以实现城市域高级辅助驾驶为门槛，乘用车辅助驾驶领域的竞争于今年进入了下半场。
在大洋彼岸，特斯拉FSD已经完成了对高速域与城市域辅助驾驶的掌控，尽管在种种原因下，国内的推进进度依旧非常缓慢。
小鹏以先期布局量产与数据收集为优势，令XPilot走在了前列，此前公布的XPilot 3.5也宣告了其征服城市域辅助驾驶的野心。
然而2022年刚刚过去百余天，当头部企业还在沉寂中时，毫末智行又在刚刚举办的今年首场AI DAY上放出了最新的硬核技术，也发出了许多带有火药味意味的信息。
(毫末智行2022 HAOMO AI DAY)所谓“长江后浪推前浪”，自动驾驶的这家“后浪”，是否可能会影响到2022年乘用车辅助驾驶的竞争格局呢?
吵吵“激光雷达”前，先把“高精地图”搞清楚
最近新势力和新新势力关于车上要装一颗激光雷达还是两颗激光雷达，装在前脸还是装在额头上争吵不休，其实这还只是感知派的一个小争论。更重要的一个问题是关于“重感知”与“重地图”的路线也开始出现了分歧。
这原本不是一个问题。出于安全考虑，绝大多数自动驾驶企业都选择了“重地图”和“重感知”并重的路线。高精地图成为乘用车走辅助驾驶路线的标配。
但正如媒体指出的，高精地图能够提供丰富的先验信息，必然事半功倍，但目前城市级高精地图不仅存在鲜度无法保障的问题，还因为城市道路的审查问题影响了一些车企城市辅助驾驶产品的交付节奏。
(高精地图能够为自动驾驶提供多维度的驾驶信息)比如，HUAWEI ADS、小鹏城市NGP都只能做到先在北京上海等一线城市交付落地，后续推广速度上也较为缓慢，全国有300多个城市，想要实现城市级高精地图覆盖基本是不太可能。
在结合现状思考后，毫末智行带来了更“重感知”的技术策略，具备城市NOH功能的HPilot 3.0。毫末的方案由于不依赖高精地图，因此不受审批的干扰，在城市覆盖上也可以实现超100个城市的覆盖。
硬件层面，HPilot 3.0搭载有单板算力360T的大算力域控制器ICU 3.0，以及由12个摄像头、2个激光雷达、5个毫米波雷达、12个超声波雷达组成的感应系统。
(毫末智行HPilot 3.0的硬件实力)感应硬件的增强使HPilot 3.0能够仅依靠普通地图导航，实现城市域自动变道超车、红绿灯识别与控车、复杂路口通行、无保护左右转等主要功能，同时也可应对车辆近距离切入、车辆阻塞占道、交叉路口、环岛、隧道、立交桥等复杂的场景。
既降低了对高精地图的依赖，也更适合国内复杂多变的城市交通环境，“重感知”的技术策略为毫末智行开辟了一条捷径，这使得HPilot 3.0成为了国内第一个大规模量产、并具有高实用性的城市辅助驾驶产品。
根据路测信息反馈，搭载HPilot 3.0的乘用车路口通过率超过70%、变道成功率超过90%、交通流处理能力高达4级，尽管依旧处于L2辅助驾驶的范畴内，但HPilot 3.0的表现着实让人们看到了实现L3自动驾驶的曙光。
欲在城市场景比肩特斯拉，毫末MANA “大力出奇迹”
毫末HPilot 3.0能够具备如此强大场景覆盖能力，就不得不提到毫末采用由Transformer深度赋能的数据智能体系——MANA。
我们知道，特斯拉能够做到以“纯视觉”方案傲视自动驾驶群雄，靠的是其强悍的算法能力；同理，毫末智行要想实现“重感知”路线，也需要一套与之比肩的算法。
在Transformer的深度赋能下，MANA为实现这一目标提供了坚实的助力。
在感知层面中，MANA首先要面对红绿灯识别与对应路口拓扑的问题。有资料表明，国内共有近40万个规则不一、造型多变路口，即使是人工驾驶也很难保证不犯错。
(国内多样且复杂的红绿灯场景)MANA通过独创的“双流”感知模型，将红绿灯检测和绑路问题分解成两个通道。对于红绿灯检测，MANA选择将真实数据与仿真数据进行混合迁移训练，利用合成数据弥补真实数据中缺失的样本；而绑路则借助Transformer自注意力机制建立Featuer Map模型，判断红绿灯与路口车道的拓扑关系。
由车道线污损、丢失导致系统失灵，是目前辅助驾驶系统的通病，而在Transformer的加入下，MANA可以借助其自注意力机制，对多相机图片进行空间上的更精准拼接与时序上的更稳定输出，如此可以让车道线的输出视线更远，让拓扑结构更正确更稳定。
在认知层面中，MANA需要学像人一样的驾驶。对此，毫末智行引入了Alibaba的M6大模型充当教练，借用其在电商平台积累的经验，帮助MANA筛选值得学的驾驶数据。Transformer在这一过程中充当提升效率的工具。
标注能够构建更清晰、真实与精细的感知世界，但在缺乏自动标注能力辅助的前提下，人工标注是整个自动驾驶技术中最大的成本来源。通过建立自动标注能力，MANA将图片、点云等数据标注的成本降低80%。
(标注与训练是自动驾驶最大的成本来源)训练也是除标注外的又一成本来源。在超算中心落地前，毫末智行将选择与a里云PAI-EFLOPS团队合作，使模型训练成本降低60%，加速比超过96%，吞吐量超过每秒40000个sample。
最后则是安全层面。在MANA不断获取数据的过程中，驾驶者与行人的相关数据也会被收录，而MANA则选择在已有的处理网络上加入了隐私保护和数据安全保障，以充分保护数据安全。
依靠自研计算中心的充沛算力，车端不断快速积累的行驶数据，依靠深度学带来的视觉大模型和云端算力的加持，毫末智行也在上演“大力出奇迹”的自动驾驶加速赛。
只跟量产比，量产里面只看“特斯拉”
进入2022年，头部造车新势力蓄势待发，蔚来ET5、小鹏P9、理想L9等激光雷达新车蓄势待发，预示着新一轮乘用车辅助驾驶技术的军备竞赛又将开启；而同样是大洋彼岸，特斯拉FSD 10.11.2系统的接管下，完成了从洛杉矶到旧金山、囊括城市与高速场景在内的共600km无接管巡航。
毫末智行的这一届AIDAY，是在疫情大背景下难得线下举办的一场活动，顺势正式发布自己的城市领航辅助驾驶产品NOH。
现场分享上，毫末CEO顾维灏不仅分享了毫末在自动驾驶AI技术上的新进展，也在介绍自家产品时透露着稳稳拿捏的自信。
“我们(毫末)的产品方案具有更大的适应性，可以扩展到更大规模的城市中为用户服务，而不是仅仅停留在几个城市的范围。届时，我们的产品将会覆盖高速、城市道路、停车场等全场景。在城市NOH上，我们的产品力领先特斯拉在中国的表现。”
划重点就是，来国内的城市道路，毫末的城市辅助驾驶不输特斯拉。根据一些媒体采访，在回应一些媒体关于HUAWEI的ASD产品的问题时，顾维灏表示，我们现在只看量产的企业。
毫无疑问，自动驾驶的下半场，其实首先到来的竞争就是辅助驾驶的规模化量产和城市辅助驾驶场景的争夺。
在这场国内辅助驾驶的竞赛中，特斯拉是“外来的和尚”，会念经但可能水土不服，国内的HUAWEI、蔚小理等新势力都在摩拳擦掌，HUAWEI、百度等在和各家车企推杯换盏搞合作，而背靠传统主机厂长城这颗大树，但又每日苦练内功的毫末成了众多玩家当中的奇葩。
正如一篇报道里，引用的同济大学汽车学院教授、汽车安全技术研究所所长朱西产的一个观点：“长城汽车的毫末智行，这也许是一条路。”
从这次毫末的进展来看，这确实是一条路。这条路妥妥的。
