毫末速度：中国自动驾驶落地最快的1000天( 二 ) 贾浩楠发自凹非寺量子位|公众

在这个过程中，用户的实际路测数据，已经帮助HPilot完成了3次大版本迭代。马上量产交付的最新版本（长城魏牌摩卡PHEV），最重大的更新，是城市NOH 。
能自主应对城市复杂道路，包括交通信号、复杂路口、环路、人车混行等等场景。

文章图片
这个能力，也是今年头部自动驾驶玩家争夺的高地，其他实力玩家，包括小鹏NGP、特斯拉NOA等等。
所以，毫末量产自动驾驶系统的速度“第一” ，是和行业头部比较得出的结果。
在此之外，毫末智行在自动驾驶其他业务线上，还有数个“第一”和“首次”：
量产规模和速度背后，支撑这些的是毫末自研建立的国内首个自动驾驶数据智能体系MANA 。

文章图片
MANA其中包含众多子模块，包括数据获取、传输、感知、计算、验证等等，它们一同构成了毫末智行的数据驱动能力。
HPilot上车量产的速度，除了用户实际路测里程的数据贡献，另一个同等重要的核心就是MANA体系下系统进行的巨量学习、仿真、验证。
目前MANA的学习时长超过了30万小时，虚拟驾龄相当于人类司机驾驶4万年。
量产进展和数据闭环能力，一同构成了毫末智行这份“行业最快1000天”的成绩单。
如何评价？
融资层面，毫末智行的进展获得了行业优质资本的认可。
截止今年4月，毫末已经完成3轮近20亿元的融资，投资方包括美团、首钢基金、高通创投、高瓴创投、首程控股、九智资本等等。

文章图片
而在自动驾驶行业层面，毫末智行也构建起了一个全新的模式。
毫末智行诞生时，全球的自动驾驶行业，已经存在着3种模式。
首先是谷歌旗下的Waymo ，高举高打，直接以L4为目标，试图通过路测、仿真等等手段将系统迭代至“万无一失”后再推进商业化落地。
Waymo作为自动驾驶的先驱，为整个行业探索出了“数据驱动”这条铁律，但在量产落地上却又受制于数据收集的效率。
马斯克作为后来者，深刻领会了数据驱动的重要性，但在实践手段上抛开了Waymo对于安全的顾虑，通过造车卖车实现自动驾驶系统的大规模量产和数据收集。
特斯拉的探索提供的价值，是让行业更加清晰的认识到自动驾驶第一性原理（传感器方案），以及到达终局的必经之路（数据驱动）。
但特斯拉的激进策略，也让现阶段自动驾驶系统的不足引起巨大争议。
第三种模式，则是通用旗下Cruise走的，业务上同时推进乘用车智能驾驶和特定场景下L4自动驾驶两条路线，试图通过乘用车量产项目，反哺L4的落地。
背后的核心是自动驾驶技术在核心感知识别层面的通用性。

文章图片
毫末智行诞生时，曾被视为中国版Cruise ，因为业务线高度相似。
但毫末的迭代、研发、量产交付速度显然比Cruise快得多。
根本的原因，是吸取各行业先驱探索的精华，规模量产的前提下，又抓住自动驾驶本质，构建了一套自己的高效数据闭环迭代体系。
毫末成绩单背后1000天内，驱动毫末智行那成为量产自动驾驶第一梯队玩家的因素到底是什么？
毫末智行董事长张凯，曾给出过毫末的“公式”：