顾维灏|未来三年覆盖100万辆车，毫末智行360T算力之下还有一个「雪湖」

机器之心报道
机器之心编辑部
十亿元融资的同时，毫末的数据智能完成了体系化打造，已形成数据闭环与产品闭环。
「毫末的同学们用疯狂的工作热情，在 24 个月内打造了 12 款产品，」毫末智行 CEO 顾维灏说道。「我们乘用车的首款产品魏牌摩卡在不到七个月的时间里，辅助驾驶里程已经突破 400 万公里，用户非常喜爱我们提供的新功能。」

文章插图

说到国内发展速度最快的自动驾驶公司，可能非毫末智行莫属。12 月 23 日，在毫末智行 AI Day 活动中，这家国内自动驾驶独角兽公布了一组亮眼的落地数据，同时宣布推出国内首个自动驾驶数据智能体系 MANA。

文章插图

在新体系加持下，明年中量产搭载「小魔盒 3.0」的汽车上，自动驾驶系统将实现巨大进步，毫末智行表示，通过将数据、算法、应用系统高度整合起来，城市场景自动驾驶的挑战已被解决。MANA 作为毫末 AI 的底层系统，将成为数据智能进化的核心动力。

文章插图

数据是人工智能最大的驱动力，也是最大的成本。自动驾驶产品的进化是一个长期过程，所以毫末数据智能的核心，就是降低成本、提高迭代速度。顾维灏将其比喻为毫末数据智能的「思想钢印」。
数据智能体系 MANA
MANA 是一个完整的智能驾驶数据智能体系，一举把毫末智行在自动驾驶领域中从数据挖掘、知识再到车端应用的能力全部打通，之前相对独立的点被串联了起来。

文章插图

MANA 包含四个子系统，其中：
MANA 的第一个进步是数据利用效率的升级，实现了 AI 算法「后融合」到「前融合」的演进。
后融合方法是当前业界大多数公司通行的思路，自动驾驶系统通过多任务学习来自传感器数据不同的特征层，再通过不同任务实现分割，检测等任务。

文章插图

这样做最大的问题就是无法高效利用多传感器的配合。利用近年来跨模态算法和时间序列算法的进步，毫末的工程师们实现了前融合方法。
在新范式下，自动驾驶算法首先把从摄像头和 LiDAR 的感知中间结果，经过基于 Transformer 框架的多模态模型融合映射到张量空间中。然后加入时序的特征，使用循环神经网络 RNN 和光流 SLAM 进行时空融合，获得了时空一体的模型，在此基础上再进行多 head 计算，进行决策推理。

文章插图

这种算法配合汽车上越来越多的传感器，将实用化的自动驾驶从高速路拓展到了城市场景。
通过前融合方法，从相机、点云上提取的特征在张量层次被拼接到俯视图视角的一张图上，在 3D 维度上检测车道线，道路和车辆、行人等物体，该方法有效提高了障碍物，车道线检测的能力，让机器可以更准确地刻画现实世界。
从感知跃升到认知，MANA 带来了哪些启示？
在 AI 能力大规模应用的今天，让机器获得视觉、听觉、触觉等能力的感知智能承担了与真实世界进行交互的大部分工作。但对于人工智能来说，认知和推理能力才是未来方向。