这回长城的魏总亲自测试蓝山的自动驾驶，首先说明，蓝山肯定是长城内部集万千宠爱于一身的那个亲儿子，其次它最大的亮点一定是智能。而且我们看新蓝山的设计的确发生了很大的改变，智能化和舒适度上又有明显的提升。

但问题是，印象中长城的每一款车，魏总都会亲自去开。所以对于长城来说，好像并不存在是不是亲儿子这一说法。倒是老总亲自开车这事，我觉得能证明一点，从爱好上一定是喜欢车的。只有喜欢车，才是能把车做好的前提。别的咱不知道，反正李书福、恩佐法拉利、罗尔斯罗伊斯兄弟、皮耶希、福特、本田宗一郎这些车界名宿无一不是如此。

最后说个不太冷的冷知识，长城系的自动驾驶离不开一个公司———毫末智行，魏牌的智能驾驶也是他家提供额方案。除了现在汽车上的自动驾驶，路上那美团无人小车也是他家的作品。

众所周知，这两年在自动驾驶方面，技术发展十分迅猛，当完成高速NOA的部署之后，车企又将目标瞄向了城市，尤其是主打智能科技的新势力品牌，像小鹏、蔚来、理想等车企都在大肆加快城市NOA技术的落地。相比高速，城市NOA所要面对的场景更加复杂，非机动车、行人都有可能出现在机动车道上，这就给自动驾驶车辆的识别造成了更大挑战。

不过，早在10年前，长城汽车就已经开启自动驾驶的研究，如今，长城汽车在城市NOA技术上又有了新的落地。在保定的城市测试场地，长城汽车在复杂多变的道路上进行测试，实测总里程16.6公里，其中在“六道口”到狭窄的街道等复杂路段行驶了11.5公里，平均车速24.7km/h，可以说，这段实测路线无不对智驾系统的每一个动作提出了严苛的考验，而且长城汽车选择用直播方式进行展示，就是想让大家看到该技术最为真实的水准。

通过直播，我们不难发现，长城汽车全场景NOA，能准确识别标准红绿灯和各类非标准红绿灯，最远识别距离达到了150米，无论是标准路口还是特殊路口，转向成功率超过95%，尽最大可能在复杂的各种路口，让车辆安全通过。

正如上面所言，城市NOA与高速NOA最大区别是非机动车、行人都有可能出现在机动车道上，而长城的全场景NOA，不光能识别锥桶、施工铁板围挡等静态障碍物，还能对行人和非机动车进行识别，并结合实时交通状况，减速绕行，选择最佳路线行驶，提升车辆行驶时的安全性。

那说道车辆绕行，这自然就需要全面的变道支持，而从实际使用来看，长城汽车全场景NOA无论是在高速公路的进入口匝道，还是在城市交通中的拥堵路段，都能完成变道操作，并且还能在拥堵路段减少被“加塞儿”的风险。此外，在部分没有车道线的路段，该系统还能通过车道线模拟能力，让车辆稳定行驶。

诚然，想要面对如此复杂的城市路况中安全出行，就需要更强的感知和理解能力，也就是说自动驾驶的算法将决定城市NOA技术是否能为用户出行提供帮助。那作为长城汽车全场景NOA的“大脑”，基于长城汽车的SEE一体化智驾大模型，可以实现感知决策一体化的链路整合，最终完成从规则驱动到数据驱动的转变。而从SEE的字面意思来看，该智驾一体化大模型围绕安全（Safety）、高效（Efficiency）、体验（Experienced）三点进行，也就是说这个SEE能在不断学习和适应新驾驶环境的前提下，通过投喂数据对模型进行联合训练，让模型像人类司机一样直接学习“如何开”，从而以更贴近人类的驾驶行为，准确应对复杂路况，提升智能驾驶的效率和智驾模式下的舒适性，为用户带来更为智能的出行体验。

写到最后：

正如长城汽车魏建军董事长所言：“汽车安全无小事，安全永远是第一位。我们要有更严肃的态度，更充分的准备，敢于挑战复杂的场景，不能把用户当小白鼠，要让用户使用起来更加放心”。就技术而言，或许在现阶段自动驾驶无法真正实现，但随着智能驾驶技术的不断升级完善，以及国家在政策层面的扶持，传统的小模型、小数据、弱人工智能方法已然被大模型来布局自动驾驶的路径所替代，想要真正实现点到点的自动驾驶，城市NOA的落地是必然趋势，而透过此次魏总的“首播”，我们不难发现，长城汽车正是用技术的积累和突破的眼光，加速推动城市NOA实际落地。

自动驾驶开门红！毫末智行喜提B1轮超亿元融资。

车东西2月22日消息，刚刚，毫末智行宣布完成B1轮融资超亿元，此轮融资由成都武发基金投资，募得资金将主要用于毫末大模型等AI自动驾驶技术的研发投入，并助力成都武侯区打造中国领先的机器人示范区。

▲毫末智行宣布获超亿元B1轮融资

这笔融资无论是对毫末智行还是对自动驾驶行业都意义重大。

一方面，毫末智行已经成为了自动驾驶行业独角兽，这笔巨额融资将保证毫末智行的研发水平持续提升，和国际自动驾驶企业掰掰手腕。

另一方面，不同于前两年整体自动驾驶行业融资缩水，自动驾驶寒冬愈发凸显，今年自动驾驶的第一笔融资就达到了超亿元，实现了火热开年。

此外，据36氪报道，毫末智行的B2轮融资已在路上。

成立四年，毫末智行再次迎来大丰收。

毫末智行董事长张凯、CEO顾维灏在去年11月发布的内部信中表示，曾经有数据显示，在中国的创业大潮中，能够存活四年以上的公司只有1%。而今毫末已经跻身其中，跑赢了99%的初创企业，非常的不易！

而据企查查披露，毫末智行自从2019年成立以来就获得了5笔巨额融资，金额基本都在上亿左右，累计融资超13亿元，作为自动驾驶行业独角兽，毫末智行备受投资人青睐。

▲毫末智行成立以来的融资情况

毫末智行董事长张凯表示：2024年是智驾市场爆发的元年，毫末会用“极致性价比”的产品，服务更多客户，实现大规模的商业化应用和量产。感谢武侯区领导的认可与支持，毫末将以项目为牵引，持续增强自动驾驶产业链，加速自动驾驶项目落地。

毫末智行 CEO 顾维灏表示：毫末将持续打造领先的数据智能体系，加强大模型、大算力、大数据的技术研发投入。同时，毫末也将积极探索自动驾驶在多场景的落地应用，助力武侯打造中国领先的机器人示范区。

今年被业内认为是中国智能驾驶加速普及落地之年。毫末预判，2025年，中国乘用车高阶辅助驾驶的渗透率将会达到70%。

末端物流自动配送领域，履约配送、快递配送、社区等场景都有着巨大市场空间，如清洁、安防等正在逐步采用自动驾驶机器人的形式来实现运力互补。

因此，毫末智行在以上领域率先布局，成立四年多来，毫末已成为中国量产自动驾驶领军者。

无人配送方面，毫末小魔驼已经累计配送近30万单。未来毫末将携手成都市武侯区继续加强清洁、安防等场景机器人的快速落地。

高阶智能驾驶产品方面，在去年第九届HAOMO AI DAY上，毫末一次性发布了三款千元级无图NOH产品，毫末 HP170、HP370、HP570主打高性价比，全面满足高中低价位智驾车型量产需求。

▲毫末董事长张凯重磅发布三款千元级HPilot产品

毫末董事长张凯表示，“毫末全新发布的第二代HPilot乘用车辅助驾驶三款产品，价格打下来的同时性能都打了上去，让智能驾驶好用更便宜”，“更具性价比的行泊一体的域控方案将成为主流”。

根据官方披露，截止到2024年2月，毫末乘用车智能驾驶产品HPilot搭载车辆超过20款，上车魏牌蓝山、山海炮HEV版、新摩卡Hi-4S等车型，用户辅助驾驶行驶里程突破1.2亿公里。

▲毫末智行智能驾驶产品上车车型

而在大模型方面，毫末智行也玩出了新花样。

去年10月，毫末DriveGPT雪湖·海若已累计筛选出超过100亿帧互联网图片数据集和480万段包含人驾行为的自动驾驶4D Clips数据；在通用感知上，进一步升级引入多模态大模型，获得识别万物的能力；与NeRF技术进一步整合，渲染重建4D空间；在通用认知上，借助LLM（大语言模型），让自动驾驶认知决策具备世界知识，能够做出更好的驾驶策略。

第二，毫末发布的行业首个自动驾驶生成式大模型DriveGPT雪湖·海若最新成果,共计筛选出超过100亿帧互联网图片数据集和480万段包含人驾行为的自动驾驶4D Clips数据；

第三，搭载毫末城市NOH功能的魏牌蓝山将在2024年第一季度正式量产上市；商用产品，小魔驼即将在2023年第四季度在商超履约配送场景实现盈利。

三款千元级HPilot产品，智驾市场进入“极致性价比”时代

“2023年我国高阶智能辅助驾驶市场迎来大爆发。”，“2024年城市领航注定会成为智驾主战场”。这些观点，已经是智能汽车领域的共识。

毫末方面的观点称：目前乘用车销量和智能化指数都在稳步提升，同时智能驾驶渗透率与价格却呈反向增长，乘用车市场L2及以上智能驾驶渗透率达42.4%，2025年将达70%，并普及到10-20万的主销车型上；城市NOA迎来量产上车潮，目前占L2及以上辅助驾驶份额的17%，2025年将达70%；行泊分体的硬件设计、一体机逐步退出市场，更具性价比的行泊一体的域控方案将成为主流。

因此，毫末发布了HP170、HP370、HP570三款“极致性价比”智能辅助驾驶产品，预计将在2023年和2024年先后上车。

第一，毫末HP170：

这是一款3000元级“极致性价比”的高速无图NOH，可以实现行泊一体智驾。硬件配置上，算力5TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，灵活选装1个前视雷达和2个前角雷达。场景上，可实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能。

第二，毫末HP370：

5000元级“极致性价比”的城市记忆行车与记忆泊车，可以实现行泊一体智驾。硬件配置上，算力32TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，灵活选装2个前角雷达。场景上，可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。

第三，毫末HP570：

是8000元级“极致性价比”的城市全场景无图NOH产品，未来将在100+城落地。硬件配置上，算力可选72TOPS和100TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，还支持选配1颗激光雷达。场景上，可实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。

最后是“末端物流自动配送商业之战”，末端物流自动配送车小魔驼3.0，售价89999元，是全球首款9万元内中型末端物流自动配送车，可以满足在物流、商超、零售等9大场景的需求。目前，小魔驼已配送超过22万单。小魔驼即将在2023年第四季度在商超履约配送场景实现盈利。从商业意义上，毫末具备了成为全球范围内首家拥有规模化盈利 L4业务公司的能力。

DriveGPT雪湖·海若：通用感知实现“万物识别”，通用认知具备世界知识

相比2.0时代主要采用传统模块化框架，3.0时代的技术框架会发生颠覆性变化。

首先，自动驾驶会在云端实现感知大模型和认知大模型的能力突破，并将车端各类小模型逐步统一为感知模型和认知模型，同时将控制模块也AI模型化。

随后，车端智驾系统的演进路线也是一方面会逐步全链路模型化，另一方面是逐步大模型化，即小模型逐渐统一到大模型内。

然后，云端大模型也可以通过剪枝、蒸馏等方式逐步提升车端的感知能力，甚至在通讯环境比较好的地方，大模型甚至可以通过车云协同的方式实现远程控车。

最后，在未来车端、云端都是端到端的自动驾驶大模型。

毫末DriveGPT是如何具备识别万物的通用感知能力，以及拥有世界知识的通用认知能力？

在感知阶段，DriveGPT首先通过构建视觉感知大模型来实现对真实物理世界的学习，将真实世界建模到三维空间，再加上时序形成4D向量空间；

然后，在构建对真实物理世界的4D感知基础上，毫末进一步引入开源的图文多模态大模型，构建更为通用的语义感知大模型，实现文、图、视频多模态信息的整合，从而完成4D向量空间到语义空间的对齐，实现跟人类一样的“识别万物”的能力。

毫末通用感知能力的进化升级包含两个方面。

首先是视觉大模型的CV Backbone的持续进化，当前基于大规模数据的自监督学习训练范式，采用Transformer大模型架构，实现视频生成的方式来进行训练，构建包含三维的几何结构、图片纹理、时序信息等信息的4D表征空间，实现对全面的物理世界的感知和预测。

其次是构建起更基础的通用语义感知大模型，在视觉大模型基础上引入图文多模态模型来提升感知效果，图文多模态模型可以对齐自然语言信息和图片的视觉信息，在自动驾驶场景中就可以对齐视觉和语言的特征空间，从而具备识别万物的能力，也由此可以更好完成目标检测、目标跟踪、深度预测等各类任务。

在认知阶段，基于通用语义感知大模型提供的“万物识别”能力，DriveGPT通过构建驾驶语言（Drive Language）来描述驾驶环境和驾驶意图，再结合导航引导信息以及自车历史动作，并借助外部大语言模型LLM的海量知识来辅助给出驾驶决策。

现场，毫末还给出了DriveGPT赋能车端的三大测试成果：

第一个是毫末纯视觉自动泊车测试成果:

毫末利用视觉感知模型，使用鱼眼相机可以识别墙、柱子、车辆等各类型的边界轮廓，形成360度的全视野动态感知，可以做到在15米范围内达到30cm的测量精度，2米内精度可以高于10cm。这样的精度可实现用视觉取代USS超声波雷达，从而进一步降低整体智驾方案成本。

第二个是毫末对交通场景全要素识别测试成果:

DriveGPT基于通用感知的万物识别的能力，从原有感知模型只能识别少数几类障碍物和车道线，到现在可以识别各类交通标志、地面箭头、甚至井盖等交通场景的全要素数据。大量高质量的道路场景全要素标注数据，可以有效帮助毫末重感知的车端感知模型实现效果的提升，助力城市NOH的加速进城。

第三个是毫末城市NOH对小目标障碍物检测的测试成果:

毫末在当前城市NOH的测试中，可以在城市道路场景中，在时速最高70公里的50米距离外，就能检测到大概高度为35cm的小目标障碍物，可以做到100%的成功绕障或刹停，这样可以对道路上穿行的小动物等移动障碍物起到很好地检测保护作用。

成立近四年时间，毫末始终引领中国自动驾驶技术风向标，HAOMO AI DAY更成为中国自动驾驶技术的一面旗帜。毫末率先在行业布局大模型、大数据、大算力技术发展方向，冲刺自动驾驶3.0时代。

2、毫末CEO顾维灏宣布，目前DriveGPT已筛选出了超过100亿帧互联网图片数据集，480万包含人驾行为的自动驾驶4D Clips，进一步升级引入多模态大模型，获得识别万物的能力；与NeRF技术进一步整合，渲染重建4D空间；借助LLM（大语言模型），让自动驾驶认知决策具备了世界知识。

3、产品层面，搭载毫末城市NOH功能的魏牌蓝山将在2024年第一季度正式量产上市；小魔驼即将在2023年第四季度在商超履约配送场景实现盈利。

发布三款千元级无图NOH产品

今年，“降本增效”成为整个汽车行业的主旋律，如何真正满足主机厂的迫切需求，怎么以低成本高性能实现高阶智能驾驶功能的落地成为了当务之急。

张凯判断，未来几年行泊分体将逐步退出市场，更具性价比的行泊一体的域控方案将成为主流。

什么是行泊一体？就是行车和泊车共用同一个域控制器，实现传感器深度复用、计算资源共享，在提高用户智驾体验的同时，也帮助主机厂降本增效，大大提高了后者的开发效率。

张凯分享了一组数据，乘用车市场L2及以上智能驾驶渗透率达42.4%，2025年将达70%，并普及到10-20万的主销车型上；城市NOA迎来量产上车潮，目前占L2及以上辅助驾驶份额的17%，2025年将达70%。

至此，毫末发布了3款千元级产品，HP170、HP370、HP570，价格在3000-8000元。

至于功能区分方式也很清晰，即三款产品分别满足高速/城市快速路、城市道路记忆行车，以及城市全场景驾驶辅助。

经过查阅，虽然毫末并未公布驾驶芯片，但这三套方案中的芯片有可能为地平线征程3、TI的TDA4，以及高通Ride的SA8650芯片，这种高中低采用不同芯片方案的策略，也为量产搭载更多款车型提供了条件。

1、价值3000元的NOH —— HP170

毫末HP170是3000元级别的高速无图NOH（高速自动领航辅助驾驶），可实现行泊一体智驾，场景上覆盖高速、城市快速路上的无图NOH，短距离记忆泊车。

硬件配置上，算力5TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，灵活选装1个前视雷达和2个前角雷达。场景上，可实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能。

因为系统算力5TOPS，所以一颗MCU就可以搞定，也不用高精度地图，成本最优。

对于一些中低端车型，主机厂十分看重供应商的成本管控，甚至可以说，行泊一体功能的出现，很大程度就是由主机厂降本增效的需求驱动的。

2、记忆行车能力大大增强的NOH —— HP370

毫末官方宣称，搭载HP370的产品仅需一次学习，就可完成用户日常路线的记忆，且不依赖于车机的导航路线。HP370可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。

毫末HP370使用了9个摄像头，360°的感知能力更强。但也可以发现，毫末在硬件方面的思路也偏向于纯视觉路线。

从硬件水平上来看，毫末370和五菱大疆KIVI这套方案更加接近，当然价格也确实接近，据网曝的信息，大疆这套驾驶辅助系统的成本在6000元以内。

3、未来落地100城—— HP570

颇受关注的毫末HP570是8000元级“极致性价比”的城市全场景无图NOH产品，未来将在100+城市落地。

硬件配置上，算力可选72TOPS和100TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，还支持选配1颗激光雷达。

场景上，可实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。

按照功能类型，HP570场景层面PK的是小鹏XNGP。不过，看硬件层面，小鹏要更强，同样其成本也要远高于8000 。

张凯强调：“HP570平台的历史使命是打造行业内最具性价比的高阶城市智驾产品。”

从标注到识别的跨越——DriveGPT大模型迎来重大升级

毫末将自动驾驶分为三个时代，在自动驾驶2.0时代，以小数据、小模型为特征，以Case任务驱动为开发模式。而自动驾驶3.0时代，以大数据、大模型为特征，以数据驱动为开发模式。

其中，自动驾驶3.0时代需要1亿公里行驶数据。目前，毫末用户辅助驾驶行驶里程已经达到8700多万公里，预计到年底可达到这一目标。

基于8700万公里行驶数据，目前毫末团队已筛选出超过100亿帧互联网图片数据集，480万包含人驾行为的自动驾驶4D Clips。

随着数据规模的增加，自动驾驶大模型需要不断进化。

1、自动驾驶语义感知大模型

升级模型，是毫末实现认知能力增强的根本逻辑。毫末将感知模型中引入图文多模态大模型，以完成4D向量空间到语义空间的对齐，做到可以具备万物识别的能力，毫末将其称之为自动驾驶语义感知大模型。

基于自动驾驶语义感知大模型，毫末还会通过构建驾驶语言来描述驾驶环境和驾驶意图，再结合导航引导信息和自车历史动作，借助LLM大语言模型做出驾驶决策。

识别万物的底气，源于毫末的DriveGPT自动驾驶大模型引入了通用语义大模型，可以对交通参与者者、道路环境等做到全面感知。 

今年是智驾获得公众接受度的关键节点。 

而明年，随着技术门槛更高的「无图」城市NOA落地，头部智驾头部玩家大概率会迎来收获期。毫末在自动驾驶大模型上的诸多准备，正是为迎接大战。 

不止有进化的大模型，毫末还带来三款高级辅助驾驶产品HP170、HP370、HP570，剑指无图城市NOH、记忆行车等大热功能。 

当下，毫末智驾方案已经在山海炮HEV版、新摩卡Hi-4S等车型上搭载，明年一季度，搭载毫末城市NOH功能的魏牌蓝山将量产交付。 

智驾大规模普及的时刻就要到来，毫末开始加快脚步。 

与众多公司的科技日如特斯拉AI DAY、蔚来NIO DAY相比，这届毫末AI DAY的既有前沿技术进展的分享，又有极具竞争力的落地方案，有诸多看点。 

AI DAY上，毫末一口气推出三款智驾方案产品，共同点是「极致性价比」。 

• HP170：算力5 TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，支持选装1个前视雷达和2个前角雷达。
• HP370：算力32 TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，支持选装2个前角雷达。
• HP570：算力可选72 TOPS和100 TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，支持选配1颗激光雷达。

对比同行，这几套方案有以下特点： 

首先，更低的芯片算力。 

毫末采用基于5TOPS的芯片算力平台实现高速NOA，而实现城市NOA的方案，最高只需要要100TOPS的算力，比主流城市NOA智驾方案所需的算力都要低。 

据HiEV了解，三套方案中的芯片分别为地平线征程3、TI的TDA4，以及高通Ride的SA8650芯片，这种高中低采用不同芯片方案的策略，也为量产搭载更多款车型提供了条件。 

主流的智驾方案中，实现城市NOA通常需要两颗英伟达Oin X芯片，算力为508TOPS，少数玩家如智己、腾势，可以基于单颗英伟达Orin X芯片，算力为254TOPS。当然，更低算力的要属特斯拉的FSD，仅需144TOPS。 

更低算力，意味着需要对算力有更极致地有效利用，同时要强化算法的能力。用更低的算力实现城市NOA，毫末的智驾技术水准和市场野心可见一斑。 

其次，在传感器规模上也相对克制。 

相较行业主流方案，毫末的智驾方案数量会更少一些。以搭载高阶智驾全享包的腾势N7作对比，这款车搭载33个传感器： 

2个激光雷达、5个毫米波雷达、2个前视摄像头、4个环视摄像头、12个超声波雷达、4个侧视摄像头、1个后视摄像头、1个OMS摄像头、1个DMS摄像头、1个DVR摄像头。 

毫末可以实现高阶智驾同等功能的HP570，传感器数量为24个，其缩减的部分是，方案中减少了毫米波雷达，而且激光雷达也并非标配。 

最后，由于更低的算力的芯片，以及克制的传感器规模，还带来第三个特点，更低的BOM成本。 

毫末智行董事长张凯认为，「让中阶智驾便宜好用，让高阶智驾好用更便宜，是毫末未来一年提交给中国智驾市场的答卷。」 

毫末的三款智驾产品，最低为3000元级别，最高的高阶自动驾驶方案大概8000元级别，这与现在动辄上万的智驾选装包相比，无疑颇具杀伤力。 

HiEV了解到，毫末的最新方案中，HP170已经定点，配合整车开发和上市的节奏，预计会在明年初上市；HP550预计在明年上半年蓝山的下一代车型搭载上市，支持记忆行车和记忆泊车；HP370 预计明年Q4量产，而更新一代的HP570则会稍晚一些。 

长线看，毫末的产品会全面平台化，提供高中低全系的智驾方案。 

祭出成本更低的杀招，那么毫末的产品技术实力究竟如何呢？ 

一家公司的智驾能力，既体现在产品的上车规模和行驶里程，也体现在技术能够达到的广度和上限。 

毫末的智驾方案HPilot产品已经搭载超过20款车型，用户辅助驾驶行驶里程突破8700万公里。由于起步不如蔚小理早，用户辅助驾驶行驶里程规模还不像对方那么庞大，但从搭载车型上，搭载车型规模是远超蔚小理的。 

毫末的技术能力能力广度和上限，体现在可实现的功能上。 

顾维灏说，毫末可以做到在城市道路中时速最高70公里在50米的距离下，就能检测到大概35cm高的小目标障碍物，可以做到100%的成功绕障或刹停。

下面一段视频，可见毫末智驾方案的技术能力。‍‍‍

面向L4的小魔驼，在城市开放道路进行无人驾驶时，也已经快于普通人骑自行车的速度。在行驶安全和通行效率上，均已达到商用状态。 

与那些从基于高精地图转为去高精地图方案的玩家相比，毫末一早确立了重感知轻地图的技术路线。 

基于高精地图的技术路线，开头容易，之后要在不同城市落地时，会面临泛化挑战。而重感知轻地图的好处是，开始难，但越走越快，能完成更快的城市落地。 

毫末的高速无图NOH功能，可以实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能，并获E-NCAP 5星AEB的高安全标准认证。 

此外，毫末还可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。高阶方案还支持无图记忆行车和泊车。 ‍ ‍ ‍ ‍ ‍ ‍ 

城市全场景无图NOH，则可实现全场景城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。 

早期行业主打的智驾功能是高速NOA，之后是城市NOA，并在研发城市NOA时同步去掉高精地图，逐渐迈向今天的 去高精地图的“无图“阶段。 

眼下能做到无图的，仅有小鹏、华为、蔚来等少数几家。谁具备无图能力，基本上便是智驾第一梯队成员。 

毫末三款智驾产品的推出，意味着其智驾方案出手即高点，广度覆盖了当下热门功能，上限与头部玩持平，让自身站位来到第一梯队。按照计划，毫末的城市NOH落地目标是100城。· 

以上这些是毫末在乘用车NOH上的布局，会为明年智驾的普及大年做好准备。而之所以能在成立后短短几年做到无图等水平，离不开其核心，也是近几届AI DAY上常提到的自动驾驶大模型。 

自动驾驶其实是让汽车学习人类驾驶，这需要感知道路上的各类交通参与者，处理真实世界中无穷无尽的突发状况，最终顺利抵达目的地。 

行业惯常做法，是在云端建立一个自动驾驶生成式大模型，然后通过剪枝、蒸馏的方式，把云端大模型的能力下放到车端，从而让汽车像人类司机一样开车。 

与人类大脑一样，自动驾驶生成式大模型也要不断进化。 

今年的CVPR 2023，特斯拉和英国自动驾驶公司Wayve等均展示了自动驾驶大模型的新进展。 

目前，特斯拉可以利用大模型生成连续视频，打造World Model即世界模型。 

Wayve也在朝类似方向努力，其自动驾驶大模型GAIA-1，在通过持续扩展后已经拥有90亿个参数，可以生成驾驶场景视频，描述场景以及做出预测。 

上月，Wayve还推出了视觉语言动作模型LINGO-1，可用于描述自动驾驶的行为和推理。 

这些做法，直白地讲就是从原来仅学习文本，开始向看图、视频学习，从而与自动驾驶不断地更好融合。 

根据毫末官方数据，目前团队已筛选出超过100亿帧互联网图片数据集，480万包含人驾行为的自动驾驶4D Clips。 

毫末将自动驾驶分为三个时代，其中，自动驾驶3.0时代需要1亿公里。目前，用户辅助驾驶行驶里程已经达到8700多万公里，预计到年底可达到这一目标。 

随着数据规模的增加，也为了更好地进入3.0时代，自动驾驶大模型需要不断进化。 

感知模型中引入图文多模态大模型，以完成4D向量空间到语义空间的对齐，做到可以具备「万物识别」的能力，毫末将其称之为自动驾驶语义感知大模型。 

基于自动驾驶语义感知大模型，毫末还会通过构建驾驶语言来描述驾驶环境和驾驶意图，再结合导航引导信息和自车历史动作，借助LLM大语言模型做出驾驶决策。 

方向上，毫末正在沿着与特斯拉、Wayve同样的方向，让自动驾驶大模型拥有更多的学习进化途径，这相当于在建立自己的世界模型。 

这一过程中，大模型的进化发生在多个方面： 

早期，Transformer是用于自然语言处理（NLP）的大模型，主要应用于文本。之后Vision Transformer 又称ViT出现，主要用于图像。 

直到后来，又出现Swin transformer，一种由微软提出的视觉领域的Transformer大模型。 

在ViT图像大模型的基础上，Swin transformer进一步对图片进行图像分割，可以用于处理多视觉任务，更好地完成CV领域的目标检测和语义分割任务。 

过去两年，毫末的视觉大模型的进化，与行业趋势一致，其CV Backbone先是从CNN模型全面切换到ViT，并又在今年全面升级到Swin transformer。 

训练大模型方面，行业早期主要基于人工标注的单帧图片有监督，后来结合4D自动标注，再进一步升级到基于自动标注的4D Clip的有监督训练，到今天基于大规模数据的自监督学习训练，从而可以轻松吃下上百亿帧图片。 

在毫末最新的模型中，已经可以采用视频生成的方式，通过预测生成视频下一帧的方式来构建4D表征空间，使CV Backbone学到三维的几何结构、图片纹理、时序信息等全面的物理世界信息。 

以上这些动作，主要解决了大模型领域的数据采集和标注效率低、泛化能力差等问题，解决的其他问题还包括： 

• 怎么做到高效、低成本地从上百亿的数据中，筛选出几万个有效数据；
• 怎么做到从闭集到开集，可以标注任意物体；
• 如何高效的场景迁移；
• 怎样让驾驶行为具备可解释性等等。

毫末将自动驾驶分为三个时代，其中，自动驾驶3.0时代需要1亿公里。目前，用户辅助驾驶行驶里程已经达到8700多万公里，预计到年底可达到这一目标。 

总体上，这届AI DAY为毫末迈过自动驾驶3.0时代提供了更多弹药支持，从云端到车端做了充分准备。上有愈发聪明的自动驾驶大模型，下有性价比十足的智驾方案，毫末已经做好了明年智驾的卡位。 

过去一年，公司CEO顾维灏频繁提及数据驱动的自动驾驶3.0时代，大模型将重塑汽车智能化的技术路线。最大的几个特征，是中大模型与海量数据相结合，数据开启自训练模式，自动驾驶里程由硬件驱动、软件驱动时代的百万乃至千万公里，飙升到1亿公里。

上海车展前夕，毫末推出全球首个自动驾驶生成式大模型DriveGPT雪湖·海若，让业界看到大模型落地应用在车端的另一种可能，AI领域炙手可热的GPT，终于可以用在自动驾驶领域了。

半年已过。

这家公司依旧凭借着超凡速度，让DriveGPT持续进化，在昨日的AI DAY现场，顾维灏也对外公布了围绕这一技术领域的最新进展。

- 截止到2023月10月，毫末数据智能体系MANA的学习时长超过103万小时。乘用车用户辅助驾驶行驶里程已经接近9000万公里，正在向1亿公里迈进，搭载毫末高阶智驾的车型已经落地欧盟。

- 随着毫末产品落地规模的不断增长，毫末智驾数据迎来爆发式增长，将预计在2023年正式迈入自动驾驶3.0时代所标定的1亿公里的智驾里程规模。这也意味着，毫末的数据闭环能力与产品迭代能力形成正向加速闭环。

顾维灏再次提及自动驾驶3.0。

在他看来，大模型、大数据、大算力，成为自动驾驶公司迈入3.0时代的关键标志。从一开始，毫末团队就在为自动驾驶3.0时代作准备，在感知、认知、智算中心的建设上，毫末都是按照数据驱动的方式建设的，目前在数据积累上，即将实现一亿公里智能驾驶行驶里程的目标，同时MANA OASIS已经具备处理更大规模数据的能力——

目前已然准备就绪。

据悉，DriveGPT在MANA OASIS雪湖·绿洲智算中心已经训练了超过100亿帧互联网图片数据集，480万包含人驾行为的自动驾驶4D Clips，以及8700万公里的训练里程。

DriveGPT，究竟如何发力？

两个方向，感知大模型和认知大模型。

在感知大模型方向，毫末通过对实现真实物理世界的学习，将真实世界建模到三维空间再加上时序的4D向量空间中。在构建对真实物理世界的4D感知基础上，毫末也进一步引入图文多模态大模型，来完成4D向量空间到语义空间的对齐，实现跟人类一样的万物识别能力，公司称之为自动驾驶语义感知大模型。

而在认知阶段，基于语义感知大模型的万物识别能力，通过构建驾驶语言来描述驾驶环境和驾驶意图，再结合导航引导信息、以及自车历史动作，借助大语言模型的海量知识来辅助给出驾驶决策。

最终，毫末把感知大模型与认知大模型对接，进行端到端训练，构建了毫末自动驾驶大模型DriveGPT。

顾维灏介绍了DriveGPT下的七大实践：

即驾驶场景理解、驾驶场景标注、驾驶场景生成、驾驶场景迁移、驾驶行为解释、驾驶环境预测与车端模型开发，正是这些实践，让毫末对自动驾驶的开发，彻底进入了一个和之前完全不同的模式里。

例如，如何更高效的筛选数据。

解决一个自动驾驶的Corner Case，必须准备一批跟这个Corner Case相关数据。传统的方式，是采用标签加人工的方式，从高达百亿的数据中筛选出几万个有效数据，成本非常高、效率非常低。

毫末则在通用感知大模型的加持下，利用图文多模态模型的视觉编码器，对收集到的海量驾驶数据进行目标级别和全图级别的特征提取，变成图片表征向量，并对这些海量的向量数据建立向量数据库，实现秒级搜索。

开发工程师只需要用自然语言的方式，表达自己对场景图片的需求，毫末利用图文多模态模型的文本编码器，对于输入的任意搜索文本提取特征变成文本向量，再通过向量搜索去搜索刚才建立的向量数据库，即可从百亿级别的向量数据库中找到该文本对应的驾驶场景数据。

再如，怎样更高效的标注数据。

筛选出一批数据之后，传统的开发模式，是将这批数据送给标注公司，进行人工标注，效率低、成本高、周期长。

毫末的做法，是将闭集自动标注升级为开集（Open-set）场景中进行Zero-Shot的自动标注，这是一个标注能力上的飞跃，因为通过这样的方式，任意物体都可以被标注了。

借助大语言模型的能力，毫末实现了在开集场景中Zero-Shot的快速精准的自动标注。

整个过程，可分为多模态模型蒸馏、大语言模型辅助、视觉语言特征交互三个部分。多模态模型蒸馏用于增强自动标注模型对语义、时空、颜色等的基础感知能力，大语言模型辅助用于提供开放词句的表征能力，视觉语言特征交互进行跨模态特征增强和感知，最终完成Zero-Shot的自动标注。

03

“四大战役”

即将收官

快——

这是业界对毫末智行的普遍评价。要知道，即使是特斯拉这样的头部公司，往往也是一年才“卷”一次科技日或品牌日，毫末团队不一样，他们把科技发布会的频次提升到每季度一次，且似乎每次都能讲出用高密度信息，吊足业界胃口。

顾维灏也特意回顾了毫末过去历次AI DAY上的技术观点和重大发布，既展现了毫末一以贯之的技术思考，也通过这样的方式，在传播上再次亮剑，凸显团队自我迭代的速度之快。

就拿今年来说——

1月的第七届AI DAY，毫末建成了自动驾驶智算中心MANA OASIS雪湖·绿洲，并同时发布了五大自动驾驶感知和认知领域的大模型，首次将GPT技术思路引入到自动驾驶认知决策领域。

4月的第八届AI DAY，正式推出行业首个自动驾驶生成式大模型DriveGPT雪湖·海若，首先实现对自动驾驶认知决策模型的持续优化，同时也在将多个感知大模型的训练纳入到DriveGPT统一的架构中，目标是实现端到端自动驾驶。

昨日的第九届AI DAY，刚好是DriveGPT发布的第200天，我们看到，这家科技公司更加坚定自己的技术路线了，即通过统一的DriveGPT大模型架构来整合通用感知和通用认知能力，让自动驾驶实现一次技术范式的跃迁。

“命运的齿轮开始转动。”

用顾维灏的话说，公司里的这群人，依旧固执地相信技术，他们想亲手创造自动驾驶的未来。

有意思的是，这一届AI DAy恰逢2023年进入第四季度的收官阶段，年初立下的四大战役，作为公司CEO的顾维灏也忍不住在现场“晒出”最新的成绩单。

第一场，智能驾驶装机量的王者之战。

据悉，毫末智能驾驶用户行驶的总里程已经突破8700万公里，搭载毫末HPilot智驾产品的车型也已经达到20款以上，其中，山海炮HEV、新摩卡是最新搭载了毫末HPilot产品的车型。

第二场，MANA大模型的巅峰之战。

今年4月，毫末率先发布了行业内首个自动驾驶生成式大模型DriveGPT雪湖·海若。在过去200天左右的时间里，DriveGPT依托8700万公里辅助驾驶量产数据，累积480万段Clips高质量标注数据，仅是在自动化标注方面，DriveGPT能帮助生态伙伴提效90%以上。

第三场，城市NOH的百城大战。

目前，搭载城市NOH导航辅助驾驶功能的毫末HP550平台，首款量产车型将落地在魏牌蓝山上，将会在明年一季度正式量产上市

第四场，末端物流自动配送的商业化之战。

在末端物流自动配送的商业场景方面，毫末的小魔驼产品已经在商超履约、快递接驳、校园配送、智慧社区等9大场景开启了常态运营。

其中，在商超履约和快递接驳上，毫末联手物美多点、达达快送等合作伙伴，已经实现可持续的正向盈利模式，这也是目前全球首个L4自动驾驶产品单店经营实现盈利的商业化案例，从而打通了末端物流自动配送的最终商业闭环。

发布会现场，顾维灏展现了毫末智能驾驶新成绩：截至2023年8月，毫末的用户辅助驾驶行驶里程已经突破7000万公里，毫末打造的中国首个自动驾驶数据智能体系MANA学习时长超84万小时，虚拟驾龄相当于人类司机11万年。搭载毫末HPilot的车辆已经销往欧盟、以色列等国家和地区。

根据魏牌官方统计，魏牌蓝山已经服务了20000多个家庭。毫末也为这些车主提供辅助驾驶服务，为家庭保驾护航。智能化正在成为越来越多车主选择魏牌的主要原因。

顾维灏认为，智能化受到越来越多用户的喜爱，背后逻辑是技术发展的逐渐成熟。毫末从2019年成立以来，一直在引领自动驾驶技术代际变革。在2021年，毫末率先在国内开启了探索Transformer技术在自动驾驶领域的应用，发布了中国首个自动驾驶数据智能体系MANA；2022年，毫末率先发布了“重感知”技术路线的城市NOH、研发落地多目BEV感知技术；2023年初毫末又建成了自动驾驶领域规模最大的智算中心MANA OASIS（雪湖·绿洲），发布了业内首个自动驾驶生成式大模型DriveGPT雪湖·海若。

“毫末将携手魏牌冲刺进入自动驾驶3.0时代，”顾维灏介绍，今年，大模型火爆发展，毫末在业内率先推出了DriveGPT，并对外开放合作。毫末把感知和认知相关大模型能力统一整合到DriveGPT雪湖·海若中。DriveGPT通过引入驾驶数据来进行基于人类反馈的强化学习，对自动驾驶认知决策模型进行持续优化。它的最终目标是实现端到端自动驾驶。“DriveGPT将重塑汽车智能化技术路线。”

顾维灏透露，毫末DriveGPT雪湖·海若智能驾驶能力首批落地车型为魏牌新摩卡DHT-PHEV和蓝山DHT-PHEV。“我们相信，用大模型的技术范式来解决今天自动驾驶的问题，自动驾驶的时代会更早到来。”

对于毫末城市NOH的进展，顾维灏提到毫末也将携手魏牌以安全为先、用户为先、规模为先的原则，稳步落地。目前已落地北京、上海、保定。未来向落地100城稳步推进。顾维灏表示，“毫末目前仍在朝着重感知的方向走，毫末也与现在其它家的技术方案不一样，在用适应性和泛化性更好的方案。决定适应性和泛化性的，是产品的拓展性和维护成本，毫末现在的方案是更好的，难度也会更大一些。”

毫末在携手魏牌在本届成都车展上展现了对AI自动驾驶技术的坚持和创新，也为自动驾驶行业提供了一种新的技术范式。