汽車軟件升級(OTA)合規測試流程與解讀

9月13日，第六個墨豪艾日在金秋來臨。那天，是Mimo成立以來的第1020天，Mimo發布了最新的成績單:兩年半穩定交付三代乘用車駕駛輔助產品，目前已搭載十余款明星車型。中國首款量產NOH型號的陸丹藍DHT-PHEV激光雷達版本計劃于9月量產，今年發布。搭載Hmong HPilot的威摩卡PHEV和歐拉好貓獲得歐盟E-NCAP“五星安全評級”，使Hmong成為國內首家出海量產的自動駕駛公司。在終端物流自動配送方面，占據該領域絕對領先的市場份額，小魔駝2.0量產交付客戶。由毫米打造的中國首個數據智能系統MANA，完成了數十萬個全要素、多模態片段的標注，積累了300萬小時的中國道路駕駛認知場景數據庫，相當于4萬年的人類駕駛員，基本完成了數據閉環...

墨豪知行董事長張凱表示:“在2021年底，我們預測2022年將是極其困難的一年。但是在經歷了上半年的疫情和各種黑天鵝事件后，我們發現實際情況比去年年底的預測還要困難。通過數百萬人的努力和不懈努力，我們正在克服疫情、供應鏈和技術本身帶來的無數挑戰。面向未來，我們充滿信心，接下來將以集中量產交付來回答智能駕駛的大規模考驗，走向下一個1000天。”

Mimo智行董事長張凱迭代智能駕駛產品。在當天的演講中，張凱回顧了Mimo自成立以來成功跨越一家創業公司生死線，成為中國自動駕駛技術創業公司新標桿的成長歷程和經歷，并分享了他對智能駕駛宏觀趨勢的判斷和Mimo 2022年三大戰役的最新進展。“我們長期以來一直堅定地走漸進式發展路線。在自動駕駛3.0時代，輔助駕駛是自動駕駛的必經之路。”演講一開始，張凱就拋出了上述問題的第一個答案。目前，中國已經成為世界智能汽車的主戰場。預計到2025年，高級輔助駕駛搭載率將超過70%。在龐大的智能駕駛時代下，“數據是驅動自動駕駛成熟的核心意義，漸進式路線是數據積累的最佳路徑”越來越被業界認可，成為自動駕駛公司的普遍發展方向。隨著漸進路線的堅定執行，米莉成功探索出獨特的“米莉模式”，成為米莉1000天快速發展的重要方向和基石。

戰略路線是方向，技術和商業的突破是成功的關鍵。“在過去的1000天里，我們勇闖行業無人區，從0到1，突破了行業三大難點——大規模、多車自動駕駛量產難點、末端物流自動配送車技術成本難點、大規模數據處理和大規模模型應用難點。”張凱還指出，三大難點的突破，加上在生態建設、安全、文化、人才等方面的努力，使公司跨越了生死線，實現了快速發展。“毫米智行已經成為國內最早也是唯一一家進入產品快速迭代階段的自動駕駛公司。”張凱表示，產品迭代能力的打磨造就了不一樣的產品，這也成為了產品千日制勝的秘訣。據張凱介紹，蜜莉打造了一個獨特的“智能駕駛產品能力迭代鐵三角”，其中場景用戶體驗……設計是入口，人工智能技術是靈魂，技術工程能力是保障。有入口，有靈魂，有保障。三種能力正循環，相互支撐，讓智能駕駛產品的能力快速迭代。米莉智行是國內智能駕駛技術量產經驗最豐富的公司。截至目前，已有10多款乘用車車型實現了Millie HPilot產品的量產，搭載上市車型包括威摩卡、威拿鐵、威瑪奇朵、Tank 300、Tank 500、哈弗Beast、拿鐵DHT-PHEV等。目前陸續交付的機型有摩卡DHT-PHEV激光雷達版、歐拉閃電貓、歐拉芭蕾貓、新一代長城炮等。同時也是國內唯一一家具備異步并行開發30個以上智能駕駛項目能力的公司。在智能駕駛產品的流程開發上，2個月內完成匹配，標定效率行業第一；智能駕駛產品經過穩健設計，一次性合格率達到100%。

“許多偉大的事業在下半年完成，我們將在未來四個月內全力沖刺年初設定的量產交付目標。”張凱說。沖刺自動駕駛3.0時代的Mimo智行CEO顧郝偉博士以“Mimo與自動駕駛3.0時代”為主題，分享了他對當前自動駕駛技術發展趨勢的洞察，并在業內首次提出自動駕駛已經進入數據驅動的3.0時代。

Mimo智行CEO顧郝偉博士在演講中指出，注意力大模型是當前AI發展的新趨勢，但由于其對計算能力的需求遠超摩爾定律，因此其帶來的高計算能力需求、高訓練成本、高落地難度等挑戰，正成為當前亟待解決的關鍵問題。“毫米正在通過低碳超算降低自動駕駛的成本。通過完善車端模型和芯片的設計，實現大模型的車端落地，通過數據的組織讓大模型更加有效。”顧郝偉表示，基于注意力的大模型，自動駕駛需要大規模、多樣化的訓練數據，基于大規模真實人類駕駛數據的乘用車輔助駕駛可以積累足夠規模、多樣化的數據。“我們有理由相信，輔助駕駛是自動駕駛的唯一途徑。因為只有輔助駕駛才能積累足夠規模和多樣性的數據。”

“數據驅動的自動駕駛3.0時代已經到來。”顧郝偉表示，過去十年自動駕駛的發展可以分為三個時代:硬件驅動、軟件驅動和數據驅動。數據驅動時代是一個完全不同的時代。大模型+海量數據“雙劍合璧”，數據開啟自練模式；在傳感技術上，采用多模態傳感器聯合輸出結果；在認知技術上，主要基于可解釋的場景驅動常識；自動駕駛里程從硬件驅動、軟件驅動時代的百萬公里飆升到千萬公里，直接過億公里。“毫米一直在為自動駕駛3.0時代做準備。在感知、認知、模式構建方面，以數據驅動的方式構建。我們所做的一切都是為了能夠做出數據通道和計算中心，讓我們能夠更高效地獲取數據，將數據轉化為知識。”以數據驅動為核心，以上四個技術條件并行成立，才能真正進入自動駕駛3.0時代。目前，特斯拉已經引領全球進入自動駕駛3.0時代，而Millicent最有可能成為中國第一家進入自動駕駛3.0時代的公司。

據顧介紹，早在2021年6月，米莉就開始了《變形金剛》大模型的研究和落地嘗試。基于一年來訓練平臺轉型升級、數據規范和標注方法切換準備、針對感知和認知具體任務的模型細節探索的成功實踐，為城市導航輔助駕駛場景的快速發展奠定了堅實基礎。此外，顧還分享了數據智能系統MANA在自動駕駛城市場景下面臨的挑戰和重磅功能升級。顧表示，城市道路主要存在“四種場景問題和六大技術挑戰”。其中，場景問題主要包括城市道路維護頻繁、大型車輛密集、變道空間狹窄、城市環境多樣等。解決上述場景問題，技術層面面臨六大挑戰:如何將大模型應用于自動駕駛領域，如何讓數據發揮更大的作用，如何使用重感知技術解決對真實空間的理解問題，如何使用人類世界的交互界面，如何讓仿真更加逼真，如何讓自動駕駛系統更像人一樣運動。為了應對上述挑戰，MANA的感知智能和認知智能都進行了更新升級。首先，MANA利用量產車無標簽數據的自監督學習方法構建模型效果。與僅用少量標記樣本進行訓練相比，訓練效果提高了3倍以上，使得毫微米數據的優勢能夠有效轉化為模型效果，從而更好地適應自動駕駛各種感知任務的需求。

其次，MANA的感知能力提升，讓海量數據不再被區別對待。面對龐大數據規模下的“數據效率”問題，MANA搭建了增量學習訓練平臺，提取部分存量數據，加入新數據，形成混合數據集。在訓練時，新模型和舊模型的輸出要盡可能一致，新數據要盡可能擬合好。與傳統方法相比，整體計算能力節省80%，響應速度提高6倍。

MANA使用增量學習來提高數據使用效率。第三，法力感知力更強。利用時序變換器模型在BEV空間進行虛擬實時映射，使得感知車道線的輸出更加準確穩定，讓城市導航自動駕駛告別高精度地圖依賴。第四，MANA的感知能力更精準，讓中國沒有無法識別的紅綠燈。MANA通過升級車載傳感系統，特別識別剎車燈和轉向燈的狀態，讓駕駛者在處理急剎車和緊急超車等場景時更加安全舒適。第五，馬納的認知能力又進化了。面對城市中最復雜的場景——路口，MANA將高價值的真實交通流場景引入仿真系統，與浙江省德清、阿里云合作，將城市中最復雜的場景——路口引入仿真引擎，構建自動駕駛場景庫。通過自動駕駛的真實模擬驗證，…e時效性更高，微觀交通流更真實，有效解決城市路口通行問題。

MANA聯合浙江德清、阿里云發布了“中國首個基于車路協同云服務的大規模自動駕駛場景庫”，這是國內首個由真實交通數據生成的符合數據合規要求的自動駕駛場景庫，將進一步加速中國自動駕駛成熟度的提升和車路云協同發展。最后，MANA認知智能迎來了新的階段。通過深入了解覆蓋全國的海量人類駕駛，學習常識，擬人化動作，輔助駕駛的決策更像人類的實際駕駛行為，可以結合實際情況選擇最優路線，保證安全，身體感覺更像老司機。基于對自動駕駛3.0時代的洞察和大規模模型訓練對計算能力的巨大需求，米莉在現場正式宣布了米莉超級計算中心。“如何提高訓練效率，降低訓練成本，實現低碳計算，是自動駕駛進入千家萬戶的關鍵門檻。”顧郝偉表示，毫米超算中心的目標是滿足千億參數的大模型，訓練數據規模100萬clips，整體訓練成本降低200倍。

0

毫米超級計算中心公布了毫米城市NOH計劃在9月大規模生產。2022年8月成都車展上，威派公布了搭載毫米城市NOH的全新摩卡DHT-PHEV lidar版，計劃9月量產，年內銷售，一上市就交付。小小城市NOH即將入城，業界最關心的是自動駕駛功能能否應對城市復雜的交通狀況。“NOH，一座城市到底，是對中國城市路況更了解的導航輔助駕駛。9月13日，第六個墨豪艾日在金秋來臨。那天，是Mimo成立以來的第1020天，Mimo發布了最新的成績單:兩年半穩定交付三代乘用車駕駛輔助產品，目前已搭載十余款明星車型。中國首款量產NOH型號的陸丹藍DHT-PHEV激光雷達版本計劃于9月量產，今年發布。搭載Hmong HPilot的威摩卡PHEV和歐拉好貓獲得歐盟E-NCAP“五星安全評級”，使Hmong成為國內首家出海量產的自動駕駛公司。在終端物流自動配送方面，占據該領域絕對領先的市場份額，小魔駝2.0量產交付客戶。由毫米打造的中國首個數據智能系統MANA，完成了數十萬個全要素、多模態片段的標注，積累了300萬小時的中國道路駕駛認知場景數據庫，相當于4萬年的人類駕駛員，基本完成了數據閉環...

墨豪知行董事長張凱表示:“在2021年底，我們預測2022年將是極其困難的一年。但是在經歷了上半年的疫情和各種黑天鵝事件后，我們發現實際情況比去年年底的預測還要困難。通過數百萬人的努力和不懈努力，我們正在克服疫情、供應鏈和技術本身帶來的無數挑戰。面向未來，我們充滿信心，接下來將以集中量產交付來回答智能駕駛的大規模考驗，走向下一個1000天。”

Mimo智行董事長張凱迭代智能駕駛產品。在當天的演講中，張凱回顧了Mimo成功跨越人生與dea的成長歷程和經歷……line一家創業公司成立至今，并成為國內自動駕駛技術創業公司的新標桿，分享了他對智能駕駛宏觀趨勢的判斷和2022年Mimo三大戰役的最新進展。“我們長期以來一直堅定地走漸進式發展路線。在自動駕駛3.0時代，輔助駕駛是自動駕駛的必經之路。”演講一開始，張凱就拋出了上述問題的第一個答案。目前，中國已經成為世界智能汽車的主戰場。預計到2025年，高級輔助駕駛搭載率將超過70%。在龐大的智能駕駛時代下，“數據是驅動自動駕駛成熟的核心意義，漸進式路線是數據積累的最佳路徑”越來越被業界認可，成為自動駕駛公司的普遍發展方向。隨著漸進路線的堅定執行，米莉成功探索出獨特的“米莉模式”，成為米莉1000天快速發展的重要方向和基石。

戰略路線是方向，技術和商業的突破是成功的關鍵。“在過去的1000天里，我們勇闖行業無人區，從0到1，突破了行業三大難點——大規模、多車自動駕駛量產難點、末端物流自動配送車技術成本難點、大規模數據處理和大規模模型應用難點。”張凱還指出，三大難點的突破，加上在生態建設、安全、文化、人才等方面的努力，使公司跨越了生死線，實現了快速發展。“毫米智行已經成為國內最早也是唯一一家進入產品快速迭代階段的自動駕駛公司。”張凱表示，產品迭代能力的打磨造就了不一樣的產品，這也成為了產品千日制勝的秘訣。據張凱介紹，蜜莉打造了獨特的“智能駕駛產品能力迭代鐵三角”，其中場景用戶體驗設計是入口，人工智能技術是靈魂，技術工程能力是保障。有入口，有靈魂，有保障。三種能力正循環，相互支撐，讓智能駕駛產品的能力快速迭代。米莉智行是國內智能駕駛技術量產經驗最豐富的公司。截至目前，已有10多款乘用車車型實現了Millie HPilot產品的量產，搭載上市車型包括威摩卡、威拿鐵、威瑪奇朵、Tank 300、Tank 500、哈弗Beast、拿鐵DHT-PHEV等。目前陸續交付的機型有摩卡DHT-PHEV激光雷達版、歐拉閃電貓、歐拉芭蕾貓、新一代長城炮等。同時也是國內唯一一家具備異步并行開發30個以上智能駕駛項目能力的公司。在智能駕駛產品的流程開發上，2個月內完成匹配，標定效率行業第一；智能駕駛產品經過穩健設計，一次性合格率達到100%。

“許多偉大的事業在下半年完成，我們將在未來四個月內全力沖刺年初設定的量產交付目標。”張凱說。沖刺自動駕駛3.0時代的Mimo智行CEO顧郝偉博士以“Mimo與自動駕駛3.0時代”為主題，分享了他對當前自動駕駛技術發展趨勢的洞察，并在業內首次提出自動駕駛已經進入數據驅動的3.0時代。

Mimo智行CEO顧郝偉博士在演講中指出，注意力大模型是當前AI發展的新趨勢，但由于其對計算能力的需求遠超摩爾定律，因此其帶來的高計算能力需求、高訓練成本、高落地難度等挑戰，正成為當前亟待解決的關鍵問題。“毫米正在通過低碳超算降低自動駕駛的成本。通過完善車端模型和芯片的設計，實現大模型的車端落地，通過數據的組織讓大模型更加有效。”顧郝偉表示，基于注意力的大模型，自動駕駛需要大規模、多樣化的訓練數據，基于大規模真實人類駕駛數據的乘用車輔助駕駛可以積累足夠規模、多樣化的數據。“我們有理由相信，輔助駕駛是自動駕駛的唯一途徑。因為只有輔助駕駛才能積累足夠規模和多樣性的數據。”

“數據驅動的自動駕駛3.0時代已經到來。”顧郝偉表示，過去十年自動駕駛的發展可以分為三個時代:硬件驅動、軟件驅動和數據驅動。數據驅動時代是一個完全不同的時代。大模型+海量數據“雙劍合璧”，數據開啟自練模式；在傳感技術上，采用多模態傳感器聯合輸出結果；在認知技術上，主要基于可解釋的場景驅動常識；自動駕駛里程從硬件驅動、軟件驅動時代的百萬公里飆升到千萬公里，直接過億公里。“毫米一直在為自動駕駛3.0時代做準備。在感知、認知、模式構建方面，以數據驅動的方式構建。我們所做的一切都是為了能夠做出數據通道和計算中心，讓我們能夠更高效地獲取數據，將數據轉化為知識。”以數據驅動為核心，以上四個技術條件并行成立，才能真正進入自動駕駛3.0時代。目前，特斯拉已經引領全球進入自動駕駛3.0時代，而Millicent最有可能成為中國第一家進入自動駕駛3.0時代的公司。

據顧介紹，早在2021年6月，米莉就開始了《變形金剛》大模型的研究和落地嘗試。基于一年來訓練平臺轉型升級、數據規范和標注方法切換準備、針對感知和認知具體任務的模型細節探索的成功實踐，為城市導航輔助駕駛場景的快速發展奠定了堅實基礎。此外，顧還分享了數據智能系統MANA在自動駕駛城市場景下面臨的挑戰和重磅功能升級。顧表示，城市道路主要存在“四種場景問題和六大技術挑戰”。其中，場景問題主要包括城市道路維護頻繁、大型車輛密集、變道空間狹窄、城市環境多樣等。解決上述場景問題，技術層面面臨六大挑戰:如何將大模型應用于自動駕駛領域，如何讓數據發揮更大的作用，如何使用重感知技術解決對真實空間的理解問題，如何使用人類世界的交互界面，如何讓仿真更加逼真，如何讓自動駕駛系統更像人一樣運動。為了應對上述挑戰，MANA的感知智能和認知智能都進行了更新升級。首先，MANA利用量產車無標簽數據的自監督學習方法構建模型效果。與僅用少量標記樣本進行訓練相比，訓練效果提高了3倍以上，使得毫微米數據的優勢能夠有效轉化為模型效果，從而更好地適應自動駕駛各種感知任務的需求。

其次，MANA的感知能力提升，讓海量數據不再被區別對待。面對龐大數據規模下的“數據效率”問題，MANA搭建了增量學習訓練平臺，提取部分存量數據，加入新數據，形成混合數據集。在訓練時，新模型和舊模型的輸出要盡可能一致，新數據要盡可能擬合好。與傳統方法相比，整體計算能力節省80%，響應速度提高6倍。

MANA使用增量學習來提高數據使用效率。第三，法力感知力更強。利用時序變換器模型在BEV空間進行虛擬實時映射，使得感知車道線的輸出更加準確穩定，讓城市導航自動駕駛告別高精度地圖依賴。第四，MANA的感知能力更精準，讓中國沒有無法識別的紅綠燈。MANA通過升級車載傳感系統，特別識別剎車燈和轉向燈的狀態，讓駕駛者在處理急剎車和緊急超車等場景時更加安全舒適。第五，馬納的認知能力又進化了。面對城市中最復雜的場景——路口，MANA將高價值的真實交通流場景引入仿真系統，與浙江省德清、阿里云合作，將城市中最復雜的場景——路口引入仿真引擎，構建自動駕駛場景庫。通過自動駕駛的真實模擬驗證，…e時效性更高，微觀交通流更真實，有效解決城市路口通行問題。

MANA聯合浙江德清、阿里云發布了“中國首個基于車路協同云服務的大規模自動駕駛場景庫”，這是國內首個由真實交通數據生成的符合數據合規要求的自動駕駛場景庫，將進一步加速中國自動駕駛成熟度的提升和車路云協同發展。最后，MANA認知智能迎來了新的階段。通過深入了解覆蓋全國的海量人類駕駛，學習常識，擬人化動作，輔助駕駛的決策更像人類的實際駕駛行為，可以結合實際情況選擇最優路線，保證安全，身體感覺更像老司機。基于對自動駕駛3.0時代的洞察和大規模模型訓練對計算能力的巨大需求，米莉在現場正式宣布了米莉超級計算中心。“如何提高訓練效率，降低訓練成本，實現低碳計算，是自動駕駛進入千家萬戶的關鍵門檻。”顧郝偉表示，毫米超算中心的目標是滿足千億參數的大模型，訓練數據規模100萬clips，整體訓練成本降低200倍。

0

毫米超級計算中心公布了毫米城市NOH計劃在9月大規模生產。2022年8月成都車展上，威派公布了搭載毫米城市NOH的全新摩卡DHT-PHEV lidar版，計劃9月量產，年內銷售，一上市就交付。小小城市NOH即將入城，業界最關心的是自動駕駛功能能否應對城市復雜的交通狀況。“NOH，一座城市到底，是對中國城市路況更了解的導航輔助駕駛。

標簽：遠程

汽車資訊熱門資訊