GIV2022|毫末智行贺翔：数据驱动的3.0时代，获取数据，把数据转化为知识将是终极目标

2022年12月16日-17日，由安徽省发展和改革委员会作为指导单位，合肥市人民政府、中国电动汽车百人会作为共同主办单位的“2022全球智能汽车产业峰会”在安徽合肥举行。本届论坛围绕“全球新变革与智能汽车发展新战略”主题，设置了五场主题论坛和两场闭门会议，与行业组织、高校、龙头企业代表共同探讨中国智能汽车发展新路径。

其中，在12月17日举行的“生态论坛”上，Mimo智行的数据智能科学家何翔发表了精彩演讲。以下为现场演讲:

大家好，我是米莉之星的数据智能科学家何翔。感谢电动汽车100委员会的邀请，今天和大家分享一下米莉智行和智能驾驶的3.0时代。

2022年全球智能汽车市场的发展趋势有两个关键词，“规模”和“速度”。从规模来看，中国在全球智能汽车市场的份额已经达到57%。速度方面，中国智能汽车市场渗透率已达26%，预计到2025年中国高级辅助驾驶搭载率将超过70%。无论从规模还是速度来看，汽车的智能化，尤其是智能驾驶已经成为这一轮市场爆发的关键点，中国市场已经成为全球智能汽车销售的主战场。

智行从一开始就提出了自动驾驶发展的三大定律:从低速到高速，从装载到载人，从商用到民用。Mimo智行一直坚定地走可行、可靠、商用的渐进落地路线，以“风车战略”为核心，循序渐进。长期以来，自动驾驶存在渐进式和跨越式路线之争。基于真实用户使用数据的渐进路线是自动驾驶的最佳路线。因为从时间上来说，渐进路线量产更早；从规模上看，渐进路线更容易实现大规模量产；从数据上看，渐进路线是低成本高质量的真实人类驾驶数据。

Mimo智行一直坚定地走渐进式的发展路线。我们认为辅助驾驶是自由驾驶的唯一途径。需要通过大规模的量产车，以更低的成本获得更大规模、更多场景的高质量数据，进而以数据驱动的方式推动智能驾驶的双向循环。数据驱动让自动驾驶真正走向成熟。2021年，米莉智行获得“中国自动驾驶汽车第一车”称号，至今已有近20款。在末端物流自动配送车领域，Millicent发布的摩托2.0是业内首款面向商业市场的10万元级别配送车，有效推动了行业大规模商业化进程。经过三年的发展，基于量产车的规模优势，毫端用户辅助自动驾驶里程接近2400万公里，终端物流自动配送也完成了超过12万单。

Mimo智行的数据规模和多样性都在快速增长。我们有MANA，国内第一个自动驾驶数据智能系统，我们已经完成了数据闭环的构建。MANA的学习时间超过40万小时，相当于在虚拟世界中有4.8万年的驾驶经验。

过去十年，自动驾驶的基础技术发生了很多变化，比如大计算能力芯片，从2T提升到1000T，计算能力提升了500倍；随着大模型的出现，变压器大模型的参数数量增加了1000倍，达到千亿甚至万亿级别；摄像头像素从100万像素增加到1500万像素，摄像头数量增加了8个，数据规模增加了120倍。

Mimo智行认为，在传感技术已经进步到这样一种能力的前提下，自动驾驶的实现方式也会发生变化。我们把最近十年的自动驾驶技术分为三个阶段。最早的硬件驾驶模式被称为自动驾驶的1.0时代，近几年的软件驾驶模式被称为自动驾驶的2.0时代，即将到来的数据驾驶模式被称为自动驾驶的3.0时代。1.0时代主要靠激光雷达，成本高，里程少，100万公里左右。2.0时代，AI被广泛应用于汽车。当时主要是基于小模型、小数据，自动驾驶里程达到了几千万公里。在数据驱动的3.0时代，我们所做的一切都是为了更高效地获取数据，并将其转化为知识。从小模型、小数据到大模型、大数据，辅助驾驶里程需要超过1亿公里。

如果你关注Mimo智行的成长过程，你会发现Mimo智行一直在为智能驾驶3.0时代做准备。在感知、认知、模式理解方面，以数据驱动的方式冲刺进入自动驾驶3.0时代。

我们可以通过几个例子来看纳米数据的智能系统MANA在感知方向上的演变。在城市场景中，红绿灯是最常见的场景，但是红绿灯的识别却非常具有挑战性。主要难点包括:第一，由于其体积小，是典型的小目标检测问题；二是状态动态变化，比如闪烁；三是不规范，有横的，竖的，单的，三的，五的，各种带倒计时的；第四，每个灯具体管理哪条路，哪条车道。以前是靠高精地图解决小范围内的一些问题。没有高精地图怎么办？有没有更通用的解决方案？这个问题分两步。第一步，数据采集需要依靠大量的数据进行训练。除了大规模的真实数据，还引入了数据增强，获得了大量不同光照、不同背景的合成数据，弥补了样本的不足。我们使用混合偏移训练来减少核心数据和真实数据在特征空间中概率分布的差异，使两者的分布更加接近。第二，红灯的识别与绑定，设计了交通灯检测与绑定的双向感知模型。首先检测红绿灯，输出红绿灯的颜色、形状、方位等信息。然后，通过卷积神经网络获得交通灯的概率图，然后利用空间注意机制将两者结合起来，输入被捆绑交通灯的通信状态。基于这个方法，我们做了大量的测试，在不同的城市、不同的距离、不同的转弯、不同的光照条件下，都能准确识别。

除了红绿灯，城市道路感知的另一个复杂问题是车道线识别。2021年，Mimo智行全面推出变压器法，引领技术潮流。根据我们自己的业务特点，我们设计了BEV变压器来识别车道线。首先提取图像的特征，然后进行BEV映射。通过多重交叉注意形成一个完整的BEV空间，并加入时序特征以提高效果。

实现效果如何？车道线感知表现出非常强的优势，减少了车道线在3D投影中的抖动，在纵向误差方面表现更好，面对复杂的城市道路，对路面波动更鲁棒。多摄像头辅助扩大了探测视野，响应速度更快。

最后，我们来想象一下，在漫长的历史场合中，人类一直希望能够智能移动，从南指南车到木牛马，再到达芬奇笔下的无人自动驾驶汽车，都是这种愿望的体现，汽车行业也在为这一目标而努力。基于深度学习的自动驾驶技术在汽车行业掀起了一场智能革命。在这场革命中，中国的研究者和实践者不仅没有迟到，而且始终站在世界的最前沿。这是一场决定未来几十年产业升级的革命。在这个时代，Mimo智行有幸演绎了Mimo的故事。

非常感谢！(注:本文根据现场速记整理，未经发言人审核。)2022年12月16日-17日，由安徽省发展和改革委员会作为指导单位，合肥市人民政府、中国电动汽车百人会作为共同主办单位的“2022全球智能汽车产业峰会”在安徽合肥召开。本届论坛围绕“全球新变革与智能汽车发展新战略”主题，设置了五场主题论坛和两场闭门会议，与行业组织、高校、龙头企业代表共同探讨中国智能汽车发展新路径。

其中，在12月17日举行的“生态论坛”上，Mimo智行的数据智能科学家何翔发表了精彩演讲。以下为现场演讲:

大家好，我是米莉之星的数据智能科学家何翔。感谢电动汽车100委员会的邀请，今天和大家分享一下米莉智行和智能驾驶的3.0时代。

2022年全球智能汽车市场的发展趋势有两个关键词，“规模”和“速度”。从规模来看，中国在全球智能汽车市场的份额已经达到57%。速度方面，中国智能汽车市场渗透率已达26%，预计到2025年中国高级辅助驾驶搭载率将超过70%。无论从规模还是速度来看，汽车的智能化，尤其是智能驾驶已经成为这一轮市场爆发的关键点，中国市场已经成为全球智能汽车销售的主战场。

智行从一开始就提出了自动驾驶发展的三大定律:从低速到高速，从装载到载人，从商用到民用。Mimo智行一直坚定地走可行、可靠、商用的渐进落地路线，以“风车战略”为核心，循序渐进。长期以来，自动驾驶存在渐进式和跨越式路线之争。基于真实用户使用数据的渐进路线是自动驾驶的最佳路线。因为从时间上来说，渐进路线量产更早；从规模上看，渐进路线更容易实现大规模量产；从数据上看，渐进路线是低成本高质量的真实人类驾驶数据。

Mimo智行一直坚定地走渐进式的发展路线。我们认为辅助驾驶是自由驾驶的唯一途径。需要通过大规模的量产车，以更低的成本获得更大规模、更多场景的高质量数据，进而以数据驱动的方式推动智能驾驶的双向循环。数据驱动让自动驾驶真正走向成熟。2021年，米莉智行获得“中国自动驾驶汽车第一车”称号，至今已有近20款。在末端物流自动配送车领域，Millicent发布的摩托2.0是业内首款面向商业市场的10万元级别配送车，有效推动了行业大规模商业化进程。经过三年的发展，基于量产车的规模优势，毫端用户辅助自动驾驶里程接近2400万公里，终端物流自动配送也完成了超过12万单。

Mimo智行的数据规模和多样性都在快速增长。我们有MANA，国内第一个自动驾驶数据智能系统，我们已经完成了数据闭环的构建。MANA的学习时间超过40万小时，相当于在虚拟世界中有4.8万年的驾驶经验。

过去十年，自动驾驶的基础技术发生了很多变化，比如大计算能力芯片，从2T提升到1000T，计算能力提升了500倍；随着大模型的出现，变压器大模型的参数数量增加了1000倍，达到千亿甚至万亿级别；摄像头像素从100万像素增加到1500万像素，摄像头数量增加了8个，数据规模增加了120倍。

Mimo智行认为，在传感技术已经进步到这样一种能力的前提下，自动驾驶的实现方式也会发生变化。我们把最近十年的自动驾驶技术分为三个阶段。最早的硬件驾驶模式被称为自动驾驶的1.0时代，近几年的软件驾驶模式被称为自动驾驶的2.0时代，即将到来的数据驾驶模式被称为自动驾驶的3.0时代。1.0时代主要靠激光雷达，成本高，里程少，100万公里左右。2.0时代，AI被广泛应用于汽车。当时主要是基于小模型、小数据，自动驾驶里程达到了几千万公里。在数据驱动的3.0时代，我们所做的一切都是为了更高效地获取数据，并将其转化为知识。从小模型、小数据到大模型、大数据，辅助驾驶里程需要超过1亿公里。

如果你关注Mimo智行的成长过程，你会发现Mimo智行一直在为智能驾驶3.0时代做准备。在感知、认知、模式理解方面，以数据驱动的方式冲刺进入自动驾驶3.0时代。

我们可以通过几个例子来看纳米数据的智能系统MANA在感知方向上的演变。在城市场景中，红绿灯是最常见的场景，但是红绿灯的识别却非常具有挑战性。主要难点包括:第一，由于其体积小，是典型的小目标检测问题；二是状态动态变化，比如闪烁；三是不规范，有横的，竖的，单的，三的，五的，各种带倒计时的；第四，每个灯具体管理哪条路，哪条车道。以前是靠高精地图解决小范围内的一些问题。没有高精地图怎么办？有没有更通用的解决方案？这个问题分两步。第一步，数据采集需要依靠大量的数据进行训练。除了大规模的真实数据，还引入了数据增强，获得了大量不同光照、不同背景的合成数据，弥补了样本的不足。我们使用混合偏移训练来减少核心数据和真实数据在特征空间中概率分布的差异，使两者的分布更加接近。其次，红灯的识别与绑定，设计了交通灯检测与绑定的双向感知模型。首先检测红绿灯，输出红绿灯的颜色、形状、方位等信息。然后，通过卷积神经网络获得交通灯的概率图，然后利用空间注意机制将两者结合起来，输入被捆绑交通灯的通信状态。基于这个方法，我们做了大量的测试，在不同的城市、不同的距离、不同的转弯、不同的光照条件下，都能准确识别。

除了红绿灯，城市道路感知的另一个复杂问题是车道线识别。2021年，Mimo智行全面推出变压器法，引领技术潮流。根据我们自己的业务特点，我们设计了BEV变压器来识别车道线。首先提取图像的特征，然后进行BEV映射。通过多重交叉注意形成一个完整的BEV空间，并加入时序特征以提高效果。

实现效果如何？车道线感知表现出非常强的优势，减少了车道线在3D投影中的抖动，在纵向误差方面表现更好，面对复杂的城市道路，对路面波动更鲁棒。多摄像头辅助扩大了探测视野，响应速度更快。

最后，我们来想象一下，在漫长的历史场合中，人类一直希望能够智能移动，从南指南车到木牛马，再到达芬奇笔下的无人自动驾驶汽车，都是这种愿望的体现，汽车行业也在为这一目标而努力。基于深度学习的自动驾驶技术在汽车行业掀起了一场智能革命。在这场革命中，中国的研究者和实践者不仅没有迟到，而且始终站在世界的最前沿。这是一场决定未来几十年产业升级的革命。在这个时代，Mimo智行有幸演绎了Mimo的故事。

非常感谢！

(注:本文根据现场速记整理，未经发言人审核。)

标签：发现

汽车资讯热门资讯