近日，自動駕駛公司毫末智行舉辦了成立三年以來的第六屆HAOMO AI DAY。

在今年的成都車展上，長城亮相了首款搭載毫末智行城市 NOH 的摩卡 DHT-PHEV 鐳射雷達版，智慧識別交通燈、智慧左右轉、智慧變道、智慧躲避靜態與動態障礙物，這些高階智慧駕駛功能都將和使用者見面。

屆時，長城也將成為國內車企中少有的幾家，能夠將自動駕駛技術推廣到城市公共道路路況的廠商。

根據毫末的介紹，毫末城市NOH的路口透過率為70%，變道成功率90%，交通流處理能力達到4級。也就是說，“城市NOH”的到來會讓L3級別智慧駕駛加速走進現實。

如何做到不依賴高精地圖

毫末智行最大的優勢在於其自動駕駛技術可以不依賴於高精地圖。眾所周知，高精地圖對於自動駕駛的重要意義不言而喻，有了高精地圖，就可以大幅降低感測器和晶片的壓力。

不過和國外相比，國內測繪相關法律法規較為嚴格。因此，高精地圖的使用往往會面臨法規審批週期長的問題。

同時高精地圖的獲取還有成本高、更新慢、以及覆蓋範圍的問題。這些問題，都成為阻礙那些依賴高精地圖自動駕駛技術在國內，特別是城市公共道路的全面推開。

而毫末則是全球除了特斯拉之外的第二家，可以不依賴高精地圖，只需要普通的導航地圖就可以實現自動駕駛技術的企業。

為了達到這個目的，毫末一方面使用了Transformer 架構提供實時空間的認知能力，擺脫高精地圖資料來進行三維空間建模。

另外一方面，面對指數級增加的運算量，毫末使用了高算力的高通曉龍 Ride 平臺，單板算力達到 360TOPS，最多支援四板共1440TOPS 算力的拼接。

對於國內不少自動駕駛技術公司來說，毫末的技術路線，值得各方在前期進行規劃時就進行充分考慮。

毫末打造自己的資料中心

毫末智行能夠取得現在的成績，積累大量的使用者資料，除了毫末智行自己的努力之外，長城汽車提供的支援不言而喻。

作為一家每年銷售超過100萬臺汽車的整車企業，其提供了足夠大的基本盤給到毫末智行。而正是基於這樣的基本盤，毫末智行僅僅用了390天，就積累了突破1000萬公里的輔助駕駛里程資料。

對於自動駕駛/駕駛輔助來說，資料是演算法進行持續迭代最佳化的基礎。

如今在全球自動駕駛領域領跑的谷歌Waymo以及特斯拉FSD，無一不是擁有海量的資料來驅動演算法的持續迭代最佳化，並透過不斷升級來訓練控制器持續解鎖全新場景。

但是擁有海量資料只是一方面，如何對於資料進行深度分析，就要依靠背後的超算中心。為此，毫末智行搭建了自動駕駛資料智慧體系 MANA，而支援MANA的就是毫末自己的超算中心。

根據毫末自己的介紹，其已經構成了300 萬小時的中國道路駕駛認知場景庫，機器學習的時長也超過了 31 萬小時。

透過強大的超算中心的支援，毫末的自動駕駛將進入一個良性迴圈的迭代：更多的資料，帶來更優的演算法；而更優的演算法，反過來會支援使用者更大規模的訂閱，為MANA輸入更多的資料。

未來，MANA還將做到千億引數大模型，訓練 100 萬 Clips（路段）資料，並降低訓練成本。

毫末的“乘商並舉”

對於毫末來說，其不僅將長城在乘用車領域提供的支援發揮到極致，同時其還在商用車領域進行佈局，以求儘快擴大自己的規模化效應。這其中，最典型的案例莫過於末端物流自動配送車。

毫末在今年4月就釋出了小魔駝2。0。和國內諸如京東、美團打造的末端物流自動配送車不同。

毫末基於長城的供應鏈體系打造的末端物流配送車可謂是技術下沉，無論是從質量控制，還是從成本方面，小魔駝2。0都有不小的優勢。

在小魔駝2。0上，毫末並不是只打算做一款測試車。其一開始便以大規模商業化量產的角度出發，毫末在小魔駝2。0上完全繼承了乘用車的硬體解決方案，在系統冗餘方面看齊了城市開放道路下的“城市NOH”。

尤其值得一提的是，透過技術迭代，做到第二代的小魔駝2。0，就已經將成本做到10萬元以內，成為中國首款10萬元級末端物流自動配送車。

當前，困擾絕大多數快遞/物流公司的痛點，或者說成本比較高的痛點就在於最後一公里。

隨著末端物流自動配送車的大規模部署，就能夠大幅降低配送成本。毫不誇張地講，和乘用車自動駕駛技術相比，毫末在末端物流配送車上的前景其實更加廣闊。

對於自動駕駛技術來說，商業化部署是衡量其是否成功的唯一標準。得益於依託在長城體系內，因此毫末能夠取得大規模量產部署的成績。

相比於百度、華為以及其他自動駕駛技術公司，毫末和主機廠這個客戶之間可謂共同進退。

但凡事都有兩方面，下一步毫末尋求IPO是大機率事件，而要想取得更高的估值，肯定需要在長城之外找到更多新的客戶。

如何消除長城汽車之外其他主機廠的質疑，這個不僅對毫末的技術能力提出了更高的要求，同時也對毫末的獨立性提出了更高的要求，而後者的難度甚至比前者更大。