又双叒叒交卷！毫末智行冲刺进入自动驾驶3.0时代

《一里尽头》智行的发展速度似乎比我们想象的要快。

自4月的墨豪艾日以来，不到5个月过去了。9月13日，在第六届墨豪AI日上，年底的智行自动驾驶发展亮出了新的成绩单。

在产品搭建方面，数据智能系统MANA已经完成了数十万个全要素、多模态片段的标注，积累了300万小时的中国道路驾驶认知场景数据库，相当于4万年的人类驾驶员，基本完成了数据闭环。

两年时间，毫米HPilot智能驾驶系统经历了6次OTA升级，迭代到3.0版本。

中国首款搭载量产NOH型号的陆丹蓝DHT-PHEV激光雷达版本计划于今年9月量产并销售。

小魔驼2.0稳定量产交付，在超市、物流等领域提供无人配送服务。目前总订单量已经超过9万单。

在产品应用方面，截至2022年8月31日，乘用车驾驶辅助系统用户总里程超过1700万公里，用户里程逐月增长，覆盖300多个城市...

成立仅1020天，十年末的智行可以说是自动驾驶发展的一程。新智家试图破茧而出，找出快速成长的原因。

或许用技术副总裁艾瑞在技术分享会上说的“弥昊之星选择很大胆”来形容其发展战略最为贴切。

敢于走数据驱动的道路

汽车智能化下半场，商业化竞争更加激烈。在这个时期，数据变得更加重要。毫不夸张地说，在智能化发展的大潮中，谁掌握了数据，谁就能成为这艘大船的舵手。

然而，在这条赛道上敢于高举数据大旗的选手并不多。泰斯拉是一个，知止也是一个。

马斯克以数据驱动的自动驾驶进步为核心。在这种策略下，他选择纯视觉的技术路线，放弃激光雷达和高精地图。数据和量产能力可以在发展中相辅相成，共同成为推动自动驾驶技术快速迭代的关键。显然，Mimo智行认同这一点，产品的量产成为Mimo智行获取所需数据的方法论之一。

艾瑞认为，特斯拉一直是整个行业追逐的目标。和特斯拉一样，Mimo智行也选择了数据驱动的技术路径，但不同的是，Mimo智行会走出自己的路。

此前，Mimo智行提出的“风车”战略聚焦于低速无人车、乘用车、智能硬件三大板块，通过数据智能化推动三大业务的发展。

在乘用车领域，通过在长城旗下众多品牌车型上安装驾驶辅助系统，在实际道路上不断获取运行数据，不断迭代更新数据，从而推动产品力的提升。

截至目前，已有十余款搭载毫米HPilot产品的乘用车车型实现量产。此外，摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫和新一代长城加农炮也正在交付。

此外，米莉之星也在加速布局无人配送赛道。

近年来，在疫情的影响下，无人配送轨道商业化的曙光初现，资本市场加大了押注，甚至有不少投行做出了“大胆”的预测:未来十年，中国无人配送的市场规模将达到1000亿以上。

在这个赛道上，米莉智行发布了小魔驼2.0，并推出了面向商业市场的10万元终端物流自动配送车产品。

如今，小魔驼2.0已经开始稳定量产交付，将为超市和物流领域提供无人配送服务。

到2022年9月，与物美合作的小魔驼运营项目订单量已超过9万辆，有力推动了末端物流自动配送车大规模商业化的产业化进程。

在Mimo智行的数据构建中，MANA是一个比较重要的环节。

2021年12月，在第一首《郝……AI DAY”，墨豪智行推出中国首个自动驾驶数据智能系统MANA，中文名“雪湖”。MANA是一套基于海量数据的数据处理工具，可以利用数据以更低的成本和更快的速度迭代优化产品。

MANA成为Mimo智行产品快速迭代的核心支撑力量。经过一年的发展，MANA进入了一个新的阶段，在感知智能和认知智能方面都迎来了更新和升级。

Mimo智行CEO顾郝伟表示

数据驱动的自动驾驶3.0时代已经到来，数据驱动的时代是一个完全不同的时代。"

在自动驾驶领域，特斯拉已经率先进入3.0时代，很有可能知止就是下一个。

注意力大模型是当前AI发展的新趋势，也带来了计算能力需求高、训练成本高、落地难度高等挑战。基于对自动驾驶3.0时代的洞察和大模型训练对计算能力的巨大消耗需求，Mimo智行自建超算中心的计划正在快速推进，目标是训练100万clips数据，大模型训练成本降低200倍，即将与市场见面。

“敢”正在登陆:NOH从高速到城市

当智能化浪潮席卷整个汽车行业时，汽车赛道上的选手们都使出浑身解数争夺市场。在不断的“内卷化”竞争下，汽车从单纯的交通工具被提升为集交通和娱乐为一体的智能终端，汽车智能化也从一个口号变成了实际需求和买车的标准。

在车企争相追求更高阶功能的同时，催生了自动驾驶公司对自动驾驶功能的大规模量产需求。

如今城市中NOH量产的战争已经从高速场景迅速蔓延到城市场景。在这个竞争激烈的赛道上，智行始终领先。

今年8月，搭载智能驾驶系统HPilot3.0的陆丹蓝DHT-PHEV在成都车展正式亮相，Mimo智行城NOH功能实现量产。至此，Mimo智行城NOH覆盖了高速和城市的全场景。

所谓城市道路辅助驾驶，就是根据用户设定的路线，帮助用户实现从A城市到B城市的驾驶。

相比高速场景，城市场景显然更难破。

城市场景中复杂的红绿灯变道、人与两轮车的混合模式、车道线不清晰给城市NOH的实现带来了更多的问题。

此前，无论是高速场景还是城市场景，大部分玩家都是依靠高精地图来实现辅助驾驶。

使用高精度地图可以极大地赋能辅助驾驶技术，这对于身处市场的后来者来说，似乎是缩短差距的最快方式。然而，高精地图在中国面临政策困难。此外，采用高精度地图会增加成本，而这些成本往往由消费者承担。

在数据平台的支持下，Mimo智行选择了“重感知、重算力、轻地图”的技术路径。所谓重感知、重计算力、轻地图，就是在数据和计算力的支持下，摆脱对高精地图的依赖。最大的亮点是可以智能识别红绿灯，智能左右转弯，智能变道，智能躲避动态和静态障碍物。

在城市场景下，从A点到B点的智能驾驶需要解决两个问题:一是保证驾驶的完整性和连续性，二是达到接近人类的驾驶水平，也就是车企所追求的“老司机”。

城市NOH面临四大问题:城市道路维护、大型车辆密集、变道空间狭窄、城市环境多变。

MANA不断积累场地和模拟数据，可以应对驾驶过程中的大部分场景。此外，通过与旧数据的耦合，它可以面对新的场景或城市中更令人关注的情况。

通过骨干数据计算和BEV Transformer的多模态融合，解决多传感器匹配和跨传感器跟踪问题，实现城市道路上的障碍物检测、车道线检测、可行驶区域分割、交通标志检测等。

MANA最大的特点就是模仿和学习人类d……独立的ving行为，而搭载了智行城NOH功能的车辆，在驾驶感上更像是“老司机”。

另外，城市的辅助驾驶功能已经进入商业化，玩家之间的竞争已经从单纯的技术之争变成了成本之争。MANA通过自我监控大大减少了训练次数，从而降低了人工阅卷的成本，在城市NOH中占据了成本优势。

在我看来，通过高精地图或数据实现城市NOH的两条路径没有区别，如何以较低的成本将功能转化为实际需求才是最重要的。

“敢”只是因为自信

小智慧看似快，实则厚积薄发。

在自动驾驶领域，上半场是比技术，下半场是拼产品。也就是说，谁能更早实现商业化量产，谁就能在这个赛道上脱颖而出。

在外界看来，他的选择相对“保守”，但从成立至今，他的战略路径一直非常坚定清晰，非常注重速度，一直奔目标就不断加速。

米米智行认为，渐进路线在自动驾驶领域优势明显。

一方面，渐进式的发展路线可以给市场带来规模效应，从而带动产品的快速迭代。另一方面，量产可以以更低的成本获得更大规模、更多场景覆盖的更多数据。

智能驾驶产品用户体验和数据获取的双向循环，让数据驱动的AI自动驾驶技术真正走向成熟。

也就是在渐进路线的指引下，米知止走上了“从低速到高速，从载货到载人，从商用到民用”的量产之路。

当市场上其他自动驾驶玩家还在苦苦寻找量产厂商的时候，Mimo智行的辅助驾驶已经早早上了车。长城汽车作为Mimo智行的股东，也是大客户，帮助Mimo智行实现量产。此外，在“风车战略”和MANA下，Mimo智行不断积累数据，构建稳定的量产能力。

时代的洪流奔腾向前，自动驾驶领域也在发生突变。在越来越激烈的竞争下，很多玩家悄然退出。然而，Mimo智行在这场风暴中迅速成长。如今，经过三年的发展，Mimo智行进入了新的发展阶段。

顾郝伟将自动驾驶的演进分为三个阶段:

硬件驱动的1.0时代:随着辅助驾驶渗透率的提高，自动驾驶部分将率先上车。这一时期主要是硬件驱动，依靠激光雷达实现感知，通过人工规则实现认知，规模在100万公里左右。

软件驱动2.0时代:随着自动驾驶技术的成熟，一些全栈自研整车厂商和软件供应商脱颖而出。在这个时期，自动驾驶开始从硬件驱动向软件驱动转变，这与1.0阶段不同，依靠传感器独立输出结果实现感知，规模约为100万-1亿公里。主要是小模型，数据很少。现阶段，在一些封闭园区和低速干线会应用自走式驾驶。

数据驱动3.0时代:随着自动驾驶生态的成熟，数据中心和计算平台的建设日趋完善。这个时期的发展主要是数据驱动，自动驾驶技术加速迭代。在感知层面，它依靠多模态传感器共同输出结果。在认知层面，可以实现离线强化学习提取驾驶常识，规模超过1亿公里。

当市场上大部分玩家还在专注于2.0时代的时候，Mimo智行已经准备好开始向3.0时代冲刺了。

在专家云集发展自动驾驶的江湖中，光有勇气是远远不够的。Mimo智行做出的选择都是基于自身实力，“Mimo模式”将成为中国自动驾驶发展的新范式。

雷锋网雷锋网雷锋网(微信官方账号:雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。发展……一里终点智行的ed似乎比我们想象的要快。

自4月的墨豪艾日以来，不到5个月过去了。9月13日，在第六届墨豪AI日上，年底的智行自动驾驶发展亮出了新的成绩单。

在产品搭建方面，数据智能系统MANA已经完成了数十万个全要素、多模态片段的标注，积累了300万小时的中国道路驾驶认知场景数据库，相当于4万年的人类驾驶员，基本完成了数据闭环。

两年时间，毫米HPilot智能驾驶系统经历了6次OTA升级，迭代到3.0版本。

中国首款搭载量产NOH型号的陆丹蓝DHT-PHEV激光雷达版本计划于今年9月量产并销售。

小魔驼2.0稳定量产交付，在超市、物流等领域提供无人配送服务。目前总订单量已经超过9万单。

在产品应用方面，截至2022年8月31日，乘用车驾驶辅助系统用户总里程超过1700万公里，用户里程逐月增长，覆盖300多个城市...

成立仅1020天，十年末的智行可以说是自动驾驶发展的一程。新智家试图破茧而出，找出快速成长的原因。

或许用技术副总裁艾瑞在技术分享会上说的“弥昊之星选择很大胆”来形容其发展战略最为贴切。

敢于走数据驱动的道路

汽车智能化下半场，商业化竞争更加激烈。在这个时期，数据变得更加重要。毫不夸张地说，在智能化发展的大潮中，谁掌握了数据，谁就能成为这艘大船的舵手。

然而，在这条赛道上敢于高举数据大旗的选手并不多。泰斯拉是一个，知止也是一个。

马斯克以数据驱动的自动驾驶进步为核心。在这种策略下，他选择纯视觉的技术路线，放弃激光雷达和高精地图。数据和量产能力可以在发展中相辅相成，共同成为推动自动驾驶技术快速迭代的关键。显然，Mimo智行认同这一点，产品的量产成为Mimo智行获取所需数据的方法论之一。

艾瑞认为，特斯拉一直是整个行业追逐的目标。和特斯拉一样，Mimo智行也选择了数据驱动的技术路径，但不同的是，Mimo智行会走出自己的路。

此前，Mimo智行提出的“风车”战略聚焦于低速无人车、乘用车、智能硬件三大板块，通过数据智能化推动三大业务的发展。

在乘用车领域，通过在长城旗下众多品牌车型上安装驾驶辅助系统，在实际道路上不断获取运行数据，不断迭代更新数据，从而推动产品力的提升。

截至目前，已有十余款搭载毫米HPilot产品的乘用车车型实现量产。此外，摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫和新一代长城加农炮也正在交付。

此外，米莉之星也在加速布局无人配送赛道。

近年来，在疫情的影响下，无人配送轨道商业化的曙光初现，资本市场加大了押注，甚至有不少投行做出了“大胆”的预测:未来十年，中国无人配送的市场规模将达到1000亿以上。

在这个赛道上，米莉智行发布了小魔驼2.0，并推出了面向商业市场的10万元终端物流自动配送车产品。

如今，小魔驼2.0已经开始稳定量产交付，将为超市和物流领域提供无人配送服务。

到2022年9月，与物美合作的小魔驼运营项目订单量已超过9万辆，有力推动了末端物流自动配送车大规模商业化的产业化进程。

在Mimo智行的数据构建中，MANA是一个比较重要的环节。

2021年12月，在第一个“墨豪艾日”，墨豪……ixing推出中国首个自动驾驶数据智能系统MANA，中文名“雪湖”。MANA是一套基于海量数据的数据处理工具，可以利用数据以更低的成本和更快的速度迭代优化产品。

MANA成为Mimo智行产品快速迭代的核心支撑力量。经过一年的发展，MANA进入了一个新的阶段，在感知智能和认知智能方面都迎来了更新和升级。

Mimo智行CEO顾郝伟表示

数据驱动的自动驾驶3.0时代已经到来，数据驱动的时代是一个完全不同的时代。"

在自动驾驶领域，特斯拉已经率先进入3.0时代，很有可能知止就是下一个。

注意力大模型是当前AI发展的新趋势，也带来了计算能力需求高、训练成本高、落地难度高等挑战。基于对自动驾驶3.0时代的洞察和大模型训练对计算能力的巨大消耗需求，Mimo智行自建超算中心的计划正在快速推进，目标是训练100万clips数据，大模型训练成本降低200倍，即将与市场见面。

“敢”正在登陆:NOH从高速到城市

当智能化浪潮席卷整个汽车行业时，汽车赛道上的选手们都使出浑身解数争夺市场。在不断的“内卷化”竞争下，汽车从单纯的交通工具被提升为集交通和娱乐为一体的智能终端，汽车智能化也从一个口号变成了实际需求和买车的标准。

在车企争相追求更高阶功能的同时，催生了自动驾驶公司对自动驾驶功能的大规模量产需求。

如今城市中NOH量产的战争已经从高速场景迅速蔓延到城市场景。在这个竞争激烈的赛道上，智行始终领先。

今年8月，搭载智能驾驶系统HPilot3.0的陆丹蓝DHT-PHEV在成都车展正式亮相，Mimo智行城NOH功能实现量产。至此，Mimo智行城NOH覆盖了高速和城市的全场景。

所谓城市道路辅助驾驶，就是根据用户设定的路线，帮助用户实现从A城市到B城市的驾驶。

相比高速场景，城市场景显然更难破。

城市场景中复杂的红绿灯变道、人与两轮车的混合模式、车道线不清晰给城市NOH的实现带来了更多的问题。

此前，无论是高速场景还是城市场景，大部分玩家都是依靠高精地图来实现辅助驾驶。

使用高精度地图可以极大地赋能辅助驾驶技术，这对于身处市场的后来者来说，似乎是缩短差距的最快方式。然而，高精地图在中国面临政策困难。此外，采用高精度地图会增加成本，而这些成本往往由消费者承担。

在数据平台的支持下，Mimo智行选择了“重感知、重算力、轻地图”的技术路径。所谓重感知、重计算力、轻地图，就是在数据和计算力的支持下，摆脱对高精地图的依赖。最大的亮点是可以智能识别红绿灯，智能左右转弯，智能变道，智能躲避动态和静态障碍物。

在城市场景下，从A点到B点的智能驾驶需要解决两个问题:一是保证驾驶的完整性和连续性，二是达到接近人类的驾驶水平，也就是车企所追求的“老司机”。

城市NOH面临四大问题:城市道路维护、大型车辆密集、变道空间狭窄、城市环境多变。

MANA不断积累场地和模拟数据，可以应对驾驶过程中的大部分场景。此外，通过与旧数据的耦合，它可以面对新的场景或城市中更令人关注的情况。

通过骨干数据计算和BEV Transformer的多模态融合，解决多传感器匹配和跨传感器跟踪问题，实现城市道路上的障碍物检测、车道线检测、可行驶区域分割、交通标志检测等。

MANA最大的特点是模仿和学习人类驾驶行为ind……事实上，配备了智行城市NOH功能的车辆在驾驶感觉上更像“老司机”。

另外，城市的辅助驾驶功能已经进入商业化，玩家之间的竞争已经从单纯的技术之争变成了成本之争。MANA通过自我监控大大减少了训练次数，从而降低了人工阅卷的成本，在城市NOH中占据了成本优势。

在我看来，通过高精地图或数据实现城市NOH的两条路径没有区别，如何以较低的成本将功能转化为实际需求才是最重要的。

“敢”只是因为自信

小智慧看似快，实则厚积薄发。

在自动驾驶领域，上半场是比技术，下半场是拼产品。也就是说，谁能更早实现商业化量产，谁就能在这个赛道上脱颖而出。

在外界看来，他的选择相对“保守”，但从成立至今，他的战略路径一直非常坚定清晰，非常注重速度，一直奔目标就不断加速。

米米智行认为，渐进路线在自动驾驶领域优势明显。

一方面，渐进式的发展路线可以给市场带来规模效应，从而带动产品的快速迭代。另一方面，量产可以以更低的成本获得更大规模、更多场景覆盖的更多数据。

智能驾驶产品用户体验和数据获取的双向循环，让数据驱动的AI自动驾驶技术真正走向成熟。

也就是在渐进路线的指引下，米知止走上了“从低速到高速，从载货到载人，从商用到民用”的量产之路。

当市场上其他自动驾驶玩家还在苦苦寻找量产厂商的时候，Mimo智行的辅助驾驶已经早早上了车。长城汽车作为Mimo智行的股东，也是大客户，帮助Mimo智行实现量产。此外，在“风车战略”和MANA下，Mimo智行不断积累数据，构建稳定的量产能力。

时代的洪流奔腾向前，自动驾驶领域也在发生突变。在越来越激烈的竞争下，很多玩家悄然退出。然而，Mimo智行在这场风暴中迅速成长。如今，经过三年的发展，Mimo智行进入了新的发展阶段。

顾郝伟将自动驾驶的演进分为三个阶段:

硬件驱动的1.0时代:随着辅助驾驶渗透率的提高，自动驾驶部分将率先上车。这一时期主要是硬件驱动，依靠激光雷达实现感知，通过人工规则实现认知，规模在100万公里左右。

软件驱动2.0时代:随着自动驾驶技术的成熟，一些全栈自研整车厂商和软件供应商脱颖而出。在这个时期，自动驾驶开始从硬件驱动向软件驱动转变，这与1.0阶段不同，依靠传感器独立输出结果实现感知，规模约为100万-1亿公里。主要是小模型，数据很少。现阶段，在一些封闭园区和低速干线会应用自走式驾驶。

数据驱动3.0时代:随着自动驾驶生态的成熟，数据中心和计算平台的建设日趋完善。这个时期的发展主要是数据驱动，自动驾驶技术加速迭代。在感知层面，它依靠多模态传感器共同输出结果。在认知层面，可以实现离线强化学习提取驾驶常识，规模超过1亿公里。

当市场上大部分玩家还在专注于2.0时代的时候，Mimo智行已经准备好开始向3.0时代冲刺了。

在专家云集发展自动驾驶的江湖中，光有勇气是远远不够的。Mimo智行做出的选择都是基于自身实力，“Mimo模式”将成为中国自动驾驶发展的新范式。

雷锋网雷锋网雷锋网(微信官方账号:雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。

标签：特斯拉长城摩卡欧拉摩卡DHT-PHEV

汽车资讯热门资讯