毫末智行,合抱一木后几句是什么

1 , 合抱一木后几句是什么合抱之木 , 起于毫末 九层之台 , 起于垒土千里之行 , 始于足下 。【毫末智行,合抱一木后几句是什么】

毫末智行,合抱一木后几句是什么


2 , 毫末智行自动驾驶战场迎来转折点下半年规模量产或将爆发易车原创 “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 。”在2021 HAOMO AI DAY上 , 毫末智行董事长张凯曾对2022年这样预测到 。特斯拉CEO艾隆·马斯克在TED 2022透露 , 有信心在今年实现完全自动驾驶 。自2021年7月正式推送FSD 9.0起 , 特斯拉正式将乘用车辅助驾驶场景由高速域进阶至城市域 , 并通过FSD版本的快速迭代 , 不断实现场景功能体验的提升 。毫末智行是除特斯拉外 , 当前自动驾驶技术迭代速度最快的自动驾驶企业 。在高速NOH落地还不满半年后 , 毫末智行以2022 HAOMO AI DAY上城市NOH的发布 , 率先实现了城市域辅助驾驶产品的规模化落地 。此外 , 毫末智行在这半年期间的突破还包括且不限于:实现了HPilot三代产品的快速迭代与对应6款乘用车型的规模化量产;辅助驾驶系统用户行驶总里程突破1000万公里、1-5月份HPilot的月度搭载超过200%;以及推出售价仅12.88万元的高性价比第二代末端物流自动配送车“小魔驼2.0” 。特斯拉与毫末智行在全球自动驾驶第一梯队分庭抗礼 , 而国内其它自动驾驶企业也在奋起反追 。小鹏汽车曾表示 , 乘用车辅助驾驶城市场景的落地 , 将标志着智能辅助驾驶下半场的开局 , 而具备城市域高级辅助驾驶功能的XPilot 3.5 , 也将首先搭载于旗下紧凑型轿车小鹏P5 , 于今年正式落地 。今年5月 , 华为智能汽车解决方案BU CEO余承东对外高调宣称 , 搭载华为自动驾驶系统的极狐阿尔法S华为HI版为全球量产车中的硬件最强者 , 没有之一 。在自动驾驶技术的发展节点中 , 城市域辅助驾驶不仅是最重要的中场节点 , 也是诸多节点中最难啃的“硬骨头” , 这导致其成为了业界衡量自动驾驶企业成功与否的关键:谁能在2022年率先落地城市域辅助驾驶产品 , 谁就能在自动驾驶的终局之战中获得极大优势 。而作为一家独立运营至今还不满3年的自动驾驶企业 , 毫末智行在这半年中取得的惊人成就也着实令业界震撼 , 这不禁让我们好奇:毫末究竟如何在半年时间内实现逆势赶超、并带来诸多“黑科技”的?而这些“黑科技”又究竟有哪些突破之处?城市NOH:以“重感知”与规模化量产夺得“国内第一”对于自动驾驶行业而言 , 城市NOH的意义并非由高速域到城市域那么简单 。城市NOH不仅是国内首个大规模落地的城市域辅助驾驶产品 , 也是国内首个基于“重感知”技术路线而来的城市域辅助驾驶产品 。2021年12月9日 , 魏牌摩卡NOH智慧领航版上市 , 这是NOH的第一款落地车型 。而在仅仅4个月之后 , 城市NOH便正式发布 , 并在发布期间进行了密集的媒体试乘试驾体验 。如此研发速度在海内外自动驾驶企业中 , 绝对算是头一位 。快速并不代表简单 。与高速域辅助驾驶产品不同 , 城市域辅助驾驶产品不仅要面对更加复杂的城市场景 , 还要面对缺乏高精地图辅助的窘境——在快速实现高速域辅助驾驶产品的落地后 , 很多自动驾驶企业都在成就中迷失了方向 , 围绕“自动驾驶需要多少颗激光雷达”、“城市域高精地图究竟何时落地”等问题 , 开始了无穷无尽的军备竞赛 。毫末智行并未像其它自动驾驶企业一样 , 将实现城市域辅助驾驶技术的希望寄予高精地图 , 而是以自动驾驶第一性原理为依托 , 总结出了两点至关重要的经验:就如知识来源于书籍 , 而书籍由文字组成一样 , 数据才是驱动自动驾驶不断发展迭代的核心 。由此 , 毫末智行推出了数据智能体系MANA , 其具备感知智能、认知智能、标注、验证、计算五大能力 , 以更高效&低成本获取数据为核心 , 推动毫末智行自动驾驶技术不断发展 。自动驾驶本质上是对人工驾驶的学习、模仿与超越 , 而在人工驾驶中 , 驾驶者主要依靠双眼感知世界 , 所以对于自动驾驶而言 , 也应当更重视视觉感知能力 , 而非高精地图、激光雷达等辅助工具 。得益于对自动驾驶第一性原理的深度思考 , 毫末智行已经总结出了一条真正契合自动驾驶发展逻辑的通路 , 并在2022年自动驾驶算力、算法、感知硬件均获得性能升级的情况下 , 实现了数据智能体系MANA感知智能、认知智能、成本&速度的三重进化 , 正式确立了“重感知”的技术发展路线 。在感知智能方面 , 为了应对业内公认的红绿灯识别、红绿灯&路口绑路与车道线识别三大问题 , 毫末智行利用Transformer全局注意力机制的特点 , 建立了独家的“双流”感知模型 , 其能够借助由混合迁移学习带来的训练数据快速识别红绿灯 , 并通过绘制具有解释道路特征的Meature Map , 将红绿灯与其对应的路口进行绑定;此外 , Transformer也能对摄像头获得的车道线信息进行更精准的融合与纠正 , 并基于此实现车道线更具有时序性的输出 , 建立更准确的道路拓扑与时序性关系 。在认知智能方面 , 为了让自动驾驶在复杂场景下的决策能像人一样做到安全、舒适与高效 , 毫末智行首先以海量数据对Transformer大模型进行预训练 , 得到更细分场景下更符合人类思维逻辑的算法模型 , 再由这些模型去取代传统的手写规则 , 由此让自动驾驶从“只会执行简单命令的机械”变成“懂得深度思考的人工智能”;此外 , 为了从海量数据中筛选符合驾驶者与乘客喜好的、并且保证安全的驾驶数据 , MANA还引入了阿里M6大模型 , 以其在电商领域积累的经验 , 为自动驾驶进行优质数据的甄别与可解释性的批注 。在成本&速度方面 , 毫末智行CEO顾维灏提到 , 标注与验证是自动驾驶最高的两大成本来源 , 而通过自动标注技术的应用 , MANA的标注成本将比采用人工标注为主的方式降低80%;此外同样借助与阿里的合作 , MANA也成功将验证成本下降了62% 。基于数据智能体系MANA的三大进化 , 城市NOH在缺乏城市域高精地图的前提下 , 也能开启城市域辅助驾驶功能 , 并借助标精地图提供的车道级导航信息 , 依靠视觉感知能力对路况与驾驶环境进行快速感知与决策 。毫末智行在第一性原理的指引下实现了自动驾驶技术的快速迭代 , 这对其它仍然挣扎于泥潭的自动驾驶企业而言 , 具有相当高的学习与参考意义 。HPilot:快速实现三代迭代 , 强势引领规模化量产如果说对自动驾驶第一性原理的深层理解是毫末智行实现城市域辅助驾驶技术的前提 , 那么背靠长城汽车带来的庞大规模化量产能力 , 以海量数据助力HPilot在半年内快速实现三代产品迭代 , 则是其快速进阶为头部自动驾驶企业的关键 。在如今海内外众多自动驾驶企业中 , 能够具备规模化量产能力、并实现商业化落地的并不多 。以特斯拉为代表 , 其在全球共拥有4座超级工厂 , 能够提供百万级的汽车年产能 。不论其用户是否购买自动驾驶产品 , 特斯拉都能通过终端获取其驾驶数据 。和毫末<a class="hidden" href="https://car.yiche.com/zhixing/" title="智行" data-ke

推荐阅读