賈浩楠 發自 凹非寺
量子位 | 公眾號 QbitAI
1000天，一份成績單：
智慧輔助駕駛系統搭載近10款量產乘用車。
使用者使用輔助駕駛里程超過1500萬公里。
末端物流無人配送車運營近9萬單。
覆蓋城市道路的高階領航輔助功能即將量產。
……
這是中國量產自動駕駛獨角獸毫末智行的模式、速度，也是自動駕駛探索程序中，從技術研發到商業落地，重新整理行業紀錄的新速度。
毫末內部會曝光
近期，毫末在即將成立1000天的日子，進行了一次內部會。
創業從0到1，員工從0到近1000人。
毫末智行內部，對於成立1000天以來的技術、組織、商業、產品等等做了全方位的總結和思考：
成立1000天，從0到1突破了多車型量產自動駕駛從研發到量產的交付難題。
如何佐證？毫末智行給出了幾個不同維度的證據。
首先是
產品進展
。
三個方向，乘用車智慧駕駛系統HPilot、無人物流車、智慧硬體。
每一條方向，毫末都有重新整理行業的記錄。
比如HPilot已經在近10款車型上量產交付，3。0版本能力拓展到城市複雜道路場景；無人物流車小魔駝3。0實現10萬元級零售價，同時還具備L4級功能；智慧硬體上，自研單板算力最大的自動駕駛計算平臺小魔盒，達到360TOPS算力。
支撐量產交付進展的，是自動駕駛技術體系。
毫末將他們的技術總結為
“重感知”
路線。核心是使用Transfomer對不同攝像頭資料進行前融合處理，形成一個對映BEV
（環視感知）
空間，天然具備和鐳射雷達點雲圖的融合能力。
這是一套和特斯拉類似的技術方案，目的是為了解決自動駕駛最核心的目標感知識別難題。
在組織、商業層面，毫末智行總結出了一系統列具體方法論。比如之前
毫末智行董事長
張凱
提出的6P開放合作原則：
△ 毫末智行董事長張凱
另外，還有12條領導力原則、亞馬遜逆向工作法、開放合作生態等等。
從毫末智行的口吻來看，這樣的總結，是定性式的描述：毫末在做什麼、做得怎麼樣。
容易被關注到的重點是“突破”、“多車型”、“交付”等等。
但真正的重點，是
1000天
。這也是毫末自成立以來，最被熟知的標籤：快。
很多的行業“首次”、“第一”出現在了毫末1000天的成績單中。
毫末成績單
行業內對於毫末智行“快”的認知，最直觀可見的，是自動駕駛系統量產。
HPilot智慧駕駛系統，目前已經覆蓋長城汽車旗下
近10款車型數萬臺車
，包括坦克、魏牌、哈弗等等熱門品牌。
所以毫末智行的第一個“第一”，是量產覆蓋規模。無論是特斯拉、新勢力，或是其他自動駕駛公司，3年左右時間實現數萬裝機量的規模是前所未見的。
而根據已經敲定的量產時間表，今年年底，HPilot將會覆蓋超過30款車型，兩年內裝機量達到百萬級。
規模的“第一”，帶來了速度的“第一”。
HPilot，從2020年5月上車量產的1。0版本算起，在1年多的時間中，已經積累了超過1500萬公里的使用者實際使用里程，高速NOH
（領航駕駛輔助）
覆蓋了全國超過31萬公里的高速和城市快速路。
在這個過程中，使用者的實際路測資料，已經幫助HPilot完成了3次大版本迭代。馬上量產交付的最新版本
（長城魏牌摩卡PHEV）
，最重大的更新，是城市NOH。
能自主應對城市複雜道路，包括交通訊號、複雜路口、環路、人車混行等等場景。
這個能力，也是今年頭部自動駕駛玩家爭奪的高地，其他實力玩家，包括小鵬NGP、特斯拉NOA等等。
所以，毫末量產自動駕駛系統的速度“第一”，是和行業頭部比較得出的結果。
在此之外，毫末智行在自動駕駛其他業務線上，還有數個“第一”和“首次”：
量產規模和速度背後，支撐這些的是毫末自研建立的國內首個自動駕駛資料智慧體系MANA。
MANA其中包含眾多子模組，包括資料獲取、傳輸、感知、計算、驗證等等，它們一同構成了毫末智行的資料驅動能力。
HPilot上車量產的速度，除了使用者實際路測里程的資料貢獻，另一個同等重要的核心就是MANA體系下系統進行的巨量學習、模擬、驗證。
目前MANA的學習時長超過了30萬小時，虛擬駕齡相當於人類司機駕駛4萬年。
量產進展和資料閉環能力，一同構成了毫末智行這份“行業最快1000天”的成績單。
如何評價？
融資層面，毫末智行的進展獲得了行業優質資本的認可。
截止今年4月，毫末已經完成3輪近20億元的融資，投資方包括美團、首鋼基金、高通創投、高瓴創投、首程控股、九智資本等等。
而在自動駕駛行業層面，毫末智行也構建起了一個全新的模式。
毫末智行誕生時，全球的自動駕駛行業，已經存在著3種模式。
首先是谷歌旗下的Waymo，高舉高打，直接以L4為目標，試圖透過路測、模擬等等手段將系統迭代至“萬無一失”後再推進商業化落地。
Waymo作為自動駕駛的先驅，為整個行業探索出了“資料驅動”這條鐵律，但在量產落地上卻又受制於資料收集的效率。
馬斯克作為後來者，深刻領會了資料驅動的重要性，但在實踐手段上拋開了Waymo對於安全的顧慮，透過造車賣車實現自動駕駛系統的大規模量產和資料收集。
特斯拉的探索提供的價值，是讓行業更加清晰的認識到自動駕駛第一性原理
（感測器方案）
，以及到達終局的必經之路
（資料驅動）
。
但特斯拉的激進策略，也讓現階段自動駕駛系統的不足引起巨大爭議。
第三種模式，則是通用旗下Cruise走的，業務上同時推進乘用車智慧駕駛和特定場景下L4自動駕駛兩條路線，試圖透過乘用車量產專案，反哺L4的落地。
背後的核心是自動駕駛技術在核心感知識別層面的通用性。
毫末智行誕生時，曾被視為中國版Cruise，因為業務線高度相似。
但毫末的迭代、研發、量產交付速度顯然比Cruise快得多。
根本的原因，是吸取各行業先驅探索的精華，規模量產的前提下，又抓住自動駕駛本質，構建了一套自己的高效資料閉環迭代體系。
毫末成績單背後
1000天內，驅動毫末智行那成為量產自動駕駛第一梯隊玩家的因素到底是什麼？
毫末智行董事長
張凱
，曾給出過毫末的“公式”：
（領先的資料智慧*穩定的量產能力*安全）生態。
公式並非從天而降，而是源於毫末智行對行業的正確判斷。
這個公式的本質，是以資料智慧為核心，從低速無人物流車、乘用車自動駕駛產品、智慧硬體三條產品線推進量產。
量產之後，三個業務線又向資料智慧反哺資料，形成自動駕駛能力的正向迭代。
所以，毫末智行其實在成立之初就已經明確了方向和終點，在此之上“倒推”出了領導力12條、逆向工作法、客戶服務法等等具體方法論和組織原則。
同樣“以始為終”，毫末智行在技術路線上，也緊盯AI前沿發展，比如計算機視覺技術從CNN卷積網路向注意力模型的快速變遷，以及本來用在語言模型上的超大規模Transformer在視覺領域展現出的巨大潛力等等。
這些，都是毫末智行能被看見的“驅動因素”。
而不那麼明顯易見的，則是毫末智行的團隊和模式。
脫胎於長城汽車，獨立經營，獨立融資，被賦予很高的自主權。
業務模式上擺脫傳統車廠的長決策鏈條和保守思維，以科技公司方式管理運營。
充分激發創造力和積極性的另一方面，是長城汽車在業務拓展和融資上市方面，沒有給毫末智行任何限制。
這就讓毫末智行的基因與其他自動駕駛玩家完全不同，既有AI科技公司底色，也擁有主機廠量產工程化實力。
毫末智行CEO
顧維灝
，作為昔日百度自動駕駛元老之一，帶來的是對自動駕駛技術的深刻理解和前瞻。
△ 毫末智行CEO顧維灝
而出身長城汽車的董事長
張凱
，則代表了毫末智行在自動駕駛技術產品化、工程化的能力。
所以，毫末智行走出了一個全新的自動駕駛模式：
技術上回歸自動駕駛第一性原理，走上一條重感知的資料驅動路線。
量產上，依託大股東長城汽車的渠道，快速實現規模化落地，形成資料閉環。
這種模式固然有得天獨厚的優勢，也由業務進展、投資人認可等等證明，的確走通了。
但在長城汽車之外呢？
9月即將到來的第6屆毫末AI DAY上，據說還會官宣新的技術和產品成果。
另外，毫末智行的技術底色，也一直是歷屆AI DAY上最受關注的部分，這個活動也逐漸發展成聚焦自動駕駛前沿的AI大會。
據說，這次包括張亞勤、賈揚清在內等等世界頂級AI學者都會參加。
中國自動駕駛的技術前瞻、商業化程序、行業模式探索…。。毫末9月的AI DAY，是一個絕對不能錯過的視窗。
—
完
—