距離上一次毫末AI DAY僅僅過去4個月，或許搭載在摩卡上的高速NOH還沒好好感受，毫末的城市NOH就出現在了眼前。

4月19日，毫末發布搭載HPilot3.0的“毫末城市NOH”。

根據毫末的說法，這是中國第一個大規模量產的城市輔助駕駛產品，第一個重感知的城市輔助駕駛方案，同時也是2022年中國第一個最實用高效的城市輔助駕駛產品。

據了解，此次AI DAY是其兩年多來的第五次品牌活動，而在此前毫末智行再度完成了由中銀投資、首鋼基金旗下首程資本參與的A+輪數億元融資，也被稱為國家隊進場。

而這樣的速度，似乎正在印證毫末一直以來對于速度的理解，慢就是快，這家年輕的公司在技術量產上似乎已經走在了別人的前面。

先來看一組數據，截止到4月份，用戶駕駛輔助實際行駛總里程已經超過了700萬公里，進入了數據積累的第一陣營。

同時，目前毫末的輔助駕駛系統已搭載至至魏牌摩卡、坦克300城市版、魏牌瑪奇朵DHT、魏牌拿鐵DHT、哈弗神獸、坦克500六款車型，用戶輔助駕駛行駛里程已經突破700萬公里。并且在2022年，更將有多達34款長城車型搭載毫末智能輔助駕駛功能，其中30%為標配；而在未來兩年，搭載毫末智行輔助駕駛產品的長城乘用車數量將突破100萬臺。

其次是毫末智行末端物流自動配送車業務的合作伙伴團隊，以阿里達摩院、物美多點、美團等為代表，而此次上海的疫情下，也出現了很多毫末的身影。

在今天，末端物流自動配送車領域也迎來了更新，毫末小魔駝2.0正式發布，單車售價12.88萬元，成為中國首款十萬元級末端物流自動配送車，而這個價格公布的時候，現場也是出現了陣陣的掌聲。

而在技術層面，中國首個數據智能體系MANA迎來多項重磅升級，感知能力突飛猛進，通過獨創的“雙流”感知模型及自研BEVTransfomer，“讓中國沒有不能識別的紅綠燈和車道線”成為現實；認知能力、成本與進化速度也實現翻倍增長，模型訓練成本降低60%，加速比超過96%，此外標注AI自動化率已達到80%，大幅降低了標注費用成本。

這樣的智能體系，就像一個正向的加速器，持續的數據在不斷的優化毫末的技術，更好的技術意味著更多的車輛使用，更多的車輛使用意味著加速器運行的更快。

而城市駕駛輔助所需要的算法難度，遠遠大于高速路況，這也是目前為止，在中國仍沒有量產車在城市道路中可以開啟導航自動駕駛輔助。

——01——

難度有多高？

首先我們要知道，城市NOH就意味著在城市中，選擇好導航，車輛就可以按照規劃路線進行行駛，并且最終到達目的地。

根據毫末智行董事長張凱的預測，2022年自動駕駛行業的競爭將正式進入下半場，主要集中在城市開放場景的領航智能駕駛：“2022年國家將出臺更多細則規范自動駕駛數據歸屬及安全；城市NOH會將智能駕駛的體驗推向新高度；末端物流自動配送處在爆發前夜，頭部客戶開始進行場景規?；渴??！?/p>

毫末宣稱該系統可根據導航提供的行駛路線，在城市環境中實現自動變道超車、紅綠燈識別與控車、復雜路口通行、無保護左右轉等主要功能, 同時也可應對車輛近距離切入、車輛阻塞占道、交叉路口、環島、隧道、立交橋等復雜的城市交通場景。

雖然對于駕駛員來說，這是一件容易的事情，但對于自動駕駛可不是。

就拿紅綠燈這件事來說，國內的樣式就千奇百怪，倒計時也各不相同，而毫末又是主要依靠視覺。

在采訪中，如何把紅綠燈與道路綁定在一起被毫末的工程師稱為“綁路”，自動駕駛系統需要認識它，然后把它的信號與道路匹配在一起。

毫末選擇是用數據來解決這樣的問題，全國各個地方不同的紅綠燈都收集過來成本很高，毫末還結合了數據仿真用以加快效率。

通過仿真場景搭建了各種不同的光照、天氣、角度等等仿真的實際場景。通過這些場景的數據，再來反饋到模型上，讓模型能學習得更好。

因此，一個個不同的紅綠燈，從識別到與道路綁定，形成了一個個大數據的“熱點圖”，這些熱點圖就成為了機器學習的課本。

這套方法被毫末稱為“雙流”感知模型，將紅綠燈檢測和綁路問題分解成兩個通道，讓毫末日常乘用車測試實現了重感知下的紅綠燈識別。

根據毫末的測算，隨著車端算力的增大，以Transformer為代表的大模型在未來自動駕駛里面會發揮越來越大的作用，而這種先進的感知模型，也同樣被用來識別城市中，錯宗復雜的車道線。

使用Transformer的注意力機制，可以非常有效地解決多個相機之間的拼接問題，6個相機都看到了車道線，有旁邊的，有前面的，有后面的。

此外在加入注意力機制，毫末就可以把多個相機的視角很容易拼接起來，用來確定自身與車道的位置 ，再加以計算即使車道線突然消失，毫末也能應付自如。

當然這一切都是基于中國首個數據智能體系MANA做到的。

——02——

MANA再加速

根據毫末的介紹，MANA感知能力取得了較大的進展，這也與城市中的紅綠燈識別能力和車道識別能力高度相關。

在感知能力的背后，是最近一年自動駕駛的感知技術發生了巨大變化，包括芯片算力的幾何式增長，Transformer跨模態模型的出現和Camera像素的快速提升，這些都是技術發展的基礎。

此外，進步的還有 “認知智能”“成本與速度”。

“認知智能”方面，MANA用機器學習模型替換了傳統的手寫規則和參數，解決了此前代碼臃腫且面對復雜場景容易崩潰失效的問題，使場景決策更具泛化適用性，極大提升了可解釋性和泛化能力。

可以說認知智能主要是一個BUG的修復和效率的提升。

而在成本與速度方面，毫末和阿里巴巴在大模型數據處理技術上進行了深度合作，實現了自動駕駛領域與M6模型的初次相遇。

最終依靠阿里達摩院的模型合作，模型訓練成本降低60%，加速比超過96%，吞吐量超過每秒40000個sample。此外，毫末已實現標注AI自動化率達到80%，減少了大量的人工標注。

這樣的合作直接代表著成本的節約，效率的增加。

因此可以總結MANA的快速成長，有車載硬件的快速提升，有自身的完善，有外力的幫助，但無論如何，毫末將優勢融合在了一起，從效率來看是喜人的。

 ——03—— 

毫末的加速成長期

城市駕駛輔助，或許是L3級前夜最關鍵的一步，除了城市與高速全場景的融合，更重要的還有商用化的意義。

無人的城市物流可以打通，無人的出租車可以運營，閃送、外賣、快遞將不再有人…

這些都需要城市駕駛輔助，而毫末似乎正在領先半個身位。

特斯拉現在能檢測紅綠燈，但是也沒有對紅綠燈在路口控制車輛，蔚小理，其實對紅綠燈檢測目前還沒有完全OTA，這些都是毫末的機會。

另外對于長城來說，或許贏得了汽車科技制高點的一張決賽劵。