毫末智行张凯：发布三款千元级无图NOH 让高阶智驾好用更便宜
最新信息
毫末智行张凯：发布三款千元级无图NOH 让高阶智驾好用更便宜
2023-10-13 23:04:00
“2023年我国高阶智能辅助驾驶市场迎来大爆发。”毫末智行（以下简称“毫末”）董事长张凯在日前毫末第九届HAOMO AI DAY上对2023年自动驾驶行业发展趋势作出了解读。
根据工信部的统计，今年上半年，具备高阶辅助驾驶功能的乘用车销量占比已经达到42.4%。基于此，张凯预判，2025年将达70%，并普及到10万～20万元的主销车型上；城市NOA迎来量产上车潮，目前占L2及以上辅助驾驶份额的17%，2025年将达70%。
《中国经营报》记者关注到，为迎战智能市场的变化，毫末发布三款千元级智能辅助驾驶产品——HP170、HP370、HP570，可全面满足高中低价位智驾车型量产需求，预计将于2023年和2024年先后上车。
结合当前市场上车企普遍能接受的智能驾驶软硬件成本每套在5000元至12000元之间，可以看出毫末三款智能辅助驾驶产品颇具价格优势。
发布三款千元级辅助驾驶产品
“毫末全新发布的第二代 HPilot 乘用车辅助驾驶三款产品，价格打下来的同时性能都打了上去，让中阶智驾便宜更好用，让高阶智驾好用更便宜。”张凯表示。
据了解，毫末HP170是3000元级“极致性价比”的高速无图NOH，可以实现行泊一体智驾。
硬件配置上，算力5TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，灵活选装1个前视雷达和2个前角雷达。场景上，可实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能。
毫末HP370是5000元级“极致性价比”的城市记忆行车与记忆泊车，可以实现行泊一体智驾。
硬件配置上，算力32TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，灵活选装2个前角雷达。场景上，可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。
颇受关注的毫末HP570是8000元级“极致性价比”的城市全场景无图NOH产品，未来将在100+城市落地。
硬件配置上，算力可选72TOPS和100TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，还支持选配1颗激光雷达。
场景上，可实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。
张凯强调：“HP570平台的历史使命是打造行业内最具性价比的高阶城市智驾产品。”
“支持毫末智能驾驶产品实现快速进化的关键，是毫末始终坚定智能驾驶基础设施的持续投入——以大数据、大模型、大算力为技术方向，坚持海量多模态数据的持续反哺，坚持迈向端到端自动驾驶大模型的路线，坚持超级智算中心的扩容与升级，让毫末的发展更有韧性，更具持续创新力。”毫末方面表示。
AI大模型将决定智能驾驶跃迁
随着汽车智能化趋势加速，我国智能驾驶赛道迎来爆发。当前高阶智驾产品正经历从高速场景到城市场景落地的比拼，而城市辅助驾驶被认为是迈向真正自动驾驶的最后一个挑战。
毫末方面认为，决定这场智能驾驶产品跃迁的关键，是自动驾驶AI算法在开发模式和技术框架的颠覆性变革，而AI大模型则成为引领这场技术变革的核心变量。
在第九届HAOMO AI DAY上，毫末智行CEO顾维灏在演讲中分享了毫末对于自动驾驶3.0时代AI开发模式和技术架构变革的思考，同时也公布了毫末DriveGPT大模型的最新进展和实践。
顾维灏认为，与2.0时代相比，自动驾驶3.0时代的开发模式将发生颠覆性的变革。在自动驾驶2.0时代，以小数据、小模型为特征，以Case任务驱动为开发模式。而自动驾驶3.0时代，以大数据、大模型为特征，以数据驱动为开发模式。
顾维灏提出：“在大数据、大模型、大算力的自动驾驶3.0时代，自动驾驶技术框架也会发生颠覆性的变化。在感知阶段，通过海量的数据训练感知基础模型，学习并认识客观世界的各种物体；在认知阶段，则通过海量司机的驾驶行为数据，学习驾驶常识，通过数据驱动的方式不断迭代并提升整个系统的能力水平。”
据了解，毫末DriveGPT大模型正是按照3.0时代的技术框架要求进行升级。
在感知阶段，DriveGPT首先通过构建视觉感知大模型来实现对真实物理世界的学习，将真实世界建模到三维空间，再加上时序形成4D向量空间；然后，在构建对真实物理世界的4D感知基础上，毫末进一步引入开源的图文多模态大模型，构建更为通用的语义感知大模型，实现文、图、视频多模态信息的整合，从而完成4D向量空间到语义空间的对齐，实现跟人类一样的“识别万物”的能力。
在认知阶段，基于通用语义感知大模型提供的“万物识别”能力，DriveGPT通过构建驾驶语言（Drive Language）来描述驾驶环境和驾驶意图，再结合导航引导信息以及自车历史动作，并借助外部大语言模型LLM的海量知识来辅助给出驾驶决策。
“未来的自动驾驶系统一定是跟人类驾驶员一样，不但具备对三维空间的精确感知测量能力，而且能够像人类一样理解万物之间的联系、事件发生的逻辑和背后的常识，并且能基于这些人类社会的经验来做出更好的驾驶策略，真正实现完全无人驾驶。”顾维灏表示。
（文章来源：中国经营网）
根据工信部的统计，今年上半年，具备高阶辅助驾驶功能的乘用车销量占比已经达到42.4%。基于此，张凯预判，2025年将达70%，并普及到10万～20万元的主销车型上；城市NOA迎来量产上车潮，目前占L2及以上辅助驾驶份额的17%，2025年将达70%。
《中国经营报》记者关注到，为迎战智能市场的变化，毫末发布三款千元级智能辅助驾驶产品——HP170、HP370、HP570，可全面满足高中低价位智驾车型量产需求，预计将于2023年和2024年先后上车。
结合当前市场上车企普遍能接受的智能驾驶软硬件成本每套在5000元至12000元之间，可以看出毫末三款智能辅助驾驶产品颇具价格优势。发布三款千元级辅助驾驶产品
“毫末全新发布的第二代 HPilot 乘用车辅助驾驶三款产品，价格打下来的同时性能都打了上去，让中阶智驾便宜更好用，让高阶智驾好用更便宜。”张凯表示。
据了解，毫末HP170是3000元级“极致性价比”的高速无图NOH，可以实现行泊一体智驾。
硬件配置上，算力5TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，灵活选装1个前视雷达和2个前角雷达。场景上，可实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能。
毫末HP370是5000元级“极致性价比”的城市记忆行车与记忆泊车，可以实现行泊一体智驾。
硬件配置上，算力32TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，灵活选装2个前角雷达。场景上，可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能。
颇受关注的毫末HP570是8000元级“极致性价比”的城市全场景无图NOH产品，未来将在100+城市落地。
硬件配置上，算力可选72TOPS和100TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，还支持选配1颗激光雷达。
场景上，可实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。
张凯强调：“HP570平台的历史使命是打造行业内最具性价比的高阶城市智驾产品。”
“支持毫末智能驾驶产品实现快速进化的关键，是毫末始终坚定智能驾驶基础设施的持续投入——以大数据、大模型、大算力为技术方向，坚持海量多模态数据的持续反哺，坚持迈向端到端自动驾驶大模型的路线，坚持超级智算中心的扩容与升级，让毫末的发展更有韧性，更具持续创新力。”毫末方面表示。
AI大模型将决定智能驾驶跃迁
随着汽车智能化趋势加速，我国智能驾驶赛道迎来爆发。当前高阶智驾产品正经历从高速场景到城市场景落地的比拼，而城市辅助驾驶被认为是迈向真正自动驾驶的最后一个挑战。
毫末方面认为，决定这场智能驾驶产品跃迁的关键，是自动驾驶AI算法在开发模式和技术框架的颠覆性变革，而AI大模型则成为引领这场技术变革的核心变量。
在第九届HAOMO AI DAY上，毫末智行CEO顾维灏在演讲中分享了毫末对于自动驾驶3.0时代AI开发模式和技术架构变革的思考，同时也公布了毫末DriveGPT大模型的最新进展和实践。
顾维灏认为，与2.0时代相比，自动驾驶3.0时代的开发模式将发生颠覆性的变革。在自动驾驶2.0时代，以小数据、小模型为特征，以Case任务驱动为开发模式。而自动驾驶3.0时代，以大数据、大模型为特征，以数据驱动为开发模式。
顾维灏提出：“在大数据、大模型、大算力的自动驾驶3.0时代，自动驾驶技术框架也会发生颠覆性的变化。在感知阶段，通过海量的数据训练感知基础模型，学习并认识客观世界的各种物体；在认知阶段，则通过海量司机的驾驶行为数据，学习驾驶常识，通过数据驱动的方式不断迭代并提升整个系统的能力水平。”
据了解，毫末DriveGPT大模型正是按照3.0时代的技术框架要求进行升级。
在感知阶段，DriveGPT首先通过构建视觉感知大模型来实现对真实物理世界的学习，将真实世界建模到三维空间，再加上时序形成4D向量空间；然后，在构建对真实物理世界的4D感知基础上，毫末进一步引入开源的图文多模态大模型，构建更为通用的语义感知大模型，实现文、图、视频多模态信息的整合，从而完成4D向量空间到语义空间的对齐，实现跟人类一样的“识别万物”的能力。
在认知阶段，基于通用语义感知大模型提供的“万物识别”能力，DriveGPT通过构建驾驶语言（Drive Language）来描述驾驶环境和驾驶意图，再结合导航引导信息以及自车历史动作，并借助外部大语言模型LLM的海量知识来辅助给出驾驶决策。
“未来的自动驾驶系统一定是跟人类驾驶员一样，不但具备对三维空间的精确感知测量能力，而且能够像人类一样理解万物之间的联系、事件发生的逻辑和背后的常识，并且能基于这些人类社会的经验来做出更好的驾驶策略，真正实现完全无人驾驶。”顾维灏表示。
（文章来源：中国经营网）
免责申明：
本站部分内容转载自国内知名媒体，如有侵权请联系客服删除。