快科技8月18日消息，据媒体报道，在近日的第四届沈阳智能网联汽车挑战赛上，同济大学汽车学院教授朱西产表示：
“特斯拉的端到端、人工智能让自动驾驶更加成为可能，端到端被特斯拉带火了，国内的车企都在说端到端，但现在，谁宣布端到端了，他的这个车你就别买。”
他强调，端到端技术虽然能够提供强大的泛化能力，但在安全性方面存在不确定性，尤其是在处理所谓的"长尾问题"时，即那些不常见但可能引发严重后果的交通场景。
朱教授还提到，国内车企在数据量和AI训练算力方面与特斯拉相比还有较大差距。
例如，特斯拉在美国销售了超过170万辆车，拥有庞大的数据采集网络，而国内车企则依赖用户车辆采集数据，销量越大，数据越丰富。
朱西产认为，国内车企应采取分段式端到端方案，即在感知端实现端到端，同时在规控算法上保留安全准则模型，这种技术路线更为合理。
他还预计，在未来一两年内，大模型上车的可能性不大，因为所需的高算力在车端布置上仍存在难题。
SDV时代，汽车软件开发需勤修“内功”
以“软件定义汽车（SDV）”，构建智能汽车新生态，正成为汽车产业发展的新共识。 如何抓住汽车产业数字化转型机遇，提升汽车软件技术创新能力，打造更加智能化和高质量的汽车软件产品，已成为汽车企业提升竞争力的关键。
11月3日，在2023中国汽车软件大会的“智能重塑生态，软件赋能转型”主题论坛上，中国汽车工业协会软件分会理事长、中汽创智首席执行官李丰军，同济大学汽车学院教授朱西产，蔚来汽车有限公司高级总监黄亮，零束科技有限公司软件平台及解决方案总监承建兴，华为技术有限公司智能汽车解决方案软件平台部部长崔爱国，宁德时代（上海）智能科技有限公司首席技术官蔡建永，德勤中国管理咨询总监周全，易特驰汽车技术有限公司虚拟化技术专家叶舒，苏州智行众维智能科技有限公司副总经理付耿，科世达（上海）管理有限公司开发四部部长程晖等专家、学者与企业精英作现场发言，聚焦汽车软件开发技术与实践经验等相关话题，深入探讨SDV发展现状，探究行业前沿技术趋势，分享创新技术实践案例。 该主题论坛由德国汽车工业协会中国区副总裁、中德智能网联汽车推广应用中心项目联合管理办公室主任张琳主持。
高新汽车软件技术的发展不仅推动着汽车智能新生态构建，也更新着行业从业者与消费者对汽车的定义和认知。 李丰军在致辞中表示，当前，以软件技术引领的汽车产业重大变革，在促使汽车产品呈现出前所未有的智能化体验同时，也正带来关于汽车软件技术路线、商业模式与实践的全新挑战。 而在此汽车软件技术发展的关键时期，需要产学研各方积极努力，特别是要重视基础理论的研究，共同推进汽车软件生态的协同发展。
中国汽车工业协会软件分会理事长、中汽创智首席执行官李丰军
借此时机，李丰军谨代表中国汽车工业协会软件分会发出倡议：一是重视基础研究，推动全面创新。 加强汽车软件基础研究，带动汽车软件前沿技术、共性关键技术全面突破创新；二是加强技术成果转化，推动产业链上下游协同。 基于核心关键技术和原创技术，打造标杆技术产品，加强技术产业化落地。 汇聚“产学研用”资源，倡导产业链上下游企业合作，共同推动我国汽车软件产业快速发展；三是鼓励国内外企业交流合作，共同研究制订技术标准，共同打造技术创新平台，推动中国与世界汽车软件产业协同融合发展。 “中国汽车工业协会软件分会将持续做好服务工作，搭建好汽车软件技术交流平台和技术成果转化平台”。
软件工具链标准化成为SDV难点
对于新一代架构下车企在软件研发管理方面所面临的挑战这一话题，黄亮表示，在汽车软件研发实际中，性能和功能上的优势、效率可扩展性以及低成本，是整个平台数字化建设过程中非常重要的三个指标。 不过，尽管新架构带来了美好和“炫酷”的前景，但在实际研发过程中也带来了巨大挑战。 “首先，ECU的软硬一体化纵向被打破；其次，跨域融合加强，工具链的横向标准化面临很多挑战；再次，需要支持多车型、并行开发；最后，软件架构的复杂化加大了对软件能力的挑战。 ”
蔚来汽车有限公司高级总监黄亮
为了应对这一挑战，黄亮认为需要在组织流程和评价体系上进行工作。 在组织上，必须使交付的研发组织能够适应新的软硬件架构，从过去的域纵向一体化团队转向分层化、模块化的交付团队。 其次，解耦后，需要建立横向的标准化知识团队，包括架构和工具链。 在流程上，针对新的平台研发，需要建立一套流程框架和评价体系，从功能交付、平台性能、使用效率和效益四个维度进行评价，并建立层次化的多版本和敏捷迭代的协同机制。
承建兴对此表示赞同，他认为优秀的软件平台有助于汽车行业全面构建智能车进化能力，推动技术产品化，加速产品商业化的落地进程。 他强调，在实践过程中，模块化的实现在很大程度上取决于软件架构的能力。 “同时，考虑到未来自动驾驶生态的兼容性，为了让更多算法能够在软件平台上运行，需要在异构芯片、异构OS的架构上灵活配置SOMEIP、DDS、SHM等多种通信方式，以提高软硬集成的效率。 ”
零束科技有限公司软件平台及解决方案总监承建兴
崔爱国认为，当前探讨智能汽车服务化分层解耦的核心话题应该集中在构建开放稳定的数字底座，以促使汽车软件的高效开发。 他建议通过设备标准API定义汽车外设硬件，如灯、座椅、后视镜、雨刮等，将应用功能封装成可复用的原子服务，并通过标准化API接口向应用层提供服务和支持。
华为技术有限公司智能汽车解决方案软件平台部部长崔爱国
然而，构建这一架构所面临的挑战主要来自协同流程的不畅通。 崔爱国指出，首先，行业缺乏真正实现服务化的全流程供应链，需要形成链式开发效应；其次，由于各公司独立运营，知识产权保护可能导致开发过程中缺乏共享基础或形成壁垒；第三，设计周期相对较长。 因此，他强调对软件的抽象能力需要行业共识，共同定义标准化接口，实现原子服务和设备的真正标准化，从而将汽车软件开发周期缩短超过40%。
蔡建永分享了他对滑板底盘的EEA（电子电器架构）和软件开发的思考。 他指出，一台高性能的智能汽车，不仅需要具备良好的软件基础，还需要考虑硬件与软件如何更好地兼容。 对于行业目前多采用的垂直模式造车，他提出了两则实践问题：首先，私有化接口导致每个供应商与车企之间的适配问题出现壁垒；其次，上下车体的耦合使得新车型和平台开发的周期和时间较长，代价较高。
宁德时代（上海）智能科技有限公司首席技术官蔡建永
此外，蔡建永表示滑板底盘的高度集成化和上下解耦、对外开放的特点，也意味着机械接口、电子电器接口、控制和数据接口可以并行开发、独立演进，甚至支持场景造车。 “这样的特性吸引了更多参与者，构建了一个更为开放的生态系统。 ”因此，在他看来滑板底盘不仅可以引领平行造车模式，实现智能电动汽车全生命周期价值最大化，同时还能打造一体化智能底盘软件开放框架，加速整车厂软件的快速开发。
AI大模型与生态价值带来新趋势
透过对特斯拉数据场景、软件技术、商业模式等进行详细分析，朱西产分享了他对AI赋能智能汽车发展趋势及量产落地的思考，为相关技术的发展提供了建设性意见。 他指出，随着AI在智能汽车中的应用比例不断增加，今年产业各方纷纷在“卷”云端大模型，开始赋能智能驾驶这一领域。 尽管车端实际应用仍受制于车端算力的提升情况，但从特斯拉对汽车产业的颠覆来看，商业逻辑正在逐渐从仅卖车挣钱转向通过数据、软件和FSD实现盈利的全新模式。
同济大学汽车学院教授朱西产
然而，智能驾驶的发展现状是在封闭路况上并无大问题，而在城市路况上仍存在一定难度。 朱西产提到：“现在已装车的AI软件模型基本上都是预测式AI，而预测式AI强烈依赖标签，因此标签缺失、识别错误就会有问题。 智能驾驶的难点就在于还有长尾问题的安全性需要解决。 ”他还指出，各企业目前基本都在建立场景库和数据集，但随之而来的问题是道路采集数据标记成本居高不下。 他认为，这些难点有望随着AI大模型的出现真正实现摆脱标签的突破，“如果能够实现摆脱标签，那么边缘场景问题可能会得到解决”。
周全从汽车软件生态新价值的视角分享了德勤方面的研判。 他指出，SDV已逐渐成为行业共识，对企业价值、品牌价值和产品价值产生深刻影响。 德勤认为未来中国汽车软件的价值渗透率将非常高，如今中国智能车的软件推广数量已经达到了300多亿。
德勤中国管理咨询总监周全
不过，周全也表示，尽管整车厂已经“勾勒”出在2030年之前在汽车软件领域的期望位置，但需要注意四个优先事项，方才能为大规模推动SDV做足准备：首先，采用以软件为主导的产品开发思维，实现汽车行业内企业的敏捷性和适应性；其次，简化平台和软件改革，升级车辆电气和电子架构，支持SDV，实现功能可升级性，减少硬件组件数量；第三，以质量为导向的转型，满足客户对功能和服务的高期望，质量管理和软件缺陷修复变得关键；第四，使用云环境连接生态系统，加速汽车产品开发工作流程的转型，建立一致的平台促进“一次构建，随处部署”的方法。
SDV开发、测试与实践探索
身为虚拟化领域深度研究者，叶舒表示虚拟化技术的应用将助力汽车软件开发工作，“通过虚拟仿真平台完成大部分软件测试，可以降低硬件成本、提高研发效率，并提升产品质量。 ”她强调虚拟化测试解决了许多测试效率方面的难题，相比实车测试，虚拟化测试更迅速、更容易发现问题，同时减少了硬件成本，提高了开发效率。 “同时，引入虚拟化实验还能够迅速完成大数据的累积，为打磨软件质量提供有力支持。 ”
易特驰汽车技术有限公司虚拟化技术专家叶舒
叶舒指出，所有传统控制器都能采用数字化、虚拟化的方式，通过VECU虚拟控制器控制平台，从而将每个传统控制器嵌入式软件打造成虚拟化节点。 而这些虚拟节点可以以开放接口的形式兼容第三方模型，从而使得传统领域使用的测试设备和测试软件在这个平台上实现兼容使用。
在SDV前提下，软件测试验证同样成为软件开发的关键环节。 付耿认为，随着软件代码复杂度的不断提高，对软件测试的重视度也需要相应提升，以确保软件质量和整车质量的可信性。 在面向智能汽车的端到端功能安全软件测试中，他强调首先要注重对代码的静态检查，“这不仅是为了形式合规，更重要的是通过静态检查提升软件质量，增进整个开发和测试团队对软件质量的理解，从而使质量意识融入团队和企业的基因中。 ”此外，对于代码动态测试，他认为还要测量结构化的覆盖率，包括语句覆盖、MC/DC等标准。
苏州智行众维智能科技有限公司副总经理付耿
付耿还提到软件故障注入测试的问题，并表示这是测试实践中常常容易被忽视的部分。 他强调在这方面，需要结合功能安全分析来识别可能的故障，实现全局的故障注入，并检查故障的识别和处理机制是否符合预期。
随着新一代电子架构的推进，区域控制架构正变得炙手可热。 由此，在车身域实现新的电子电气架构，整合产品以提供更出色的使用体验已成为程晖在SDV实践中的主要关注方向。 基于在车身域SDV实践的总结，他提出建议探索在中央计算之外从传感器到执行器的直接协同工作过程，使得区域控制器能够绕过中央计算单元，实现真正的边缘计算功能。
科世达（上海）管理有限公司开发四部部长程晖
另一方面，由于目前大多数车企采用中央计算+四个区域控制器的架构形式，再加上传感器和执行器。 在新的架构下，程晖建议考虑引入更多的区域控制器，以减少与周围传感器连接的线束长度，从而降低开发复杂度、减轻软件测试工作负担，以简化车身域SDV整体开发和时间管理的复杂性。
德国汽车工业协会中国区副总裁、中德智能网联汽车推广应用中心项目联合管理办公室主任张琳
心比天高，命比纸薄，无人驾驶是“扯淡”？
撰文/ 钱亚光
编辑/ 张南
设计/ 琚佳
“无人驾驶都是扯淡，弄个虚头巴脑的东西，那都是忽悠，它就是一场皇帝的新装。”
中国汽车销量榜冠军比亚迪的掌舵人王传福，在2023年业绩发布会后的投资者沟通会上是这样给无人驾驶定性的。 他认为，目前看未来的主要方向还是高级辅助驾驶，需要驾驶员扶着方向盘，特殊路况的无人驾驶应用场景目前还很少。 ADAS算法、高阶辅助驾驶在资本裹挟下被神化了，市场会慢慢回归理性。
说无人驾驶是“扯淡”，其实话糙理不糙，从高阶自动驾驶近年来的境况就可以看到，心比天高，命比纸薄。
曾经，自动驾驶被许多人认为是汽车行业的未来趋势，但L3以上高阶自动驾驶由于技术、体验和成本等原因难以落地。 在过去十年自动驾驶有了长足的发展和进步，但还是有很多痛点：一是虽然投了很多传感器、域控制器，算力也在不断增加，但是在体验上没有满足车企和用户的期望；二是现有技术无法完全保证在行驶过程中的安全；三是成本太高，无论是车企还是消费者都无法接受；四是产品开发的周期太长，效率比较低。
在2022年，众多自动驾驶公司估值缩水、裁员倒闭，高阶自动驾驶技术迟迟难以商业化落地，一些 Level 4 的科技公司，也开始降维打击，从 Level 4 直接切到 Level 2++，以尽快地实现商业的闭环。
融资的不易，也从侧面反映了高阶自动驾驶短期内难以盈利的困境。 据不完全统计，2022年自动驾驶领域国内融资规模仅超过200亿元，比2021年的932亿元缩水近80%。 全球已经上市的十余家自动驾驶公司，去年股价平均跌幅超80%。
近期有关自动驾驶的言论观点一：未来还很遥远
无人驾驶都是扯淡，弄个虚头巴脑的东西，那都是忽悠，它就是一场皇帝的新装。——比亚迪董事长王传福
自动驾驶汽车在成为主流之前还有很长的路要走——也许要几十年。——比尔及梅琳达·盖茨基金会联席主席比尔･盖茨
我觉得十年以后连L3都不会真正实现。——地平线创始人&CEO余凯
完全自动驾驶载人的产品形态还需要很长时间才会出现。——毫末智行CEO顾维灏
非L1/L2的完全自动驾驶是未来的一个选项，何时大众商业化应用不太好预测。——国家智能交通系统工程技术研究中心首席科学家王笑京
自动驾驶落地道路还很漫长，面临着安全性不足、缺少应变、规则感差、变互低能的问题。——同济大学教授、汽车学院副院长熊璐
观点二：短期内可以落地
2024年，完全形态的XNGP系统将不依赖高精地图，随时随地都能实现点到点的辅助驾驶。——小鹏汽车自动驾驶副总裁吴新宙
要实现没有方向盘的终极自动驾驶技术，更为重要的是相关法规的突破，可能需要5年左右。——小鹏汽车副董事长兼总裁顾宏地
在2026年高阶智能驾驶的渗透率将超过15%，届时智能驾驶市场的爆发将会引起汽车产业新一轮洗牌。——网络集团资深副总裁、智能驾驶事业群组总裁李震宇
乐观地讲，可能2025年是自动驾驶元年，L4级生态的元年，悲观的可能是2027年就会有这样的生态来出现。——广汽埃安新能源汽车股份有限公司副总经理席忠民
自动驾驶成为主流尚需时日近日，由于对自动驾驶近期前景持怀疑态度，福特汽车撤回了一项向美国监管机构寻求批准每年部署多达2500辆自动驾驶汽车的申请，在给美国国家公路交通安全管理局的信函中，福特汽车表示：“正如Argo AI的计划关闭所证明的那样，我们相信，实现大规模部署全自动驾驶汽车并实现盈利的商业模式将是一条漫长的道路。”
3月31日，对自动驾驶汽车的未来很乐观地比尔･盖茨在试乘了Wayve公司的自动驾驶汽车之后微博上表示，近年来，自动驾驶汽车取得了巨大进展，将在未来十年内达到一个临界点。 但他承认，自动驾驶汽车在成为主流之前还有很长的路要走——也许要几十年。
自动驾驶行业正在趋于理性，资本也在趋向理性，逐步意识到应该进行商业化的落地，脚踏实地实现商业闭环。 众多玩家开始布局渐进式路线，路径之争逐渐明晰，渐进式路线成为行业共识。
现在在自动驾驶领域，主要分歧已经不再走L4或L2，而在于对自动驾驶未来前景的乐观程度。
国内一些专家、学者和企业的代表，见解与王传福相近，认为短期内智能辅助驾驶才是大家应该着力去做的事情。
在刚刚结束的中国电动汽车百人会论坛（2023）上，地平线创始人&CEO余凯，他表示：“对自动驾驶这件事大家不要太焦虑，因为行业发展没那么快，现在到2025年真正要做的是，在合理的性价比上把高速的NOA、环线的NOA这种封闭道路的自动驾驶做到如丝般顺滑，但是价格不能太贵，同时我认为要有相当的时间和精力真正把城区NOA做到可用。”
在他看来，行业回归理性、商业价值和用户价值背后，绝大多数用户真正需要的是驾驶过程中的轻松感，消除紧张和疲劳，其实不需要真正实现无人驾驶，高级辅助驾驶已经在为用户创造价值。 对于L3、L4的前景，余凯认为：“我觉得十年以后连L3都不会真正实现。 ”
毫末智行CEO顾维灏表示：“在三年之前，我们认为这种完全自动驾驶载人的产品形态还需要很长时间才会出现，所以毫末智行的重点在载人的辅助驾驶以及完全无人的、载物的自动驾驶这两件事情方面做重点的发展。
他认为：“自动驾驶产品的出现不会一蹴而就，还会沿着从低速到高速、从载物到载人、从商用到民用这样一个产业规律出现。 ”利用数据驱动，通过重感知、大算力、不依赖高精地图，毫末智行的自动驾驶会走得更快一些。
一些业界专家也对短期内的自动驾驶不抱乐观态度。
国家智能交通系统工程技术研究中心首席科学家王笑京表示，现阶段应从交通的本质出发，重点解决的问题应该是现实需求，要把主要精力和创新的70%和80%来解决问题。 基于此，非L1/L2的完全自动驾驶是未来的一个选项，何时大众商业化应用不太好预测。 车路协同、自动驾驶应该考虑以市场化为主，考虑切入点的选择和盈利，以及生产率与投资新技术的关系。
同济大学教授、汽车学院副院长熊璐表示，自动驾驶落地道路还很漫长，面临着安全性不足、缺少应变、规则感差、变互低能的问题，需要在基本行驶能力、安全保障水平、综合智能表现、实现人类的智能等方面多做努力。
坚信高阶自动驾驶5年内落地当然，在业界对5年内自动驾驶的发展持乐观态度也是有的。
比如在3月31日的XNXP技术分享会上，小鹏汽车自动驾驶副总裁吴新宙对其XNGP智驾辅助功能前景表示乐观，认为在完全无人驾驶落地之前，具备全场景智能辅助驾驶能力的XNGP将是辅助驾驶的终极产品形态。 2024年，完全形态的XNGP系统将不依赖高精地图，随时随地都能实现点到点的辅助驾驶。
前一天的2023年财富全球科技论坛上，小鹏汽车副董事长兼总裁顾宏地的预测，要实现没有方向盘的终极自动驾驶技术，更为重要的是相关法规的突破，可能需要5年左右。 在这个过程中，需要加大自动驾驶的推广力度，并且实现从高速到城市的自动驾驶“端到端”无缝连接。
在中国电动百人会2023论坛上，网络集团资深副总裁、智能驾驶事业群组总裁李震宇预测，当前自动驾驶商业化竞争的焦点已经从过去智能座舱的竞争，发展到ADAS（先进辅助驾驶系统）全域辅助驾驶量产落地的竞争。 在2026年高阶智能驾驶的渗透率将超过15%，届时智能驾驶市场的爆发将会引起汽车产业新一轮洗牌。
广汽埃安新能源汽车股份有限公司副总经理席忠民表示，自动驾驶已经进入瓶颈期，但还需要继续发展。 他认为：“L4自动驾驶运营在2025年会小批量地开始，乐观地讲，可能2025年是自动驾驶元年，L4级生态的元年，悲观的可能是2027年就会有这样的生态来出现。 ”
自动驾驶推广，降本是关键无论是L3以上的高阶自动驾驶，还是L2+智能辅助驾驶，降低实现成本，提升用户体验，都是重中之重。 为了让整个自动驾驶解决方案物美价廉，绝不是单凭某一个环节的降本就可以完成，整个自动驾驶产业链上的供应商都机会展露身手。
从技术角度来看，自动驾驶通常分为感知、决策、执行三个环节，成本主要由软件成本、硬件成本构成。 在感知层领域的激光雷达和高精地图，决策层的芯片和算法、执行层的线控底盘和域控制器，还有虚拟仿真、大SOC芯片、数据平台等多个细分领域，都有进一步降低成本的空间。
悠跑科技创始人、CEO李鹏表示，滑板底盘是在电气化时代解决两个核心问题：一是由于电动化带来的必然的硬件标准化，二是电动车上做了智能化的技术底座，从L2以上的ADAS或者自动驾驶，一直到更低程度的智能座舱、智能车控的应用，都可以支持。 他认为新一代的滑板底盘将成为中国智能电动汽车的一个操作系统，核心目标就是为了缩短周期、降低成本。
大疆车载负责人沈劭劼在百人会论坛上指出，在L2+的阶段，智能驾驶系统其实只是在一定程度上去驾驶疲劳，消费者为了缓解疲劳愿意付出多少？就是自动驾驶系统价格的上限。
大疆为智能驾驶系统给出了L2+智能驾驶系统总成本占比总车售价的区间，大约为3%—5%，他表示，大疆会遵循这么一个比例来进行整体设计，通过极限压榨硬件的算力，本能地拒绝传感器的堆砌，弱化对外部数据的依赖，减少对现实环境的假设，以实现更高级别的智能驾驶。
搭载“灵犀智驾系统”的上汽通用五菱宝骏2023款KiWi EV大疆版起售价仅10.28万元，包括200万像素的双目摄像头，1个高精度毫米波雷达，12个超声波雷达，4个环视摄像头，
其智能辅助驾驶性能在去年的轩辕奖评测中广受好评，并在智驾排行榜取得了相当不错的成绩。
这次在百人会上亮相的大疆全新一代智能驾驶解决方案，以低至32TOPS的算力，7摄像头/9摄像头的纯视觉配置，实现不依赖高精地图的城区记忆行车功能，而其L2+智能驾驶系统成本在5000元-元之间。
毫末DriveGPT雪湖·海若，让自动驾驶更早到来
ChatGPT的火爆，让AI大模型成为各大科技巨头争相布局的重点。
无论是国外的微软、谷歌、Meta，还是国内的网络、华为、阿里、商汤等企业，都已经涉足AI大模型的研究与探索。
如同2016年AlphaGo的横空出世一般，AI大模型的爆发也是引发AI变革的划时代里程碑。 阿里巴巴集团董事会主席兼CEO张勇甚至认为，所有行业、所有应用、所有软件、所有服务都值得基于新型人工智能技术以及大模型支撑重做一遍。
英伟达CEO黄仁勋也曾表达过同样的观点，他认为AI产业迎来“iPhone”时刻，AI技术爆炸、产业爆发的趋势已经势不可挡，甚至将撬动涵盖交通医疗、运输、零售及物流在内的百万亿美金的市场。
正如毫末智行董事长张凯在4月11日举办的第八届HAOMOAIDAY的演讲中所形容的，“距离上一届HAOMO AI DAY刚刚过去三个月，却仿佛跨入了一个新周期”，一系列AI大模型的陆续发布，让更多人相信人工智能技术迎来从量变到质变的重大节点。
在第八届HAOMOAIDAY上，毫末智行也发布了业内首个自动驾驶生成式大模型DriveGPT，中文名“雪湖·海若”。
△毫末智行董事长张凯、CEO顾维灏、COO侯军、CIO甄龙豹在HAOMO AI DAY现场
对于大模型，毫末并不陌生。 此次发布自动驾驶生成式大模型DriveGPT雪湖·海若，既不是毫末的跟风之举，也不是为了蹭GPT的热点。
早在两年前，毫末就已经开始关注并投入到AI大模型技术的研发之中。 在AI自动驾驶领域，毫末可以说是大模型研发和应用的先行者。
毫末为什么要研发DriveGPT雪湖·海若？
毫末智行CEO顾维灏说，他在这段时间经常会被问到这个问题。 在毫末看来，DriveGPT雪湖·海若将会重塑汽车智能化技术路线，让辅助驾驶进化更快，让自动驾驶更早到来。
张凯判断，2023年智驾产品将进入全线爆发期，“生成式大模型将成为自动驾驶系统进化的关键”。
接下来，基于 Transformer 大模型训练的感知、认知算法会逐步在车端进行落地部署，而随着大模型开启在车端的落地应用，车主的使用频率和满意度成为产品竞争力的重要衡量标准。 张凯表示，“毫末不断进步的数据驱动的六大闭环能力，将进一步加速毫末进入自动驾驶3.0时代的步伐，并形成相应的护城河”。
业内首个自动驾驶生成式大模型
最近一段时间，关于自动驾驶的未来，行业内出现了截然不同的观点。
乐观派认为到2030年之前L3级自动驾驶将会批量落地；悲观派断定，“十年内L3自动驾驶技术都不会到来”；唱衰派则称自动驾驶“都是扯淡...都是忽悠，就是一场皇帝的新装……最终就是一个高级辅助驾驶而已”。
无论哪一派观点，一个不容忽视的现实是，自动驾驶技术的变革才刚刚开始。 特别是AI大模型引发的产业应用和变革，更是为自动驾驶技术发展注入全新的动力。
同济大学教授、汽车安全技术研究所所长朱西产也在第八届HAOMOAIDAY上分享了自己的观点：自动驾驶不能长期停留在L2+，还是要去做到L3、L4，最终走向终局的无人驾驶。
毫末也一直相信，AI大模型已成为自动驾驶技术进化的核心动力之一。 在今年1月的第七届HAOMO AI DAY上，顾维灏就分享了其智算中心，以及从感知到认知以及仿真的五大大模型，包括视觉自监督大模型、3D重建大模型、多模态互监督大模型、动态环境大模型、人驾自监督认知大模型。
毫末这五大大模型，与如今爆火的AI大模型有很多共同之处。
据顾维灏介绍，DriveGPT雪湖·海若通过引入驾驶数据建立RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。
现阶段，DriveGPT雪湖·海若主要用于解决自动驾驶的认知决策问题，后续持续会将毫末多个大模型的能力整合到DriveGPT，但最终目标是实现端到端自动驾驶。
目前，毫末DriveGPT雪湖·海若实现了模型架构与参数规模的升级，参数规模达到1200亿，预训练阶段引入4000万公里量产车驾驶数据，RLHF阶段引入 5万段人工精选的困难场景接管Clips。
DriveGPT雪湖·海若的底层模型采用GPT（Generative Pre-trained Transformer）生成式预训练大模型，不过与ChatGPT使用自然语言进行输入与输出不同，DriveGPT输入是感知融合后的文本序列，输出是自动驾驶场景文本序列，即将自动驾驶场景Token化，形成“Drive Language”，最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。
在实现过程上，DriveGPT雪湖·海若首先在预训练阶段通过引入量产驾驶数据，训练初始模型，再通过引入驾驶接管Clips数据完成反馈模型（Reward Model）的训练，然后再通过强化学习的方式，使用反馈模型去不断优化迭代初始模型，形成对自动驾驶认知决策模型的持续优化。
同时，DriveGPT雪湖·海若还会根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程，完成可理解、可解释的推理逻辑链生成。
随着技术不断优化，DriveGPT雪湖·海若将逐步应用到城市NOH、捷径推荐、智能陪练以及脱困场景中。
从用户可感知的角度来看，有了DriveGPT雪湖·海若的加持，车辆行驶会更安全；动作更人性、更丝滑，并有合理的逻辑告诉驾驶者，车辆为何选择这样的决策动作。 也就是说车辆的智能驾驶系统会越来越像老司机，从而加强用户对智能产品的信任感。
顾维灏透露，DriveGPT雪湖·海若的首发车型是新摩卡DHT-PHEV，即将量产上市。
值得一提的是，毫末DriveGPT雪湖·海若已正式对外开放，开启对限量首批客户的合作，除了魏牌新能源，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、英特尔等已经加入。
毫末DriveGPT雪湖·海若将携手生态伙伴率先探索四大应用能力，包括智能驾驶、驾驶场景识别、驾驶行为验证、困难场景脱困。
这将有效促进自动驾驶从业者和研究机构快速构建基础能力。
数据驱动技术升级
毫末一直坚信数据是人工智能最大的驱动力，并一直以数据驱动的方式来推动自动驾驶产品的升级。
截止到2023月4月，毫末辅助驾驶用户行驶里程已经突破4000万公里，小魔驼的配送量也超过了16万单，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。
顾维灏表示，这些数据每时每刻都在增长变化，2023年将迎来指数级增长。
在对数据的大量应用过程中，毫末已经逐步建立起一套基于4D Clips驾驶场景识别方案，并将逐步向行业开放使用。
毫末这套场景识别方案具备极高性价比。 比如，给出正确的场景识别标注结果，行业内普遍的价格是一张图片约5元；而使用DriveGPT雪湖·海若的场景识别服务，一张图片的价格将下降到0.5元。
此前有业内人士提到，自动驾驶一年要做大概1000万帧图像人工标定，如果单帧图片整体标注成本降低到行业的1/10，这将极大地降低自动驾驶使用数据的成本，并且提高数据质量和效率，从而加速自动驾驶技术的快速发展。
毫末打造的中国首个自动驾驶数据智能体系MANA，在经过一年多的应用迭代后，本次AIDAY也迎来了全面的升级，并正式对外开放赋能。
顾维灏介绍，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，并集成到OASIS中；其次，MANA感知和认知相关大模型能力统一整合到DriveGPT雪湖·海若中；第三，增加了使用NeRF技术的数据合成服务，降低CornerCase数据的获取成本。
与此同时，针对多种芯片和多种车型的快速交付难题，MANA优化了异构部署工具和车型适配工具。
此外，MANA的视觉感知能力持续提升，一方面可同时学习三维空间结构和图片纹理，并将纯视觉测距精度超过了超声波雷达，BEV方案也拥有了更强的通用性和适配性；另一方面可实现单趟和多趟纯视觉NeRF三维重建，道路场景更逼真，肉眼几乎看不出差异。
通过NeRF进行场景重建后，可以编辑合成真实环境难以收集到的CornerCase。 在原有的全局视角修改、添加光照/天气效果的基础上，新增合成虚拟动态物体的能力，可以在原有设定的运动轨迹上，合成各种Hard Case，模拟城市复杂交通环境，用更低成本测试提升城市NOH能力边界，更好提升应对城市复杂交通环境。
值得一提的是，面对目前行业里最难的视觉任务之一——单目视觉测量，继特斯拉后，毫末也在中国率先开始验证能否使用鱼眼相机代替超声波雷达进行测距，以满足泊车要求。
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。 泊车场景使用纯视觉测距来取代超声波雷达，将进一步降低整体智驾成本。
四大战役全面突围，拿下三大主机厂定点
作为中国唯一聚焦自动驾驶 AI 技术的盛宴，每届HAOMO AI DAY，毫末都会分享最前沿的自动驾驶行业趋势，发布最新的技术和产品进展。
这一次也不例外。
张凯以《HAOMO SPEED，AI SPEED》为题，分享了对于2023年自动驾驶发展宏观趋势的判断，以及毫末四大战役及商业化发展的最新进展。
张凯认为，智驾产品正在进入快速增长的全线爆发期，2023年将是智能驾驶冲刺之年、大考之年。
首先，城市导航辅助驾驶产品在2023年将围绕量产上车发力，主要玩家的城市导航辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。
其次，行泊一体和末端物流自动配送产业商业化将成为自动驾驶公司深耕的重点。
在乘用车领域，搭载行泊一体功能的智驾产品将迎来前装量产潮；在末端物流自动配送领域，末端物流自动配送车在商超、快递等场景迎来爆发，2023年将在这些场景实现可持续商业化闭环。
在第七届HAOMO AI DAY上，毫末提出要打响“2023 年四大战役”。 如今这四大战役在短短三个多月时间内已经取得了快速进展。
首先，在“智能驾驶装机量王者之战”上，据张凯介绍，首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市，第二款搭载毫末HPilot3.0的车型魏牌蓝山也将在今年发布。
截至目前，毫末HPilot整体已搭载近20款车型。 用户辅助驾驶行驶里程突破4000万公里，HPilot2.0辅助驾驶日均行驶里程使用率达到了12.6%，而且这一比例也在随着用户认可度的提高不断增加。
在海外布局方面，搭载毫末HPilot的车辆已运往欧盟、以色列等地区和国家，陆续交付到用户手中，接下来将在中东、南非、澳大利亚等市场陆续投放；同时，毫末HPilot即将量产墨西哥版本及俄罗斯版本。
今年3月，高工智能汽车研究院基于前装量产数据库及定点车型库数据进行的年度综合评估中，毫末凭借前装近20款车辆的优异表现，获颁年度高阶智能驾驶系统量产份额领军奖。 第三方数据佐证毫末是中国量产自动驾驶绝对领军者，毫末持续引领中国自动驾驶第一名。
其次是“MANA大模型巅峰之战”，中国首个自动驾驶数据智能体系MANA架构已迎来全线升级。 到2023年4月，MANA学习时长超56万小时，相当于人类司机6.8万年。 毫末DriveGPT雪湖·海若，已经完成基于4000万公里驾驶数据的训练，参数规模达1200亿。
