毫末智行是如何炼成的？

日前，Mimo智行举办了第六届墨豪AI日这次大会干货满满除了耀眼的成绩单，高速发展背后的世界观和方法论也值得学习和研究

从战略路线，技术路径，方法论，核心竞争力，战术，规则等角度，典举试图解构培养模式的方式

分钟成绩单:1000天能完成什么。

在国内自动驾驶企业中，宝宝的年龄不算太大，只有1000天但发展表现可圈可点

在过去的1000天里，行业勇闯无人区，突破了行业从0到1的三大难点——大规模，多车型自动驾驶的量产难度，末端物流自动配送车技术成本难，大规模数据处理和大规模模型应用困难民之星董事长张凯说

据张凯介绍，在成立的1000天里，Mimo智行交出了一份辉煌的成绩单，跑出了中国自动驾驶公司的微小速度。例如:

1.乘用车方面，Mimo推出了三代乘用车驾驶辅助产品HPilot，两年内进行了六次OTA升级，实现了十余款乘用车的量产此外，Mimo有能力并行和异步开发30个项目

其中，最值得关注的是:中国首款搭载NOH的车型，量产城市:摩卡DHT—PHEV lidar版计划9月量产，年内发布。

到2022年9月，用户辅助驾驶里程已超过1700万公里，在中国自动驾驶公司中排名第一预计未来搭载的机型将达到百万台

2.终端物流自动配送车方面，由Mimo研发的中国首款10万元终端物流自动配送车Mimo小魔驼2.0已经量产交付客户截至2022年9月，小魔驼的订单量已经超过9万单

3.技术方面，我的生命尽头创立的中国首个数据智能系统MANA，已经完成了数十万个全要素，多模态片段的标注，基本完成了数据闭环:截至2022年9月，MANA的学习时间超过31万小时，虚拟驾驶体验相当于人类驾驶员4万年。

这些成绩不仅在国内自动驾驶领域名列前茅，也不逊于国际同行。

那么，微小的速度是如何炼成的呢有哪些值得国内同行借鉴的边缘模式

一，战略路线:数据驱动+渐进式发展

数据是驱动自动驾驶走向成熟的核心本质，渐进式路线是数据积累的最佳路径莫志兴一直坚定地走渐进式发展路线在自动驾驶3.0时代，辅助驾驶是自动驾驶的必经之路张凯说

根据张凯的演讲，我们可以看到最后一条战略路线的三个关键词:数据驱动，渐进路线和辅助驾驶。

总结如下:利用辅助驾驶功能获得的海量数据，一步步驱动自动驾驶走向成熟。

张凯强调，通过坚定地执行渐进路线，我们成功探索了独特的微小模式，这成为微小一千天快速发展的重要方向和基石。

数据驱动路线并不陌生目前，业内的特斯拉，小鹏，蔚来，知机等车企都选择了数据驱动模式但是在数据获取，数据处理，模型效果，产品迭代等方面，每个层次都不一样

特斯拉是数据驱动路线的引领者和最大受益者特斯拉百万车型的拥有量提供了大量免费的驾驶数据，有助于特斯拉不断优化其智能驾驶水平智能驾驶水平的提升也帮助特斯拉提升了销量，品牌和保有量，实现了销量和智能驾驶相辅相成的正向循环

在数据驱动方面，Mimo可以说是最接近特斯拉的选手与国内同行相比，无论是搭载HPILOT的机型数量，智能数据处理系统，还是未来超级计算中心的布局，都处于领先地位

那么，什么样的数据才能推动智能驾驶的发展呢。

摩智行CEO顾郝伟解释说，在数据层面，基于注意力大模型，自动驾驶所需的数据有两个特点:1规模大，自动驾驶里程至少要达到1亿公里2.多样性包括普通场景，还包括各种长尾场景

他认为，只有依靠大规模的乘用车真实行驶数据辅助驾驶，才能积累足够规模和多样性的足够数据。

因此，他总结道:辅助驾驶是自动驾驶的必经之路因为只有辅助驾驶才能收集足够规模和多样性的足够数据

在数据获取方面，有先天优势作为长城的自动驾驶公司，长城的智能驾驶车型数量可以快速积累大量的驾驶数据长城汽车年销量超过百万辆如果其50%的产品配备微型辅助驾驶，每年将有50万辆以上的车辆贡献其驾驶数据

比如已经有十几款乘用车搭载了HPilot产品，包括威摩卡，威拿铁，威玛奇朵，坦克300，坦克500，哈弗野兽，拿铁DHT—PHEV等目前陆续交付的车型有摩卡DHT—PHEV激光雷达版，欧拉闪电猫，欧拉芭蕾猫，新一代长城炮等

另一方面，没有一个玩家在造新车的时候有这样的附体福气即使与特斯拉相比，未来的数据采集量也是一样的

据介绍，经过近三年的发展，目前，用户辅助驾驶里程已接近1700万公里，位居中国第一，数据规模快速增长。

张凯:预计到2025年，高级辅助驾驶的搭载率将超过70%届时，微小数据的积累将进一步增强

战略路线确定后，米莉为她的city NOH确定了重感知，轻地图，重算力的技术路线。

相反，华为，小鹏和其他公司都采用了高精度地图那么，为什么要采用轻图路线呢

末了，工程师告诉点聚哥:从纯技术角度来说，采用高精地图是好事，可以快速提升智能驾驶水平轻图路线技术难度更高但是，我们应该建立自己的特色和技术护城河此外，从政策上看，我国高精地图的采集有限，会给辅助驾驶的推广带来技术难题为了让智能驾驶得到更广泛的应用，加深技术的护城河，我最终选择了一条更艰难的路

目前摩卡DHT PHEV lidar版已经上市，9月量产，年内发布这款车是一款重感知，轻地图，大算力的落地产品在业内率先仅通过标清地图实现NOH作为城市试点

二，方法论:智能驾驶产品迭代铁三角:

很多车企都选择了数据驱动的路线，为什么技术能快速迭代，快速量产。

张凯表示，这源于微小的智能驾驶产品能力迭代铁三角。

经过1000天的努力，我们成功打造了独一无二的‘智能驾驶产品能力迭代铁三角’，使Mimo智行成为国内最早也是唯一一家进入产品快速迭代阶段的自动驾驶公司，从而创造了不一样的Mimo！"

据他介绍，铁三角的三个角是:

1.基于场景的用户体验设计，其角色是入口。

2.AI人工智能技术，这是丝毫的核心武器，相当于灵魂。

3.技术工程能力，也就是量产上车的能力，其作用是保障。

三者高效协同，智能驾驶产品的能力可以快速迭代。

在这三个方面，都积累了强大的竞争力。举个例子，

在场景化用户体验设计方面，基于多个机型的量产经验，Mimo总结出一套用户交互体验与产品开发一体化的设计方法，成为国内首家基于真实用户数据实现产品迭代的公司。

在AI人工智能技术方面，打造了国内首个智能驾驶数据智能系统MANA，成为所有产品迭代的核心驱动力目前，MANA已经完成了数十万个全要素，多模态片段的标注

在技术工程方面，Mimo已经成为国内智能驾驶技术经验最丰富的公司，也是最早实现智能驾驶产品工艺化开发的公司两年时间，实现了10多款不同平台的量产在智能驾驶产品的流程开发上，2个月内完成匹配，标定效率行业第一，智能驾驶产品设计稳健，达到100%一次线通过率

同时，Mimo具备异步开发30个并行项目的能力，这在国内是唯一的。

三，微小的灵魂:MANA数据情报系统和超级计算中心

在上述铁三角中，MANA数据智能处理系统是Mimo的核心竞争力，也是Mimo领先竞争对手的撒手锏。

长城的很多车型都配备了HPILOT辅助驾驶，为Mimo提供了庞大多样的驾驶数据而对这些数据进行智能处理的，就是MANA数据智能处理系统

简单理解，MANA就像一个超级大脑中枢，提供从数据采集，数据分析，算法建立，验证还原，最后到量产实践的完整全栈独立闭环能力马纳的工作大致可以分为六点——采集，表达，存储，传输，计算和验证

此外，法力还可以实现快速认知进化和认知进化比如感知进化方面，通过双流感知模型，MANA让中国没有无法辨认的红绿灯和车道线成为可能

MM的智能驾驶能力提升，产品迭代，技术升级，都是由MANA数据智能系统驱动的如果MM是航母，那就是驱动航母的超级发动机

MANA的优势是模型计算量大在算法模型层面，2021年6月，Mimo开始了变压器大模型的研究和落地尝试，为Mimo的城市导航辅助驾驶打下了坚实的基础

相比之下，特斯拉也采用了变压器模式国内用这种大模式的玩家还是很少的据内部人士透露，国内其他车企也在研发transformer车型，但像Mimo这样上车速度快的只有Mimo一家

在此基础上，启动了MANA超算中心超算中心的目标是满足1000亿参数模型，训练数据规模为100万剪辑

超级计算中心是自动驾驶发展的另一个决定性点伴随着自动驾驶车辆的增多，需要处理的数据呈几何级数增长，对计算能力和功耗的需求也大大增加只有超级计算中心能够解决这一挑战

超级计算中心相当于个人量身定制云计算能力目前公有云要服务上千个行业，满足不了车企对自动驾驶计算能力的需求自动驾驶企业自建超级计算中心，相当于拥有了自己的私有云，可以专门针对自己的自动驾驶需求进行设计和计算

从行业来看，目前有三家玩家成立了超算中心除了小问题，特斯拉在2021年推出了超级计算中心Dojo上个月，小鹏还在内蒙古建立了一个超级计算中心:福耀

毫米超级计算机中心是基于注意力机制建立的顾郝伟表示:注意力模式带来的机遇和挑战正在推动自动驾驶行业的技术变革

Attention最大的特点就是结构简单，可以无限堆叠基本单元得到庞大的参数模型伴随着参数的增加和训练方法的改进，大模型的效果在很多NLP任务中已经超过了人类的平均水平

但是，注意力大模型也面临着一个很大的挑战，因为它对计算能力的需求远远超过摩尔定律，导致大模型对计算能力的需求很高，训练成本很高，在终端设备上落地非常困难。

比如一个千亿级的参数，几百万个clips的模型，需要几个月几千张卡的GPU训练，训练时间和成本大大增加。

顾郝伟表示:如何提高培训效率，降低培训成本，实现低碳计算，是自动驾驶进入千家万户的关键门槛。

毫米超算中心给出了解决大模型计算能力高的方案:

1.通过低碳超级计算降低自动驾驶的成本据介绍，毫米超算中心整体培训成本降低200倍

2.通过完善车端模型和芯片的设计，实现大模型的车端落地，通过数据组织让大模型发挥更有效的作用。"

有了超算中心的加持，未来自动驾驶技术的升级能力会更强。

四，战术:技术升级，只快不破。

MANA有一个很大的优势，就是技术升级快给消费者带来的感觉是产品功能迭代快

在今年4月的AI DAY发布会上，古郝伟表示，在短短三个多月的推出后，MANA在降低成本和提高迭代速度方面迎来了多项重磅升级。

今年AI日，MANA迎来了多项里程碑式的升级迭代这些升级主要是针对智能驾驶的挑战

顾表示，城市道路主要存在四种场景问题和六大技术挑战。第4类情景问题主要包括:

城市道路维护

大型车辆密集

狭窄的变道空间

城市环境是多样的。

他解释说，要解决上述场景问题，在技术层面有六大挑战:

如何更高效地将数据规模转化为模型效果，

如何让数据更有价值，

如何利用重感知技术解决对真实空间的理解问题，

如何使用人类世界的交互界面，

如何让模拟更真实，

如何让自动驾驶系统移动得更像人类。

为了应对以上六大挑战，MANA对感知智能和认知智能进行了升级。如下所示:

1.如何更高效地将数据规模转化为模型效果。

MANA利用量产车无标签数据的自我监督学习方法构建模型效果与仅用少量标记样本训练相比，训练效果提高了3倍以上，使微小数据的优势高效转化为模型效果，从而更好地适应自动驾驶各种感知任务的需求

2.如何让数据更有价值。

面对庞大数据规模下的数据效率问题，MANA搭建了一个增量学习训练平台，提取部分存量数据，加入新数据，形成混合数据集在训练时，要求新模型和旧模型的输出尽可能一致，新数据尽可能拟合好与常规方法相比，整体计算能力节省80%，响应速度提高6倍

3.如何利用重感知技术解决对真实空间的理解问题。

MANA利用时间序列变压器模型在BEV空间进行虚拟实时映射，使得感知车道线的输出更加准确稳定，让城市导航自动驾驶告别高精度地图依赖。

4.如何使用人类世界的交互界面，

升级后，MANA的感知能力更加精准，让国内没有无法识别的车辆信号灯通过升级车载感知系统，MANA专门识别刹车灯和转向灯的状态，让驾驶者在处理紧急刹车和紧急超车时更加安全舒适

5.如何让模拟更逼真。

马纳的认知能力又进化了面对最复杂的路口场景，MANA将高价值的真实交通流场景引入仿真系统，与浙江省德清，阿里云合作，将最复杂的路口场景引入仿真引擎，构建自动驾驶场景数据库通过自动驾驶的真实模拟验证，时效性更高，微观交通流更真实，有效解决城市路口老大难问题

6.如何让自动驾驶系统移动得更像人类。

MANA认知智能迎来了一个新的阶段通过深入了解覆盖全国的海量人类驾驶，学习常识，拟人化动作，辅助驾驶的决策更像人类的实际驾驶行为，结合实际情况选择最佳路线保证安全，体感更像老司机

上述六大技术升级体现在产品上，就是NOH这个弹丸之地实现了六大功能的升级。

古郝伟表示，借助MANA的赋能，NOH市实现了以下功能:

有了交通灯的智能识别，

聪明地左转右转，

智能变道，

智能避障—静态，

智能避障—动态五大亮点。

此外，智能交通流量处理功能也将正式发布。

智能电动车时代，软件OTA升级将是汽车的标配，传统汽车已经成为可以成长的汽车升级速度和体验将是提升产品竞争力的关键

可见在MANA的加持下，Mimo在技术升级和功能迭代上进步神速，将对手远远甩在身后让汽车真正保持生产，快速成长

五，微小的规则:赢得自动驾驶3.0时代的五大规则

目前，特斯拉已经在全球领先，进入自动驾驶3.0时代。

基于Mimo在智能数据处理，超级计算中心等领域的布局，Mimo认为，Mimo最有可能成为第一家进入自动驾驶3.0时代的中国公司

什么是自动驾驶的3.0时代。顾对的总结是:一个核心，四项技术:

核心是指数据驱动。这四个技术条件是:

1.大模型。

注意力模型作为AI发展的新趋势，带来了机遇和挑战，成为自动驾驶3.0时代的重要驱动因素之一。

2.海量数据，且数据处于自训练模式。

自动驾驶3.0时代，自动驾驶的里程数据需求激增从硬件驱动的1.0时代的一百万公里，到软件驱动的2.0时代的几千万公里，直接飙升到一亿多公里

3.在传感技术上，多模态传感器共同输出结果。

4.在认知技术上，主要基于可解释的场景驱动常识。

以数据驱动为核心，以上四个技术条件并行成立，才能称为真正进入自动驾驶3.0时代他说

从以上标准来看，已经进入3.0时代。

比如在大模型方面，Mimo已经搭建了基于注意力大模型的MANA智能处理系统。

在数据采集方面，毫米已经拥有1700万公里的数据未来有了长城汽车智能化进程的加持，数据采集会更加容易快捷

在感知技术方面，小小城市NOH的传感器包括激光雷达，毫米波雷达和摄像头。

在认知技术方面，MANA数据情报系统也快速提升了认知能力比如让仿真更逼真，让自动驾驶更像人的升级，就是认知能力的提升

Mimo一直在为自动驾驶3.0时代做准备在感知，认知，模式构建方面，都是以数据驱动的方式构建我们所做的一切都是为了能够制造数据通道和计算中心，以便我们能够更高效地获取数据，并将其转化为知识顾总结道

在自动驾驶3.0时代，将面临三大挑战:

云对大规模自动驾驶数据的挑战

大计算AI芯片性能突破的挑战

《城市场景下自动驾驶产品量产突破的挑战》

张凯表示，迎接挑战的最佳方式是赢得智能驾驶下半场的五大制胜法则。包括:

1.智能驾驶产品的发展始终把安全放在第一位，

2.产品体验真香才是王道，

3.基于用户真实场景数据驱动，实现产品快速迭代，

4.实现感知智能和认知智能的高度融合，

5.以开放的心态赋能客户，推动行业共同进步。

一般来说，产品安全和产品体验是成功的首要标准，应该放在最前面数据驱动和快速迭代是制胜的战略路径感知智能和认知智能的融合是技术手段，赋能客户是推广的保障

在团队建设和企业文化方面，有五条规则。

目前人才机构建设员工1000多人，其中技术研发占90%以上为了打赢三大战役，Mimo正在紧锣密鼓地招贤纳士

电驹哥总结:

1000天，在智能驾驶技术水平，系统建设，开发速度，产品迭代能力，未来布局等方面实现了快速发展堪称一匹黑马

在智能驾驶赛道上，目前特斯拉依然是领跑者，可能是离特斯拉最近的选手。

对于Mimo本身来说，一整套R&D和量产体系的建立，使其获得了在自动驾驶领域生存和领先的通行证。

对于长城来说，投资长城智慧是精彩的一笔，为其在智能时代的发展提供了强大的技术后盾。

对于行业来说，行业的发展理念，技术路径，发展模式也是很好的借鉴和参考。

智能电动化时代，中国市场诞生了很多独角兽，比如动力电池领域的当代安普科技有限公司，芯片领域的地平线或许，智能驾驶领域的独角兽是明智的

。