毫末DirveGPT发布，自动驾驶离成为“老司机”不远了？

自动驾驶版的“ChatGPT”来了。

4月11日，第八届 HAOMO AI DAY举办。作为中国聚焦自动驾驶技术的盛会之一，这次AI DAY的行业关注度也很高。

过去在这个会上，毫末智行都会发布最新的一些自动驾驶行业技术动向，比如2021年9月发布的数据智能系统，去年4月份举行AI DAY上发布毫末城市NOH，发布毫末小魔驼2.0等。

今年的AI DAY，有一些特别。

2月17日，毫末智行宣布自动驾驶认知大模升级为DriveGPT，并表示将在AI DAY上公布进展。

DriveGPT的发布，宣告着自动驾驶正在迈进3.0时代，接下来毫末还会有什么动作，其实是外界比较关心的事情。比如，新技术能够产生怎样的影响？接下来行业会发生怎样的变化？

这次AI DAY中也许就有答案。

//自动驾驶生成式大模型升级：DriveGPT雪湖·海若

毫末的AI DAY，总是不让人失望，每次都有新体验、新技术、新动态。

三个月一次的举办节奏很有深意，而且每次都有重磅信息披露，科技行业要做到“季更”，其实不太容易，背后需要有充足的技术储备和迭代能力，另外“季更”也能倒逼着企业研发不断迭代。

这次AI DAY上，毫末主要宣布了这么几件事：

发布DriveGPT雪湖·海若，MANA 架构全新升级。

宣布与三大主机厂合作，量产装机争夺战开始。

2024年毫末城市NOH落地百城。

末端物流与商业进一步落地。

信息量很大，但人们关注的焦点很清晰：业内首个自动驾驶生成式大模型——DriveGPT雪湖·海若。

董事长张凯在演讲中提到，毫末其实提前两年就开始布局 AI 大模型，ChatGPT还没有像现在这么人尽皆知。直到ChatGPT火了之后，人们对大模型才开始有所了解。

在打“提前量”这件事上，毫末还是很认真的，毕竟毫末是行业内最早一批坚定做渐进路线的自动驾驶企业，也是最早围绕着商业化、落地去布局的玩家。

与ChatGPT相似的是，雪湖·海若也是通过RLHF（人类反馈学习强化学习）算法，对自动驾驶技术本身进行优化。

不同之处在于，ChatGPT用人们聊天对话输入，然后用文字输出，雪湖·海若（DriveGPT）则是输入驾驶数据，比如驾驶场景、驾驶习惯。输出的是能力更强的自动驾驶技术。

相比技术细节，其实更需要关注的是，雪湖·海若的发布意味着什么？

在谈擎说AI看来，接下来可能会有这么几个变化：

1、重塑了汽车智能化的技术路线。

过去的汽车智能化，更多是产品的智能化，并不是核心技术的智能化。

比如智能座舱，他能带来智能化体验，这个是用户最能感知到的，比如语音交互、情感智能等等，主打智能化概念。做这种类型的智能汽车，需要的是产业整合能力，但缺的是核心技术护城河，这类车企最多，寒冬来了之后也最危险。

真正的智能化技术是能够自我学习，自我生长的，真正的自动驾驶，也应如此。过去的自动驾驶技术，本质上还是需要人去优化算法，调整参数。

雪湖·海若对行业最大影响在于，用技术去“培育”技术，这可能会产生深远影响。自此，自动驾驶技术自身有了自我进化的能力，自动驾驶技术演化的方式就此改变。

2、极大地拓展毫末城市NOH产品的能力，帮助毫末城市NOH进一步量产迭代。

雪湖·海若对行业的影响会更直接。按照毫末的说法是：DriveGPT 可以逐步应用到城市 NOH、并且提升城市辅助驾驶的能力。

ChatGPT之所以强，是因为改变了AI本身演化的方式，更有效率，更成熟。

DriverGPT雪湖·海若则“重新开了一个主线”，人类反馈强化学习(RLHF)算法下，大量的老司机面临的真实的场景数据去训练AI决策。

也就是说，在雪湖·海若的帮助下，将来毫末城市NOH的能力可能会更强，场景感知能力、自动驾驶能力也能快速迭代，搭载毫末城市NOH的车辆也能有“老司机”一样的能力。

只要数据样本够多，那么城市NOH面临的长尾场景问题，可能会更容易被解决，这有助于毫末城市NOH进一步量产迭代。

3、把行业带入“大模型”时代。

发布会上，一个颇为重要的信息是，雪湖·海若的能力对行业来说是开放的。

目前，北京交通大学计算机与信息技术学院、高通、火山引擎、华为云、京东科技、四维图新、魏牌新能源、英特尔等多家企业和机构已经加入。

毫末方面还表示， DriveGPT 会面向公众逐步开放三大应用场景，包括驾驶场景自动标注、驾驶行为验证、困难场景脱困等。

自动驾驶技术发展到现在，硬件性能早已不是天花板，关键是自动驾驶感知决策能力以及数据样本的量级。ChatGPT的成功表明，大模型可能才是行业最终的解决方案。

雪湖·海若的发布只是一个开始，接下来大模型在自动驾驶领域的应用规模会更大。

//自动驾驶3.0时代，量产导向、降本、规模化

过去，自动驾驶行业经历过估值高光也经历过寒冬。

整个行业从热到冷再到热，最后经过验证锤炼得出来一个方向：“行泊一体，量产为王”。

当下行业中的玩家们也不再争论L4还是L2，而是都埋下头去做量产方案，去做满足主机厂需求的方案。

原因很简单，前装市场的商业化规模在进一步增长。

毫末智行董事长张凯提到一个数据：2022年中国乘用车市场L2及以上辅助驾驶前装搭载率升至 29.40%，前装标配交付 585.99 万辆，预估2025 年高级别辅助驾驶搭载率超过 70%。

也就是说，行泊一体的解决方案NOA产品，将会在23、24年大规模落地。对于自动驾驶企业来说，这意味着服务主机厂需要的能力也在变化。

在谈擎说AI来看，城市辅助驾驶来到前装量产阶段，技术之外，降本和规模化也是核心竞争力。

量产的1.0时代，需要的是工程化能力，所以一些L4厂商做L2的过程中，也需要补足工程化能力。到了量产的2.0时代，不仅需要工程能力，更需要降本增效能力。

但降本这件事，不仅靠供应链资源整合能力，也靠的是对工程、技术的理解。

在降本上，毫末其实很有一套。

比如，毫末把视觉 BEV 感知框架引入到了车端鱼眼相机，做到了在 15 米范围内达到 30cm 的测量精度，2 米内精度高于 10cm 的视觉精度效果。结果就是，这样的精度下，泊车场景下纯视觉就能替代超声波雷达，从而进一步降低成本。

再比如，海若DriveGPT的帮助下，可实现 4D Clip 数据自动化标注的规模化生产，降低行业使用数据的成本。据悉，单帧图片整体标注成本仅相当于行业的 1/20。

这些技术、工程能力，最终反馈到产业链上，就是终端车型的智能化成本可能会更低。长期来看，汽车终端市场价格内卷是大趋势，能帮助车企降低成本的一级供应商，才是好的供应商。

降本之后，终端价格打下来，城市辅助驾驶、自动驾驶产品才能进一步完成规模化，合作伙伴才能越来越多。

规模化能力上，就是能不能持续打开新的市场，不断地扩充“朋友圈”。

毫末也公布了最新的商业化进展：

DriveGPT 首发车型新摩卡 DHT-PHEV，即将量产上市；搭载毫末NOH车型即将上市；海若大模型进一步升级感知能力。

另外一个重要的消息是，毫末官宣了与三大主机厂合作。

毫末智行表示，目前已经与三家主机厂签署战略合作协议，达成面向 L2+级别智能驾驶领域的全方位战略合作，相关项目已经在交付中。

这个签约，其实很有分量。对于行业来说，意味着打响了量产装机“争夺战”，是商业化的重要节点。

这靠的其实还是技术能力。

比如，技术的前瞻性。

目前，毫末被国际顶会收录的学术论文达到 6 篇 ，最新的两篇分别入选计算机视觉识别领域三大顶会之一的 CVPR 和全球首个智能车专业期刊 IEEE TIV，走在AI算法前沿领域。

技术壁垒够强，就更容易打开商业化空间。

一方面，与三大主机厂达成合作，意味着毫末靠技术优势打破了汽车行业的“门派之见”，接下来商业化空间更大。

另一方面，最能体现技术能力，还是雪湖·海若DriveGPT。

DriveGPT对于自动驾驶公司来说，味着成长性，意味着引领行业的能力。

这就像是比亚迪的“刀片电池”，能够代表行业最顶尖的能力，这让毫末智行城市NOH有更多的信心走出去，成长为参天大树。

谈擎说AI认为，长期来看DriveGPT+前装规模化，会改变自动驾驶行业格局，DriveGPT正在把行业带入一个全新的3.0量产时代。

技术驱动行业中，技术代差能快速改变市场格局。（这也是谷歌这么忌惮OpenAI的原因）

过去，自动驾驶行业中，大家其实技术水平整体差距没有想象中那么大，而DriveGPT的出现，可能意味着一次“技术爆炸”。

从ChatGPT2到ChatGPT4 的变化是明显的，但OPEN AI的创始人透露，这里面其实更多的是数据量级的差异。

DriveGPT也是如此，训练的数据量越大，技术越成熟，越容易拉开与行业其他玩家的差距。

此次AI DAY上，毫末也透露出了自动驾驶数据智能体系 MANA的升级情况。

目前，MANA 计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化，感知和认知相关大模型能力统一整合到 DriveGPT 中。数据显示，MANA 的学习时长超过 56 万小时，虚拟驾龄相当于人类司机 6.8 万年。现在这些数据仍然在不断增长。

数据量变会不会引发自动驾驶的“质变”？自动驾驶行业中每个人都希望知道答案。

目前来看，这个最重要的问题，可能需要毫末来回答。

结语：

从此次AI DAY来看，DriveGPT很可能正在开启自动驾驶的另一个时代。

自动驾驶未来是确定的，AI的未来也是确定的，问题在于实现的过程需要探索。这么多公司在前仆后继，不断改良，勇攀技术高峰，就是不断探索的过程。

DriveGPT是自动驾驶行业阶段性探索的成果。这个成果对于整个AI的发展也有重要意义，接下来AIGPT能力进一步深化，可能会有更多GPT 出现。

接下来，关于AI的历史会如何书写，值得期待。