顾维灏|领航辅助不再是新势力专属！毫末智行加速自动驾驶量产，还要助力阿里造无人车( 二 )

文章插图
毫末智行董事长张凯
在量产领域，毫末智行同样具备强大实力。毫末智行董事长张凯介绍：“2022年，毫末智行将担任长城汽车34款待上市车型高级别辅助驾驶开发任务，占长城汽车全年待上市车型接近80%，这些车型中30%是标配，其余均是高配搭载。这样推断，2022年长城汽车高级别辅助驾驶渗透率超过40%。”
这样一来，2022年毫末智行将成为国内出货量最大的自动驾驶方案商之一。

文章插图
毫末智行CEO顾维灏
显然，毫末智行的量产装车实力已经成为了自动驾驶领域的“尖子生”。就像是毫末智行CEO顾维灏所说：“毫末智行要服务好长城这一家主机厂，同时不断实现技术的突破，最终实现完全自动驾驶。”
二、引领行业发展将率先采用5nm自动驾驶芯片在量产领域成为自动驾驶“尖子生”的毫末智行，其实远没有自我满足。在技术上，毫末智行也正在不断突破，成为技术领域的“尖子生”。
在毫末智行路测和用户实际行驶的100万公里中，毫末智行积累了大量数据，这些数据能够反哺自动驾驶算法不断优化。
顾维灏分享了毫末智行的智能数据诊断方法，通过这种方法，就能够发现高价值的数据。
他说道：“毫末智行数据诊断的手段有两种：一种是通过明确的系统失效信号得到诊断结果，例如通过人工接管信号；另一种是超越端上算力和时效性约束，通过更强大的模型去诊断端上模型的错误。”
这个模型通过预埋规则的手段，以灰度测试的模式部署在了已投产的自动驾驶系统中，不过其中很多潜在的高价值场景被遗漏了。因此，必须需要通过线下的大模型（Fundamental Model）来自动诊断端上小模型（Domain Model）。
通过这种自动诊断，毫末智行可以发现小目标漏检、目标被遮挡和截断。此外，自动诊断也包括收费站、异形车辆、雨天、黑夜的目标漏检问题。

文章插图
毫末智行用大模型自动诊断端上模型
针对AI认知容易出现的数据偏见问题，毫末智行利用感知到的海量数据采用无监督学习方法将图像向量化，转化为特征向量，然后通过“谱聚类”将相似的图像聚类在一起。分别将相似图像归类之后，可以有效的与“异源数据”进行混用，提升最终模型的效果。
在大模型时代，巨量的模型参数给模型训练带来很大的难度。毫末智行除了采用数据并行之外，还采用了模型并行方法，这样一来能够提升并行训练速度。
在仿真验证阶段，毫末智行同样拥有高效验证技术。
顾维灏说道：“毫末智行开发了语义场景的自动化转化工具和参数泛化工具，可以将CSS中场景库的描述文本自动转化为仿真测试场景，并且在合适的范围内离散采样得到巨量的仿真测试用例。同时通过在云端并行，每天可以自动生成一万多个仿真测试用例。”
明年，毫末智行将推出更高算力的自动驾驶域控制器“小魔盒3.0”，其中就使用了高通的5nm自动驾驶芯片。这一平台单板算力达到360TOPS（INT8），并能够持续升级到1440TOPS。在保证大算力的前提下，还能实现60ms的端到端低时延。

文章插图
顾维灏展示小魔盒3.0
顾维灏介绍，使用高算力自动驾驶域控制器，实际上是毫末智行在城市L2级自动驾驶领域做出的布局。面向未来，毫末智行的方案也将支持城市道路点对点L2级自动驾驶。
同样，从今年到明年，城市道路点对点L2级自动驾驶正在成为头部自动驾驶玩家的必争之地。