记者 | 伍洋宇

工程能力已经成为自动驾驶公司的一个重要命题，这是做到量产并拥有更多客户的前提。

9月13日，毫末智行举行了AI Day活动，它所强调的重点之一便是其对于订单流程化和工程化能力的把握。 

据介绍，截至目前，搭载毫末HPilot产品的上市乘用车车型超过10款，包括魏牌摩卡、魏牌拿铁、魏牌玛奇朵等，正在交付中的车型有摩卡DHT-PHEV激光雷达版、欧拉闪电猫、欧拉芭蕾猫等，异步并行开发超过30个智能驾驶项目。公司表示，其智驾产品可在2个月内匹配完成标定的流程化开发。

此外，毫末智行表示搭载其大规模量产城市NOH车型摩卡DHT-PHEV激光雷达版计划9月量产，并于年内发售。

毫末城市NOH于今年4月正式发布，是一套主打“重感知、轻地图”的城市辅助驾驶方案。“重感知”的技术路线正在成为自动驾驶企业的首选，尤其是对于计划逐步渗透城市公开道路场景的厂商而言。在商业拓展的速度上，减少对高精地图的依赖可以帮助企业在多个城市快速铺开产品，而不必受审批、高精地图自身纠错等问题的影响。长远来看，想要瞄准海外市场的企业也必须提前适应重感知的技术路线。

不过，这对企业的感知系统、软件及算法能力也提出了更严峻的考验。毫末技术路线的真实落地水平如何，将在数月之内迎来答案。

技术进展方面，毫末智行CEO顾维灏提出，大模型是当前人工智能行业发展的新趋势，毫末智行也在研究如何在自动驾驶领域应用大模型。不过大模型对算力的需求远超摩尔定律，由此带来的高算力需求、高训练成本、高落地难度等都是毫末所面对的挑战。

对于大模型训练对算力的高需求，以及自动驾驶技术未来可能存在的算力需求，毫末宣布成立超算中心，其目标是满足千亿参数大模型，训练数据规模100万clips，整体训练成本降低200倍。 

顾维灏还重点介绍了其数据智能体系MANA的功能升级。在他看来，城市道路养护频繁、大型车辆密集、变道空间狭窄、城市环境多样是城市道路场景下存在的四类主要难题。对此，公司在技术层面除了要考虑如何在自动驾驶领域应用大模型，还包括如何使用重感知技术解决现实空间理解问题等。 

也因此，MANA的升级重点被放在了感知智能和认知智能上。MANA使用了大规模量产车无标注数据的自监督学习方法打造模型效果，相较于少量标注样本的训练方式，其训练效果提升了约3倍。另外，为解决数据效率问题，MANA通过抽取部分存量数据加上新数据组合成一个混合数据集来构建增量式学习训练平台，要求新模型和旧模型的输出尽量保持一致，对新数据的拟合尽量好。相比常规做法，整体算力节省80%，响应速度提升6倍。

毫末智行还通过虚拟实时建图加强了MANA对车道线的感知和输出能力，并在仿真系统中引入了真实交通流场景，以更高的时效性和准确的微观交通流来解决城市路口的通过难题。毫末与浙江德清、阿里云联合发布了基于车路协同云服务的大规模自动驾驶场景库。据介绍，这是国内第一个使用真实交通数据生成、满足数据合规要求的自动驾驶场景库。

此外，毫末宣布其末端物流自动配送车产品“毫末小魔驼2.0”已下线交付，单车售价12.88万元，预计年产量一万台。