文|邻章

一周前，毫末智行在线上举办了第六届 HAOMO AI DAY 品牌日活动，用以展示自身在自动驾驶领域的最新成绩和技术思考。

透过毫末智行在这场AI技术大会上公布的各种成绩以及技术落地和践行探索，则不难发现：毫末智行这家成立刚超1000天的公司，演绎出了中国自动驾驶的毫末速度——其一方面用过硬成绩验证了“渐进式自动驾驶路线”的正确性；另一方面，快速的技术落地能力以及对前瞻技术趋势准确把握和采用，也让其在这场奔赴自动驾驶星辰大海的角逐中，成为了最有机会达到终点的选手。

一直以来，自动驾驶在技术商业化落地路径上，都存在着路线之争——究竟是从L1-L2-L3渐进前行至L4级无人驾驶；还是直接一步到位，实现跨越式发展？

对此，业内形成了态度分明的两派，甚至为此不惜大打口水战。

但从近几年技术发展现实来看：跨越式发展虽然有着相对究极的技术浪漫狂想，但却因忽略了技术进步速度与商业落地的现实困境，最终是被渐进派压过一头。

特别是在坚定拥趸自动驾驶渐进式发展的特斯拉和毫末智行，在智能辅助驾驶领域取得巨大成功的现实下。

在第六届 HAOMO AI DAY上，毫末智行公布的一组数据是：旗下毫末HPilot当前已搭载至魏牌摩卡、魏牌拿铁、魏牌玛奇朵、坦克300、坦克500、哈弗神兽、欧拉闪电猫、欧拉芭蕾猫、全新一代长城炮等超10款热门车型上；但毫末HPilot在乘用车领域更为令人震惊的一组数据是：截至2022年9月，毫末用户辅助驾驶行驶总里程突破1700万公里，在中国量产自动驾驶阵营坐稳第一名。

这显然是一组极具含金量的数据，特别是对于成立仅1020天的毫末智行而言。

在我看来，这组数据一方面彰显了毫末模式所具备强大竞争力和优越性，其让毫末智行通过规模落地优势在短时间内就迅速追平了因成立时间较短导致的时间劣势，成功坐上了中国量产自动驾驶头把交椅；而若考虑到毫末智行当前还并行着30个项目的异步开发，未来搭载车型达到百万量级的现实，那么毫末智行在中国量产自动驾驶第一名的地位，将会进一步夯实。

而另一方面，毫末智行也通过这份成绩单，验证了渐进式自动驾驶路线确实是实现数据积累的最佳路径。可以说，毫末智行用1000天拿下的这份中国量产自动驾驶第一名的成绩单，已然为渐进式自动驾驶路线的可行性进行了又一次的正名与代言。而上一家为“渐进式路线是实现数据积累的最佳路径”正名与代言的厂商，则是特斯拉。

为何渐进式路线是实现数据积累的最佳路径？其实并不难理解。从核心要素来说：可以将自动驾驶看作为数据驱动型产品——“数据是算法进步的关键，算法再强也不能取代数据的不够”。

这一现实，要求自动驾驶技术要以足够规模和足够多样的数据且真实的数据为支撑。但这样的数据，从何处来？究竟是高成本难落地的L4，还是相对低成本、更易落地的L2、L2+更容易实现数据获取，答案不言自明。

对此，厂商们已用脚投票，这从当前乘用车领域玩家几乎都采用了渐进模式，便可见一斑。

这是渐进式自动驾驶路线的胜利。但于现实而言，这可能也只是自动驾驶的一小步，毕竟渐进式自动驾驶路线要奔赴的星辰大海，依旧是无人驾驶。

而最终能有多少公司可到达终点，当前尚不可知。但毫末智行在这场AI DAY上释放的信息，让我认为它是最具机会的公司之一。

为什么这么说，我们可以从这样几个层面来看：

首先是数据和多车型量产落地优势，上述已谈到，毫末HPilot已在超十款车型上实现量产落地，并以此助力毫末智行以超1700万公里的智能辅助驾驶总里程，成为当前国内量产自动驾驶第一名。

而毫末当前在多车型中落地辅助驾驶技术的能力，在当下国内市场乃至全球市场，都是独一份的存在，属于一个人探索了行业无人区。而这种超前探索，也为毫末智能辅助驾驶技术接下来实现更大规模、更多车型落地，进一步扩大数据积累领先优势，构建起了坚固护城河。

第二是在技术落地上，毫末智行已率先建立起智能辅助驾驶全场景体验。

在本届AI大会上，毫末智行宣布：毫末城市NOH，将成为国内第一个大规模落地的城市导航辅助驾驶，将在九月份就开启交付，从功能来看，其具备“智能识别交通灯、智能左右转、智能变道、智能躲避障碍物-静态、智能躲避障碍物-动态”五大主要功能。

至此，也标志着毫末智行率先为用户带来了从高速、匝道、到城市环境、至停车泊车等在内的出行全场景智能辅助驾驶体验。

而从现实来说，面对城市导航辅驾驶这一当前自动驾驶功能的核心竞争点，毫末智行赢得先手棋，无疑是证明了其技术的领先性。

毕竟面对“城市道路养护”、“大型车辆密集”、“变道空间狭窄”、“城市环境多样”、道路参与者众多等场景难题频出的城市道路，其技术难度显然也将呈指数级上升。

这自然是极为考验自动驾驶公司们的技术实力，可以说，它是校验厂商们真正技术实力试金石。

而毫末智行得以率先开启城市NOH交付落地，这也得益于毫末自动驾驶数据智能体系MANA的赋能。在其赋能下，毫末城市NOH采用了“重感知、轻地图、大算力”的技术路线，这让其具备了可更快速且低成本的实现大范围城市落地能力。

如我们所见：过往，高精地图是通往高阶辅助驾驶中必要选项。但于现实而言，高精地图也有着覆盖范围不全、更新频率跟不上道路环境的变化、成本较高等现实困境，更何况，掌握高精地图测绘资质的仅为少数厂商，这在无形中也让厂商有着被拿捏的风险。

对此，毫末智行则是依托MANA赋能，通过对MANA的感知智能和认知智能进行针对性升级调整，在大规模量产车无标注数据的自监督学习方法、增量式数据学习方法、用时序的Transformer模型在BEV空间上做虚拟实时建图等一系列技术加持下，使得毫末城市NOH可以不依赖于高精地图，而是让车辆依靠自身融合感知，仅通过和人类驾驶员一样的普通导航地图，即可完成高阶智能辅助驾驶，成为了“更懂中国城市路况的导航辅助驾驶”。

第三则是在技术前瞻布局上，毫末智行仍旧走在业界最前列。

诸如国内首个智能驾驶数据智能体系 MANA，当前基本完成数据闭环，具备真正感知、认知智能的有效协同。截止目前，MANA的学习时长超过31万小时，虚拟世界驾龄相当于人类司机的4万年的驾龄；

又如毫末智行在本届AI DAY上首次提出了自动驾驶 3.0概念，表示自动驾驶行业正在进入一个以数据驱动为核心的新时代——其显著特征是：数据规模将达到1亿公里以上、感知技术能实现多模态传感器融合输出结果；认知技术上以可解释的场景化驾驶常识为主；模式建设上采用大模型大数据。

事实上，毫末也一直在为自动驾驶3.0时代做准备，以模式建设为例，积极拥抱作为当前AI发展的新趋势的Transformer大模型、Attention大模型，其早在2021年6月便启动的针对Transformer大模型的研究和落地尝试，并最终将相关成果成功应用在毫末城市NOH功能中；而为应对Attention大模型对算力的特殊需求，毫末智行更已官宣中国自动驾驶科技公司中首个超算中心——其设计目标是：满足千亿参数大模型，训练数据规模100万clips，整体训练成本降低200倍。

如此种种，都为毫末智行持续抢占技术高地，从容应对自动驾驶新需求、新挑战奠定了坚实基础。

第四则是用技术不断实现成本压缩，提升客户对自动驾驶技术的可接受度。这一点在针对B端的末端物流自动配送车毫末小魔驼2.0上，体现得尤为明显。通过持续的技术进步，当前具备L4级自动驾驶能力的毫末小魔驼2.0的单车售价已经来到了12.88万元，这比业界平均水平便宜了近一倍。

不断降低的自动驾驶技术落地门槛，也为毫末小魔驼2.0规模化量产、落地铺平了道路——在本届毫末AI ADAY上，毫末公布的一组数据是：截至2022年9月，毫末小魔驼已在北京顺义为物美多点配送订单超过9万单。

坚持渐进式自动驾驶路径，为智能辅助产品规模化商业落地和持续进化，创造了可行性。但对于自动驾驶这条长路而言，这并不是终点，甚至可以说这只是新的起点，毕竟无论是渐进式路线也好，还是跨越式路线也罢，其要奔赴的终点，都是实现无人驾驶。

而最终能有多少公司到达终点，我们尚不可知，但就目前形势来看，个人认为既拥有数据优势和技术实力，同时又具备前瞻布局的毫末智行，应该是最具机会的公司之一。