点击图片查看原图
智能驾驶产品开发始终把安全放在第一位；
体验产品的“真香”才是王道；
基于用户真实场景数据驱动，产品可以快速迭代；
实现感知智能和认知智能的高度融合；
以开放的心态赋能客户，推动行业共同进步。
特别是，张凯提到了安全第一的原则。随着智能驾驶的场景越来越复杂，安全的重要性也越来越突出。其实这是所有智能驾驶产品开发的基本出发点。
在产品体验上，我认为只有用To C的思维去做To B，才能真正开发出能被C端市场接受的产品。
数据驱动是核心原理。张凯表示，通过挖掘用户真实的使用场景数据，可以快速迭代产品，从而提高用户的交互感知。
此外，打通感知智能和认知智能，以发展心态赋能客户，促进行业共同发展也是下一步的重点。
最后，张凯总结道:“我们正在克服疫情、供应链和技术本身带来的诸多挑战，将在未来四个月冲刺年初设定的量产交付目标。」
02
自动驾驶3.0时代，数据智能是赢家。
在今年的墨豪艾日，被提到最多的词是“数据”。
如前所述，我认为行业正在进入一个以数据为核心的新时代。
这个新时代被Mimo智行CEO顾郝伟称为自动驾驶3.0时代。
自动驾驶1.0时代，硬件量决定能力。
很多企业通过叠加激光雷达等硬件实现自动驾驶。但这种方式带来的效果不仅一般，而且增加了整车成本，难以量产，其自动驾驶测试里程范围也只有100万公里左右。
随着AI技术的出现，大计算能力中央计算芯片的出现，自动驾驶也开始进入2.0时代。
这也是目前大多数企业所处的阶段。除了驾驶效果明显提升，整车成本也开始降低，自动驾驶行驶里程迅速提升至数千万公里。但仍难以匹配技术发展速度的需求。
自动驾驶3.0时代技术趋于成熟，数据开始自我训练，可以将自动驾驶里程飙升到1亿公里以上。目前只有特斯拉等少数车企能接近这一成绩。
在中国，可以说是最接近自动驾驶3.0时代的一个。
难点不仅在于如何像特斯拉一样量产销售百万辆汽车并在路上收集数据，还在于如何处理和挖掘3.0时代带来的海量数据。
为了解决这个问题，中国第一个数据情报系统MANA于去年12月的AI日发布。
建筑方面，MANA由四大板块组成，分别是TARS、LUCAS、VENUS和base。
其中，base是整个系统架构的底层，包括数据库、数据融合、PoseidonOS等。
其他三块板放在上层:
TARS代表智能发展的原型算法，包括感知、规划和决策、地图定位和模拟引擎；
LUCAS代表车辆在现实中的感知、计算和验证过程，即自动驾驶的大规模推广；
VENUS是一个数据看板，参考标准来评估算法的质量。
前面提到的数据挖掘是由卢卡斯自动完成的，这与特斯拉不谋而合。后者能够实现高效数据处理的本质是构建了一个类似于MANA的数据智能模型。
随着智能驾驶进入城市场景，城市道路维护频繁、大型车辆密集、变道空间狭窄、城市环境多样等问题接踵而至。
顾总结说，这在技术层面上带来六大挑战:
如何在自动驾驶领域应用大模型；
如何让数据更有价值；
如何利用重感知技术解决对真实空间的理解问题；
如何使用人类世界的交互界面；
如何让模拟更真实；
如何让自动驾驶系统移动得更像人类？
为此，在本次墨豪AI日，MANA在感知智能和认知智能方面进行了更新升级。
首先，MANA利用量产车无标记数据的自监督学习方法，大大提高了模型训练效果；
其次，MANA的感知能力提升，搭建增量学习训练平台，节省大量计算能力；
此外，通过使用时间序列变换器模型在BEV空间中进行虚拟实时映射，感知车道线的输出更加准确和稳定；
接着，MANA在仿真系统中引入了高价值的真实交通流场景，具有更高的时效性和更真实的微观交通流，有效解决了城市交叉口的“老大难”问题。
值得注意的是，除了感知，MANA认知智能也迎来了新的阶段。通过深入了解覆盖全国的海量人类驾驶，学习常识，拟人化动作，辅助驾驶的决策更像人类的实际驾驶行为，结合实际情况选择最佳路线保证安全，体感更像老司机。
同时，Mimo MANA的几个新的强大能力，以及Transformer深度学习的大模型，也带来了计算能力的巨大消耗。
顾提到，注意力模型是人工智能发展的新趋势。
这是由于其结构简单，可以无限叠加基本单元，得到庞大的参数化模型，目前已经达到了千亿、万亿的量级。
随着参数的增加和训练方法的改进，大模型的效果稳步提升，在很多NLP任务中已经超过了人类的平均水平。
但同时也发现，随着注意力模型引入自动驾驶领域，对计算能力的需求远远超过摩尔定律，导致大模型的训练成本很高，在终端设备上落地尤其困难。
“一般来说，Transformer所需的计算能力是CNN所需的100倍，但在这种计算能力下，平均6.9%的计算能力贡献了94%的价值，并且存在大量的弱相关和低值运算，造成了大量的乘加运算和功耗的浪费。」
为此，Mimo正在通过低碳超级计算降低自动驾驶的成本，通过改进车模和芯片的设计实现大模型的落地，通过数据组织让大模型发挥更有效的作用。
作为一个同样依赖数据智能的超级玩家，特斯拉解决计算能力问题的方案是2021年正式亮相的超级计算机Dojo，将自动驾驶带到了一个新的高度。
几乎与此同时，去年12月，Mimo也宣布成立自己的超算中心。