易車訊 日前，我們從官方渠道獲悉，在第八屆HAOMO AI DAY上，毫末智行發布自動駕駛生成式大模型DriveGPT，中文名"雪湖·海若"。生態方面，毫末官宣取得3個主機廠定點合同，商業化迎來躍升一步；同時毫末推出的中國首個重感知、不依賴高精地圖的城市NOH即將量產上車，最先落地北京、上海、保定等城市。

毫末打造的自動駕駛生成式大模型DriveGPT雪湖·海若通過引入駕駛數據建立RLHF（人類反饋強化學習）技術，對自動駕駛認知決策模型進行持續優化，現階段主要用于解決自動駕駛的認知決策問題，終極目標是實現端到端自動駕駛。

毫末DriveGPT雪湖·海若已開啟對銷敗虧限量首批生態伙伴的開放合作，北京交通大學計算機與信息技術學院、高通、火山引擎、華為云、京東科技、四維圖新、魏牌新能源、英特爾等高校與企業加入。

產品方面，毫末中國首款可大規模量產落地、重感知城市NOH，將首批落地北京、保定、上海等城市，并開啟泛化測試，到2024年有序落地100城。首款搭載HPilot3.0的新摩卡DHT-PHEV即將重磅上市，這也是毫末DriveGPT雪湖·海若的首發落地車型，全面確保毫末城市NOH的行業領先性。

生態層面，毫末乘用車6P開放合作取得重大突破，已與3家主機廠簽署定點合同，相關項目正在交付中。這是毫末商業化的重要一躍，全面保障了毫末高速發展態勢。

毫末智行董事長張凱判斷：“2023年智駕產品進入全線爆發期，大模型開啟在車端的落地應用，車主的使用頻率和滿意度成為產品競爭力的重要衡量標準。毫末不斷進步的數據驅動的六大閉環能力將進一步加速毫末進入自動駕駛3.0時代的步伐并形成相應的護城河。”

張凱認為，智駕產品正在進入快速增長的全線爆發期，2023年是非常關鍵的一年。首先，城市導航輔助駕駛產品在2023年將圍繞量產上車發力，主要玩家的城市導航輔助駕駛產品進入到真實用戶覆蓋和多城市落地的比拼。其次，行泊一體和末端物流自動配送產虧神業商業化將成為自動駕駛公司深耕的重點。在乘用車領域，搭載行泊一體功能的智駕產品將迎來前裝量產潮；在末端物流自動配送領域，末端物流自動配送車在商超、快遞等場景迎來爆發，2023年將在這些場景實現可持續商業化閉環。

首款搭載HPilot3.0的新摩卡DHT-PHEV即將重磅上市，第二款搭載毫末HPilot3.0的車型魏牌藍山也將在今年發布。毫末HPilot整體已搭載近20款車型。用戶輔助駕駛行駛里程突破4000萬公里，HPilot2.0輔助駕駛日均行駛里程使用率達到了12.6%。海外布局方面，搭載毫末HPilot的車輛已運往歐盟、以色列等地區和國家，陸續交付到用戶手中，接下來將在中東、南非、澳大利亞等市場陸續投放；同時，毫末HPilot即將量產墨西哥版本及俄羅斯版本。

3月，高工智能汽車研究院在每個年度基于前裝量產數據庫及定點車型庫數據進行綜合評估，通過對毫末前裝近20款車輛等數據研究，為毫末頒發年度高階智能駕駛系統量產份額領軍獎。第三方數據佐證毫末是中國量產自動駕駛絕對領軍者。

其次是“MANA大模型巔峰之戰”，中國首個自動駕駛數據智能體系MANA架構已迎來全線升級。到2023年4月，MANA學習時長超56萬小時，相當于人類司機枯則6.8萬年。毫末DriveGPT雪湖·海若，已經完成基于4000萬公里駕駛數據的訓練，參數規模達1200億。

第三是“城市NOH百城大戰”，中國首款可大規模量產落地、重感知城市NOH，已在北京、保定、上海等城市開啟泛化測試，即將量產上車，到2024年有序落地100城。毫末會以“安全為先、用戶為先、規模為先”的原則，加速贏得城市NOH百城大戰。

最后是“末端物流自動配送商業之戰”，毫末末端物流自動配送車小魔駝已在商超履約、智慧社區、校園配送、餐飲零售、機場巡邏、高校教育、快遞接駁、智慧園區、大氣環評等九大場景開啟運營，加速商業化閉環能力。2023年3月，小魔駝2.0獲北京亦莊無人配送車車輛編碼，開啟亦莊運營。毫末也成為《北京智能網聯汽車政策先行區無人配送測試規范》升級后，準許在北京市高級別自動駕駛示范區公開道路進行無人配送車測試的首個公司。

“技術領先是生存根本，毫末鼓勵所有技術研發同學投入到技術創新當中。”張凱在演講中再次強調了毫末對于技術研發投入的堅定決心。截至目前，毫末已獲得專利證書164件，國際頂級學術會議論文收錄6篇，最新2篇更是分別入選計算機視覺識別領域三大頂會之一的CVPR和全球首個智能車專業期刊IEEE TIV。毫末已將所有論文在GitHub開源，與業內共享。

現場，張凱還向外界公布了毫末6P開放合作的重要進展，目前已與3家主機廠簽署定點合同，相關項目正在交付中。“毫末始終認為，自動駕駛是一個共同進退、共享成果的前沿產業。只有健康的生態伙伴才能支持毫末高速發展。”張凱表示。

此外，毫末一直堅持場景化用戶體驗設計、人工智能技術、技術工程化能力均衡發展，不斷以數據驅動閉環的方式完善用戶體驗。張凱介紹，三個月時間，毫末在數據驅動六大閉環體系上實現多重進展。

用戶需求閉環方面，毫末對駕駛場景數據持續分析完善策略，并進行新功能體驗反饋；研發效能閉環方面，毫末將數據驅動理念深入到產品需求定義、感知與認知算法開發等產品開發流程，整體開發效率提升30%；數據積累閉環方面，毫末在車端部署診斷服務數據場景標簽覆蓋92%的駕駛場景。

數據價值閉環方面，毫末大模型正在持續挖掘數據價值解決關鍵問題；產品自完善閉環方面，毫末實現售后問題處理速度較傳統方式的十倍效率提升，實現最快10分鐘定位售后問題。兩年時間有效挖掘產品提升點，問題閉環率達76%；業務工程化閉環方面，毫末進一步完善了從采集回流、標注訓練、系統標定、仿真驗證等環節到最終OTA釋放環節的產品研發全流程工程化閉環。

毫末DriveGPT雪湖·海若通過引入駕駛數據建立RLHF（人類反饋強化學習）技術，對自動駕駛認知決策模型進行持續優化。它的最終目標是實現端到端自動駕駛，現階段主要用于解決自動駕駛的認知決策問題，后續持續會將毫末多個大模型的能力整合到DriveGPT。目前，毫末DriveGPT雪湖·海若實現了模型架構與參數規模的升級，參數規模達到1200億，預訓練階段引入4000萬公里量產車駕駛數據，RLHF階段引入 5萬段人工精選的困難場景接管Clips。

DriveGPT雪湖·海若的底層模型采用GPT（Generative Pre-trained Transformer）生成式預訓練大模型，與ChatGPT使用自然語言進行輸入與輸出不同，DriveGPT輸入是感知融合后的文本序列，輸出是自動駕駛場景文本序列，即將自動駕駛場景Token化，形成“Drive Language”，最終完成自車的決策規控、障礙物預測以及決策邏輯鏈的輸出等任務。

DriveGPT雪湖·海若的實現過程是，首先在預訓練階段通過引入量產駕駛數據，訓練初始模型，再通過引入駕駛接管Clips數據完成反饋模型（Reward Model）的訓練，然后再通過強化學習的方式，使用反饋模型去不斷優化迭代初始模型，形成對自動駕駛認知決策模型的持續優化。同時，DriveGPT雪湖·海若還會根據輸入端的提示語以及毫末CSS自動駕駛場景庫的決策樣本去訓練模型，讓模型學習推理關系，從而將完整駕駛策略拆分為自動駕駛場景的動態識別過程，完成可理解、可解釋的推理邏輯鏈生成。

現場，毫末宣布DriveGPT雪湖·海若首發車型是新摩卡DHT-PHEV，即將量產上市。顧維灝提到，DriveGPT雪湖·海若可以逐步應用到城市NOH、捷徑推薦、智能陪練以及脫困場景中。有了DriveGPT雪湖·海若的加持，車輛行駛會更安全；動作更人性、更絲滑，并有合理的邏輯告訴駕駛者，車輛為何選擇這樣的決策動作。對于普通用戶來說，車輛越來越像老司機，用戶對智能產品的信任感會更強，理解到車輛的行為都是可預期、可理解的。

毫末DriveGPT雪湖·海若將攜手生態伙伴率先探索四大應用能力，包括智能駕駛、駕駛場景識別、駕駛行為驗證、困難場景脫困。當前，毫末在使用數據過程中，逐步建立起一套基于4D Clips駕駛場景識別方案，具備極高性價比。在行業上，給出正確的標注結果，一張圖片需要約5元；如果使用DriveGPT雪湖·海若的場景識別服務，一張圖片的價格將下降到0.5元。單幀圖片整體標注成本僅相當于行業的1/10。接下來，毫末會將圖像幀及4D Clips場景識別服務逐步向行業開放使用，這將大幅降低行業使用數據的成本，提高數據質量，從而加速自動駕駛技術的快速發展。

顧維灝介紹，毫末在2023年1月發布的中國自動駕駛行業最大的智算中心MANA OASIS（雪湖· 綠洲）此次從算力優化等層面升級了三大能力，進一步支持DriveGPT雪湖·海若的算力。首先，毫末與火山引擎全新搭建了“全套大模型訓練保障框架”，實現了異常任務分鐘級捕獲和恢復能力，可以保證千卡任務連續訓練數個月沒有任何非正常中斷,有效保證了大模型訓練穩定性；其次，毫末研發出以真實數據回傳為核心的增量學習技術，并將其推廣到了大模型訓練，構建了一個大模型持續學習系統，自主研發任務級彈性伸縮調度器，分鐘級調度資源，集群計算資源利用率達到95%；最后，MANA OASIS通過提升數據吞吐量來降本增效，滿足Transformer大模型訓練效率，通過引入火山引擎提供的Lego算子庫實現算子融合，端到端吞吐提升84%。

毫末打造的中國首個自動駕駛數據智能體系MANA，在經過一年多的應用迭代后，本次AI DAY也迎來了全面的升級，正式開放賦能。顧維灝介紹，MANA計算基礎服務針對大模型訓練在參數規模、穩定性和效率方面做了專項優化，并集成到OASIS中；其次，MANA感知和認知相關大模型能力統一整合到DriveGPT雪湖·海若中；第三，增加了使用NeRF技術的數據合成服務，降低Corner Case數據的獲取成本；同時針對多種芯片和多種車型的快速交付難題優化了異構部署工具和車型適配工具。

此外，MANA的視覺感知能力持續提升，一方面可同時學習三維空間結構和圖片紋理，并將純視覺測距精度超過了超聲波雷達，BEV方案也擁有了更強的通用性和適配性；另一方面可實現單趟和多趟純視覺NeRF三維重建，道路場景更逼真，肉眼幾乎看不出差異。通過NeRF進行場景重建后，可以編輯合成真實環境難以收集到的Corner Case。在原有的全局視角修改、添加光照/天氣效果的基礎上，新增合成虛擬動態物體的能力，可以在原有設定的運動軌跡上，合成各種Hard Case，模擬城市復雜交通環境，用更低成本測試提升城市NOH能力邊界，更好提升應對城市復雜交通環境。

值得一提的是，面對目前行業里最難的視覺任務之一——單目視覺測量，繼特斯拉后，毫末也在中國率先開始驗證能否使用魚眼相機代替超聲波雷達進行測距，以滿足泊車要求。毫末把視覺BEV感知框架引入到了車端魚眼相機，做到了在15米范圍內達到30cm的測量精度，2米內精度高于10cm的視覺精度效果。泊車場景使用純視覺測距來取代超聲波雷達，將進一步降低整體智駕成本。

易車超級評測體系重磅上線！專業、硬核、全面的汽車評測內容云集，易車年度車型榜單新鮮出爐！上易車App搜索“超級評測”，等你來看！