毫末速度：中国自动驾驶落地最快的1000天

贾浩楠 发自 凹非寺

量子位 | 公众号 QbitAI

1000天，一份成绩单：

智能辅助驾驶系统搭载近10款量产乘用车。

用户使用辅助驾驶里程超过1500万公里。

末端物流无人配送车运营近9万单。

覆盖城市道路的高阶领航辅助功能即将量产。

这是中国量产自动驾驶独角兽毫末智行的模式、速度，也是自动驾驶探索进程中，从技术研发到商业落地，刷新行业纪录的新速度。

毫末内部会曝光

近期，毫末在即将成立1000天的日子，进行了一次内部会。

创业从0到1，员工从0到近1000人。

毫末智行内部，对于成立1000天以来的技术、组织、商业、产品等等做了全方位的总结和思考：

成立1000天，从0到1突破了多车型量产自动驾驶从研发到量产的交付难题。

如何佐证？毫末智行给出了几个不同维度的证据。

首先是产品进展。

三个方向，乘用车智能驾驶系统HPilot、无人物流车、智能硬件。

每一条方向，毫末都有刷新行业的记录。

比如HPilot已经在近10款车型上量产交付，3.0版本能力拓展到城市复杂道路场景；无人物流车小魔驼3.0实现10万元级零售价，同时还具备L4级功能；智能硬件上，自研单板算力最大的自动驾驶计算平台小魔盒，达到360TOPS算力。

支撑量产交付进展的，是自动驾驶技术体系。

毫末将他们的技术总结为“重感知”路线。核心是使用Transfomer对不同摄像头数据进行前融合处理，形成一个映射BEV（环视感知）空间，天然具备和激光雷达点云图的融合能力。

这是一套和特斯拉类似的技术方案，目的是为了解决自动驾驶最核心的目标感知识别难题。

在组织、商业层面，毫末智行总结出了一系统列具体方法论。比如之前毫末智行董事长张凯提出的6P开放合作原则：

另外，还有12条领导力原则、亚马逊逆向工作法、开放合作生态等等。

从毫末智行的口吻来看，这样的总结，是定性式的描述：毫末在做什么、做得怎么样。

容易被关注到的重点是“突破”、“多车型”、“交付”等等。

但真正的重点，是1000天。这也是毫末自成立以来，最被熟知的标签：快。

很多的行业“首次”、“第一”出现在了毫末1000天的成绩单中。

毫末成绩单

行业内对于毫末智行“快”的认知，最直观可见的，是自动驾驶系统量产。

HPilot智能驾驶系统，目前已经覆盖长城汽车旗下近10款车型数万台车，包括坦克、魏牌、哈弗等等热门品牌。

所以毫末智行的第一个“第一”，是量产覆盖规模。无论是特斯拉、新势力，或是其他自动驾驶公司，3年左右时间实现数万装机量的规模是前所未见的。

而根据已经敲定的量产时间表，今年年底，HPilot将会覆盖超过30款车型，两年内装机量达到百万级。

规模的“第一”，带来了速度的“第一”。

HPilot，从2020年5月上车量产的1.0版本算起，在1年多的时间中，已经积累了超过1500万公里的用户实际使用里程，高速NOH（领航驾驶辅助）覆盖了全国超过31万公里的高速和城市快速路。

在这个过程中，用户的实际路测数据，已经帮助HPilot完成了3次大版本迭代。马上量产交付的最新版本（长城魏牌摩卡PHEV），最重大的更新，是城市NOH。

能自主应对城市复杂道路，包括交通信号、复杂路口、环路、人车混行等等场景。

这个能力，也是今年头部自动驾驶玩家争夺的高地，其他实力玩家，包括小鹏NGP、特斯拉NOA等等。

所以，毫末量产自动驾驶系统的速度“第一”，是和行业头部比较得出的结果。

在此之外，毫末智行在自动驾驶其他业务线上，还有数个“第一”和“首次”：

量产规模和速度背后，支撑这些的是毫末自研建立的国内首个自动驾驶数据智能体系MANA。

MANA其中包含众多子模块，包括数据获取、传输、感知、计算、验证等等，它们一同构成了毫末智行的数据驱动能力。

HPilot上车量产的速度，除了用户实际路测里程的数据贡献，另一个同等重要的核心就是MANA体系下系统进行的巨量学习、仿真、验证。

目前MANA的学习时长超过了30万小时，虚拟驾龄相当于人类司机驾驶4万年。

量产进展和数据闭环能力，一同构成了毫末智行这份“行业最快1000天”的成绩单。

如何评价？

融资层面，毫末智行的进展获得了行业优质资本的认可。

截止今年4月，毫末已经完成3轮近20亿元的融资，投资方包括美团、首钢基金、高通创投、高瓴创投、首程控股、九智资本等等。

而在自动驾驶行业层面，毫末智行也构建起了一个全新的模式。

毫末智行诞生时，全球的自动驾驶行业，已经存在着3种模式。

首先是谷歌旗下的Waymo，高举高打，直接以L4为目标，试图通过路测、仿真等等手段将系统迭代至“万无一失”后再推进商业化落地。

Waymo作为自动驾驶的先驱，为整个行业探索出了“数据驱动”这条铁律，但在量产落地上却又受制于数据收集的效率。

马斯克作为后来者，深刻领会了数据驱动的重要性，但在实践手段上抛开了Waymo对于安全的顾虑，通过造车卖车实现自动驾驶系统的大规模量产和数据收集。

特斯拉的探索提供的价值，是让行业更加清晰的认识到自动驾驶第一性原理（传感器方案），以及到达终局的必经之路（数据驱动）。

但特斯拉的激进策略，也让现阶段自动驾驶系统的不足引起巨大争议。

第三种模式，则是通用旗下Cruise走的，业务上同时推进乘用车智能驾驶和特定场景下L4自动驾驶两条路线，试图通过乘用车量产项目，反哺L4的落地。

背后的核心是自动驾驶技术在核心感知识别层面的通用性。

毫末智行诞生时，曾被视为中国版Cruise，因为业务线高度相似。

但毫末的迭代、研发、量产交付速度显然比Cruise快得多。

根本的原因，是吸取各行业先驱探索的精华，规模量产的前提下，又抓住自动驾驶本质，构建了一套自己的高效数据闭环迭代体系。

毫末成绩单背后

1000天内，驱动毫末智行那成为量产自动驾驶第一梯队玩家的因素到底是什么？

毫末智行董事长张凯，曾给出过毫末的“公式”：

（领先的数据智能*稳定的量产能力*安全)生态。

公式并非从天而降，而是源于毫末智行对行业的正确判断。

这个公式的本质，是以数据智能为核心，从低速无人物流车、乘用车自动驾驶产品、智能硬件三条产品线推进量产。

量产之后，三个业务线又向数据智能反哺数据，形成自动驾驶能力的正向迭代。

所以，毫末智行其实在成立之初就已经明确了方向和终点，在此之上“倒推”出了领导力12条、逆向工作法、客户服务法等等具体方法论和组织原则。

同样“以始为终”，毫末智行在技术路线上，也紧盯AI前沿发展，比如计算机视觉技术从CNN卷积网络向注意力模型的快速变迁，以及本来用在语言模型上的超大规模Transformer在视觉领域展现出的巨大潜力等等。

这些，都是毫末智行能被看见的“驱动因素”。

而不那么明显易见的，则是毫末智行的团队和模式。

脱胎于长城汽车，独立经营，独立融资，被赋予很高的自主权。

业务模式上摆脱传统车厂的长决策链条和保守思维，以科技公司方式管理运营。

充分激发创造力和积极性的另一方面，是长城汽车在业务拓展和融资上市方面，没有给毫末智行任何限制。

这就让毫末智行的基因与其他自动驾驶玩家完全不同，既有AI科技公司底色，也拥有主机厂量产工程化实力。

毫末智行CEO顾维灏，作为昔日百度自动驾驶元老之一，带来的是对自动驾驶技术的深刻理解和前瞻。

而出身长城汽车的董事长张凯，则代表了毫末智行在自动驾驶技术产品化、工程化的能力。

所以，毫末智行走出了一个全新的自动驾驶模式：

技术上回归自动驾驶第一性原理，走上一条重感知的数据驱动路线。
量产上，依托大股东长城汽车的渠道，快速实现规模化落地，形成数据闭环。

这种模式固然有得天独厚的优势，也由业务进展、投资人认可等等证明，的确走通了。

但在长城汽车之外呢？

9月即将到来的第6届毫末AI DAY上，据说还会官宣新的技术和产品成果。

另外，毫末智行的技术底色，也一直是历届AI DAY上最受关注的部分，这个活动也逐渐发展成聚焦自动驾驶前沿的AI大会。

据说，这次包括张亚勤、贾扬清在内等等世界顶级AI学者都会参加。

中国自动驾驶的技术前瞻、商业化进程、行业模式探索…..毫末9月的AI DAY，是一个绝对不能错过的窗口。

— 完 —