“以数据驱动的智能驾驶3.0时代曾经来到，只要感知、认知、形式、数据4个技术条件并行成立才干称为真正进入智能驾驶新时代。咱们所做的一切，都是为了能够做出数据通道和计算中心，以便可以更高效地失掉数据，并把数据转化为知识。毫末正在全力冲刺进入智能驾驶3.0时代！”在9月13日举办的第六届HAOMO AI DAY上，毫末智行CEO顾维灏博士宣布了主题为《毫末和智能驾驶的3.0时代》的演讲，在业内初次提出“智能驾驶曾经进入数据驱动的3.0时代”的行业判别，同时还引见了毫末数据智能体系MANA基于对前沿AI技术的探求和规划，在智能驾驶市区场景中的重磅配置更新。
（毫末智行CEO顾维灏博士宣布《毫末和智能驾驶的3.0时代》主题演讲）
拥抱Attention大模型，继续坚持技术领军性，毫末全力冲刺智能驾驶3.0时代
什么是智能驾驶3.0时代？驱动起因是什么？毫末目前处于什么阶段？顾维灏在演讲中针对上述疑问启动了分享。
（顾维灏现场演讲）
顾维灏示意，Attention大模型作为AI开展的新趋向，其所带来的机会和应战，成为智能驾驶3.0时代的关键驱动起因之一。Attention最大的特点是结构繁复，可以有限重叠基本单元失掉渺小参数量模型，随着参数量的参与和训练方法的优化，大模型的成果在很多NLP义务上曾经逾越了人类平均水平。不过Attention的大模型也面临一大应战，即由于其对算力的需求远远超出了摩尔定律，这造成大模型的训练老本十分高，在终端设施上的落地十分艰巨。
（顾维灏示意，Attention大模型是AI开展的新趋向）
Attention大模型带来的机会和应战，正驱动智能驾驶行业的技术改革。“毫末正在经过低碳超算来降落智能驾驶老本，经过改良车端模型和芯片的设计来成功大模型的车端落地，经过数据的组织让大模型施展更大效能。”顾维灏示意，在数据层面，基于Attention大模型，智能驾驶要求大规模且多样性的训练数据，而基于大规模实在人驾数据的乘用车辅佐驾驶才有才干积攒到足够规模和足够多样的数据。“咱们有理由以为，辅佐驾驶是通往智能驾驶的殊途同归。由于只要辅佐驾驶，才有才干搜集到足够规模和足够多样的数据。”据悉，毫末经过凑近三年的开展，目前已是中国量产智能驾驶公司的第一名，目前用户辅佐驾驶里程已凑近1700万公里，数据规模正在继续极速参与。
（顾维灏示意，辅佐驾驶是通往智能驾驶的殊途同归）
低碳超算层面，毫末在此次AI DAY上正式官宣了中国智能驾驶科技公司首个超算中心。顾维灏示意：“如何优化训练效率降落训练老本，成功低碳计算，是智能驾驶走进千家万户的一个关键门槛。”毫末超算中心的指标是满足千亿参数大模型，训练数据规模100万clips，全体训练老本降落200倍。
（中国智能驾驶公司首个超算中心——毫末超算中心揭开面纱）
在算法模型层面，顾维灏引见，毫末早在2021年6月便启动了针对transformer大模型的钻研和落地尝试。正是基于过去一年多在训练平台革新更新、数据规格和标注方法的切换预备、针对感知、认知详细义务的模型细节探求等方面的成功通常，为如今毫末在市区导航辅佐驾驶场景中的极速开展打下了松软基础。
（毫末的新技术通常之路）
“以数据驱动的智能驾驶3.0时代曾经来到。”顾维灏以为智能驾驶近十年的开展可分为配件驱动、软件驱动、数据驱动三大时代。数据驱动时代，是齐全不一样的时代，大模型+海量数据“双剑合璧”，数据开启自训练形式；感知技术上，多模态传感器联结输入结果；认知技术上，以可解释的场景化驾驶知识为主；智能驾驶里程由配件驱动、软件驱动时代的百万公里、上千万公里，间接飙升到了1亿公里以上。以数据驱动为**，以上4个技术条件并行成立才干称为真正进入智能驾驶3.0时代。
“毫末不时在为智能驾驶3.0时代做预备，在感知、认知、形式树立上，都是依照数据驱动的形式树立的。咱们所做的一切的，都是为了能够做出数据通道和计算中心，以便可以更高效地失掉数据，并把数据转化为知识。”目前特斯拉已领跑环球率先进入智能驾驶3.0时代，而毫末最有或者成为中国公司中第一个进入智能驾驶3.0时代的公司。
“咱们对翻新充溢激情，对新思维，新方法，新技术关闭怀抱，尤其关注能和数据规模增长构成正循环的技术路途。这也是毫末做技术战略决策的第一性原理：能将数据规模长处极速转化为才干长处的技术路途就是好路途。”顾维灏示意，关于前沿技术的探求和落地，毫末会不时坚持最极，最敏锐，最放开的心态，致力为用户提供更好的产品体验，促启动业的开展提高。
MANA六大里程碑式更新，领行业之先开启市区NOH“进城”之路
对上游技术的极致谋求，不只让毫末一直走内行业翻新前沿，同时也在当下智能驾驶公司群体酣战的市区辅佐驾驶场景中赢得技术探求与落地的先机。
市区导航辅佐驾驶场景是智能驾驶配置的**打破点，也是兵家必争之地。但是从路途与交通状况单一的高速场景进入交通介入者泛滥、路途与交通状况极端复杂的市区场景，智能驾驶系统面临的技术难度可以说是倍数级增长。渺小的应战也拖住了泛滥智能驾驶厂商“进城”的步调，只能继续酣战技术打破点。作为中国量产智能驾驶第一名厂商，毫末早在2021年底就立下了打赢“辅佐驾驶市区场景之战”的Flag，率先在市区辅佐驾驶畛域开启了技术探求之旅，如今毫末数据智能体系MANA正迎来多项里程碑式的更新迭代。
顾维灏示意，市区路途关键存在“4类场景难题、6大技术应战”。其中场景难题关键包含“市区路途养护”“大型车辆密集”“变道空间狭窄”“市区环境多样”。处置上述场景难题，技术层面面临六大应战：如何能更高效地将数据规模转化为模型成果，如何让数据施展更大的价值，如何经常使用重感知技术处置事实空间了解疑问，如何经常使用人类环球的交互接口，如何让仿真更真，如何让智能驾驶系统静止起来更像人。
为了应答上述应战，MANA感知智能、认知智能等方面均迎来更新更新。
首先，MANA经过经常使用大规模量产车无标注数据的自监视学习方法打造模型成果，相比只用大批标注样本训练，训练成果优化3倍以上，这让毫末数据长处得以高效转化为模型成果，以更好顺应智能驾驶各种感知义务需求。
其次，MANA感知才干优化，让海量数据不再被区别看待。面对渺小数据规模下的“数据效率”难题，MANA构建了增量式学习训练平台，抽取局部存量数据加上新数据组分解一个混合数据集。训练时要求新模型和旧模型的输入坚持尽量分歧，对新数据的拟合尽量好。相比惯例做法，全体算力节俭80%，照应速度优化6倍。
第三，MANA感知才干更强。经过经常使用时序的transformer模型在BEV空间上做了虚构实时建图，使得感知车道线的输入愈加准确和稳固，让市区导航智能驾驶告别高精地图依赖。
第四，MANA感知才干更准，让中国没有不能识别的车辆信号灯。MANA经过更新车上感知系统，对刹车灯、转向灯形态启动专门识别，让驾驶员在处置前车急刹、紧急切入等场景中更安保和温馨。
第五，MANA认知才干也再次退化。面对路口这一市区最复杂场景，MANA在仿真系统中引入了低价值的实在交通流场景，与浙江德清、阿里云协作，将路口这一市区最复杂场景引入仿真引擎，构建智能驾驶场景库，经过智能驾驶的实在仿真验证，时效性更高、宏观交通流更实在，有效破解了市区路口经过“老大难”疑问。
最后，MANA认知智能迎来新阶段。经过对笼罩全国的海量人类驾驶启动深度了解，学习知识和举措拟人化，使得毫末辅佐驾驶决策更像人类实践驾驶行为，可结合实践状况选用最优路途保障安保，体感更像老司机。
MANA的再次退化，为毫末市区NOH扫平了“进城”路上的最大阻碍。“毫末市区NOH是更懂中国市区路况的导航辅佐驾驶。”顾维灏示意，毫末市区NOH驳回“重感知、轻地图、大算力”技术路途，在MANA的赋能助力下，具有智能识别交通灯、智能左右转、智能变道、智能规避阻碍物-静态、智能规避阻碍物-灵活五大亮点配置，此外“智慧交通流处置”配置也将正式颁布。
在演讲最后，顾维灏表白了毫末人对智能驾驶未来的坚决信念和妥协激情。“1000多天前，咱们生于毫末，并亲自见证了中国智能驾驶落地最快的1000天。咱们快慰于曾经取得的成就。但1000天，也只是战役的开局。让智能驾驶真正飞入寻常百姓家，才是咱们的星河大海。在智能驾驶的路上，毫末人将妥协不息，战役不止！”