中国首个自主品牌的领航辅助驾驶系统登场：毫末智行火力全开，乘用车、无人物流双双量产

原创姚旭阳汽车之心

收录于合集

过去一年多时间里，除去疫情最严重的时期，毫末智行 CEO 顾维灏基本上每两周都会从北京出差去一次保定。

其中一项重要日程，就是和他的搭档——公司的董事长张凯一起测试最新版本的 NOH 功能。

NOH，全称是 Navigation on HIPilot，毫末智行称为智慧领航辅助驾驶系统。

这套系统可以在高速和城市快速路上，在高精度地图覆盖的范围内，基于用户设定的导航路线，实现从 A 点到 B 点的智慧领航辅助驾驶。

这一系统从 2019 年立项，前后历时 20 个月研发，终于要在量产车型上发布了。

9 月 28 日，在今年第三季度的品牌开放日活动上，毫末智行官方宣布：

NOH 智慧领航辅助驾驶系统即将在今年 10 月份在长城汽车 WEY 品牌摩卡上首发上线，接下来，这套系统还将搭载在坦克等品牌的多款车型上。

同时，毫末智行对外公布，搭载「小魔盒」（即毫末智行自研的 ICU 域控制器）的量产车辅助驾驶行驶里程突破 100 万公里；

毫末智行还与阿里达摩院正式与达成合作，在无人配送领域，助力无人配送车「小蛮驴」实现规模化部署。

据毫末智行董事长张凯透露，目前毫末智行正承担着 2022 年长城汽车 34 款车型的高级别辅助驾驶系统开发任务，占长城汽车全年待上市车型的近 80%。

他预计，到 2022 年，高级别辅助自动驾驶在长城销售新车中的渗透率将超过 40%，到 2025 年这个数字会提高至 80%。

无论从技术、产品、量产和数据量等维度，毫末智行这家与长城汽车紧密绑定的科技公司，正在自动驾驶赛道上高速行进。

一年内发布多款重磅产品，唯快不破

「合抱之木，生于毫末」，这是毫末智行公司名字的由来。「快速生长」，是毫末智行发展中的关键词。

毫末智行的前身是长城汽车智能驾驶系统开发部。2019 年 11 月，毫末智行正式成立。

到 2021 年，毫末以每个季度为节点举行「品牌开放日」，落地的新进展不断。

毫末智行的业务战略称为「风车战略」，主要包含 3 大板块：乘用车自动驾驶、智能硬件以及无人物流车。

在今年 6 月份，毫末智行一口气发布了 10 款产品，包括面向城市通勤场景的乘用车智能驾驶域控制器「小魔盒 1.5」、无人配送车「小魔驼」、无人车通用线控底盘「小魔盘」等，其中一部分技术已经在长城汽车、美团无人配送车上进行量产应用。

截止二季度，其用于乘用车的辅助驾驶产品搭载于长城 WEY 摩卡车型上，单月出货达到 5000 套，并且当时辅助驾驶行驶里程已经突破 45 万公里。

而到 9 月份这次品牌开放日活动上，毫末「风车战略」下的三大业务板块又有了重要进展：

乘用车业务板块，更高阶的辅助驾驶功能 NOH 将在 10 月份在长城汽车 WEY 摩卡上正式发布。

这意味着，在特斯拉等新势力车企之外，毫末智行将帮助长城汽车成为自主品牌中率先推出领航辅助功能的企业。

毫末智行披露，其最新的辅助驾驶行驶里程已突破 100 万公里，包含来自 WEY 摩卡、坦克 300 城市版的车主驾车里程数以及毫末自有测试车辆的里程数。

其中，WEY 摩卡用户的辅助驾驶功能开启率达到 30%。

顾维灏告诉汽车之心，「100 万公里的数据中，由摩卡和坦克 300 等车主用户贡献的辅助驾驶里程大概是 60 万公里，测试里程大约为 50 万公里。目前，用户使用里程数据还在快速增长。车辆规模一旦形成，特别是在经过十一假期，很快纯用户里程就可以超过 100 万公里。」

无人配送业务板块，毫末智行这次宣布，与阿里巴巴达摩院小蛮驴正式达成合作。此前，毫末智行在无人配送领域，已经与美团、多点等开展合作。

据了解，阿里达摩院将选择毫末智行为其智能物流无人车「小蛮驴」进行生产制造、出厂测试验证、规模量产等联合创新及全生命周期服务。

毫末智行全面助力小蛮驴质量保障和规模化量产。根据达摩院的计划，2021 年其将在国内校园内陆续投放 1000 台智能物流无人车。

智能硬件业务板块，毫末智行在这次活动上展示了全栈自研的小魔盒 3.0（即自动驾驶域控制器 ICU 3.0）。

目前，毫末智行已经推出了三代域控制器产品，分别为小魔盒 1.0、小魔盒 1.5 和小魔盒 3.0，三代产品基本同步在进行开发。

其中，即将上线的 NOH 功能是在小魔盒 1.0 的基础上加入地图盒子，构成最新的硬件配置。

这次最新亮相的小魔盒 3.0 基于高通骁龙 RIDE 芯片，是目前全球可量产的最高算力自动驾驶计算平台，其单板算力达到 360T，可持续升级到 1440TOPS，能有效支撑 AI 视觉大模型的车载运算，以及车端感知数据的筛选、清洗、脱敏和回流。

在算法方面，依托小魔盒 3.0，毫末智行布局了 ONESTAGE 大算力 AI 视觉技术。

毫末智行预计，到 2022 年中，毫末智行有望成为国内算力最大的自动驾驶计算平台。

到 2022 年，小魔盒 3.0 和依托小魔盒 3.0 打造的 AI 自动驾驶技术将使毫末实现质的飞越。

届时，搭载小魔盒 3.0 的长城汽车在感知能力方面会是国内市场上最领先的产品，同时也将覆盖城市通勤场景。

数据智能，快的底层逻辑

「如果在 1 万辆车，或者只有 10 万辆车的基础上做自动驾驶，一定没有拥有 100 万辆车（的团队）做出来的自动驾驶功能更强。算法再强，也不能取代数据不足。最核心的技术点，就是如何可持续高效地积累有价值的数据。」在采访中，顾维灏抛出了这样的观点。

想要又快又好地打造自动驾驶系统，核心是构建「数据智能」。

顾维灏认为，规模是自动驾驶战役制胜的基础。而根据毫末智行此前公布的数据，未来三年，毫末智行预计搭载其辅助驾驶系统的汽车总量将超过 100 万台。

对数据的高效发掘，近年来也是各大车企关注的热点。比如，特斯拉在今年的 AI Day 上发布超算平台 Dojo，就是为了处理来自自动驾驶过程中产生的大量数据。

在全球范围内，特斯拉已经有数百万台的量产车，其通过自动驾驶采集获取到的数据规模几乎也是史无前例的。

顾维灏的判断是，「谁能可持续、低成本且高效地获取有价值的数据，谁就有机会活到最后胜利的那一天。」

据了解，在小魔盒采集的数据基础上，毫末智行对 NOH 进行了两方面的优化：

提升认知智能，为 NOH 提供了驾驶策略支持。通过采集辅助驾驶系统使用数据，毫末智行会分析在什么场景下，用户会接管，然后将人工介入的场景转化为驾驶策略，来提升 NOH 的成功率和可用性；

提升感知智能，毫末智行采用的是以视觉摄像头为主的感知技术，并且团队也在开发中采用适用于超大规模数据集的 Transformer 技术，从而在多元的数据中训练获得更好的模型。

反映到实际功能上，顾维灏介绍，NOH 在弯道和车道线不清晰的场景做了重点突破。另外，NOH 跨高速场景下汇入汇出的处理，做到了与行业顶尖公司相近的水平。

应用于自动驾驶的人工智能技术依赖于两个关键的环节：模型和数据。

足够多和足够好的数据是训练出优秀模型的前提。为此，毫末智行投入了大量资源构建自身的数据智能闭环。

首先，通过云端的基础大模型自动诊断分析帮助车端任务域模型更快进步；

其次，毫末使用了无监督聚类的方法挖掘更多相似困难场景，解决 AI 模型的数据偏见问题，通过使用模型并行和任务流并行的方式，大大提高了 AI 模型的迭代速度，加快了技术进步的速度；

最后，毫末使用了 CSS 云端并行仿真，自动化生成测试案例，极大加快了 AI 算法的验证速度。

在数据一端，毫末在小魔盒 1.0 所配套使用的感知方案为 5R1V（5 个毫米波雷达+1 个摄像头）；

在小魔盒 3.0 上，搭载了 5R14V2L 方案，也就是在毫米波雷达和摄像头之外增加 2 个激光雷达；

3.0 在视觉传感器上，还增加应用了 800 万像素摄像头，这些硬件都会带来更多更优质的数据。

为了支撑大量的感知推理计算，长城汽车、毫末智行共同联合高通推出了目前全球算力最高的可量产自动驾驶计算平台 ICU 3.0，也就是小魔盒 3.0，其平台单板算力达 360 TOPS，可持续升级到 1440TOPS。

顾维灏表示，「这相当于，毫末智行的 AI 大脑是中国自动驾驶界的算力怪兽。2022 年搭载小魔盒 3.0 车型在感知能力方面，会是中国市场最领先的。同时，系统也将覆盖城市通勤场景。预计到 2022 年中，毫末智行有望推出国内算力最大的自动驾驶计算平台。」

决战 2025，上车 100 万辆

与市面上的大多数自动驾驶公司不同，毫末智行从一开始成立，就有很强的车企基因。换句话说，毫末智行一直是「车企+科技公司」的混合型选手。

长城汽车的背景是它的量产试验田，车企背景又融入科技公司的的因素使得毫末智行同时拥有着极致的研发效率。

毫末智行对自己的定位是，首先是一家自动驾驶人工智能公司，而不是一家服务汽车产业的传统 Tier 1。

目前，公司的首要任务是服务好长城汽车，双方共同研发出高级别自动驾驶产品。

据张凯透露，「毫末智行目前承担了长城汽车 2022 年 34 款待上市车型的高级别辅助驾驶开发任务，占长城汽车全年待上市车型接近 80%。2022 年长城汽车高级别辅助自动驾驶渗透率超过 40%。考虑到后续几年消费的升级，以及成本降低等因素，我认为，到 2025 年高级别辅助自动驾驶的市场渗透率非常有可能达到 80%。」

按照长城汽车的 2025 战略规划，其在 2025 年的销量目标是 400 万辆。如果真能实现 80% 的高级别自动驾驶搭载率，那就是 320 万辆。

那既然已有技术，也有客户，毫末智行下一步将如何推动技术大规模商业化？

在张凯看来，自动驾驶有两大商业化落地途径：