又雙叒叒交卷！毫末智行沖刺進入自動駕駛3.0時代

《一里盡頭》智行的發展速度似乎比我們想象的要快。

自4月的墨豪艾日以來，不到5個月過去了。9月13日，在第六屆墨豪AI日上，年底的智行自動駕駛發展亮出了新的成績單。

在產品搭建方面，數據智能系統MANA已經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。

兩年時間，毫米HPilot智能駕駛系統經歷了6次OTA升級，迭代到3.0版本。

中國首款搭載量產NOH型號的陸丹藍DHT-PHEV激光雷達版本計劃于今年9月量產并銷售。

小魔駝2.0穩定量產交付，在超市、物流等領域提供無人配送服務。目前總訂單量已經超過9萬單。

在產品應用方面，截至2022年8月31日，乘用車駕駛輔助系統用戶總里程超過1700萬公里，用戶里程逐月增長，覆蓋300多個城市...

成立僅1020天，十年末的智行可以說是自動駕駛發展的一程。新智家試圖破繭而出，找出快速成長的原因。

或許用技術副總裁艾瑞在技術分享會上說的“彌昊之星選擇很大膽”來形容其發展戰略最為貼切。

敢于走數據驅動的道路

汽車智能化下半場，商業化競爭更加激烈。在這個時期，數據變得更加重要。毫不夸張地說，在智能化發展的大潮中，誰掌握了數據，誰就能成為這艘大船的舵手。

然而，在這條賽道上敢于高舉數據大旗的選手并不多。泰斯拉是一個，知止也是一個。

馬斯克以數據驅動的自動駕駛進步為核心。在這種策略下，他選擇純視覺的技術路線，放棄激光雷達和高精地圖。數據和量產能力可以在發展中相輔相成，共同成為推動自動駕駛技術快速迭代的關鍵。顯然，Mimo智行認同這一點，產品的量產成為Mimo智行獲取所需數據的方法論之一。

艾瑞認為，特斯拉一直是整個行業追逐的目標。和特斯拉一樣，Mimo智行也選擇了數據驅動的技術路徑，但不同的是，Mimo智行會走出自己的路。

此前，Mimo智行提出的“風車”戰略聚焦于低速無人車、乘用車、智能硬件三大板塊，通過數據智能化推動三大業務的發展。

在乘用車領域，通過在長城旗下眾多品牌車型上安裝駕駛輔助系統，在實際道路上不斷獲取運行數據，不斷迭代更新數據，從而推動產品力的提升。

截至目前，已有十余款搭載毫米HPilot產品的乘用車車型實現量產。此外，摩卡DHT-PHEV激光雷達版、歐拉閃電貓、歐拉芭蕾貓和新一代長城加農炮也正在交付。

此外，米莉之星也在加速布局無人配送賽道。

近年來，在疫情的影響下，無人配送軌道商業化的曙光初現，資本市場加大了押注，甚至有不少投行做出了“大膽”的預測:未來十年，中國無人配送的市場規模將達到1000億以上。

在這個賽道上，米莉智行發布了小魔駝2.0，并推出了面向商業市場的10萬元終端物流自動配送車產品。

如今，小魔駝2.0已經開始穩定量產交付，將為超市和物流領域提供無人配送服務。

到2022年9月，與物美合作的小魔駝運營項目訂單量已超過9萬輛，有力推動了末端物流自動配送車大規模商業化的產業化進程。

在Mimo智行的數據構建中，MANA是一個比較重要的環節。

2021年12月，在第一首《郝……AI DAY”，墨豪智行推出中國首個自動駕駛數據智能系統MANA，中文名“雪湖”。MANA是一套基于海量數據的數據處理工具，可以利用數據以更低的成本和更快的速度迭代優化產品。

MANA成為Mimo智行產品快速迭代的核心支撐力量。經過一年的發展，MANA進入了一個新的階段，在感知智能和認知智能方面都迎來了更新和升級。

Mimo智行CEO顧郝偉表示

數據驅動的自動駕駛3.0時代已經到來，數據驅動的時代是一個完全不同的時代。"

在自動駕駛領域，特斯拉已經率先進入3.0時代，很有可能知止就是下一個。

注意力大模型是當前AI發展的新趨勢，也帶來了計算能力需求高、訓練成本高、落地難度高等挑戰。基于對自動駕駛3.0時代的洞察和大模型訓練對計算能力的巨大消耗需求，Mimo智行自建超算中心的計劃正在快速推進，目標是訓練100萬clips數據，大模型訓練成本降低200倍，即將與市場見面。

“敢”正在登陸:NOH從高速到城市

當智能化浪潮席卷整個汽車行業時，汽車賽道上的選手們都使出渾身解數爭奪市場。在不斷的“內卷化”競爭下，汽車從單純的交通工具被提升為集交通和娛樂為一體的智能終端，汽車智能化也從一個口號變成了實際需求和買車的標準。

在車企爭相追求更高階功能的同時，催生了自動駕駛公司對自動駕駛功能的大規模量產需求。

如今城市中NOH量產的戰爭已經從高速場景迅速蔓延到城市場景。在這個競爭激烈的賽道上，智行始終領先。

今年8月，搭載智能駕駛系統HPilot3.0的陸丹藍DHT-PHEV在成都車展正式亮相，Mimo智行城NOH功能實現量產。至此，Mimo智行城NOH覆蓋了高速和城市的全場景。

所謂城市道路輔助駕駛，就是根據用戶設定的路線，幫助用戶實現從A城市到B城市的駕駛。

相比高速場景，城市場景顯然更難破。

城市場景中復雜的紅綠燈變道、人與兩輪車的混合模式、車道線不清晰給城市NOH的實現帶來了更多的問題。

此前，無論是高速場景還是城市場景，大部分玩家都是依靠高精地圖來實現輔助駕駛。

使用高精度地圖可以極大地賦能輔助駕駛技術，這對于身處市場的后來者來說，似乎是縮短差距的最快方式。然而，高精地圖在中國面臨政策困難。此外，采用高精度地圖會增加成本，而這些成本往往由消費者承擔。

在數據平臺的支持下，Mimo智行選擇了“重感知、重算力、輕地圖”的技術路徑。所謂重感知、重計算力、輕地圖，就是在數據和計算力的支持下，擺脫對高精地圖的依賴。最大的亮點是可以智能識別紅綠燈，智能左右轉彎，智能變道，智能躲避動態和靜態障礙物。

在城市場景下，從A點到B點的智能駕駛需要解決兩個問題:一是保證駕駛的完整性和連續性，二是達到接近人類的駕駛水平，也就是車企所追求的“老司機”。

城市NOH面臨四大問題:城市道路維護、大型車輛密集、變道空間狹窄、城市環境多變。

MANA不斷積累場地和模擬數據，可以應對駕駛過程中的大部分場景。此外，通過與舊數據的耦合，它可以面對新的場景或城市中更令人關注的情況。

通過骨干數據計算和BEV Transformer的多模態融合，解決多傳感器匹配和跨傳感器跟蹤問題，實現城市道路上的障礙物檢測、車道線檢測、可行駛區域分割、交通標志檢測等。

MANA最大的特點就是模仿和學習人類d……獨立的ving行為，而搭載了智行城NOH功能的車輛，在駕駛感上更像是“老司機”。

另外，城市的輔助駕駛功能已經進入商業化，玩家之間的競爭已經從單純的技術之爭變成了成本之爭。MANA通過自我監控大大減少了訓練次數，從而降低了人工閱卷的成本，在城市NOH中占據了成本優勢。

在我看來，通過高精地圖或數據實現城市NOH的兩條路徑沒有區別，如何以較低的成本將功能轉化為實際需求才是最重要的。

“敢”只是因為自信

小智慧看似快，實則厚積薄發。

在自動駕駛領域，上半場是比技術，下半場是拼產品。也就是說，誰能更早實現商業化量產，誰就能在這個賽道上脫穎而出。

在外界看來，他的選擇相對“保守”，但從成立至今，他的戰略路徑一直非常堅定清晰，非常注重速度，一直奔目標就不斷加速。

米米智行認為，漸進路線在自動駕駛領域優勢明顯。

一方面，漸進式的發展路線可以給市場帶來規模效應，從而帶動產品的快速迭代。另一方面，量產可以以更低的成本獲得更大規模、更多場景覆蓋的更多數據。

智能駕駛產品用戶體驗和數據獲取的雙向循環，讓數據驅動的AI自動駕駛技術真正走向成熟。

也就是在漸進路線的指引下，米知止走上了“從低速到高速，從載貨到載人，從商用到民用”的量產之路。

當市場上其他自動駕駛玩家還在苦苦尋找量產廠商的時候，Mimo智行的輔助駕駛已經早早上了車。長城汽車作為Mimo智行的股東，也是大客戶，幫助Mimo智行實現量產。此外，在“風車戰略”和MANA下，Mimo智行不斷積累數據，構建穩定的量產能力。

時代的洪流奔騰向前，自動駕駛領域也在發生突變。在越來越激烈的競爭下，很多玩家悄然退出。然而，Mimo智行在這場風暴中迅速成長。如今，經過三年的發展，Mimo智行進入了新的發展階段。

顧郝偉將自動駕駛的演進分為三個階段:

硬件驅動的1.0時代:隨著輔助駕駛滲透率的提高，自動駕駛部分將率先上車。這一時期主要是硬件驅動，依靠激光雷達實現感知，通過人工規則實現認知，規模在100萬公里左右。

軟件驅動2.0時代:隨著自動駕駛技術的成熟，一些全棧自研整車廠商和軟件供應商脫穎而出。在這個時期，自動駕駛開始從硬件驅動向軟件驅動轉變，這與1.0階段不同，依靠傳感器獨立輸出結果實現感知，規模約為100萬-1億公里。主要是小模型，數據很少。現階段，在一些封閉園區和低速干線會應用自走式駕駛。

數據驅動3.0時代:隨著自動駕駛生態的成熟，數據中心和計算平臺的建設日趨完善。這個時期的發展主要是數據驅動，自動駕駛技術加速迭代。在感知層面，它依靠多模態傳感器共同輸出結果。在認知層面，可以實現離線強化學習提取駕駛常識，規模超過1億公里。

當市場上大部分玩家還在專注于2.0時代的時候，Mimo智行已經準備好開始向3.0時代沖刺了。

在專家云集發展自動駕駛的江湖中，光有勇氣是遠遠不夠的。Mimo智行做出的選擇都是基于自身實力，“Mimo模式”將成為中國自動駕駛發展的新范式。

雷鋒網雷鋒網雷鋒網(微信官方賬號:雷鋒網)

雷鋒的原創文章。未經授權，禁止轉載。詳見轉載說明。發展……一里終點智行的ed似乎比我們想象的要快。

自4月的墨豪艾日以來，不到5個月過去了。9月13日，在第六屆墨豪AI日上，年底的智行自動駕駛發展亮出了新的成績單。

在產品搭建方面，數據智能系統MANA已經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。

兩年時間，毫米HPilot智能駕駛系統經歷了6次OTA升級，迭代到3.0版本。

中國首款搭載量產NOH型號的陸丹藍DHT-PHEV激光雷達版本計劃于今年9月量產并銷售。

小魔駝2.0穩定量產交付，在超市、物流等領域提供無人配送服務。目前總訂單量已經超過9萬單。

在產品應用方面，截至2022年8月31日，乘用車駕駛輔助系統用戶總里程超過1700萬公里，用戶里程逐月增長，覆蓋300多個城市...

成立僅1020天，十年末的智行可以說是自動駕駛發展的一程。新智家試圖破繭而出，找出快速成長的原因。

或許用技術副總裁艾瑞在技術分享會上說的“彌昊之星選擇很大膽”來形容其發展戰略最為貼切。

敢于走數據驅動的道路

汽車智能化下半場，商業化競爭更加激烈。在這個時期，數據變得更加重要。毫不夸張地說，在智能化發展的大潮中，誰掌握了數據，誰就能成為這艘大船的舵手。

然而，在這條賽道上敢于高舉數據大旗的選手并不多。泰斯拉是一個，知止也是一個。

馬斯克以數據驅動的自動駕駛進步為核心。在這種策略下，他選擇純視覺的技術路線，放棄激光雷達和高精地圖。數據和量產能力可以在發展中相輔相成，共同成為推動自動駕駛技術快速迭代的關鍵。顯然，Mimo智行認同這一點，產品的量產成為Mimo智行獲取所需數據的方法論之一。

艾瑞認為，特斯拉一直是整個行業追逐的目標。和特斯拉一樣，Mimo智行也選擇了數據驅動的技術路徑，但不同的是，Mimo智行會走出自己的路。

此前，Mimo智行提出的“風車”戰略聚焦于低速無人車、乘用車、智能硬件三大板塊，通過數據智能化推動三大業務的發展。

在乘用車領域，通過在長城旗下眾多品牌車型上安裝駕駛輔助系統，在實際道路上不斷獲取運行數據，不斷迭代更新數據，從而推動產品力的提升。

截至目前，已有十余款搭載毫米HPilot產品的乘用車車型實現量產。此外，摩卡DHT-PHEV激光雷達版、歐拉閃電貓、歐拉芭蕾貓和新一代長城加農炮也正在交付。

此外，米莉之星也在加速布局無人配送賽道。

近年來，在疫情的影響下，無人配送軌道商業化的曙光初現，資本市場加大了押注，甚至有不少投行做出了“大膽”的預測:未來十年，中國無人配送的市場規模將達到1000億以上。

在這個賽道上，米莉智行發布了小魔駝2.0，并推出了面向商業市場的10萬元終端物流自動配送車產品。

如今，小魔駝2.0已經開始穩定量產交付，將為超市和物流領域提供無人配送服務。

到2022年9月，與物美合作的小魔駝運營項目訂單量已超過9萬輛，有力推動了末端物流自動配送車大規模商業化的產業化進程。

在Mimo智行的數據構建中，MANA是一個比較重要的環節。

2021年12月，在第一個“墨豪艾日”，墨豪……ixing推出中國首個自動駕駛數據智能系統MANA，中文名“雪湖”。MANA是一套基于海量數據的數據處理工具，可以利用數據以更低的成本和更快的速度迭代優化產品。

MANA成為Mimo智行產品快速迭代的核心支撐力量。經過一年的發展，MANA進入了一個新的階段，在感知智能和認知智能方面都迎來了更新和升級。

Mimo智行CEO顧郝偉表示

數據驅動的自動駕駛3.0時代已經到來，數據驅動的時代是一個完全不同的時代。"

在自動駕駛領域，特斯拉已經率先進入3.0時代，很有可能知止就是下一個。

注意力大模型是當前AI發展的新趨勢，也帶來了計算能力需求高、訓練成本高、落地難度高等挑戰。基于對自動駕駛3.0時代的洞察和大模型訓練對計算能力的巨大消耗需求，Mimo智行自建超算中心的計劃正在快速推進，目標是訓練100萬clips數據，大模型訓練成本降低200倍，即將與市場見面。

“敢”正在登陸:NOH從高速到城市

當智能化浪潮席卷整個汽車行業時，汽車賽道上的選手們都使出渾身解數爭奪市場。在不斷的“內卷化”競爭下，汽車從單純的交通工具被提升為集交通和娛樂為一體的智能終端，汽車智能化也從一個口號變成了實際需求和買車的標準。

在車企爭相追求更高階功能的同時，催生了自動駕駛公司對自動駕駛功能的大規模量產需求。

如今城市中NOH量產的戰爭已經從高速場景迅速蔓延到城市場景。在這個競爭激烈的賽道上，智行始終領先。

今年8月，搭載智能駕駛系統HPilot3.0的陸丹藍DHT-PHEV在成都車展正式亮相，Mimo智行城NOH功能實現量產。至此，Mimo智行城NOH覆蓋了高速和城市的全場景。

所謂城市道路輔助駕駛，就是根據用戶設定的路線，幫助用戶實現從A城市到B城市的駕駛。

相比高速場景，城市場景顯然更難破。

城市場景中復雜的紅綠燈變道、人與兩輪車的混合模式、車道線不清晰給城市NOH的實現帶來了更多的問題。

此前，無論是高速場景還是城市場景，大部分玩家都是依靠高精地圖來實現輔助駕駛。

使用高精度地圖可以極大地賦能輔助駕駛技術，這對于身處市場的后來者來說，似乎是縮短差距的最快方式。然而，高精地圖在中國面臨政策困難。此外，采用高精度地圖會增加成本，而這些成本往往由消費者承擔。

在數據平臺的支持下，Mimo智行選擇了“重感知、重算力、輕地圖”的技術路徑。所謂重感知、重計算力、輕地圖，就是在數據和計算力的支持下，擺脫對高精地圖的依賴。最大的亮點是可以智能識別紅綠燈，智能左右轉彎，智能變道，智能躲避動態和靜態障礙物。

在城市場景下，從A點到B點的智能駕駛需要解決兩個問題:一是保證駕駛的完整性和連續性，二是達到接近人類的駕駛水平，也就是車企所追求的“老司機”。

城市NOH面臨四大問題:城市道路維護、大型車輛密集、變道空間狹窄、城市環境多變。

MANA不斷積累場地和模擬數據，可以應對駕駛過程中的大部分場景。此外，通過與舊數據的耦合，它可以面對新的場景或城市中更令人關注的情況。

通過骨干數據計算和BEV Transformer的多模態融合，解決多傳感器匹配和跨傳感器跟蹤問題，實現城市道路上的障礙物檢測、車道線檢測、可行駛區域分割、交通標志檢測等。

MANA最大的特點是模仿和學習人類駕駛行為ind……事實上，配備了智行城市NOH功能的車輛在駕駛感覺上更像“老司機”。

另外，城市的輔助駕駛功能已經進入商業化，玩家之間的競爭已經從單純的技術之爭變成了成本之爭。MANA通過自我監控大大減少了訓練次數，從而降低了人工閱卷的成本，在城市NOH中占據了成本優勢。

在我看來，通過高精地圖或數據實現城市NOH的兩條路徑沒有區別，如何以較低的成本將功能轉化為實際需求才是最重要的。

“敢”只是因為自信

小智慧看似快，實則厚積薄發。

在自動駕駛領域，上半場是比技術，下半場是拼產品。也就是說，誰能更早實現商業化量產，誰就能在這個賽道上脫穎而出。

在外界看來，他的選擇相對“保守”，但從成立至今，他的戰略路徑一直非常堅定清晰，非常注重速度，一直奔目標就不斷加速。

米米智行認為，漸進路線在自動駕駛領域優勢明顯。

一方面，漸進式的發展路線可以給市場帶來規模效應，從而帶動產品的快速迭代。另一方面，量產可以以更低的成本獲得更大規模、更多場景覆蓋的更多數據。

智能駕駛產品用戶體驗和數據獲取的雙向循環，讓數據驅動的AI自動駕駛技術真正走向成熟。

也就是在漸進路線的指引下，米知止走上了“從低速到高速，從載貨到載人，從商用到民用”的量產之路。

當市場上其他自動駕駛玩家還在苦苦尋找量產廠商的時候，Mimo智行的輔助駕駛已經早早上了車。長城汽車作為Mimo智行的股東，也是大客戶，幫助Mimo智行實現量產。此外，在“風車戰略”和MANA下，Mimo智行不斷積累數據，構建穩定的量產能力。

時代的洪流奔騰向前，自動駕駛領域也在發生突變。在越來越激烈的競爭下，很多玩家悄然退出。然而，Mimo智行在這場風暴中迅速成長。如今，經過三年的發展，Mimo智行進入了新的發展階段。

顧郝偉將自動駕駛的演進分為三個階段:

硬件驅動的1.0時代:隨著輔助駕駛滲透率的提高，自動駕駛部分將率先上車。這一時期主要是硬件驅動，依靠激光雷達實現感知，通過人工規則實現認知，規模在100萬公里左右。

軟件驅動2.0時代:隨著自動駕駛技術的成熟，一些全棧自研整車廠商和軟件供應商脫穎而出。在這個時期，自動駕駛開始從硬件驅動向軟件驅動轉變，這與1.0階段不同，依靠傳感器獨立輸出結果實現感知，規模約為100萬-1億公里。主要是小模型，數據很少。現階段，在一些封閉園區和低速干線會應用自走式駕駛。

數據驅動3.0時代:隨著自動駕駛生態的成熟，數據中心和計算平臺的建設日趨完善。這個時期的發展主要是數據驅動，自動駕駛技術加速迭代。在感知層面，它依靠多模態傳感器共同輸出結果。在認知層面，可以實現離線強化學習提取駕駛常識，規模超過1億公里。

當市場上大部分玩家還在專注于2.0時代的時候，Mimo智行已經準備好開始向3.0時代沖刺了。

在專家云集發展自動駕駛的江湖中，光有勇氣是遠遠不夠的。Mimo智行做出的選擇都是基于自身實力，“Mimo模式”將成為中國自動駕駛發展的新范式。

雷鋒網雷鋒網雷鋒網(微信官方賬號:雷鋒網)

雷鋒的原創文章。未經授權，禁止轉載。詳見轉載說明。

標簽：特斯拉長城摩卡歐拉摩卡DHT-PHEV

汽車資訊熱門資訊