2022年或成为考验自动驾驶公司战略耐力的关键一年。

毋容置疑，自动驾驶技术将成为汽车领域新四化变革的关键一环，孕育着巨大的商业空间。初创自动驾驶公司的战略高度也被资本和行业认可，出现不少独角兽公司。对于自动驾驶技术漫长发展周期的战略耐心，行业参与者也有充足的心理准备。即便如此，也并不是每个自动驾驶公司都有足够的战略耐力，依靠现有资源和融资，支撑其走到最后。

就目前而言，不少头部自动驾驶公司开始积极部署两方面的公司：其一，完善数据采集、提炼、使用的一体化系统；其二，加快与整车企业的合作，推进商业化落地，解决造血能力。

2021年12月23日，毫末智行CEO顾维灏在HAOMO AI DAY发布中国首个自动驾驶数据智能体系MANA，中文名“雪湖”。同时，他还公布毫末乘用车智能驾驶路线图：2022年下半年，毫末将计划交付全场景NOH，并在2023年推出拥有HSD（HAOMO Self-Driving）的车队。

01 数据和商业化将决定自动驾驶公司命运

发布会上，毫末智行董事长判断：“2022年将是自动驾驶行业发展最为关键的一年，乘用车辅助驾驶领域的竞争将会正式进入下半场，其他场景的自动驾驶也将正式进入商业化元年。”同时，他还预测了行业发展的十大趋势。其中，数据智能化位列第一。他认为：“数据智能化将会成为自动驾驶量产决胜的正负手。”

顾维灏也给出了自己的分析。毫无疑问，两者的观点肯定高度一致。他认为：“数据是人工智能最大的驱动力，也是人工智能进步过程中最大的成本。”

业界同行是否认可这一观点？

去年，在于文远知行创始人兼CEO韩旭沟通时，他提到，人工智能三要素算力、算法、数据中，各个企业在算力方面不会有太大差距，算法方面近几年没有明显的变化，数据会成为企业之间拉开差距的分水岭。

前不久，12月8日上汽集团、Momenta、享道出行联合成立的享道Robotaxi项目上线，核心目的在于数据收集，推动Momenta的“飞轮式”L4技术路径发展。对此，上汽集团人工智能实验室主任项党表示：“我们这上面Robotaxi运营的目的是什么？得到数据。现在说到Robotaxi所处的阶段，我认为是成长阶段，还没到成熟的阶段，他需要更多的数据去成长。”数据价值的体现，Momenta CEO曹旭东介绍，飞轮是Momenta的技术观察，其中数据驱动是引擎、海量数据是燃料、闭环自动化是加速器。

另外，数据收集需要部署大量车辆，商业化成为解决该问题的有效途径之一，兼顾数据收集和经济成本。Momenta CEO曹旭东对此问题的观点：“为什么出现了跟车企的合作，因为要量产，通过上万台车，跟运营公司要商业要落地。”脱胎于整车企业的毫末智行，在这方面困扰相对少一些。张凯透露，2021年毫末营收达到数亿元，是中国营收增速最快的自动驾驶公司。

同时，数据智能化的关键在于降低数据标注成本。顾维灏介绍：“很多人工智能的算法，比如感知的进步需要很多标注的数据。面对大规模量产，尤其要关注这个问题。比如，Tesla标注了60亿个物体，包括精准的3D信息、深度、速度。我们现在也有几百人，在帮助我们做标注，但是如果做到这60亿，达到如此的精度，按照今天市场的价格计算，我们要再融几次资，这样的方法并不高效。”

02 MANNA雪湖的由来、使命与逻辑

顾维灏介绍：“在自动驾驶领域，数据智能是AI自动驾驶技术的‘明珠’，是最终成为胜利者的成功要素。完善的数据智能体系是AI自动驾驶科技公司成功的基石。在业内，谁能高效低成本的挖掘数据价值，谁就能成为竞争的王者。”

因此，“毫末数据智能的核心，就是降低成本、提高迭代速度。”

如何挖掘数据价值？

顾维灏用一个数学公式总结自动驾驶能力的发展曲线：F=Z+M（X）。F代表产品力，Z代表毫末第一代产品，M是一个把数据转化为知识的函数，包括数据获取、表达、存储、传输、计算、验证，以及对成本和速度的影响。MANA就是这个最核心的M。MANA由TARS（数据原型系统）、LUCAS（数据泛化系统）、VENUS（数据可视化平台）、BASE（底层系统）四个子系统组成。

在感知方面，针对目前毫末核心的感知设备车载摄像和激光雷达，核心问题是如何让1+1实现大于等于4的效果。相较于过往标准的结果融合方法，毫末采用了更高效的过程融合方法，并加入时序的特征进行时空融合，进而快速拉升感知能力。

认知层面，顾维灏认为需要具备安全、舒适、高效三大要素。安全上，毫末拥有全栈自研安全认知模型CSS，其核心是自动驾驶系统不只局限在从纯机械的角度保证自己不主动犯错，而是充分考虑从数据中学习到的对其他交通参与者行为的理解和超时空的历史经验；在安全底线之上，从数据中学习舒适和更高效的量化标准，让自动驾驶算法可以更好的处理纷繁复杂的驾驶场景，制定更符合用户喜好的驾驶策略。并且通过自动化场景挖掘、强化学习、仿真引擎构建认知智能闭环系统，持续不断从海量人驾数据中提取知识，快速迭代车端认知算法能力。

毫末正在研究一种端到端的模拟学习，就是以过往的事例为指导，从数字化的场景中得到具体的本车动作。这一过程中，所有的动作都已经在人们自己开车的过程中自己被标注。而毫末则挑选更符合要求司机的驾驶行为，在不同场景下持续的训练。同时，毫末实践了很多深度强化学习的方法，并构建了闭环自动标注系统，运用了无监督自动标注算法，大大提升了数据标注的效率，以适应大规模量产的需求。

仿真层面，毫末把仿真系统比作“自动驾驶元宇宙”，通过在这个“元宇宙”中进行感知和认知的效果验证，效率被大大提高。

在计算层面，顾维灏判断未来在智能汽车的推动下，人类记录的数据正在从文本向图像转变，图像的存储和计算规模将占据主导，由此对存储和计算将带来新的革命。顾维灏在现场宣布，毫末MANA超算中心正在筹备中，主要用于自动驾驶的数据处理、训练、推理和验证等需求，中国自动驾驶进入超算中心时代。

编辑/陈正忠