距离上一次毫末AI DAY仅仅过去4个月，或许搭载在摩卡上的高速NOH还没好好感受，毫末的城市NOH就出现在了眼前。

4月19日，毫末发布搭载HPilot3.0的“毫末城市NOH”。

根据毫末的说法，这是中国第一个大规模量产的城市辅助驾驶产品，第一个重感知的城市辅助驾驶方案，同时也是2022年中国第一个最实用高效的城市辅助驾驶产品。

据了解，此次AI DAY是其两年多来的第五次品牌活动，而在此前毫末智行再度完成了由中银投资、首钢基金旗下首程资本参与的A+轮数亿元融资，也被称为国家队进场。

而这样的速度，似乎正在印证毫末一直以来对于速度的理解，慢就是快，这家年轻的公司在技术量产上似乎已经走在了别人的前面。

先来看一组数据，截止到4月份，用户驾驶辅助实际行驶总里程已经超过了700万公里，进入了数据积累的第一阵营。

同时，目前毫末的辅助驾驶系统已搭载至至魏牌摩卡、坦克300城市版、魏牌玛奇朵DHT、魏牌拿铁DHT、哈弗神兽、坦克500六款车型，用户辅助驾驶行驶里程已经突破700万公里。并且在2022年，更将有多达34款长城车型搭载毫末智能辅助驾驶功能，其中30%为标配；而在未来两年，搭载毫末智行辅助驾驶产品的长城乘用车数量将突破100万台。

其次是毫末智行末端物流自动配送车业务的合作伙伴团队，以阿里达摩院、物美多点、美团等为代表，而此次上海的疫情下，也出现了很多毫末的身影。

在今天，末端物流自动配送车领域也迎来了更新，毫末小魔驼2.0正式发布，单车售价12.88万元，成为中国首款十万元级末端物流自动配送车，而这个价格公布的时候，现场也是出现了阵阵的掌声。

而在技术层面，中国首个数据智能体系MANA迎来多项重磅升级，感知能力突飞猛进，通过独创的“双流”感知模型及自研BEVTransfomer，“让中国没有不能识别的红绿灯和车道线”成为现实；认知能力、成本与进化速度也实现翻倍增长，模型训练成本降低60%，加速比超过96%，此外标注AI自动化率已达到80%，大幅降低了标注费用成本。

这样的智能体系，就像一个正向的加速器，持续的数据在不断的优化毫末的技术，更好的技术意味着更多的车辆使用，更多的车辆使用意味着加速器运行的更快。

而城市驾驶辅助所需要的算法难度，远远大于高速路况，这也是目前为止，在中国仍没有量产车在城市道路中可以开启导航自动驾驶辅助。

——01——

难度有多高？

首先我们要知道，城市NOH就意味着在城市中，选择好导航，车辆就可以按照规划路线进行行驶，并且最终到达目的地。

根据毫末智行董事长张凯的预测，2022年自动驾驶行业的竞争将正式进入下半场，主要集中在城市开放场景的领航智能驾驶：“2022年国家将出台更多细则规范自动驾驶数据归属及安全；城市NOH会将智能驾驶的体验推向新高度；末端物流自动配送处在爆发前夜，头部客户开始进行场景规模化部署。”

毫末宣称该系统可根据导航提供的行驶路线，在城市环境中实现自动变道超车、红绿灯识别与控车、复杂路口通行、无保护左右转等主要功能, 同时也可应对车辆近距离切入、车辆阻塞占道、交叉路口、环岛、隧道、立交桥等复杂的城市交通场景。

虽然对于驾驶员来说，这是一件容易的事情，但对于自动驾驶可不是。

就拿红绿灯这件事来说，国内的样式就千奇百怪，倒计时也各不相同，而毫末又是主要依靠视觉。

在采访中，如何把红绿灯与道路绑定在一起被毫末的工程师称为“绑路”，自动驾驶系统需要认识它，然后把它的信号与道路匹配在一起。

毫末选择是用数据来解决这样的问题，全国各个地方不同的红绿灯都收集过来成本很高，毫末还结合了数据仿真用以加快效率。

通过仿真场景搭建了各种不同的光照、天气、角度等等仿真的实际场景。通过这些场景的数据，再来反馈到模型上，让模型能学习得更好。

因此，一个个不同的红绿灯，从识别到与道路绑定，形成了一个个大数据的“热点图”，这些热点图就成为了机器学习的课本。

这套方法被毫末称为“双流”感知模型，将红绿灯检测和绑路问题分解成两个通道，让毫末日常乘用车测试实现了重感知下的红绿灯识别。

根据毫末的测算，随着车端算力的增大，以Transformer为代表的大模型在未来自动驾驶里面会发挥越来越大的作用，而这种先进的感知模型，也同样被用来识别城市中，错宗复杂的车道线。

使用Transformer的注意力机制，可以非常有效地解决多个相机之间的拼接问题，6个相机都看到了车道线，有旁边的，有前面的，有后面的。

此外在加入注意力机制，毫末就可以把多个相机的视角很容易拼接起来，用来确定自身与车道的位置 ，再加以计算即使车道线突然消失，毫末也能应付自如。

当然这一切都是基于中国首个数据智能体系MANA做到的。

——02——

MANA再加速

根据毫末的介绍，MANA感知能力取得了较大的进展，这也与城市中的红绿灯识别能力和车道识别能力高度相关。

在感知能力的背后，是最近一年自动驾驶的感知技术发生了巨大变化，包括芯片算力的几何式增长，Transformer跨模态模型的出现和Camera像素的快速提升，这些都是技术发展的基础。

此外，进步的还有 “认知智能”“成本与速度”。

“认知智能”方面，MANA用机器学习模型替换了传统的手写规则和参数，解决了此前代码臃肿且面对复杂场景容易崩溃失效的问题，使场景决策更具泛化适用性，极大提升了可解释性和泛化能力。

可以说认知智能主要是一个BUG的修复和效率的提升。

而在成本与速度方面，毫末和阿里巴巴在大模型数据处理技术上进行了深度合作，实现了自动驾驶领域与M6模型的初次相遇。

最终依靠阿里达摩院的模型合作，模型训练成本降低60%，加速比超过96%，吞吐量超过每秒40000个sample。此外，毫末已实现标注AI自动化率达到80%，减少了大量的人工标注。

这样的合作直接代表着成本的节约，效率的增加。

因此可以总结MANA的快速成长，有车载硬件的快速提升，有自身的完善，有外力的帮助，但无论如何，毫末将优势融合在了一起，从效率来看是喜人的。

 ——03—— 

毫末的加速成长期

城市驾驶辅助，或许是L3级前夜最关键的一步，除了城市与高速全场景的融合，更重要的还有商用化的意义。

无人的城市物流可以打通，无人的出租车可以运营，闪送、外卖、快递将不再有人…

这些都需要城市驾驶辅助，而毫末似乎正在领先半个身位。

特斯拉现在能检测红绿灯，但是也没有对红绿灯在路口控制车辆，蔚小理，其实对红绿灯检测目前还没有完全OTA，这些都是毫末的机会。

另外对于长城来说，或许赢得了汽车科技制高点的一张决赛劵。