专访毫末智行COO 侯军:自动驾驶,水深鱼才大

news2024/11/20 14:25:53

站在当下,回看自动驾驶赛道的各个玩家们,活下去的要不就是“家里有矿”,要不就是场景、技术降维,渐进式发展。但活的好的有一个共性,就是顺应需求,让技术落于产业实处。

作者|斗斗

出品|产业家

“我们认为在量产车型方面,毫末肯定是领军者。” Frank说这句话时,没有丝毫犹豫,眼底尽是自信。 

走进北京奥北科技园,穿过一排排独栋式的建筑,记者看到毫末智行的指示牌,跟着指示牌的引导,再走两步便看到了毫末智行的公司,以及摆在路边的末端物流自动配送 车——“小魔驼”。 

在这里,我们见到了毫末智行的COO 侯军,不过大家都喜欢叫他Frank。善谈、接地气,看起来像个典型的E人。 

在他的口中,毫末智行被掰开、揉碎,更加具体且清晰的展现在眼前。 

提起自动驾驶,“费钱”是大家对其异口同声的印象,与之对应的还有其大规模落地后的巨大蓝海与市场空间,在自动驾驶技术爆发的那几年,让无数资本和创业者前赴后继。不过,正如上文所言,费钱的同时迟迟无法业化,也让很多创业者半路夭折,资本也慢慢收紧口袋。 

自动驾驶需要寻求两全之法,即获得资金的支持抑或是实现商业化落地,实现自我“造血”。至此,自动驾驶厂商们走上了不同的道路。 

这些不同的道路之上,毫末智行的身影愈发明显。成为目前活下来且活得不错的自动驾驶厂商之一,那么它的解法又是什么? 

2019年,“一个预判” 

2018~2019年,自动驾驶赛道第一次出现融资热。这期间,上海市发放了全国首批智能网联汽车开放道路测试号牌,标志着中国自动驾驶路测的正式开放。 

以百度、阿里巴巴、腾讯为代表的科技公司加快了在自动驾驶领域的探索和布局。 

此外,Waymo在美国亚利桑那州推出了首款商用自动驾驶出租车服务Waymo One,自动驾驶技术的商业化运营开始落地。 

这一行业“标杆”的出现,成为了自动驾驶融资热的推手。 摩根士丹利曾基于其在自动驾驶技术中的“领先地位”以及其从自动乘车中获得大量新收入的潜力,发表了一份研究报告,报告中对Waymo的估值为1,750亿美元。 

“当时中国最大的汽车厂的市值,估计也才不到 1000 亿人民币。” 在Frank的印象中,Waymo的Robotaxi成为一众自动驾驶路线厂商追捧的技术巅峰。 

自动驾驶赛道的融资热潮,正式拉开帷幕。 

相关数据显示,2018年在整体经济下行和资本寒冬的压力下,自动驾驶领域融资总额并未下降,反而有明显的上升,2018年自动驾驶零部件和方案供应商融资额从2017年的53.69亿元上升到162.31亿元。 

对于Robotaxi路线的“一呼百应”,特斯拉一直是自动驾驶渐进式路线的拥趸者与领军者,毫末智行也有着同样的思考。“我们认为高速载人的辅助驾驶,会先大规模落地,它的另外一个名字是ADAS。” 

这种思考,在2019年被迅速验证。 

由于与国外不同,国内的道路交通场景及其复杂,Robotaxi的落地难度较大,何时能实现商业化,遥遥无期,投资者将钱投向了商用车等其他场景。 

从融资数量来看,2019年国内自动驾驶细分领域融资数量最多的为商用车场景和ADAS,从融资金额来看,商用车场景的融资金额达5.3亿美元,仅次于芯片、计算机平台的融资规模。 

这种趋 势下,毫末立刻做出反应。“我们的目标是希望人工智能技术在自动驾驶领域大规模落地。”在Frank看来,毫末不仅仅追求的是科技绝对领先。 

但客观来看,要实现人工智能技术在自动驾驶领域大规模落地,Robotaxi这条路径显然在这个长期主义难以推动的市场中,比起其他路线,更难活下去,更别提走到大规模落地的那一天。 

确实如此,自动驾驶的商业化不可能一步到位,这并不现实。渐进式发展路径,才能确保技术的稳步推进和市场的有效对接。因此,毫末智行决定遵循从低速到高速、从载物到载人、从商用到民用的渐进式发展规律。 

站在如今回头来看,这个决定是明智的。 

2021年,以Waymo为代表的一步到位路线迟迟难以实现商业化,估值跌至300亿美元,这一数字相较于3年前,缩水超1400亿美元。而与之相对的渐进式路线则一路升温,逐渐得到了更多的聚光灯和认可度。 

反观一直坚守Robotaxi路线的厂商,除了像百度这样的巨头,能活下去的少之又少。 

“Robotaxi路线我们也在跟踪研究,但不是主攻方向。我们的目的一是数据闭环,二是商业闭环,三是现金和利润闭环,否则可能活不到Robataxi大规模落地的那一天。” Frank对产业家说。 

大规模落地的“黄金闭环” 

那么,具体如何实现数据、商用和利润闭环?这成为毫末这些年来攻克的目标。 

“可行、可靠、可商用 是毫末智行提出的自动驾驶技术发展的三个关键阶段。”在Frank看来,这一框架指导了毫末自动驾驶技术的研发和商业化路径。 

毫末智行投入大量资源进行自动驾驶技术的基础研发,包括感知系统、决策算法和车辆控制技术。通过在受控环境中测试原型车,毫末智行也更验证了自动驾驶技术的基础功能和性能。 

随着技术的发展,必须保证系统能够在更广泛的环境和条件下稳定运行,满足汽车行业的严格标准。系统的安全性、车规级的要求、全天候运行的能力以及全地形的适应性要求被提高。 

毫末智行的做法是利用大量实车运行数据,不断优化和调整自动驾驶算法,提高系统的稳定性和安全性。且通过不断的技术迭代,提升自动驾驶系统对各种天气、路况和交通情况的适应能力。确保自动驾驶系统满足汽车行业的严格标准和法规要求。 

在自动驾驶的商业化应用阶段,技术不仅要成熟可靠,更要在商业上可行,满足多样化场景需求,如高速载人、低速载物等,同时控制成本规模,符合政策法规要求。这一阶段,自动驾驶技术需获得市场认可,并在实际商业环境中创造价值。 

毫末智行针对不同应用场景,如高速载人、低速载物,深入研究并开发了适应性强的自动驾驶解决方案。通过技术创新和规模化生产,降低了自动驾驶系统的成本,打造了高性价比产品,增强了市场竞争力。 

在这一过程中,毫末智行通过在各种车型上部署自动驾驶系统,积累了大量实际行驶数据,涵盖传感器数据、车辆状态、驾驶行为等。这些数据被用于训练和优化机器学习模型,从而提升自动驾驶系统的性能和安全性。 

毫末智行不断迭代其自动驾驶算法,以适应多变的驾驶条件和场景。通过模拟和实车测试,验证算法的有效性,并进行必要的调整。开发了适应不同应用场景的自动驾驶产品,如乘用车辅助驾驶系统和低速无人物流车。 

这些产品在实际运营中产生的行驶数据,再次被收集并用于训练和优化机器学习模型,形成数据闭环。毫末智行构建了从研发到量产再到服务的完整商业闭环,确保了技术的持续发展和商业化应用。 

目前,毫末在辅助驾驶方面已推出两代七款智能驾驶产品,可满足高、中、低价位不同车型的量产需求。 

其中,第一代产品实现了在高速公路、快速路的行车跟泊车,基于高精地图使其特点,稳定性很好,但是成本略高;第二代产品去掉了高精地图后,成本更低,基本可以在千元级。HP170、HP370、HP570 三款千元级辅助驾驶产品,已陆续进入交付状态。 

在商用车方面,毫末的L4级末端无人物流车从 2020 年开始大规模落地,现在已经生产了多代产品,已经和美团、阿里、物美、达达、极兔、通达系等都达成了战略性的合作。 

值得注意的是,这个场景下的产品成本已经从2020年的 50~100万元/台,降至如今的低于10万元/台。 

至此,Frank在文章开篇那句话中的“领军者”,变得愈发具像化。 

毫末智行,另走一条路 

“俗话说三生万物,大模型、大数据、大算力就是‘三’,没有‘三’就没有万。恰恰这个‘三’,又不是掌握在一个企业和一批人手里面的,而在两个企业和多个企业。” Frank对产业家说。 

众所周知,大数据、大算力、大模型是自动驾驶技术大规模落地的三要素。但主机厂和技术厂商作为自动驾驶赛道的两大阵营,都有其无法触达的领域。 

毫末成立之初即走出了独特的毫末模式,与主机厂的绑定,形成数据闭环等,这是毫末选择的一条独特路线。 

在很多人看来,自动驾驶赛道主机厂和技术厂商之间的关系,并不是单纯分合作关系,而是“竞合”关系。 

因为比起自动驾驶技术厂商,传统的主机厂在自动驾驶技术方面如果自研成本太高,通常会选择与技术方合作;但技术厂商海量数据获取依赖车企,短期时间内可以拿到数据,但与多家车企合作时难免会出现合作不稳定性,数据可靠性、稳定性难以确保。但类特斯拉自研方向的新势力整车厂商,如蔚小理却可以。 

这难免为自动驾驶技术厂商的在未来的竞争格局中,带来一些隐患。 

“自动驾驶大规模的落地,不仅仅是技术本身,还有一个特别重要的环节——企业的机制。” 在Frank看来,这种现象来自企业文化、合作、利益分配机制的冲突。 

传统企业工作模式和激励机制源于工业时代,强调计划性和明确性;而互联网时代则强调创新和数据驱动,倾向于边实践边调整。这两种理念在具体工作和战略规划中可能引发显著的冲突。 

一个事实是,这一机制也在被验证。一众主机厂在经历了设立自动驾驶技术分公司、部门后,经历了裁员、裁撤部门,纷纷败下阵来。2022年~2023年期间,大量自动驾驶技术厂商的融资方中纷纷出现了主机厂的身影。 

主机厂与自动驾驶厂商的联盟逐渐变成主流。 

截至2024年6月,毫末搭载量产车已经超过20款,用户辅助驾驶行驶里程突破1.7亿公里。目前毫末已经实现了两条腿走路,一是融资带来的持续资金流,二是大规模落地下,实现自我“造血”的能力。 

总结来看,毫末智行的技术落地之路,除了发展路径的预判、技术上的创新、以数据为驱动的商业化闭环,更有企业机制上的考量。 

毫末智行的底层逻辑,也在推动其奔向以大模型、大算力、大数据为代表的自动驾驶3.0时代。 

AI时代,奔向自动驾驶3.0 

大模型技术浪潮席卷而来,也推动着自动驾驶的迈向新的时代。 

自动驾驶发展到今天,其实仍有许多难题未解决。 

在传统的自动驾驶系统中,各个模块(如感知、定位、规划、控制)之间存在复杂的依赖关系,需要大量的工程努力来设计和优化各个模块。 

简单说,如今的自动驾驶,基本是靠工程师一条条规则写出来的。所以,自动驾驶中的长尾问题,即那些罕见但关键的驾驶场景,系统难以及时给出正确决策。 

大模型技术的爆发,带来了一些新的可能。 

而端到端模型可以直接从数据中学习,简化了自动驾驶系统的开发流程,使得从传感器输入到决策输出的过程更加直接。且无需人工设计的特征,使得模型能够适应各种驾驶场景和条件,同时一体化的模型减少了各个模块的依赖关系。以此快速从大量数据中学习到这些罕见事件、行驶场景的处理方式,给出决策。 

2023年,毫末发布了行业首个自动驾驶生成式大模型 DriveGPT (雪湖·海若),在数据的筛选挖掘、自动标注、生成仿真以及认知可解释性等方面实现了显著的突破和创新。 

从这一点来看,未来随着大模型技术将进一步提升自动驾驶系统的智能化水平。通过不断学习和优化,DriveGPT等生成式大模型将能够更准确地识别和理解复杂的交通场景,从而做出更加精准和安全的决策。这将极大地提升自动驾驶系统的应对能力,使其能够更好地应对各种突发情况和复杂环境。 

在技术的推动下,毫末正逐步从传统的模块化设计向更加智能化的方向发展,向着真正意义上的自动驾驶3.0时代迈进。 

站在当下,回看自动驾驶赛道的各个玩家们,活下去的要不就是“家里有矿”,要不就是场景、技术降维,渐进式发展。但活的好的有一个共性,就是顺应需求,让技术落于产业实处。 

“自动驾驶,水深鱼才大。当这个领域水少的时候,即使是翘楚,价值也难以显现。” Frank对产业家说。 

据记者了解,毫末在2024年年初还获得了全球大Global主机厂的规模量产订单。毫末这条“大鱼”的价值,愈发清晰。 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1838078.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

无线传感器网络技术原理及应用

第一章 简述无线传感器网络的概念及与传统无线网络的区别。 无线传感器网络的概念:无线传感器网络是由部署在监测区域内大量的廉价微型传感器节点组成,通过无线通信方式形成的一个多跳的自组织网络系统,其目的是协作地感知、采集和处理网络…

基于STM32和人工智能的智能楼宇安防系统

目录 引言环境准备智能楼宇安防系统基础代码实现:实现智能楼宇安防系统 4.1 数据采集模块4.2 数据处理与分析4.3 控制系统4.4 用户界面与数据可视化应用场景:智能楼宇安防管理与优化问题解决方案与优化收尾与总结 1. 引言 随着物联网和人工智能技术的…

FragPunk联机延迟高、联机闪退、无法组队的解决方法

FragPunk是一款最新的5V5射击游戏。游戏中,有超过70张的技能卡,每一张都拥有独特的功能,比如说生成草丛、让伤害可以传导到敌方队伍每个人身上、让手枪也能喷火、召唤死神等等,功能很丰富,这些卡让每轮战斗都充满了变化…

Python Django Vue3 在线商城网站 在线商城后台管理 案例源码

源码地址获取 演示视频 Python DjangoVue3 在线商城网站,商城管理后台系统案例源码 附带运行教程,开发工具,系统运行演示 技术栈:Django Vue3 开发工具:Pycharm 后端构建工具:Pip 前端构建工具:WebPack 运行环境:Windows Python版本:3.11 Nod…

2024年全球架构师峰会(ArchSummit深圳站)

前言 ArchSummit全球架构师峰会是极客邦科技旗下InfoQ中国团队推出的重点面向高端技术管理者、架构师的技术会议,54%参会者拥有8年以上工作经验。 ArchSummit聚焦业界强大的技术成果,秉承“实践第一、案例为主”的原则,展示先进技术在行业中的…

Prometheus常见exporter安装部署

Prometheus常见exporter安装部署 在稳定性环境的监控当中需要收集各种各样的数据,这样的数据收集是通过各种exporter进行的,在这里我们进行最常用稳定性数据的收集exporter安装部署介绍。 node_exporter安装部署 node_exporter主要监控服务器本身的一…

lib9-02 配置扩展 ACL

实验:配置扩展 ACL 1、实验目的 通过本实验可以掌握编号扩展 ACL 定义和应用的方法命名扩展 ACL 定义和应用的方法 2、实验拓扑 实验拓扑如下图所示。使用扩展 ACL 实现如下访问控制 拒绝 PC1 所在网段访问 Server1 的 Web 服务拒绝 PC2 所在网段访问 Server1 …

AI在创造还是毁掉音乐?

简介 最近一个月,轮番上线的音乐大模型,一举将素人生产音乐的门槛降到了最低,并掀起了音乐圈会不会被AI彻底颠覆的讨论。短暂的兴奋后,AI产品的版权归属于谁,创意产业要如何在AI的阴影下生长,都在被更多理…

学会python——制作一款天气查询工具(python实例七)

目录 1、认识Python 2、环境与工具 2.1 python环境 2.2 Visual Studio Code编译 3、天气查询工具 3.1 代码构思 3.2 代码示例 3.3 运行结果 4、总结 1、认识Python Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。 Python 的设计具有很强的…

新手小白系列——关于 Docker 安装的方法

Docker 是一个应用打包、分发、部署的工具基础概念: 镜像:软件安装包,可以方便的进行传播和安装。 容器:软件安装之后的状态,每个软件运行环境都是独立的、隔离的,称之为容器 仓库:专门用来传播…

【Cloudscapes V2】Blender商城10周年免费领取礼物超逼真的Vdb云和爆炸合集烟雾体积云字体符号轨迹火焰粒子

6月19号的限时免费领取插件挺牛的,可以在blender里渲染体积云、爆炸特效、火焰、烟雾等效果,非常逼真。 Blender商城10周年免费领取礼物:https://blendermarket.com/birthday Cloudscapes V2 - 超逼真的 Vdb 云和爆炸合集 CloudScapes 是 …

vue3中实现3D地图——three.js

需求点 地图区域大小随着父盒子大小变动,窗口缩放自动适配每个区域显示不同颜色和高度,描边每个区域显示名字label和icon点击区域改变其透明度,并且弹窗显示信息窗口点击点也可以可以自由放大缩小,360度旋转 包 npm install d3^…

六西格玛培训新选择,老字号品质有保障!

在追求企业卓越与完美的道路上,六西格玛管理无疑是一个被广泛认可与采纳的方法论。六西格玛不仅仅是一种管理策略,更是一种文化和哲学,它强调通过数据驱动和持续改进来减少流程中的缺陷,提升客户满意度,并最终实现企业…

两轮车换电也卷得不行?铁塔换电、这锂换电浴血奋战

配图来自Canva可画 当两轮电动车智能化和高端化竞争,无法再有更多突破,卷无可卷时,换电这个具有巨大潜力的新兴领域,引起了市场的关注。 早在多年前,哈啰、美团、雅迪等两轮电动车品牌就推出自己的换电品牌。据不完全…

【Java毕业设计】基于JavaWeb的物流信息网系统

文章目录 摘 要Abstract目录1 绪论1.1 课题背景和意义1.2 国内外研究现状1.2.1 国外研究现状1.2.2 国内研究现状1.3 课题主要内容 2 开发相关技术介绍2.1 系统开发环境2.2 系统开发技术2.2.1 Spring Boot框架2.2.2 MySQL数据库 3 系统规划3.1 初步调查分析3.2 可行性分析3.2.1 …

一文彻底搞懂 Transformer(图解+手撕)

Transformers 亮相以来彻底改变了深度学习模型。 今天,我们来揭示 Transformers 背后的核心概念:注意力机制、编码器-解码器架构、多头注意力等等。通过 Python 代码片段,让你深入了解其原理。 一、理解注意力机制 注意力机制是神经网络中…

Java Stream流应用

Stream流的核心方法 Stream流的方法主要包含如图的几种 提供部分应用场景做个思考: (1)从员工集合中筛选出salary大于8000的员工,并放置到新的集合里。 (2)统计员工的最高薪资、平均薪资、薪资之和。 (3)将员工按薪资从高到低排序,同样薪资…

编曲旋律怎么配和弦 旋律怎么编曲 编曲和弦怎么写

在音乐的创作中,编曲旋律与和弦是两个重要的元素,它们相辅相成,共同构建出动听的音乐作品。而编曲旋律与和弦之间的搭配,就需要合理的安排和设计,才能达到最佳的效果。接下来给大家介绍编曲旋律怎么配和弦,…

深入理解计算机系统 CSAPP 家庭作业6.45

CS:APP3e, Bryant and OHallaron 可以参考这里

有什么文档翻译免费?无基础处理外语资料

在日常工作中,我们经常需要处理各种语言的文档,从英文合同到法文报告,它们无处不在。 迅速掌握这些外文资料的内容,对于提升我们的工作效率至关重要。幸运的是,借助现代科技,我们可以利用文档翻译工具&…