2022年自動駕駛繼續(xù)換擋提速,。

特斯拉 2022 年 Q2 財報顯示,，F(xiàn)SD Beta 版10萬名測試用戶累計行駛約 4200 萬英里,，馬斯克預計如若今年底測試人數(shù)擴大到 100 萬，F(xiàn)SD Beta 累計行駛里程將很快突破 1 億英里,。FSD全稱為Full Self-Drive即“完全自動駕駛”,，馬斯克曾明確表示FSD是特斯拉的未來，也是特斯拉最重要的資產,。不過特斯拉FSD被很多人認為是馬斯克在“畫餅”,，因為L5級完全自動駕駛不可能在短期內落地。

在中國市場,，自動駕駛“漸進式落地”呈現(xiàn)出更強的活力,。工信部數(shù)據(jù)顯示，今年上半年 L2 級輔助駕駛乘用車新車市場滲透率達到 30%,，同比增加 12.7%,。在很多人印象中只有蔚小理等“新勢力”具備智能駕駛能力，實際上傳統(tǒng)車企也不遑多讓,，比如長城汽車8月銷售新車 88226 輛,，其中智能化車型占比已提升至 85.59%。

除高級別智能駕駛量產加速外,，中國自動駕駛在法律法規(guī),、測試道路、商業(yè)場景等維度均取得突破,，截至目前已有30多個城市出臺智能網聯(lián)汽車道路測試管理辦法和實施細則,，來自2022世界智能網聯(lián)汽車大會的消息顯示，全國開放各級測試公路超過7000公里,，實際道路測試里程超過1500萬公里,，自動駕駛出租車、無人巴士,、自主代客泊車,、干線物流以及無人配送等多場景示范應用有序開展。

自動駕駛技術歷史悠久,，不過一直到2010年前后才進入大眾視野,，彼時谷歌、百度等科技巨頭入局這一賽道,，掀起了延續(xù)至今的技術浪潮,。而從技術演進路線來看，在全球范圍內自動駕駛技術都呈現(xiàn)出一個新的趨勢：不再是硬件或者軟件驅動,，不再是測試道路下的數(shù)據(jù)驅動,，而是以真實道路行駛場景為核心的數(shù)據(jù)驅動，這是自動駕駛3.0的標志,。

自動駕駛3.0時代來臨

今天看一家自動駕駛企業(yè)的技術實力,，首先要看運營里程,，如同芯片要看晶圓、存儲要看容量一樣,，原因在于：自動駕駛本質上是AI技術,，而AI運轉的核心邏輯是：將高質量數(shù)據(jù)不斷填喂給AI，AI通過自學習不斷進化,，一家企業(yè)運營里程越多獲得的數(shù)據(jù)越多,，既意味著智能化程度越高，也表明其具有“久經真實場景考驗”的實力,。

當前,，全球范圍內有機會沖擊1億公里級運營里程俱樂部的有兩家企業(yè)：一個是特斯拉，基于百萬級車主的參與,，其FSD累積行駛里程將沖向1億英里,；另一個是毫末智行。在第六屆 HAOMO AI DAY 上,，毫末智行董事長張凱透露,，毫末智行用戶輔助駕駛行駛里程已突破 1700 萬公里，位列中國自動駕駛公司第一名,，其預計到 2025 年,，高級別輔助駕駛搭載率將超 70%。

毫末智行CEO 顧維灝在AI DAY 上提出,，行業(yè)正在進入以數(shù)據(jù)驅動為核心的新時代：自動駕駛3.0時代,。那么，到底什么是自動駕駛3.0,？

硬件驅動的1.0時代：從谷歌等科技巨頭的初代無人車開始的自動駕駛1.0時代,，硬件是核心驅動，基于傳統(tǒng)車型改裝的無人車上都遍布著激光雷達等硬件,，車尾箱藏著負責AI計算的主機等設備，這一階段硬件就是自動駕駛的能力上限,，特別是雷達傳感器,，其數(shù)量越多、性能越強,，對應的自動駕駛智能化程度就越高,。

硬件驅動的自動駕駛問題顯著，一個是整車成本居高不下,，改造成本動輒上百萬,；另一個是智能化程度較低，因為硬件迭代需要很長的周期,，這一階段的無人車只能小范圍探索,，未能走向大規(guī)模商用或量產,，行駛里程在100萬公里內。

軟件驅動的2.0時代：2016年AlphaGo戰(zhàn)勝李世石后,，以深度學習為基礎的AI技術大行其道,，經歷多年硬件驅動的自動駕駛邁入軟件驅動時代。大算力中央計算芯片上車,，在激光雷達傳感器外,，基于多路攝像頭實現(xiàn)機器視覺等新的感知模式日益流行，隨著邊緣計算發(fā)展云也以多種形式參與其中,，這些都大幅降低了單車成本,，提升了智能效果，自動駕駛里程逐漸增加至上千萬公里,。

數(shù)據(jù)驅動的3.0時代：可被視作是2.0時代的延續(xù),，AI依然是核心技術，核心不同在于：AI對數(shù)據(jù)的要求發(fā)生了質變,，“大模型”成為新的技術基石,。

2021年，國外的微軟,、英偉達,、谷歌，國內的浪潮,、華為和阿里……越來越多科技巨頭都在布局AI大模型,。深度學習高速發(fā)展十年來，AI進入工業(yè)化階段,，其支撐更加廣泛普適的場景,，要支撐更大更復雜的AI計算需求，要實現(xiàn)從弱人工智能到強人工智能的升級,，傳統(tǒng)訓練模式已很難滿足,，具有“巨量數(shù)據(jù)、巨量算力,、巨量算法”特性的AI大模型生逢其時,，其本質是深度學習的“加強版”，通過給模型“填喂”大數(shù)據(jù)提高其自學習能力,，進而具有更強的智能程度,。微軟CEO納德拉說：“深度學習在過去20年或10年取得了巨大進展，大模型將是下一個大事件”,，此言非虛,。

AI大模型支持“AI預訓練”，支持通過堆疊數(shù)據(jù)集“貪婪式訓練”,，十分適合在自動駕駛上應用,，包括感知,、認知和決策。以大模型AI為核心技術,，由真實道路數(shù)據(jù)驅動的自動駕駛3.0將有如下不同：

1,、規(guī)模：圍繞真實道路場景，數(shù)據(jù)規(guī)模更大,、多樣性更充分,，行駛里程將邁進 1 億公里級。

2,、感知：以大模型AI為基礎,，雷達、視覺等傳感器聯(lián)合工作,，多模態(tài)共同輸出結果,。

3、認知：在各類場景下模擬人的認知行為,，結合人類的駕駛常識決策,，提高行車舒適性。

4,、模式：不再是人工強監(jiān)督,、強規(guī)劃、強介入的深度學習模式,，而是基于大數(shù)據(jù)大模型的AI,，海量大數(shù)據(jù)自訓練，基于數(shù)據(jù)通道和計算中心實現(xiàn)更高效的積累數(shù)據(jù),，將數(shù)據(jù)轉化為知識,。

簡而言之，自動駕駛3.0時代依然是以AI技術為基礎,，但內涵卻已發(fā)生變化：一個是大模型已取代傳統(tǒng)深度學習成為新的訓練模式,，另一個是自動駕駛行駛里程邁上新臺階，數(shù)據(jù)越來越“大”,，這給大模型驅動的自訓練自動駕駛創(chuàng)造了條件,，極大地加速了自動駕駛的落地進程，而當自動駕駛行駛里程從百萬到千萬再到一億規(guī)模以上時,，量變也將引發(fā)質變。

3.0將是少數(shù)派的游戲

相較于1.0時代與2.0時代而言,，3.0時代的自動駕駛的核心邏輯已發(fā)生變化,，舞臺中央的玩家將會大幅減少，原因如下：

第一,，自動駕駛3.0是數(shù)據(jù)驅動,，更是“真實場景下的海量大數(shù)據(jù)驅動”,。

正如前文所言，自動駕駛3.0的基礎是AI大模型,，這需要足夠“大”的數(shù)據(jù),，包括里程規(guī)模、多樣性等,。一個重要的細節(jié)是：毫末智行,、特斯拉公布的是“運營里程/行駛里程”，還有一些企業(yè)公布的是“測試里程”,，此“里程”非彼“里程”,，就算有些企業(yè)的測試里程數(shù)據(jù)高于毫末、特斯拉的運營里程/行駛里程,，但價值卻相去甚遠,。

前些年自動駕駛企業(yè)普遍公布測試里程數(shù)據(jù)，因為其車輛只能在部分開放測試道路上跑,，這樣的數(shù)據(jù)越到后面價值越小,，因為自動駕駛技術有著“長尾效應”，正如交通運輸部公路科學研究院中心主任周煒所言：“自動駕駛也有長尾效應,，比如說自動駕駛智能車輛測試,，測試50天內能夠發(fā)現(xiàn)99.9%的問題，那0.1%的問題可能5000天未必能發(fā)現(xiàn)和解決,。再從測試里程來說,，在15萬公里測試時就能發(fā)現(xiàn)99.9%的問題，那0.1%的問題未必在15億公里中能發(fā)現(xiàn)和解決,?！?/p>

要突破自動駕駛的長尾效應，就要不斷擴大道路行駛場景,，最理想的狀況就是開放式道路,，汽車能到的地方自動駕駛都能到。“漸進式落地路線”讓這一點變?yōu)楝F(xiàn)實,，在這一路線下自動駕駛技術的形式是高級別輔助駕駛,，可在開放式道路運行，當然,，這又有一個前置條件：足夠的車參與進來,。

特斯拉FSD可邁向1億英里行駛里程的前提是百萬級車主參與測試，其努力了幾十年才做到百萬+量產車下線,，中國造車新勢力距離百萬量產都相去甚遠,。

毫末智行的底氣在于其是“中國量產輔助駕駛規(guī)模化第一名”，其采取獨特的鐵三角發(fā)展模式：“場景化用戶體驗設計,、AI 人工智能技術,、技術工程化能力三者的高度有效協(xié)同”，其用 2 年時間研發(fā)三代智能駕駛系統(tǒng)HPilot,，依托長城實現(xiàn) 10 余款不同平臺車輛量產落地,、全新車型復用開發(fā)，如魏牌摩卡,、坦克 500等主流車型,。HPilot3.0將在 2022 年內正式落地，將成為中國第一家真正量產城市 NOH 的高級別輔助駕駛產品,。

簡言之,，毫末智行依托量產落地能力掌握著用戶場景入口，擁有海量真實道路場景下的高質量,、多樣化大數(shù)據(jù),，進而掌握了自動駕駛3.0時代的入場券?？蓴嘌?，自動駕駛技術的終極贏家一定是擁有真實道路場景的玩家，這也是為什么一些頭部自動駕駛技術玩家要耗巨資下場造車,。

第二,，自動駕駛3.0跑真實場景，必須走“從輔助駕駛到自動駕駛的漸進式路線”,。

自動駕駛路線有兩類：

一個是頂層設計面向完全自動駕駛形態(tài),，“一步到位”的躍進式路線，輕的是需要制作高精地圖讓自動駕駛“看得清”,，重的則需要改造道路基礎設施,，對紅綠燈乃至公路進行重建，以及在路側裝配相關的車路協(xié)同設備,，這一路線的好處是可直接進入到高級別自動駕駛階段,，但建設成本高，建設周期長,、維護成本不小,，當下只在極少部分測試道路如某高速的一段落地。

另一個則是面向現(xiàn)有路網的輔助駕駛技術,，跟傳統(tǒng)汽車共用一個交通體系的漸進式路線,。這一路線不需要改造道路等基礎設施甚至不需要高精地圖，成本更低,，門檻更低,，難度更小,，更利于大規(guī)模落地，但短板在于初期自動駕駛級別不高,，先從L2起步。

“讓一部分車完全智能起來”還是“讓車先智能一點點”,？特斯拉與毫末智行的選擇是第二點,，這將更有利于其參與自動駕駛3.0的角逐，因為3.0的“數(shù)據(jù)驅動”需要的是“真實場景下的海量大數(shù)據(jù)”,，要獲得對應數(shù)據(jù),，既要有量產能力下的用戶入口，還要有對應道路的真實行駛能力,，而漸進式路線正是數(shù)據(jù)積累的最佳路徑,。相反，采取“躍進式路線”的玩家受限于開放測試道路里程,、道路智能化改造進程等,，在行駛里程上將會被極大地拉開差距。

張凱此前曾明確表示,，毫末的世界觀在于從一開始就認定了要走漸進式發(fā)展路線,。在AI DAY上其進一步明確輔助駕駛是通向自動駕駛的必由之路，因為“漸進式路線的量產時間更早,，能夠快速形成規(guī)?；瑥挠脩粽鎸嵤褂脠鼍爸蟹e累足夠多的數(shù)據(jù),?！毕噍^于躍進式路線定向采集數(shù)據(jù)方式而言，漸進式采集數(shù)據(jù)的成本更低,、質量更高,。在毫末智行的實踐中，自動駕駛產品能力,、規(guī)模數(shù)據(jù)獲取的成本和質量三者已形成正循環(huán)效應,。

或許“讓一部分車完全智能起來”的理想派玩家可推出更完美的自動駕駛解決方案，但幾率很小且短期內看不到希望,。而“讓車先智能一點點”的玩家至少當前已經實現(xiàn)量產商用,，且在數(shù)據(jù)的不斷積累中悄然進化，技術的成熟與商業(yè)的回報兩不誤,，這也更符合商業(yè)本身的規(guī)律,。

第三，自動駕駛3.0是強人工智能,，需要全新的算法與算力基礎設施,。

自動駕駛3.0依托AI大模型,，而大模型具有“巨量數(shù)據(jù)、巨量算法,、 巨量算力”三大特征,，每一特征都意味著AI大模型是門檻很高的技術競賽，對于任何企業(yè)包括巨頭來說,，打造一個大模型都不是一件容易的事情,，需要收集海量數(shù)據(jù)、需要采買海量算力,、需要進行大量研發(fā),，金錢、時間,、人力投入同樣“巨量”,，正是因為此構建AI大模型的企業(yè)幾乎都是財力雄厚、技術強悍的巨頭——微軟甚至宣稱其用了價值10億美元的超級計算機來訓練其AI大模型,。

在巨量數(shù)據(jù)層面,，具備商用量產能力、用戶場景入口,、真實道路場景的玩家具有顯著優(yōu)勢,，這一點毫末智行、特斯拉們優(yōu)勢明顯,。

在巨量算法層面,，毫末智行早已在準備。其早在去年 12 月的 AI DAY 上就發(fā)布中國首個數(shù)據(jù)智能體系 MANA,，可對海量數(shù)據(jù)進行深度挖掘,。在將AI大模型應用到自動駕駛上，毫末智行也已探索多時,，據(jù)顧維灝介紹,，毫末早在 2021 年 6 月就啟動了針對 transformer 大模型的研究和落地嘗試，基于過去一年多對訓練平臺的改造升級,，數(shù)據(jù)規(guī)格和標注方法的切換準備,， 針對感知、認知具體任務的模型細節(jié)探索,，這給毫末在城市導航輔助駕 駛場景中打下了堅實基礎,。

在AI DAY上，毫末智行基于“重感知,、輕地圖”技術實踐,，推出第一個重感知的城市輔助駕駛方案，通過AI大模型克服「城市道路養(yǎng)護頻繁」,、「大型車輛密集」,、「變道空間狹窄」,、「城市環(huán)境多樣」等城市智能駕駛難題。

在巨量算力層面,，科技巨頭無疑具有先天優(yōu)勢,，但特斯拉、毫末們也在加速布局,。特斯拉在去年發(fā)布了超級計算機 Dojo,，毫末智行的解決方案是超算中心，其發(fā)現(xiàn)隨著 Attention 大模型的應用,，自動駕駛對算力的需求已遠遠超出摩爾定律，這導致大模型訓練成本非常高,，在終端設備上落地尤其困難,。針對此毫末布局低碳超算，在去年 12 月就已宣布在籌建自己的超算中心,，此外其還通過改進車端模型,、芯片設計和數(shù)據(jù)組織等方式讓AI大模型在自動駕駛場景更低成本的落地。

同時具備“真實場景下的海量大數(shù)據(jù)驅動”,、“走從輔助駕駛到自動駕駛的漸進式路線”,，“足夠強大的算法與算力基礎設施”的玩家是鳳毛麟角，自動駕駛3.0注定是少數(shù)派的游戲,，當下,，特斯拉與毫末智行是更具備相關特征的玩家。

不過,，即便步入1億公里行駛里程階段,，自動駕駛要全面落地依然任重道遠。自動駕駛3.0實現(xiàn)就面臨著不少技術挑戰(zhàn),，正如顧維灝在AI DAY上所總結的那樣：

• 如何在自動駕駛領域應用大模型,；

• 如何讓數(shù)據(jù)發(fā)揮更大的價值；

• 如何使用重感知技術解決現(xiàn)實空間理解問題,；

• 如何使用人類世界的交互接口,；

• 如何讓仿真更真；

• 如何讓自動駕駛系統(tǒng)運動起來更像人,。

攻克這些難題,，也將是毫末等自動駕駛3.0主流玩家接下來的重任。

寫在最后：

自動駕駛是未來已成為科技,、汽車,、交通等產業(yè)的共識，但到底怎樣實現(xiàn),？自動駕駛將以何種姿態(tài)走向大眾,？行業(yè)一直沒有統(tǒng)一答案,，這些年來，各路玩家摸著石頭過河,，探索不同路線,，共同推動著自動駕駛技術的進化。

那么,，到底什么才是自動駕駛的終局,？現(xiàn)在看來，不論是特斯拉首次提出的“數(shù)據(jù)閉環(huán)”,，還是毫末智行率先喊出的“數(shù)據(jù)驅動的3.0時代”,，都在讓爭議逐漸變?yōu)楣沧R，自動駕駛的未來圖景也更加清晰：在真實道路場景的海量大數(shù)據(jù)驅動下,，以大模型等AI新技術為基石,，讓算法自訓練不斷進化，進而讓車像司機一樣思考,，讓完全自動駕駛不再遙遙無期,。基于此,，到底要走漸進式路線還是躍進式路線,，到底要采取“強感知、輕地圖”還是“感知融合 + 高精地圖”的技術方案,，行業(yè)也將很快形成更大的共識,。