的原因，智能驾驶技术将会快速走向市场，服务于消费者，产业链也将会得以高速发展壮大。
量产智能驾驶，本质上是海量数据的竞争，数据智能系统无疑是决战的关键。
海量数据的竞争，也是终端计算和云计算的竞争。
-
《中国汽车科技趋势报告年报（2021年）》购买价格为：80,000元人民币;
-
2021年《中国汽车科技趋势报告季报（2021年Q1）》购买价格为：16,000元人民币
温馨提示：购买《年报》获得更多权益，包括：免费获得三个季度《季报》和被邀请参与线下趋势沙龙。【点击了解以往沙龙详情】
招 聘
原文始发于微信公众号（建约车评）：毫末智行放出量产智能驾驶胜负手
Chinese 
English