[2022全球智能汽车产业峰会]毫末智行数据智能科学家 贺翔发表精彩致辞

2022年12月16日至17日，由安徽省发改委联合主办的2022全球智能汽车产业峰会在安徽省合肥举行。本次论坛围绕全球新变汽车发展新战略主题，本次论坛共设立5个主题论坛和2次闭门会议，与行业机构、高校、领先企业代表共同探索我国智能汽车发展新路径。

其中，毫末智行数据智能科学家在12月17日举行的生态论坛上 贺翔发表了精彩的演讲。现场演讲记录如下：

大家好，我是毫末智行数据智能科学家何翔。感谢电动汽车百人会的邀请。今天，我想和大家分享《毫末智行和智能驾驶3.0时代》。

2022年全球智能汽车市场的发展趋势有规模和速度两个关键词。从规模上看，中国在全球智能汽车市场的份额已达57%。从速度上看，中国智能汽车市场渗透率达到26%，毫末智行预计到2025年中国高级辅助驾驶搭载率将超过70%。无论是规模还是速度，智能汽车，特别是智能驾驶，都已成为本轮市场爆发的关键，中国市场已成为全球智能汽车销售的主要战场。

毫末智行自成立以来，就提出了自动驾驶发展所遵循的三条规律：从低速到高速，从载物到载人，从商业到民用。毫末智行始终坚定地走以风车战略为核心的可行、可靠、商业化的渐进落地路线。长期以来，自动驾驶一直在争夺决定性的渐进式和跃进式路线。渐进真实用户使用数据的渐进路线是自动驾驶的最佳路线。因为从时间上看，渐进路线的大规模生产更早；从规模上看，渐进路线更容易实现大规模生产；从数据上看，渐进路线是真实的人驾数据，成本低，质量高。

毫末智为辅助驾驶是自由驾驶的唯一途径。我们必须通过大规模生产汽车以更低的成本获得更大规模、更多场景的高质量数据，然后通过数据驱动促进智能驾驶的双向循环。数据驱动使自动驾驶真正成熟。2021年，毫末智行获得中国量产车自动驾驶第一称号，至今已搭载近20款车型。在终端物流自动配送车领域，毫末发布的小摩托车2.0是业内首款面向商业市场10万元的配送车，有效推动了行业大规模商业化进程。经过三年的发展，基于量产车的规模优势，毫末用户的辅助自动驾驶里程接近2400万公里，终端物流的自动配送也完成了12万多个订单。

毫末智行的数据规模和多样性正在迅速增长。我们拥有中国第一个自动驾驶数据智能系统MANA，数据闭环的建设已经完成。MANA在虚拟世界中，学习时间超过40万小时，相当于人类4.8万年的驾驶年龄。

在过去的十年里，自动驾驶的基本技术发生了许多变化，如大算力芯片，从2开始T增加到1000T，计算能力增加了500倍；大模型的出现，Transformer大型参数增加了1000倍，达到了1000亿甚至1000亿；摄像头像素增加，100万像素增加到1500万像素，摄像头增加了8个，数据的规模相当于增加了120倍。

毫末智行认为，在感知技术发展到这种能力的前提下，自动驾驶的实现也应该改变。我们将近十年的自动驾驶技术分为三个阶段。最早的硬件驱动称为自动驾驶1.0时代，近年来的软件驱动称为自动驾驶2.0时代，即将到来的数据驱动称为自动驾驶3.0时代。1.0时代主要依靠激光雷达，成本高，里程少，约100万公里。2.0时代，AI广泛应用于汽车，当时主要是小模型和小数据，自动驾驶里程达到数千万公里。在数据驱动的3.0时代，我们所做的一切都是为了更有效地获取数据，并将数据转化为知识。从小模型、小数据到大模型、大数据，辅助驾驶里程超过1亿公里。

如果你关注毫末智行的成长过程，你会发现毫末智行一直在为智能驾驶3.0时代做准备。在对感知、认知和模式的理解方面，它按照数据驱动的方式冲刺到自动驾驶3.0时代。

可以通过几个例子看到毫末数据智能系统MANA感知方向的进化。在城市场景中，红绿灯是最常见的场景，但红绿灯的识别是一个非常具有挑战性的内容，主要困难包括：第一，非常小，是典型的小目标检测问题；第二，状态动态变化，如闪烁；第三，非标准、水平、垂直、单、三、五、倒计时；第四，每盏灯具体管理哪条路和车道，过去，如果没有高精度地图，依靠高精度地图小范围解决一些问题该怎么办？有没有更普遍的解决方案？有没有更普遍的解决方案？这个问题分为两个步骤。获取数据的第一步需要依靠大量的数据进行培训。除了大规模的真实数据外，还引入了数据增强，在不同的光和背景下获得了大量的合成数据，以弥补样本的不足。我们使用混合迁移训练来减少特征空间中核心数据和真实数据的概率分布差异，使其分布更接近。第二，红灯识别和绑定，设计红绿灯检测和绑定双感知模型，首先检测红绿灯，输出红绿灯颜色、形状和方向信息，然后通过卷神经网络获得红绿灯位置概率图，然后利用空间注意机制结合，输入红绿灯通信状态。基于这种方法，我们进行了大量的测试，在不同的城市、不同的距离、不同的转向进行了大量的测试。

除红绿灯外，城市道路感知的另一个复杂问题是车道线的识别，毫末智行于2021年全面引入Transformer引领技术潮流的方法。我们根据自己的业务特点设计了BEV Transformer，识别车道线。先提取图像的特征，再进行BEV Mapping，通过多个Cross Attention组成完整的BEV空间，加上时间特征来提高效果。

效果如何？车道线感知显示出很强的优势，3D投影减少了车道线的抖动。面对复杂的城市道路，纵向误差更好，路面起伏更强。多相机辅助扩大了检测视野，响应更快。

最后，让我们想象一下，在漫长的历史场合，人类一直希望智能移动，从指南车到木牛马，到芬奇绘制的无人自动驾驶汽车，这是这一愿望的体现，汽车工业正在为这一目标而努力。基于深度学习的自动驾驶技术在汽车行业掀起了一场智能革命。在这场革命中，中国的研究人员和从业者不仅没有迟到，而且始终站在世界的前沿。这是一场决定未来几十年产业升级的革命。在这个时代，毫末智行有幸演绎毫末故事。

非常感谢！ 

(注:本文根据现场速记整理，未经演讲者审核)