2022年3月，根据上险量的数据，中国新能源乘用车的渗透率已经达到了32%，即每卖出3辆汽车，其中的一辆会是新能源。
此时此刻，我们几乎就可以做出结论，在中国市场，新能源汽车已经越过了早期的“培育期”，正在进入到快速普及阶段。
一些激进的传统车企，甚至已经宣布停产燃油车了。
对于汽车产业而言，电动化的浪潮已经到来；与此同时，对于全球汽车产业而言，另一场影响更为深远的变革——智能化革命——正悄然而至。
如果说，电动化颠覆了传统燃油车的竞争格局，智能化则会重构新能源汽车的竞争格局，很多原先领先的“功能电动车”制造商，在智能化浪潮的冲击之下，将会失去领先的市场地位。
很多人没有意识到，即将到来的城市导航辅助驾驶，将拉开新能源汽车产业智能化革命的序幕。
这股浪潮，将会在几年之内彻底颠覆百年汽车产业的竞争格局，也将会重塑当下自动驾驶产业的竞争格局。
一
城市导航辅助驾驶要来了。
4月19日，毫末智行的AI DAY如期而至。
在这场发布会上，这家由长城汽车创始人魏建军投资的自动驾驶AI公司，发布了一系列值得关注的量产智能驾驶技术的进展：
1.毫末HPilot系统计划在2024年装车100万辆。
截至目前，毫末智行的智能驾驶系统HPilot已经搭载了包括坦克500在内的6个车型，在辅助驾驶状态下累计的驾驶里程突破了700万公里。
在发布会上，该公司董事长张凯透露，毫末HPilot在研项目超过70个，在2022年底，预计将会有34个车型搭载毫末HPilot智能驾驶系统。
鉴于此，他们计划在2024年底，搭载毫末HPilot车型的累计保有量要超过100万辆。
如果上述目标能够达成，则可以表明魏建军所打造的自动驾驶的“毫末智行模式”将可获得成功。基于毫末智行的成功，长城汽车有望会是第一家实现智能化转型的传统车企。
2.发布城市导航辅助驾驶系统HPilot 3.0。
城市导航辅助驾驶，是本次毫末AI DAY的重头戏，也将是该公司在2024年实现100万辆搭载HPilot系统目标的关键。
毫末智行的城市导航辅助驾驶系统，被命名为HPilot3.0，标配一颗高通骁龙Ride芯片，算力为360TOPS，2颗128线的可变视场角激光雷达，12个800万像素高清摄像头和5颗最新一代毫米波雷达，12颗超声波传感器。
毫末智行的HPilot3.0是国内第一个使用重感知方案的城市导航辅助驾驶系统。
在城市路况下，该系统能够实现的功能包括：
1）红绿灯识别和自动启停；
2）自动变道超车；
3）自动右转；
4）无保护左转；
5）自动过环岛；
6）避让横穿、逆行的行人、快递小哥、小三轮等功能。
这意味着，在城市路况中，用户可以实现door to door的导航辅助驾驶。
产品力层面，搭载该系统的乘用车路口通过率超过70%、变道成功率超过90%。据了解，在日常测试中，“毫末城市NOH”的路口通过率等方面领先特斯拉在中国的表现。
在量产时间表上，《建约车评》得到的消息是，HPilot3.0计划在近期落地。这个速度，有望超过小鹏成为国内第一家量产城市导航辅助驾驶的企业。
毫末智行CEO顾维灏透露，在2024年的时候，HPilot3.0将会在全国100个城市实现功能的覆盖。
城市覆盖数量，是城市导航辅助驾驶系统竞争的关键。
3.数据智能系统MANA再升级。
对于毫末智行而言，MANA系统，是智能驾驶竞争的底层系统，是该公司在接下来的车企之间即将爆发的城市导航辅助驾驶的激烈竞争中的杀手锏。
在算法模型端，该系统是国内第一个采用Transformer超大规模深度学习模型的智能驾驶系统。
在云基础设施方面，该系统是国内第一个使用阿里M6超大规模模型的系统，阿里M6的参数规模达到10万亿个。
在终端计算上，该公司集成的高通骁龙Ride将与HPilot3.0一起量产。
基于超大规模神经网络模型、云基础设施和终端计算硬件，在经过一个季度的迭代之后，据顾维灏透露，毫末智行的MANA系统已经将自动驾驶的训练成本降低了60%，其中，自动化标注率达到了80%；模型进步的加速比超过96%，系统吞吐量达到了每秒4万个sample。
数据智能系统的效率，是自动驾驶系统迭代竞争中两项最关键的指标。
据顾维灏透露，依托于MANA系统能力的快速提升，他们已经初步解决了不依托高精地图进行红绿灯、车道线的感知和识别问题。
4.推出末端物流自动配送车小魔驼2.0，售价仅为12.88万元。
城市导航辅助驾驶系统的落地，意味着智能驾驶系统正式从此前的中低级阶段，进入到了中高级阶段。
城市导航辅助驾驶系统的量产，意味着支持高阶自动驾驶能力的硬件正式进入量产阶段。
小魔驼2.0的推出，正是基于这样的基础。
在此之前，末端无人车的成本甚至能达到50万元。毫末智行小魔驼的售价为12.88万元。
这个价位，基本上意味着，末端无人车配送的大规模落地，具备了硬件和成本上的可能性。
继末端无人配送之后，其他场景的无人驾驶硬件系统，将会逐步转向乘用车智能驾驶系统的供应链，这是量产和大规模落地的前提。
毫无疑问，Robotaxi也将会转向乘用车智能驾驶的供应链。
这仅仅是一个开始。
二
绝大多数人，都低估了城市导航辅助驾驶对汽车产业和对自动驾驶产业所带来的冲击。
当历史的时钟走到2023年的时候，任何一款中高级轿车，如果不具备城市导航辅助驾驶能力，将会变得毫无竞争力。
从此，智能驾驶系统将会成为影响用户购买新能源汽车的关键性因素。
在智能驾驶系统的Mobileye时代，辅助驾驶给人带来的最主要的价值就是AEB、ACC和车道保持。
对于很多购车者而言，他们总是听说自己所购车辆拥有辅助驾驶能力，但很难被有效感知到。一些原因包括：
1）AEB功能非常重要，但只有在特别紧急的情况下才会触发。
那种触发的体验，没有人愿意尝试，也试不出来，事实上，绝大多数的驾驶者对这个功能在某些场景下是否真的会奏效心存疑虑。
2）ACC和车道保持在高频的城市场景很不靠谱。
有时候是因为车道线问题退出，有时候是因为红绿灯问题退出，还有的时候是因为被强行并线而不得不接管。
在城市场景中使用ACC或者车道保持功能的体验相当不好，在更多的时刻，它们的被启动只是用于向亲朋证明，车主所拥有的车辆，具备新闻中吹嘘的“高阶技能”。
当然了，ACC和车道保持，对于一些经常有长途驾驶和城市快速路驾驶场景的用户而言，是非常友好的一个功能，但这不是一个高频场景。
此外，这些传说中的智能驾驶功能，消费者在城市的试驾车辆环节，也难以感知。
这样的局面，将会在城市导航辅助驾驶系统落地之后被打破。
因为消费者购车时就可以体验产品的功能了。
设想一下，当一个消费者在做购买决策时，在价格差不多的情况下，有的车可以实现无保护左转、自动右转、避让行人等动作，而有的车却不行的时候，怎么选是一目了然的。
中高阶智能驾驶也将会改变高端品牌的定义。
接下来的很多时候，在两个小孩之间，也许会有一场这样的对话：
小孩A：（自豪地）我爸爸刚刚买了一辆100万元的奔驰SUV。
小孩B：它有自动驾驶吗？
小孩A：……
这将会让很多消费者对没有中高阶智能驾驶系统的车型失去“向往感”。
城市导航辅助驾驶系统，必然会成为影响购车决策的关键因素。
当城市导航辅助驾驶快速普及的时候，对于自动驾驶产业而言，将会带来诸多深远的影响：
1）核心硬件快速产业化。
这里包括核心计算硬件和核心感知硬件。
在2017年，英伟达Drive PX2的“零售价”大概是1.6万美元；2020年，英伟达Xavier的售价大概是900美元，2022年，售价约为160美元，每TOP的算力成本约为5美元；2022年下半年，英伟达OrinX的算力为254TOPS，售价约为350美元，每TOPS的算力成本约为1.4美元。
激光雷达的价格降幅更加显著。
2021年，一颗32线的机械式激光雷达的成本还达到数万美元。然而，现阶段，支持城市导航辅助驾驶系统的、量产的等效超过100线的半固态激光雷达，零售价已经低至1000美元，甚至一些能够拉低到数百美元。
在2018年，人们只是畅想和希冀有朝一日，激光雷达的售价能够降至数百美元，那个时候32线Lidar的售价大概是8万美元，手工打造，现金交易，还需要排队。
原因在于，2021年，全球范围内激光雷达的出货量的量级是数千颗；2022年，一家头部激光雷达的出货量的量级大概是10万颗。
2）核心软件和云基础设施快速产业化。
这里当然包括高精地图。
但是，更多的人忽略了标注成本、云成本。
当下，每帧数据标注的平均成本约为3元。基于庞大的里程数据，特斯拉拥有60亿个清晰标注的目标物体。
要完成如此庞大样本库的标注，无疑是一笔巨大的成本。毫末智行，将标注自动化率提升到了80%，就意味着这个产业的成本将会大幅降低。
同样，一个超大规模模型的算法，放在一个拥有10亿个corner case的云中跑一遍，也许需要一周时间，时间和金钱成本无法估量。
随着城市导航辅助驾驶的大规模落地，几乎每天都会遇到corner case，毫末智行几乎每天都需要迭代智能驾驶算法。
智能驾驶产业的训练成本，已经到了可以大规模、高频次的常规运营的阶段。
这些成果，可以被整个自动驾驶产业共享。
城市导航辅助驾驶系统的量产，对于自动驾驶产业而言，本质上是中高阶智能驾驶系统的量产。
看起来是一个应用，但这个应用的背后，是一条成熟的产业基础设施。
三
做好一个城市导航辅助驾驶，无疑是一项巨大的挑战。
高速导航辅助驾驶，基本上是一个结构化和标准化的驾驶场景，而城市导航辅助驾驶充满了意外，充满了corner case。
据顾维灏介绍，在中国范围内，城市内道路超过1000万公里，城市路口超过40万个，交通红绿灯达136万个。
这些路口、红绿灯，几乎不带重样的，每一个地方的交通拥堵状况、交通参与主体无时无刻不在变化。
此外，一个城市和另外一个城市的道路地理结构大概率完全不同，不同城市之间的交通主体的行为习惯完全不同。
在上海，市民们过红绿灯非常规矩，但在中国绝大多数城市的行人并没有良好的按照红绿灯通行的习惯。
在这样的背景之下，人类驾驶非常高频的右转，对于一个智能驾驶系统而言，也都会是一个灾难。
因为当机器人司机想右转的时候，它永远会发现车的左前和右前布满了交通流。在前面红绿灯是绿色时，右侧将会有大量行人和自行车和你“博弈”；当前面红绿灯是红色时，横向红绿灯变绿，横向又会冲过来大量汽车、自行车和行人。
人类司机可以与外部的交通参与者充分“博弈”，果断地打方向盘，一点一点往右“挤过去”，但机器显然会陷入迷惘。
更多“高阶”的挑战还包括：
行色匆匆的外卖小哥，为了不至于迟到，冷不丁横穿马路，或者逆行而来，并不是一个低概率的事情。
优哉游哉的骑着小三轮的大爷，会极度逍遥地在离你非常近的左前方“奔驰”，当智能驾驶汽车与他的距离过近时，大爷会对着车辆怒目而视，浑然不知该车处于“自动驾驶”状态。
在中国式的街道，你永远不知道一位街边大妈的行为意图。在上一刻，她可能向马路外侧探出一只脚，在下一刻又缩了回去。
对于高速导航辅助驾驶，绝大多数时候，智能驾驶系统做好跟车、并线、汇流等几种动作，然后把十几万公里的高速及出入口测试几遍，剩下的就是持续迭代了。
对于城市导航辅助驾驶，哪怕是一个城市，系统能力的提升都是一个无休止的迭代过程：覆盖主干道、覆盖核心商业区、覆盖小区、覆盖景点、覆盖稍微窄一点的街道、覆盖胡同小巷等，会是一个艰难的循序渐进的过程。
在一个场景中，一年365天，都会遇到不同的corner case。
然后，一个城市又一个城市地向前推进。
对于高速导航辅助驾驶，不同系统之间的用户体验差距没有想象的那么大。
对于城市导航辅助驾驶，不同系统之间的用户体验差距将会大得难以想象。
车主一坐到驾驶位，一启动城市导航辅助驾驶系统，就能够感受到系统与交通流交互的靠谱程度，以及系统与驾驶员交互的靠谱程度。
每一个城市导航辅助驾驶系统，在不同阶段，场景的覆盖、城市的覆盖都将会完全不一样，给驾驶员的置信程度都会不一样。
这样的差别，会让不同车企在智能驾驶上的能力的差距，比较快地暴露在众目睽睽之下，进而会让车型产品在市场竞争中遭到失败。
正是由于城市导航辅助驾驶系统的挑战是如此之大，也导致了能够支持城市导航辅助驾驶能力的车辆的硬件系统得到了大幅度的升级，也导致了这个系统的量产，其带来的社会价值和产业价值是如此之大。
四
对于任何一家企业而言，如何在城市导航辅助驾驶这场关键的竞赛中获胜，正在变得极端重要。
顾维灏有自己的答案。
在此之前，量产智能驾驶的技术路线分为两条，一条是特斯拉的纯视觉技术路线，另外一条是中国本土车企感知融合+高精地图技术路线。
在很大程度上，毫末智行是中国阵营的“叛逆者”。
在量产智能驾驶技术路线的选择上，顾维灏更倾向于选择投马斯克一票，而毫末HPilot3.0，正在走一条重感知的技术路线。
当然了，毫末智行并不排斥激光雷达，这也是他们与特斯拉的不同，激光雷达是毫末HPilot3.0双重感知冗余的另外一重保障。
如果一切不出意外，毫末HPilot3.0，将会是全球第二个、中国第一个在城市场景实现量产的重感知导航辅助驾驶的智驾系统。
选择重感知技术路线，顾维灏有充分的理由。他认为，城市导航辅助驾驶的竞争，不仅是落地速度的竞争，更是落地质量的竞争。
在落地质量方面，最重要的一点是所覆盖场景的范围。
这是高精地图最大的痛点，因为在任何一个国家和地区，进行厘米级精度测量时，都会变得特别敏感。
比如，在中国，北京就是一个敏感城市。在其他城市，总会有各种各样的敏感地方，不能被高精地图覆盖。
当然了，对于全国将近1000万公里的城市道路而言，实现高精地图的全覆盖，也是一个巨大的工作量。
采用高精地图方案，向其他国家进行复制和推广时，在政策协调上的时间成本也会很高。
不用高精地图则可规避政策风险，在场景扩张上处于有利地位。
这也是毫末智行敢于提出在2024年实现城市导航辅助驾驶在100个城市落地的底气所在。
重感知解决方案，优势明显，劣势也有。
对于智能驾驶系统而言，没有高精地图，感知和定位的难度会以数量级的方式提高。
举一个例子，有高精地图的红绿灯，系统可以清楚地定位到前面有一个红绿灯，以及红绿灯更具体的信息，比如某个灯管直行，某个灯管左转等。
没有高精地图，不仅红绿灯识别是个挑战，车道线本身的识别也会成为一个挑战，而车道线的识别会和红绿灯识别整合在一起，又是一个复合挑战。
在这样的背景下，系统需要自行判断前面那个东西是不是红绿灯，红绿灯中的哪个灯管的是哪个车道，自己现在处于哪个车道等问题。
在中国，有136万个红绿灯，这些红绿灯的形态各异，不仅形态各异，有些会被损坏，有些会有灰尘玷污，在不同的天气状况、光照状况之下，都有可能造成误检。
没有高精地图的帮助，在智能驾驶算法训练的过程中，需要标注的目标物体数量将会大幅增长，对这些场景训练的难度也会大幅增加。
顾维灏愿意接受这样的挑战，他认为时间是站在他这一边的。
由于基础技术在高速发展，感知方面的技术挑战会逐步被解决，而易于复制和迁移的优势将会逐步发挥出来。
核心变量在于：
1.智能驾驶芯片算力的增长超乎想象，几乎以每3年增加4倍的速度扩张。
毫末智行HPilot3.0采用高通骁龙Ride的单板算力为360TOPS，英伟达序列的上一代智驾芯片Xavier的算力为30TOPS，这一代OrinX为254TOPS。
2.摄像头像素高速增长，10年时间增长15倍。上一代摄像头的像素为130万，这一代的像素已经达到800万像素。
3.神经网络算法模型的参数规模在高速扩张，能力也在高速扩张。比如，2012年神经网络参数约在百万级别，而到了2021年，Transformer模型的参数已扩张到了千亿级别，10年时间增长了1000倍。
这些因素都使得智能驾驶系统的感知能力，在每个代际，都呈现出跨越式发展。
基于这样的判断，毫末智行搭建了与上述技术路线相匹配的自动驾驶数据智能体系MANA。
毫末智行MANA最核心的几个特点是：
1.国内本土第一个采用Transformer大模型的智能驾驶研发机构，特斯拉是首个将Transformer模型引入自动驾驶的公司。
大模型的优点是，在数据规模小的时候，效果和小的模型差不多，但数据规模越大，大模型的效率就会越高，深度学习能力就会越强。
顾维灏很清楚，智能驾驶是一个海量数据的事情。
2.大模型必然要求强大的基础设施。
即在云端要求大算力，在终端要求大算力。
特斯拉云端有Dojo，终端有Hardware3.0，下半年切换到Hardware4.0。毫末智行的终端计算平台是高通骁龙Ride，云端则将会搭建专属IDC基础设施，毫末的MANA也是国内第一家使用阿里云M6系统的智能驾驶系统。
强大的基础设施最大的优势，就是能够高效处理海量数据。一方面，大幅度提升自动化程度，另一方面，大幅度提升训练速度；进入提升算法迭代和场景迁移的速度。
这也是为何，顾维灏是国内最早公开提出，自动驾驶的事情主要就是云计算的事情。
这也是为何，几乎每次在毫末AI DAY上，顾维灏讲到MANA系统的迭代时，核心指标就是自动化标注率、训练成本的降低、系统的吞吐性能和算法进步的加速比。
当然了，鉴于毫末智行已经搭建了庞大的数据智能系统MANA，接下来决定成败的关键就是搭载毫末HPilot3.0的车队规模。
这也是为何，该公司提出，到2024年，相关车队规模要达到100万辆。
为了继续扩大车队规模，毫末智行提出了“6P合作原则”，甚至会给一些战略合作伙伴提供源代码级的“白盒”合作方式。
毫末智行所选择的重感知技术路线，在与本土友商的竞争之中，确实带来了差异化的竞争优势。
此外，他们又通过激光雷达的冗余，与特斯拉进行差异化，提升在中国复杂路况之下的感知靠谱程度。
这是一种有趣的竞争策略。
总结
对于每一家车企而言，在此时此刻，需要更加深入地思考一个问题，该如何迎接即将打响的“城市导航辅助驾驶之战”，一场决定企业生死的战争。
对于整个自动驾驶从业者而言，乘用车场景的城市导航辅助驾驶，是真正意义上的中高阶智能驾驶的大规模量产。
这个场景的规模量产，重构了自动驾驶产业整个产业链条，每一家自动驾驶的研发机构都需要思考，如何通过复用这个产业链实现量产，否则将会变得愈发被动。
如何获得《中国汽车科技趋势报告》
原文始发于微信公众号（建约车评）：毫末抢发城市导航辅助驾驶，汽车智能化淘汰赛鸣枪
Chinese 
English