NOA的性價比時代開啟

作者 | 朱世耘，編輯 | 章漣漪

“我們內(nèi)部一直有爭議：是有一點就拿出來一點，還是做到爆款的水平之后再拿出來。因為重感知、輕地圖的方案是更難的?！?毫末智行董事長張凱表示。

如今，毫末終于亮出了自己的“爆款”產(chǎn)品，并將于今明兩年先后上車。

10月11日，毫末AI DAY上發(fā)布了三款第二代HPilot高階智駕預控產(chǎn)品：HP170、HP370、HP570價格分別在3000、5000和8000元，可實現(xiàn)高速無圖NOH、城市記憶行車+記憶泊車，城市全場景無圖NOH等功能。相比之下，如今已量產(chǎn)的同功能預控產(chǎn)品成本大多在5000-10000元，城市領航則在3萬元左右。

毫末此舉，意味著可適配車型價格從25-30萬元級及以上，下探到了20萬元以下，甚至更低。“價格打下來，性能打上去。讓中階智駕便宜更好用，讓高階智駕好用更便宜?！睆垊P表示。

01、物盡其用，把L2+的價格打下來

“第二代平臺主打性價比，對芯片和硬件的優(yōu)化壓榨，都做到了極致?！睆垊P向《賽博汽車》表示。

智駕市場的風向正在發(fā)生根本性的改變。

2020年時，以Mobileye為核心的ADAS供應商L2級系統(tǒng)價格為250美元（約1700元，匯率按6.8計算）以上；L2+級為2380元；L2++級為2.04-2.72萬元。

但如今，中國車規(guī)級ADAS系統(tǒng)的供應體系正變得“品類豐富、豐儉由人”。在《電動汽車觀察家》2022年年底的調(diào)查中，已有定點的高速NOA+記憶泊車產(chǎn)品價格在3000-5000元不等，城市NOA等點到點的智駕域控系統(tǒng)價格在5000元以上。

單從價格來看，毫末第二代HPilot基本與行業(yè)定點情況持平。但從上車落地的實際情況來看，HP170、370和570確實將”物盡其用“推向了新的高度。

賽博汽車制圖

同樣是基于地平線征程3的產(chǎn)品，第三代榮威RX5（2022年6月上市）基于3顆征程3和26個傳感器（不含兩個駕駛員監(jiān)測傳感器），實現(xiàn)高速領航和全場景泊車功能；

今年3月問世的深藍SL03應用雙征程3+27顆傳感器（含1個前視800萬像素攝像頭、1顆4D毫米波雷達）的高配智駕方案，能夠?qū)崿F(xiàn)高速領航功能。標配的單征程3方案，則僅支持L2級輔助駕駛功能；

將于2024年年初上車的毫末HP170基于單征程3+20個傳感器實現(xiàn)高速領航和泊車功能。

在中階方案上，德州儀器的TDA4-H還屬于新產(chǎn)品，目前大疆在五菱云朵上車的方案采用32TOPS+19顆傳感器（含1個慣導雙?攝像頭），實現(xiàn)高速領航和記憶泊車等功能，將高階智駕功能的上車價打到了15萬元以下。

將于2024年內(nèi)上車的毫末HP370在傳感器配置上更加豐富一些，32Tops+24顆傳感器，將功能從高速拓展到了城市中的記憶行車。

高階方案上，高通5nm制程的8255/8295作為智駕芯片上車的方案仍非常新，也非常少。奔馳剛發(fā)布的新一代E級車采用8295實現(xiàn)高速領航；零跑的方案中，8295+恩智浦S32G高配芯片實現(xiàn)L2+級智能駕駛輔助能力，將于2024年上車。

毫末HP570的方案則將功能上限從高速徹底拓展到了城市路況。對于高通的方案，張凱告訴《賽博汽車》，算力為360Tops的HP550方案將于首先搭載于魏牌藍山DHT-PHEV車型上，于明年一季度正式量產(chǎn)。HP570車型采用QC8650，算力72/100Tops將在藍山之后的改款車型上上車應用。

至少從紙面對比來看，計劃于2024年先后落地的毫末第二代HPilot產(chǎn)品，將更低硬件需求、更高性能上限的智駕性價比競爭激烈度進一步推高。

其中當然有后發(fā)優(yōu)勢。張凱表示，近幾年快速的技術迭代和模型輕量化特征，使之前需要在大算力平臺上布置的算法得以在中平臺上布置。而大算力芯片的單位算力價格也在下行。

此外，毫末自身的工程化能力也是其拉低價格的重要原因。

三款產(chǎn)品，三個計算平臺，意味著大量的模型遷移和適配工作，也使很多團隊望而卻步。但毫末在HP1.0平臺的上車應用過程中，積累了大量的工程化能力，使其能否完成這樣困難的工作。

《賽博汽車》了解到，今年上半年，除特斯拉的代工廠外，德賽西威、知行科技和毫末智行是量產(chǎn)量前三的智駕域控商。

”我們還是要做平臺的系列化，把系列化做好，以滿足高中低不同價位車型的需求?！皬垊P表示。

02、識別萬物，云端能力提上來

終端價格打下去的另一面，是云端的能力進一步提升，以更加簡潔、高效的算法模型為終端降本服務。如特斯拉FSD V12版通過采用完全的神經(jīng)網(wǎng)絡，端側(cè)系統(tǒng)減少了30萬行代碼，運行速度快了10倍。

目前國內(nèi)尚未有明確的自動駕駛端到端的模型范式，但此次AI DAY上，毫末向業(yè)內(nèi)展示了自動駕駛生成式大模型DriveGPT雪湖·海若在云端實現(xiàn)端到端運行的方式。

毫末發(fā)布的行業(yè)首個自動駕駛生成式大模型DriveGPT在云端分為感知和認知兩個大模型。

其中，感知大模型通過感知數(shù)據(jù)輸入，建立包含時序信息的4D向量空間后，引入開源的圖文多模態(tài)大模型，從而形成含有視覺圖像中語義信息的“5D”空間。

從而，將"前方有一個離地兩米，一米多長，靜止不動的障礙物"，翻譯為“綠色的柳條”，使自動駕駛系統(tǒng)的識別能力從障礙物提升到萬物。

在認知大模型中，基于5D的感知結(jié)果，DriveGPT通過構(gòu)建駕駛語言（Drive Language）來描述駕駛環(huán)境和駕駛意圖，再結(jié)合導航引導信息以及自車歷史動作，并借助外部大語言模型LLM的海量知識來輔助給出駕駛決策。

例如將”綠色的柳條“這一文本解釋為”柔軟“，從而成為車輛可忽略該障礙物，正常通行的決策依據(jù)。

值得注意的是，雖然仍分為感知和認知模塊，并且存在引入外部開源的多模態(tài)和大語言模型，而非一個完整的神經(jīng)網(wǎng)絡系統(tǒng)。但從數(shù)據(jù)的層面來看，由于引入外部大模型，從輸入到最后輸出決策策略的過程中，不再存在數(shù)據(jù)量消減的問題。

由此，模型獲得世界知識，從而提升自動駕駛策略的可解釋性和泛化性。

毫末智行數(shù)據(jù)智能科學家賀翔向《賽博汽車》表示：多模態(tài)和大語言模型將此前不宜存儲傳輸?shù)膱D片信息，提煉為文本信息組成隱式場，供感知和決策模型希望進一步完善信息時調(diào)用查閱，由此保證了數(shù)據(jù)從輸出到輸出端的完整性。

截止2023年10月DriveGPT雪湖·海若共計篩選出超過100億幀互聯(lián)網(wǎng)圖片數(shù)據(jù)集和480萬段包含人駕行為的自動駕駛4D Clips數(shù)據(jù)。

目前，DriveGPT還是在云上的大模型，但已在數(shù)據(jù)生產(chǎn)和端側(cè)模型訓練上發(fā)揮作用。

毫末智行CEO顧維灝在演講中表示，DriveGPT的駕駛場景理解可以對海量駕駛場景數(shù)據(jù)進行秒級特征搜索，從而實現(xiàn)更高效的數(shù)據(jù)篩選，為大模型挖掘海量高質(zhì)量訓練數(shù)據(jù)；駕駛場景標注是采用了開集（Open-set）場景下的Zero-Shot自動標注，可實現(xiàn)對任意物體既快速又精準的標注，預標注準召達到80%以上。

此外，駕駛場景生成，可以基于駕駛場景的文生圖模型，通過文字描述批量生成平時難以獲取的Hardcase數(shù)據(jù)，實現(xiàn)無中生有的可控生成；對于駕駛場景遷移，基于AIGC生成能力，可實現(xiàn)多目標場景生成，能將采集到的一個場景，遷移到該場景的不同時間、不同天氣、不同光照等各類新場景下，可同時獲取全天候駕駛數(shù)據(jù)，實現(xiàn)瞬息萬變的高效場景遷移。

車端模型開發(fā)模式變革方面，毫末正在嘗試用蒸餾的方法，也就是用大模型輸出的偽標簽作為監(jiān)督信號，讓車端小模型來學習云端大模型的預測結(jié)果，或者通過對齊Feature Map的方式，讓車端小模型直接學習并對齊云端的Feature Map，從而提升車端小模型的能力?；谡麴s的方式，可以讓車端的感知效果提升五個百分點。

顧維灝認為，未來的自動駕駛系統(tǒng)一定是跟人類駕駛員一樣，不但具備對三維空間的精確感知測量能力，而且能夠像人類一樣理解萬物之間的聯(lián)系、事件發(fā)生的邏輯和背后的常識，并且能基于這些人類社會的經(jīng)驗來做出更好的駕駛策略，真正實現(xiàn)完全無人駕駛。