大牛投稿

毫末智行决胜特斯拉，强算法+大数据+高算力成自动驾驶胜负手

第一电动大牛作者汽车之心 2022-02-22 14:30

细数 2021 年几条大热赛道，自动驾驶绝对是当之无愧的无冕之王。而即便刚刚步入 2022 年就继续高开高走，行业龙头特斯拉、毫末智行等企业再获中金公司研究团队重点关注。

1 月 27 日，中金发布研究报告《人工智能十年展望（三）：AI 视角下的自动驾驶行业全解析》。报告看好中长期自动驾驶行业的发展，同时指出，算法是各厂商重点布局的核心能力，数据是决定量产能力的胜负手，算力则决定自动驾驶技术上限。

「2012 年之后深度学习技术快速发展带动自动驾驶技术迅速进步，近年来 Transformer 大模型等技术进一步提升了自动驾驶算法能力，2022 年开始落地的大算力芯片及车厂自建 AIDC 的趋势也为大模型提供了底层支持」，而在数据端具备优势的厂商有望率先实现突破。

自动驾驶喜提权威研究团队 pick 绝非偶然，对算法、算力、数据能力的高度青睐也不难在近期行业热点中得到佐证。

在 Omicron 变体传播和 COVID-19病例增加的不利条件下 CES 2022 于年初成功举办，智能汽车成为展会绝对主角；岁末年初多家研究机构发布自动驾驶 2021年标志性进展并研判 2022 年度发展趋势，高算力芯片、数据智能、深度学习算法等也成为高频词汇。

无独有偶，毫末智行董事长张凯先前也围绕自动驾驶数据、算法、算力、量产、商业化、市场形态等作出 2022 自动驾驶行业十大预测。

他同时指出，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。

而强算法+大数据+高算力带来的自动驾驶能力飞跃无疑将凸显相关企业竞争优势，在一致看涨声中打响开年关键战。

01、算法：Transformer 大模型征战图像视觉，特斯拉与毫末智行先后站台

Google 于 2017 年在 arXiv 上发布文章 Attention is all you need，通过一维卷积+注意力机制的设计，抛弃传统 encoder-decoder 模型必须结合 CNN 或者 RNN 的固有模式，取得了非常不错的效果，也被评为 2017 年 NLP 领域的年度最佳论文。

其后 Transformer 在自然语言处理（NLP）方面取得巨大成功，GPT-2、GPT-3、BERT、XLNet 和 RoBERTa等许多预训练模型展示了 Transformer 执行各种任务的能力。

进入 2020 年，Transformer 模型已被应用于图像处理，其结果可与 CNN 相媲美。

中金公司在《人工智能十年展望（三）：AI 视角下的自动驾驶行业全解析》提到，Transformer 具备强大的序列建模能力、全局信息感知能力，在大规模数据训练、鲁棒性、泛化能力等方面表现突出，因而在自动驾驶领域较传统 CNN 优势明显。

而特斯拉和毫末智行均已宣布将 Transformer 引入自动驾驶系统中，实现自动驾驶系统感知智能和认知智能的大幅优化。

以 Transformer 为代表的大模型已成为自动驾驶算法的重要发展方向。

在 CVPR 2021 自动驾驶研讨会上，特斯拉人工智能首席科学家 Andrej Karpathy 引入 Transformer 进行大规模的无监督学习。

特斯拉的深度学习模型使用 CNN 从安装在汽车周围的八个摄像头的视频中提取特征，并使用 Transformer、CNN、3D 卷积中的一种或者多种组合完成跨时间的图像融合，基于 2D 图像形成具有景深的3D 信息输出，而这对于轨迹预测任务和消除推理不一致非常重要。

毫末智行也几乎于同期为 Transformer 大模型站台，可谓不谋而合。

中金团队提到，毫末智行的 AI 团队正在逐步将基于 Transformer 的感知算法应用到实际的道路感知问题，如车道线检测、障碍物检测、可行驶区域分割、红绿灯检测&识别、道路交通标志检测、点云检测&分割等。

背靠长城汽车，毫末智行可以获取到大量的真实路测数据，或许这也正是毫末敢于率先引入 Transformer 大模型的底气。

正如毫末智行 CEO 顾维灏所言：

「Vision Transformer 是最适合超大数据集的技术，也是非常适合毫末智行的技术。在自动驾驶领域，特斯拉有这么多数据，未来毫末智行也会有。这是毫末智行突破重围的关键，也是未来坚实的技术壁垒。」

Transformer 技术的应用正在为毫末各条智能驾驶产品线上的视觉算法落地带来成倍的效率提升，也将使其各项视觉性能指标达到业内领先水平。

02、数据：数据智能体系推动自动驾驶商业化闭环，量产步伐加速

走纯视觉路线还是激光雷达路线？业界一直对此争议不断。

中金研究团队则认为，视觉主导与激光雷达技术路径之争，本质上是 AI 算法+硬件逼近人脑能力的速度，与激光雷达等可选硬件对数据量、算法弥补程度及其降价速度之间的竞争。

事实上，大多数厂商尚不具备特斯拉那样已行驶在道路上的百万辆级量产车车队和每年数百亿级里程数据，因而并未完全押宝视觉算法和神经网络。

同时半固态激光雷达正在快速抢占前装市场，降低部分性能要求的同时价格也已降至 1000 美元级别，特斯拉也需要面对其他厂商近来激光雷达军备竞赛级的上车速度。

因此，不同技术路线的选择从根本上更像是不同企业各自对数据、算法、成本综合作用下的适应性取舍。

然而不论是纯视觉路线还是激光雷达路线，其深度学习过程首先都离不开海量数据的投喂。

一些分析师认为，特斯拉在 2021 年拥有价值超过 55 亿英里的真实世界驾驶数据，比竞争对手拥有更多的真实世界数据从理论上讲也意味着能转化为更好的深度学习模型。

而在日前美国加州车管局（DMV）公布的年度自动驾驶路测数据中，Waymo 报告了 232.58 万英里（374.3 万公里）的测试里程，牢牢把持测试车队首位。

因此，中金在《人工智能十年展望（三）：AI 视角下的自动驾驶行业全解析》预判，在未来较长一段时间，数据的持续积累将是各大自动驾驶厂商的核心竞争点。

毫末智行则脱胎于长城汽车，天生就离数据更近。

基于对 500 万公里辅助驾驶用户行驶里程，毫末智行率先提出自动驾驶发展曲线「f(x)=Z0+M(x)」，其中 M(x) 是将数据转化成知识的函数，其产品力核心迭代动力正是来自于数据规模。根据毫末智行 3 年后辅助驾驶系统装车量突破百万的计划，届时其要收集的数据量必将更加庞大。

而标记如此规模的海量数据集则是又一巨大挑战。

一种方法是通过数据标记公司或 Amazon Turk 等平台手动标注。但这需要大量的人力和资金投入且进程十分缓慢。

中金团队也指出，数据体系的自动化水平、效率是数据规模之上的又一关键竞争点且壁垒更高，毫末智行的数据智能体系也在报告中得到加持。

2021 年 12 月，毫末智行推出号称「中国首个数据智能体系」的产品——MANA（雪湖）。这一体系由 TARS（数据原型系统）、LUCAS（数据泛化系统）、VENUS（数据可视化平台）、BASE（底层系统）四个子系统组成，形成完整运转的自动驾驶数据智能体系，进而实现感知、认知、标注、仿真、计算五大能力提升。

得益于 MANA 体系 LUCAS 的数据闭环，毫末智行数据收集、处理、标注和 AI 训练方面展现成本优势和高迭代速度。

依靠「数据智能」的驱动，2021 年毫末智行的辅助驾驶系统已经搭载至 5 款总计数万台量产车辆中，是中国辅助驾驶量产能力最高产的公司。

据张凯透露，2021 年毫末智行营收已经达到数亿元，成为最快盈利、营收能力最强的自动驾驶公司之一，同时也跻身量产产品第一阵营，2022 年乘用车辅助驾驶项目预计扩大 7 倍，无人物流车项目也将扩大 3 倍。

张凯表示，数据智能将会成为自动驾驶量产决胜的正负手。数据智能体系是自动驾驶商业化闭环的关键所在，搭建高效、低成本的数据智能体系是自动驾驶健康发展的基础，也是自动驾驶系统能够不断迭代前行的重要环节。

数据是智能汽车时代的新型石油，而数据智能则驱动着自动驾驶系统快速更迭，成为自动驾驶公司的必修功课。

03、算力：高算力车规级芯片开启上车元年

随电子电气架构技术由分布式不断向集中式演进，中央域控制器+车云协同计算正在成为整车电子电气架构的长期发展方向。

而随着功能与算力的不断集中，高算力芯片成为新型电子电气架构的物理实现基础，被业界一致认为是自动驾驶皇冠上的明珠。