m自动驾驶系统竟被打上「思想钢印」？( 三 )

所以毫末研发了一个高效标注系统，应用无监督自动标注算法，性能比市场上很多产品强1倍。
目前，毫末大部分数据处理是通过自动标注完成的。
进行到这一步，数据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。

文章插图
毫末智行将每一次路侧都还原为仿真中的“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。
至此，一组数据就完成了他们从被采集处理、成为训练素材、变成系统能力提升的全部使命。
MANA对于毫末智行的重要性，看到这里各位应该已经有了概念。
如果把数据比作燃料，那MANA就是能使燃料爆发出能量、推动整个系统运转的引擎。
而且，这部“引擎”不仅快，还经济实惠。
MANA要把毫末智行带向何方？
当然是速度更快的自动驾驶能力提升，和规模更大的量产落地。
怎么评价？了解了MANA系统的来龙去脉，个中内涵…
也就能理解MANA之于毫末智行的承前启后意义，解释了毫末速度的真实原因，而且还是这家自动驾驶新晋独角兽今后战略规划的前提。
比如AI DAY上，毫末分享了对未来数据发展的判断。
未来几年，在智能汽车的推动下，人类存储的数据将发生结构性的改变。
影像数据会越来越多，而由于数据类型的转变，对计算的要求也将发生改变。
深度学习的计算能力会更日益重要，对算力要求也会快速增长。
所以，除了推出单板算力360T的自研算力平台，毫末也宣布筹建自己的超算中心

文章插图
等等，大模型、大数据、规模量产、自研算力平台、自建超算中心…
熟悉吗？
打通数据闭环的毫末，似乎走上了和特斯拉类似的路线。
核心原因还是在数据。
毫末智行CEO顾维灏，对于数据挖掘利用的“段位”，有独特的解读。
他认为，特斯拉的领先，归根结底是建立在十亿公里级的里程数据上。
一个自动驾驶公司建立一套数据闭环并不难，真正有含金量的是能在多大规模的数据上跑通数据闭环。
这既代表一家公司的当下的业务进展、技术能力，也预示了未来算法迭代的“加速度”。
而数据驱动，毫末的优势恰好在于获取的成本和效率。
毫末智行出自长城汽车集团旗下，客观上具备了将自动驾驶大规模量产的先天优势。
长城汽车6个子品牌，数十款车型，正在智能化转型关键窗口，更重要的，是这些车型过百万的年销量。

文章插图
事实也正是如此。
毫末智行AI DAY上，董事长张凯说，成立两年来，积累实际路测里程已达400万公里，产品已经搭载在长城坦克、WEY、哈弗等五款车型上。
3年内，毫末智能驾驶产品装机量会达到100万。

文章插图
而在即将到来的2022年，这个数字会迅速扩大至34款车型，具体装机量，据毫末估计可以达到30-40万辆之间。
对于毫末智行来说，产品装机量能以每年数十万辆的规模增长，带来的数据增量更是大部分新势力或自动驾驶公司很难实现的。