11月25日 ， 毫末智行CEO顾维灏应邀参加了由清华大学智能产业研究院（AIR）主办的AIR DISCOVER实验室青年企业家论坛 ， 同清华AIR老师及清华学子就自动驾驶行业发展话题进行交流 。 活动中 ， 顾维灏以“数据智能的深思考与慢功夫”为主题发表演讲 ， 详细介绍了毫末智行如何使用数据智能加速自动驾驶落地 ， 并围绕数据积累与治理、模型研发、芯片应用、安全解决方案等数据智能应用中的核心问题 ， 给出了毫末智行的思考与探索 。

文章图片

（毫末智行CEO顾维灏在清华AIRDISCOVER青年企业家论坛进行分享）
顾维灏表示 ， 数据智能是自动驾驶的核心 ， 规模化则是实现数据智能的前提 。 成立近两年来 ， 毫末智行基于“车企+技术公司”的天然基因 ， 摸索出了独特的制胜公式：（稳定的量产能力*数据智能*安全）^生态 ， 并在自动驾驶量产交付、上车速度上频频刷新纪录 。 目前 ， 毫末智行已将辅助驾驶系统陆续搭载至魏牌摩卡、坦克300城市版、哈弗神兽、魏牌玛奇朵、魏牌拿铁等多款热门车型 ， 并携手美团、物美多点、阿里达摩院等合作伙伴 ， 开启末端物流无人车服务 。 其中 ， 辅助驾驶用户行驶里程已突破200万公里 ， 预计未来三年搭载毫末智行辅助驾驶系统的乘用车总量将会超过100万台 ， 从而形成有效的规模优势 ， 进而推动毫末的数据智能高速进阶 。

文章图片

作为自动驾驶最基础且重要的一环 ， 数据的质量与处理能力往往决定了一家自动驾驶企业的上限 。 顾维灏在演讲中也提出：“谁能用最低的成本 ， 积累最多的数据 ， 用最快的速度进行产品迭代 ， 谁就将获得未来竞争的胜利 。 ”毫末智行的数据智能 ， 即是让有价值的数据可持续且高效的积累 ， 这也是毫末最核心的技术点 。 毫末投入了大量资源建立自身数据智能闭环 ， 这背后是一门不折不扣的慢功夫 。 快慢之间 ， 毫末智行逐渐探索出数据智能闭环搭建之路 。

文章图片

顾维灏介绍 ， 毫末智行的数据智能体系在以下三个方面进行了深度布局：首先 ， 采用大量人工标注的方式不断扩大可用数据量；其次 ， 使用离线大模型为车载模型纠错 ， 同时使用无监督聚类的方式去挖掘更多潜在的困难场景；最后 ， 为了进一步提高数据流程的效率 ， 离线大模型和无监督聚类都实现了高度的并行化训练和推断、依赖仿真引擎 ， 毫末智行使用高度自动化的工具将场景库迅速转化为测试案例 ， 极大提高模型研发效率 。

文章图片

除此以外 ， 顾维灏还就数据智能面临的五大问题 ， 给出了毫末的回答：
首先 ， 如何解决数据偏见？得益于长城汽车的量产优势 ， 毫末智行已经积累了大量的原始数据；同时可根据实际应用场景 ， 找出有问题的场景 ， 有针对性地补充足够的样本数据 ， 进行样本调配 ， 从而训练出一个更好的 AI 模型 。
有了巨量数据巨量模型参数 ， 要面临的下一个问题便是“如何将数据训练得更快“以及”如何将模型更快地测试验证” 。 毫末为了提升训练速度 ， 除了常见的数据并行之外 ， 使用了更精细的模型并行方法 ， 在每块 GPU 上训练完整的模型 ， 同时每层的梯度还会和其他 GPU 交互 ， 大大提升了模型训练效果 。 此外 ， 在模型研发中 ， 毫末智行使用了 ResNet50 提取图像特征 ， 随后进行了多传感器在 BEV 空间的融合 ， 此处采用了 Transformer 相关的模型结构 ， 最后经由多任务的方式 ， 感知模型直接输出在三维空间中的所有结果 。