万年12月22日消息，今日，毫末智行宣布获得A轮融资近10亿元，成为中国第一家实现规模量产的自动驾驶独角兽公司。
独角兽公司一般指成立不超过10年，估值要超过10亿美元，少部分估值超过100亿美元的企业。A轮融资后，毫末智行投后估值超过10亿美元。
万年了解到，毫末智行A轮投资方为美团、高瓴创投、高通创投、首程控股、九智资本等。募得资金将主要用于自动驾驶研发投入和人才体系建设。
毫末智行表示，公司拥有全栈自研自动驾驶解决方案，目前毫末辅助驾驶解决方案已经陆续搭载的车型包括魏牌摩卡、坦克300城市版、魏牌拿铁、魏牌玛奇朵、哈弗神兽等车型；辅助驾驶用户行驶里程突破400万公里。
毫末智行预计，到2022年底，毫末辅助驾驶系统将搭载至34款长城乘用车型。未来三年搭载乘用车数量预计超过100万台。
末端物流无人车方面，毫末已经与美团、物美多点、阿里达摩院等企业达成战略合作，目前已经将末端物流无人车陆续配置到商超配送等特定场景中。在保定，毫末拥有占地超过5000平米、全球产能最大的L4无人物流车生产工厂。
以上就是本站»毫末智行宣布获得A轮融资近10亿元，晋级自动驾驶独角兽的相关内容了，更多精彩请关注作者：万年知识
声明：本文由本站【创业者资源平台】作者编辑发布，更多技术关注万年技术！
滴滴遇到困境，网约车老二抢生意，拿下2个第一，估值上百亿
滴滴“跌倒”后，国内的网约车市场硝烟再起，曹操出行、T3出行等传统玩家以及高德打车、美团打车等聚合性叫车平台纷纷发力，谁能成为“第二个滴滴”目前还没有定论。
而在所有的平台中，曹操出行无疑是最被寄予厚望的存在。
根据《证券时报》在去年11月份的消息，曹操出行已经开始启动B轮融资。 早在2018年年初，曹操出行便获得过10亿元的A轮融资，彼时的估值已经超过百亿元。
在滴滴“称霸”的时代，曹操出行等一直都处于国内网约车平台的第二梯队。如今滴滴正在面临审查整改，“曹操出行们”开始趁机实现反超。
根据曹操出行官方的数据， 截至今年7月份，曹操出行的注册用户已经接近5700万，业务范围已经遍布全国62座城市。 且在杭州和海口组织的网约车平台服务质量考核中，曹操出行在两市均排名第一。
在曹操出行的背后，是吉利这棵大树。
《经济观察报》在今年4月份的报道中指出，曹操出行是吉利 汽车 旗下的网约车平台，平台主要业务除了快车，还有曹操租车、曹操商城、曹操帮忙等。
与国内的滴滴等平台相比，曹操出行最大的不同在于， 这是国内首家由 汽车 主机厂投资成立的网约车平台。
因此，背靠吉利这棵大树， 曹操出行可以直接借助吉利 汽车 的产业链优势，最大幅度降低 汽车 的采购成本。
且根据红星新闻的说法，自2015年上线以来，曹操出行全部采用的吉利的纯电动车型。 这不仅可以降低油耗，还可以在新能源 汽车 的大潮下，加快扩张速度。
在滴滴被调查后，曹操出行加大了优惠力度，包括司机端的奖励，为新注册用户发放优惠券等。按照曹操出行相关负责人的说法，“这是基于正常的业务扩张需求”，但综合来看，曹操出行“抢市场”的野心不言而喻。
红星新闻指出，国内的网约车市场竞争已经走过烧钱换流量的上半场， 走向以存量竞争为主的下半场。
因此，差异化优势，成为决定网约车平台能否胜出的关键。 所谓差异化优势，无非体现于用户的体验以及司机端的运维。
为了提升服务质量，曹操出行也开始采取一系列措施。金融界的报道指出， 曹操出行自诞生以来便坚持合规运营，这使得曹操出行在服务质量的提升方面具有先天优势。
此外，曹操学院的成立，也是曹操出行对司机进行创新性管理的举措。从专职讲师团队到搭建司机的培训认证体系，再到成立曹操家园司机俱乐部，这都体现了网约车行业目前正在走向精细化管理。
极光大数据显示，2020年，国内网约车行业的渗透率最高曾达到24%，月活用户为1.58亿。 面对如此庞大且不断增长的市场，网约车行业的竞争才刚刚开始。
而曹操出行又能否成为“滴滴第二”，还需要时间验证。
文/禹汐
芯擎科技完成近十亿元A轮融资 首款芯片下半年量产
易车讯? 7月19日，湖北芯擎科技有限公司（以下简称：芯擎科技）顺利完成近十亿元A轮融资，融资资金计划用于现有产品的批量供货以及车规级、高算力车载芯片下一阶段的研发和部署。本轮融资由红杉中国领投，东软资本、博世旗下博原资本、中芯聚源、嘉御资本、国盛资本、弘卓资本、沄柏资本、越秀产业基金、工银国际等跟投参与。
芯擎科技此轮融资覆盖汽车、半导体全产业链资本，包括国际私募股权基金、汽车零部件供应商、知名半导体产业基金以及国有资本等各类机构，为芯擎科技产品的市场化和应用落地提供助力和保障，并同时表明芯擎科技在智能座舱、自动驾驶等领域加速布局和推进车载芯片国产化进程的决心和信心。
芯擎科技于去年6月成功流片，并在同年12月10日推出了首款国产车规级7nm智能座舱芯片“龙鹰一号”。目前，“龙鹰一号”在量产车型的测试和验证的各项工作已陆续完成，并即将于今年下半年实现量产。“龙鹰一号”作为国内首款的7nm车规级智能座舱芯片，在设计、工艺和性能等方面实现了国产高端汽车芯片领域的技术突破；在智能汽车应用中带来流畅的车机运行和操作体验。
芯擎科技自研的车规级7纳米先进制程高端处理器芯片，涵盖多核异构超大规模SoC设计、自主设计多种创新核心IP、面向实际量产的车身电气架构设计，覆盖芯片以及整车应用的全栈软件研发，以及完善的全流程SoC芯片和系统项目管理等多个核心维度。
据悉，芯擎科技正加速布局车规级高端处理器市场，将覆盖智能汽车应用全场景，包括“智能座舱芯片、自动驾驶芯片、车载中央处理器芯片”三条产品线，下一代产品的研发工作已经展开，预计将在2024年商用。
易车App推出裸车价功能，了解当地购车底价，如需更多数据，请到易车App查询。
竟是毫末率先量产城市辅助驾驶，北京上路，自动识别红绿灯
2022年车主翘首以盼、车企们都在争夺的产品是什么？
城市辅助驾驶 ，带自主领航的那种。
为啥？
红绿灯路口、环路、人车混行都能自主应对，设置好导航，驾驶员就能完全解放，只扮演安全员的角色。
绝大部分车主最枯燥、最疲惫的驾驶体验，解决了。
但城市道路上辅助驾驶的落地难度，绝对可以称得上目前乘用车智能驾驶量产的“圣杯”。
异形目标、不同交通标识、模糊的车道线等等对感知能力挑战巨大；违规通行目标、复杂路口的博弈…对AI的认知决策能力要求，与L2不可同日而语。
所以，量产上车城市辅助驾驶，是实力和潜力的最好证明。
不过万万没想到，量产“第一”之名，花落老牌车企长城 汽车 ，今年年中即将上市。
而去年年底，长城旗下的多款车型，已经率先量产了高速领航辅助驾驶。
这样的速度和成果，好像“不可思议”。
但背后的“秘籍”已经不是秘密：
毫末智行 。
“非典型”自动驾驶创业公司、中国最快量产智能驾驶产品、乘用车物流车双线并举…
毫末智行这家公司成立不到3年，率先在国内实现城市领航辅助功能量产，速度和力度都让业内吃惊。
AI Day现场的火热程度可见一斑。投资人、合作伙伴、AI技术大牛纷纷到场，主办方甚至要临时添加座椅。
大家好奇的，是这家自动驾驶公司到底有什么秘密？
城市道路上的领航辅助驾驶功能，去年开始不少主机厂或无人车公司都放出过Demo。
其中还包括华为、小鹏、以及特斯拉这样的明星公司。
不过毫末智行即将量产的城市NOH功能，号称首战即有这么几个“行业之先”。
中国率先量产的城市辅助驾驶 。如果之前各家的量产上车时间表不变，下半年长城 汽车 交付的魏牌摩卡车型，将是中国用户能买到的第一款有城市领航辅助的 汽车 。
率先在多种动力形式上实现城市辅助驾驶 。魏牌摩卡，既有燃油车，也有插混车型。另外下半年上市的欧拉纯电新车，也会搭载毫末智行城市NOH。
毫末智行董事长张凯
当然，毫末城市NOH，本身也打破了自动驾驶创业公司的记录。下半年量产上车，满打满算距离成立3周年。
对于这样的量产进度，毫末智行董事长张凯给出了这样的总结：
量产当然是实力体现，但只是一部分。
真正的功夫，还要看应对城市复杂路况是不是足够“老司机”，乘坐体感够不够舒适，最重要的，安全吗？
实车体验最能说明问题。
体验路线分布在北京顺义城区核心，全长11.2公里，包括两个环岛、6个转弯，以及十几个红绿灯。
具体路况嘛，既有通畅的城市主干道，也有人车混行、较为混乱的路口。
按照场景的简单到复杂，我们把体验下来的毫末城市NOH实际表现分成这6个要点。
红绿灯识别的难度在于不同地区交通标示标准不一，这需要后台有一个尽可能完备的数据库供系统学习。
去每一个路口采集数据样本当然不现实，毫末采取的方法是通过图像合成和迁移学习，加快技术的迭代。
这其中，主要技术难题是真实数据和合成数据的混合训练问题。
通过图像合成技术可以扩大学习的样本量，但是真实和合成数据在特征空间及概率分布不一致，导致使用有效率大打折扣。
所以毫末使用了迁移学习中领域泛化的混合迁移训练方法，利用合成数据定向弥补真实场景中缺失的数据样本及不断调整训练策略，减小二者特征空间的概率分布差异。
有了足够的数据训练，就可以对路面上不同形式的红绿灯识别。
比如，在大路口场景中，红绿灯离车辆距离很远，在图像数据上目标更小更难以识别：
所以这样的场景从感知到决策，全方位的要求都很高。
除了能准确识别车道线，并根据导航选择合适路径，NOH还会动态避让其他加塞的车辆和行人，保障安全：
对于加塞的车辆或行人，NOH会根据目标速度、路径综合判断刹车、方向调整程度，不会猛然刹停，保证安全的前提下兼顾通行效率。
而且毫末NOH对于避让行人的原则贯彻到位，即使通过无人的路口或斑马线，也会提前减速。
无保护左右转，如今并不是一个难度极高的项目。不过毫末NOH表现的亮眼之处在于能处理多车道交互的复杂路口，包括正确识别交通灯和待转区。
这样的路口难度在于尺寸较大，首先是系统需要感知识别的范围更广，目标的数量和类型更多；相应的，其他目标出现违规行为的可能性也更高。
同是领航辅助，城市场景下的车道线识别和高速难度完全不同。
城市内车道线更加密集，种类更多，形式更为复杂，而且常常有污损情况。
面对这样的挑战，毫末智行设计了BEV Transfomer。
摄像头的数据传回后，首先对2D 图像用 Resnet + FPN 进行处理，之后进行BEV映射，这部分利用交叉注意力层 （Cross Attention）来动态确定某一帧图像中的内容在相机所属 BEV 空间中的位置。
通过多个Cross Attention，最终组成一个完整的 BEV空间。
当视觉数据完成了在BEV的投射，就天然具备了和激光雷达点云图的融合能力。
最后，系统还会综合考虑BEV的 历史 数据，加入与时间有关的特征，进一步提升识别的准确率和连续性。
环岛对于自动驾驶系统来说一直是一个巨大的挑战。其中既有较为复杂的规则，还要根据导航路线择机干净利落地切入切出。
对于感知系统来说，准确识别车道线，还包括能分清楚环路的边界，之前特斯拉FSD测试时，常发生冲上中央路基的情况。
毫末NOH除了准确感知、识别环路，并根据导航选择合适路线。而且面对环岛中其他车辆短时间内数次变道的行为，也能准确识别和合理避让。
这一点的难度其实比平直路面大得多，因为连续大曲率的弯道，对于车辆的速度、转向精度要求更高。
城市场景难，其实不在复杂的车道线和交规，而是难在随时可能发生的不可预知的场景。
这些场景也是考验一个城市领航辅助系统是不是老司机的试金石。
比如，我们的试乘车本来正常直行通过一个十字路口，结果垂直车道一辆左转 汽车 先是闯红灯抢行，使得NOH紧急停车避让：
左转绿灯亮了以后，这辆车却停在超出待转区的十字路口中央不动了…而此时我们直行的绿灯已经转红。
我们有意没有接管，想看看NOH到底会怎么办。
紧急避让保证安全后，NOH用几秒时间确认抢行车停止不动，然后系统并没有受到直行绿灯转红的影响而停在路中间，确认安全后尽快通过路口：
换成人类司机，这其实也是唯一合理且安全的处理方式。
这套方案，除了软件算法全部由毫末智行自研，硬件方案中的自动驾驶计算平台也是毫末自研，算力达到360T。
对比来看，今年大部分车厂翘首以盼等交付的英伟达Orin芯片，是256T算力。
此外，传感器方面，量产NOH方案采用12个摄像头、5个毫米波雷达、2个激光雷达以及12个超声波雷达。
这就是中国首个量产城市辅助驾驶的真实情况，你感觉它够“老司机”吗？
毫末NOH的量产速度如此之快，甚至有业内人士表示百思不得解。
毫末曾经给自己的业务方法论，起了一个颇为神秘的名字：
自动驾驶思想钢印 。
不了解《三体》也没关系，毫末智行所谓的“思想钢印”，其实就是自动驾驶公司都绕不过去的数据闭环能力 。
一般来说，自动驾驶数据闭环万变不离其宗，关键流程都是“数据收集处理-训练-部署-再收集”的循环，以此迭代升级AI司机的能力。
涉及到数据层面，总共三个过程：收集、处理、反馈。
只不过在毫末这里，加上了两个附加条件：低成本 和高速度 。
对应到毫末智行数据智能体系中，分别是数据的自动化处理程度，和模型快速验证。
AI Day上毫末智行CEO顾维灏 介绍毫末最新的数据积累和应用情况：
数据的收集问题，毫末已经解决，但要让AI明白数据含义，还需要认知过程，解决从客观世界到驾驶动作的映射。
除了从实时数据上归纳影响驾驶行为的因素，系统还需要对照更大规模的数据样本来学习规律。
所以，数据处理的核心聚焦到快速标注 上。
为此毫末研发了一个高效标注系统，应用无监督自动标注算法，这套系统从数据标注的底层入手，对大批量数据进行自动标注，再由人工校对后反馈给系统，不断提升准确性和效率，逐渐减少人力工作量。
目前，毫末已经有超过70%的数据由系统自动标注处理。
数据处理的自动化能力建设有什么意义？
随着未来两年毫末智能驾驶系统装机量达到百万 ，人工标注数据的成本即使按0.5元一公里来算，也会迅速上升到数亿甚至十亿级别。
别说创业公司，国内车企自主三强每年净利也不过几十亿，这条路显然是走不通的。
所以，建立数据闭环其实不难，真正能持续下去的是“低成本获取数据”。
数据处理好之后，已经可以喂给算法进行训练，那么训练好的模型，如何验证效果？
尤其是在短时间对多个功能进行不同升级后，如果把所有版本依次拿到实车上跑一遍，然后再开发下一个版本…自动驾驶可能就永无实现之日了。
所以要把把验证工作放在仿真系统中进行。
毫末智行将每一次路测都还原为仿真中的“元宇宙”，同一场景下不同光照、不同天气，不同曝光条件都可在系统中调整，由此来模拟算法在不同工况下的表现。
这样的流程，其实也可以理解成算法迭代的自动化，对应着思想钢印中的“高速度”。
毫末智行这一套数据智能体系，叫雪湖 ，也叫MANA 。
痴迷《三体》的毫末工程师们以此命名，含义是像面壁者逻辑掉入雪湖后参悟黑暗森林法则一样，从MANA开始，毫末也掌了握自动驾驶的核心能力。
在MANA系统的加持下，毫末智行的“AI司机”，已经不间断训练驾驶技巧长达20万小时，虚拟驾龄已相当于人类司机2万年的驾驶时长。
毫末智行的高速、城市NOH快速上线，业内看起来好像“开挂”一般，但了解深层原因后并不匪夷所思。
本质就是高度自动化的数据智能能力，保证了AI老司机能力快速迭代的基本条件，再加上长城 汽车 的大规模量产渠道。
所以，讨论“毫末现象”的核心其实应该是：毫末智行的经验和模式，可以被其他无人车初创公司复制吗？
自动驾驶创业，毫末是最特殊的一个。
成果、技术给行业什么样的启示？至少能总结出三个方法论。
首先是大船放小船 。
你可以说毫末智行是长城 汽车 旗下，但它却不属于长城 汽车 上市集团。
长城入股但不直接管理，让毫末智行以 科技 公司的效率和灵活性运营，不受大集团业务流程所累，激发创造力。
同时，长城 汽车 又保持了一个车圈老大哥的“大度”，允许毫末智行公开融资、IPO，团队的积极性也有了充分保障。
第二是长城 汽车 给毫末智行提供规模量产的渠道 ，这种“kick start”也是毫末智行进度惊人的基础。
更出乎意料的是，长城 汽车 没有把毫末智行的产品指定成“专供”，反而鼓励毫末团队去市场扩展其他的主机厂客户。
毫末智行董事长张凯 在AI Day上介绍了毫末的开放合作原则：
从全栈解决方案到源代码，这6个产品层面毫末智行都可以开放合作。
这也让毫末未来的业务规模和技术迭代有了更大的空间。
最后一点，也是最重要的，是毫末智行本身的数据闭环能力 。
海量数据涌进系统，数据的存储、传输，以及数据处理的人工、时间其实都是成本，毫末智行的数据智能体系，针对每个可能的成本产生环节，都有专门的优化机制。
很难相信这是不到3年时内摸着石头过河 探索 出来的，更像是一开始就规划好的布局。
与车厂的紧密联系、数据闭环能力、大规模上量的渠道…这些是毫末智行模式最基础的3个方法论。
自动驾驶创业公司能不能复制？
当然可以。
与车厂建立紧密联系不难，事实上几乎所有老牌车企都迫切转型，有团队有技术的无人车公司不乏青睐。
所以量产渠道这个问题至少表面上看不难解决。
但深度绑定之后自身的前景和潜力会不会被限制？小船到最后会不会成大船的一块“木板”？
毕竟像长城 汽车 这样开放的车企不多，更多主机厂倾向于紧紧攥住自己的“灵魂”不撒手。
更关键的是，硬核实力够不够，能不能像毫末一样建立起一套高度自动化的低成本数据智能技术体系？
这一点，可能唯有实现那一刻才算证明。
所以，毫末智行确实给自动驾驶创业提供了另一种可以践行模式。
其他无人车创业公司可以照搬，只是要做到毫末智行的程度，实力、机遇缺一不可。
为什么是毫末智行成为了DriveGPT的破壁人？
作者 |?魏启扬
来源 |?洞见新研社
毫末智行有着天生的紧迫感。
很多科技公司一年才举办一次的品牌日活动，毫末智行硬是办成了一个季度一次，活动频次的提高，则意味着组织内部新陈代谢的提速，从研发到落地乃至运营，都要跟上步点节奏。
毫末智行用这样一种方式来鞭策自己在自动驾驶道路上的进取之心。
4月11日结束的第八届HAOMO AI DAY，活动规格再上台阶，吸引了中国汽车芯片联盟联席理事长、中国电动汽车百人会副理事长董扬，同济大学教授、汽车安全技术研究所所长朱西产，清华大学车辆与运载学院教授曹东璞、华为云人工智能领域首席科学家、国际欧亚科学院院士、IEEE/CAAI Fellow田奇等业内大咖参会。
在影响力持续扩大的同时，毫末智行再次更新了自己在技术、产品和生态上的进展，其中城市NOH即将量产上车与毫末DriveGPT 雪湖·海若的发布成最大亮点。
前者是中国首个重感知、不依赖高精地图的城市NOH，将最先落地北京、上海、保定等城市，后者则是全球首个自动驾驶生成式大模型。
NOH量产上车，毫末智行过去就曾做过预告，此次确定了更具体的落地时间，算是兑现了之前“夸下的海口”。
至于雪湖·海若?，在GPT火热的当下，参与其中的自动驾驶公司也不少，为什么是毫末智行率先发布，成为很多人心中的谜团。
01 自动驾驶大考年，毫末智行冲在最前线毫末智行加快推进NOH的落地进程，很大一部分原因在于智驾产品已经进入到全线爆发的前夜。
来自工信部和高工智能汽车研究院的数据显示，2021年乘用车L2级智驾产品的搭载率是23.5%，全年共交付了476万辆。
到了2022年，乘用车上车的智驾产品升级到L2级以上，搭载率提升到29.4%，全年了交付了585.99万辆。
按照这一趋势预测，到2025年时，乘用车L2级以上智驾产品的搭载率将达到70%。
毫无疑问，正在经历的2023年和还没到来的2024年将十分关键，用毫末智行董事长张凯的话来说，“2023年既是自动驾驶的冲刺之年，也是大考之年”。
张凯判断，智驾产品今年的爆发将主要集中在两个方面。
第一个是城市导航辅助驾驶产品将围绕量产上车发力，主要玩家的城市辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。
另一个是行泊一体和无人车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。
事实上，毫末智行作为“渐进派”的代表，坚定认为辅助驾驶是通往自动驾驶的必由之路，因而在过往，一直致力于推动智驾产品上车。
2021年推出HPilot 1.0版本，当年即完成坦克300城市版、魏牌拿铁、魏牌玛奇朵、哈弗神兽5款车型的量产上车，搭载乘用车数量超过数万台。
2022年，毫末智行对HPilot进行了两次大版本更新，HPilot月度搭载增速超过200%，与此同时，毫末城市NOH辅助驾驶系统也完成了量产交付，搭载HPilot 3.0的新摩卡DHT-PHEV魏牌蓝山将在2023年先后上市。
根据毫末智行官方公布的数据，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，HPilot 2.0 辅助驾驶日均里程使用率达到了12.6%。
NOH的推进方面，目前已经在北京、保定、上海等城市开启泛化测试，即将量产上车，毫末智行预测，到2024年，城市NOH将有序落地100城，届时，毫末辅助驾驶乘用车总量也将来到百万量级别。
有业内人士评述，即便按照当前的节奏不变，毫末智行智驾产品量产落地的速度也已与友商拉开了差距，至少领先行业一年以上。
毫末智行的”快”主要体现在两个方面，一个是产品的推新和迭代速度快，一个是由量产落地而带动的规模覆盖。
不得不说毫末智行选择了一条最为“稳妥”的自动驾驶路线。
在应对行业竞争，推动自动驾驶落地的过程中，我们很清晰的看到，HPilot、城市NOH等智驾产品正在源源不断的为毫末智行提供营收，而随着这些智驾产品的每一次迭代升级，自动驾驶能力一点点的向上提升，毫末智行距离全无人驾驶的星辰大海也更近了。
除了自动驾驶量产上车之外，毫末智行还公布6P开放合作的进展，目前已与3家主机厂签署定点合同，相关项目正在交付中。
在此之前，行业对毫末智行发展潜力存疑的主要观点是过于依赖长城，如今6P合作实现突破，表示毫末智行开始走出长城，迈向更广阔的发展空间，构建属于自己的“长城”。
02 数据“第一性原理”，DriveGPT雪湖·海若的主要支撑点将ChatGPT与DriveGPT雪湖·海若进行对比，虽然都是GPT，但运行条件和应用场景还是有很大的不同。
ChatGPT是对话式的生成式自然语言模型，输入是自然语言的文本串，输出就是自然语言的文本，目前ChatGPT主要完成通用的下游语言生成任务，比如多轮对话、代码生成、翻译、数学运算等。
DriveGPT雪湖·海若是用于自动驾驶场景的生成式大模型，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。
DriveGPT雪湖·海若的实现过程是，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。
毫末智行CEO顾维灏在自动驾驶技术领域的眼光独到，布局非常领先。
早在 2021 年，毫末智行就已经开始了 Transformer 大模型技术的探索，并快速落地应用到 BEV 视觉感知算法当中，然后又以五大模型的方式来实现自动驾驶感知、认知算法的快速升级，现在这些大模型将统一到 DriveGPT 生成式大模型当中，最终目标是实现端到端自动驾驶。
很明显，和ChatGPT一样，DriveGPT雪湖·海若的技术原理并不复杂，但为何是毫末智行抢到了落地的头炮呢？
因为要想获得理想的训练结果，必须具备两个条件，海量的数据和超强的算力，而这恰恰是毫末智行区别于其他自动驾驶公司的优势长板。
先看数据。
去年9月的第6届HAOMO AI DAY上，CEO顾维灏向外界确认，毫末智行正式进入数据驱动的自动驾驶 3.0 时代。
如何理解？毫末智行依托HPilot的量产，目前已经积累了超过4000万公里辅助驾驶里程的数据，就场景来看，包括城市道路、城市快速路和高速；就数据分类来看，既有真实的感知数据，也包含真实的人驾数据。
毫末智行的数据优势并不是数据量的多少，而是获取数据的能力。
以HPilot为代表的智驾产品一直在持续的大规模量产上车，这也是说，毫末智行拥有稳定且优质的数据源，这些数据被投喂到MANA数据智能体系的训练中，推动MANA的进化成长，从而完成数据在其设计的技术架构内的闭环。
截至到2023年4月，MANA学习时长超56万小时，虚拟驾龄相当于人类司机6.8万年。
再来看看算力。
毫末智行很早就预见了算力对于自动驾驶研发的重要性，与特斯拉建设超算中心Dojo类似，毫末智行今年1月发布了中国自动驾驶行业最大的智算中心MANA OASIS（雪湖·绿洲），算力达67亿亿次/秒。
通过一系列的训练框架、性能、通信等优化，MANA OASIS可单机实现训练100亿参数规模的大模型的能力，同时执行多任务、多模态并行的训练，大幅提升计算效率。
为了支持DriveGPT雪湖·海若的训练，毫末智行还对MANA OASIS在算力层面进行三大能力的升级。
古希腊哲学家亚里士多德曾提出过“第一性原理”的哲学术语，翻译过来就是，“每个系统中存在一个最基本的命题，它不能被违背或删除。”
从毫末智行所表现出来的技术理念来看，无论是走“渐进式”路线，还是建设算力基础设施MANA OASIS，围绕的中心都是数据，在毫末智行的认知中，数据就是自动驾驶的“第一性原理”，基于此，毫末智行构建起行业竞争的护城河。
03 从毫末到雪湖再到海诺，自动驾驶的中国式浪漫在DriveGPT雪湖·海若发布之外，另外一个值得关注的点是，毫末智行还对外开放了该模型。
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、魏牌新能源、英特尔等单位成为首批合作伙伴。
此外，毫末智行在使用数据的过程中，还建立了一套极具性价比的，基于4D Clips数据的自动化标注方案。
目前，一张正确标注结果的图片在行业中的市场价是5块钱，如果使用DriveGPT的标注服务，这个价格将只需5毛钱。
毫末智行计划，这项图像帧及4D Clips自动标注服务将逐步向行业开放使用。
很明显，毫末智行发布DriveGPT雪湖·海若，并不是炒作跟风，而是真真切切的在做自动驾驶研发，更难能可贵的是，毫末智行很多前沿技术不光是为自己所用，还将其开放出来，以生态共建的形式，为行业的发展添砖加瓦。
其实，从毫末智行公司名字的由来，到自动驾驶智算体系MANA雪湖的命名，再到DriveGPT雪湖·海若的来源，能够窥视出毫末智行在自动驾驶这件事情上一以贯之的企业价值观。
“毫末”二字取自道家学派创始人老子之《老子·第六十四章》：“合抱之木，生于毫末。九层之台，起于累土。千里之行，始于足下。”强调的是一点一滴积累、脚踏实地耕耘的重要性。
“雪湖”这一名称，出自科幻小说《三体》第二部《黑暗森林》，说的是主人公罗辑在星空、雪山、森林、草地和湖畔之间徜徉思考，直到有一天在湖中寻找到了破解“三体危机”、拯救地球的方法。
将其延伸，“雪湖”这个名字代表了毫末对人类社会和科技趋势发展的热情，承载着毫末以AI通向自动驾驶梦想的思考。
“海若”则出自《庄子·秋水》，里面有两个神话人物河伯和北海若。河伯请教北海若，何谓大小之分，北海若教导，不因天地而觉大，不因毫末而觉小。其中蕴含着智慧包容、海纳百川的寓意。
将上述命名来源进行梳理，可以发现毫末智行的企业价值观融汇了中国古代经典的道家思想和科幻巨作天马行空式的哲学思辨，再结合当前正在从事的最前沿的自动驾驶事业，毫末智行呈现出特立独行的气质，更宏观的视角，还能看到一种与众不同的中国式浪漫。
【本文来自易车号作者洞见新研社，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】
相关推荐：
StrategyAnalytics：三星逼近小米争夺全球5G安卓智能手机领导权
美地方法官：马斯克为推文支付罚款而设立的基金未按规定缴纳报表
声明：《毫末智行宣布获得A轮融资近10亿元》一文由排行榜大全（网友上传 ）网友供稿，版权归原作者本人所有，转载请注明出处。如果您对文章有异议，可在反馈入口提交处理！
