自动驾驶论文发表

终于拿到长城体系外订单

“我们还在等他们（毫末）的车交付之后，才能做技术上的对标。” 同为量产高阶智驾方案的某车企工程师这样评价毫末。

这一对标将在今年初见分销。

4月11日，在第八届AI DAY上，毫末发布了一个堪比BEV的新技术：自动驾驶生成式大模型DriveGPT——雪湖·海若。

2021年特斯拉用一个BEV架构模型搞定了自动驾驶的感知，而雪湖·海若Transformer则有望用一个模型解决自动驾驶的认知问题。

雪湖·海若将依次搭载在魏牌摩卡DHT-PHEV和蓝山上，首批落地在北京、保定、上海等城市，并于2024年开拓100个城市。

此外，毫末宣布与三家主机厂签订了定点合作协议，其中包括长城体系外的品牌。

新技术范式、百城大战，毫末的“野心”要如何实现？

01

一次解决所有问题

“（雪湖·海若）使我们在一个统一的生成式框架下，将规划、决策和推理等多个任务全部完成。”毫末智行CEO顾维灏在采访中表示：“（雪湖·海若）在更大数据的支持下，还是会让（自动驾驶系统的决策能力）有一个质的提升。这一新技术范式即使放眼全球也是非常独特和创新的。”

认知架构雪湖·海若和感知架构BEV一样，旨在通过一个大模型一次性解决问题。

在BEV之前，自动驾驶系统的感知是在各传感器端先进行感知，之后由多个小模型算法进行置信判断和融合之后，输出最终的感知结果。BEV则是一次性“吸收”所有传感器的原始数据，之后直接输出车辆周围360°的完整空间感知结果。

决策方面，目前业内主要包括预测、规划、控制几个环节：

基于感知结果，通过搜索等方法划定出可行使空间，再在其中根据自车和其它交通参与者可能的行动轨迹进行路线规划，最终决定出一条行驶路线，并将行驶路线分解为车辆动作命令传给执行器。

雪湖·海若则是基于感知结果，直接给出规划控制结果和理由：

一次性生成多个未来可能发生的全局场景，并且按照可能发生的概率排序；生成自车未来的轨迹信息；直接给出决策逻辑链。

例如在一个包含对向来车、左侧电动车、右侧过路行人的无保护左转的场景中：

传统方法是先对与自车最有可能交互的对向来车进行轨迹预测，基于预测结果判断自车应该的行驶轨迹。此轨迹如果涉及到电动车/行人等其它的交通参与者，则加入考虑后预测，再判断轨迹，如此往复。

但雪湖·海若是一次性看到路面的全局情况，基于预训练积累的“经验”，直接得出：对向来车已出线刹车概率低、电动车虽然未出线但惯于抢行、行人在路口通常谨慎行动变。如以安全为先，应当缓慢起步，让行电动车后，快速通过路口。

之所以出现这样不同的“思考”方式，在于传统方法和雪湖·海若在短期数据和长期知识上存在不同。

短期数据即当时当刻的路面情况。

由于目前决策大都使用参数有限的小模型，因此一次性能考虑的对象便相对有限。

雪湖·海若作为大模型，在云端参数高达1200亿个，由此在学习时能够做到全局思考。目前毫末未透露部署到车端时的参数规模。

长期知识则是交通规则和常识性的潜规则。

目前主流决策层算法仍以逻辑判断为主，对于“谁会如何”更多还是出自工程师经验。

雪湖·海若则是先在4000万量产车驾驶数据中进行学习，又用5万个经过筛选的人类接管数据做反馈训练，最终习得开车的知识和常识，能够更加类人的，根据当前交通情况推理出未来各类交通场景以及出现的概率。

对于神经网络作为黑盒，思考过程的不可解释化，毫末技术负责人艾锐向《赛博汽车》表示，通过添加限定规则，可以一定程度上解决这一问题。

在决策层引入GPT模型只是开始，未来毫末计划将雪湖·海若扩大为端到端的自动驾驶系统模型，即用一个大模型解决感知、认知的所有问题。

中国自动驾驶逻辑芯片企业地平线也持类似的观点。前不久，地平线作为第一作者发布了基于Transformer的自动驾驶端到端算法框架论文，首次将检测、跟踪、预测、箭头轨迹预测等多个模块用一个完整神经网络架构完整解决。

“让我们有可能像ChatGPT那样，用端到端的大规模的数据去训练整个的自动驾驶系统。”地平线创始人&CEO余凯在演讲中表示。

02

万事俱备，只待上车

一次解决所有问题，当然很棒，但却鲜少有玩家实践该技术。

在2022年的AI DAY和今年的投资者日上，特斯拉展示的预测算法仍是以蒙特卡洛树搜索为主。

小鹏汽车自动驾驶副总裁吴新宙则在4月明确表示，未来小鹏将在预测层面引入神经网络，但在规控层面，仍将以逻辑算法为主。“我对团队有一个明确的线，能用数学方法解决的问题，都先用数学的方法。”

事实上，即使想要应用，GPT也不是普通玩家玩得起的。

华为云人工智能领域首席科学家田奇在近日的演讲中表示，大模型开发和训练一次需要1200万美元。而且并不只是“钱”的事。

首先，雪湖·海若作为GPT（Generative Pre-trained Transformer）生成式预训练大模型，需要有大规模语料库来进行训练。

顾维灏在演讲中表示，雪湖·海若的一个关键设计是将场景Token（令牌，代表执行某些操作的权利对象）化表达：将驾驶空间进行离散化处理，每一个Token都表征场景的一小部分。如果输入一连串过去已经发生的场景Token序列，模型可生成未来所有可能的场景。目前毫末Token的词表空间是50万个左右。

大模型还需要超算中心来训练。

1月，毫末发布了670PFLOPS算力的超算中心——雪湖·绿洲。若按照一块19.5TFLOPS算力的英伟达A100计算，则绿洲或用了34.3万块英伟达A100。

绿洲还针对海若进行了针对性的升级改造。

一是建立全套训练保障框架，避免因个别服务器异常可能导致的训练中端；二是升级弹性调度资源的能力，使训练平台能够自适应每天回传数据不同的大小规模；三是吞吐效率的升级，通过算子融合端到端吞吐提升84%。

但就像ChatGPT和GPT4仍依赖于对话者不断调整问题问法，扩大数据库调用权限，才能表现得更加真实类人一样。

雪湖·海若要做到真正高速类人，在并行效率、算力需求、功耗等方面超过搜索等传统方法，甚至超过人类表现的前提，是源源不断的真实道路场景和人类反馈。

03

毫末的身份突围

2022年底，小鹏、华为、毫末三家抢跑城市领航功能落地。

从结果来看，小鹏、华为都已有了搭载城市领航功能的车队上路，毫末HPilot 3.0所搭载的新摩卡DHT-PHEV预计将于本月推出，而魏牌蓝山要到三季度才会推出激光雷达版。

与此同时，后来者也正逐步逼近，蔚来、理想等车企，和轻舟智航等智能驾驶供应商都已宣布了2024年落地高速、城市领航功能的计划。

之所以形成这样的局面，与毫末的身份不无关系。

毫末虽然出身长城，却无法像蔚小理的智驾团队一样，拥有自上而下的话语权，更多还是相对独立的供应商身份。

但背靠长城又使毫末的供应商身份不那么纯粹。对于出自ICT行业的华为，车企都尚且顾忌灵魂。出自同行的毫末作为供应商，自然也少不了被挑剔。

如何实现身份突围？

今年年初，毫末推出了包括全栈解决方案、云端服务、硬件、软件、模块、原型代码六个层面的6P开放合作模式。合作伙伴不仅可以获取毫末的功能产品，甚至可以获得原型代码这样的底层技术能力。

“您的灵魂您保留，我的灵魂您带走。” 毫末智行COO侯军表示：“（智能/自动驾驶）全栈自研是高成本、长周期的事情。毫末的6P开放模式帮助主机厂在不具备技术和时间的情况下参与竞争。

如果之后毫末的综合性价比能力赶不上合作伙伴进步的灵魂，我们被淘汰也是正常的。如果能赶上，我们愿意与合作伙伴长期携手同行。”

这样“白盒”开放的态度已经起到了效果，毫末已与三家主机厂签署定点合同，其中包括长城体系外的品牌。

在毫末的生态伙伴当中，除了高通这样的老朋友外，还多了英伟达、华为、地平线这样新朋友，未来合作方向值得玩味。

此外，毫末在2024年的百城计划也绝非说说而已。

目前，华为、小鹏的城市领航功能在核心区域仍需依靠高精地图。而毫末的方案则完全不采用高精地图，只用类似导航地图的标清地图，以感知信息的置信权重远高于地图信息，即所谓重感知轻地图方案。

要完全依靠感知信息做判断使毫末目前的城市领航功能更显保守，安全性要求远高于舒适和通行效率。

但由于完全不依赖高精地图，所以毫末HPilot 3.0的开城将不受地图资源限制，随着其感知能力打磨得愈发完善，开城速度也将愈发加速。

顾维灏在演讲中表示，毫末的视觉自监督大模型感知性能已提升20%。例如鱼眼摄像头在15米范围内的测量精度已达到30厘米，2米内精度可以高于10厘米。因此毫末正考虑取消超声波雷达，直接使用鱼眼镜头做泊车功能。

技术进步也正成为毫末作为供应商，持续降本的底气所在。毫末智行张凯表示：“未来（降本同效的策略）对我们和行业发展，都会有很好的推动作用。”

【本文来自易车号作者赛博汽车，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】