長城眼裡沒有“蔚小理”，只有特斯拉

出品 | 虎嗅汽車組

作者 | 王笑漁

編輯 | 周到

頭圖｜IC photo

成立825天的毫末智行，一心盯著特斯拉。

4月19日，長城汽車旗下的自動駕駛公司毫末智行，釋出搭載HPilot3.0的“毫末城市NOH”功能。毫末智行聯合創始人&CEO顧維灝表示：“這將是中國首個大規模量產的城市輔助駕駛導航系統。”

顧維灝在現場還表示，“我們的產品方案具有更大的適應性，可以擴充套件到更大規模的城市中為使用者服務，而不是僅僅停留在幾個城市的範圍。屆時，我們的產品將會覆蓋高速、城市道路、停車場等全場景。在城市NOH上，我們的產品力領先特斯拉在中國的表現。”

毫末智行聯合創始人&CEO顧維灝

不過，毫末還沒有機會與特斯拉在同一市場正面競爭。目前，特斯拉最強的完全自動駕駛功能FSD（Full Self-Drive）只在美國進行大規模內測，國內特斯拉僅支援增強版自動駕駛輔助功能（EAP）。

然而，對於特斯拉FSD未來在中國本土可能發起的新挑戰，顧維灝向虎嗅表示：“我們有信心贏”。而當被問到與“蔚小理”相比，毫米的NOH在什麼水平時，顧維灝的回答是：“我們沒有看太多的方面，我們覺得特斯拉做得是相對比較好的。”

顯然，毫末眼裡沒有“蔚小理”，一心想要追特斯拉。

走特斯拉的路

12年前，長城就開始玩自動駕駛了。

早在2010年，長城汽車就在內部進行了ADAS（輔助駕駛）系統的研究。2015年，自主研發的智慧駕駛系統，在長城內部的一個科技節上進行了動態演示，同年9月首款搭載ADAS系統的哈弗H9上市。2017年2月，長城汽車董事長魏建軍，首次向外界宣佈一個叫“i-pilot”的智慧領航系統。

這一命名方式，是師從特斯拉。最早在2013年，埃隆·馬斯克引用了飛機上的自動駕駛儀Autopolit一詞，用於描述特斯拉的自動駕駛技術。後來的蔚來也學著取了個名字叫NOP——NIO Polit。當然，如今長城汽車旗下的產品上，換用了新的智慧領航命名，叫“NOH——Navigation on HPilot”。

這個H，指的就是毫末智行的毫。

長城的NOH與蔚來的NOP、小鵬的NGP類似，都是起了一個洋氣的名字。但從功能層面來講，大家都是基於導航進行高級別輔助駕駛。雖然馬斯克曾極力反對用縮寫的方式來描述事物，但為了營造一種技術的獨特性，國內廠商們還是流行採用這種縮寫的功能描述方式。

對於普通消費者而言，去了解這些名字背後的技術細節，勢必需要一定的學習成本。那麼能夠體現這些技術差異的點，就在於——能支援哪些場景下高級別輔助駕駛？

去年，大家都在爭奪“高速”賽道，推出基於高精地圖開發的高速導航輔助駕駛功能。實現量產交付的，目前包括特斯拉、蔚小理，以及長城的毫末。然而，伴隨著今年的鐳射雷達和大算力晶片的量產加速，大家開始湧入“城市”賽道，一個勁的想在城市道路上解放駕駛員。

看似簡單的幾個場景，但真要逐一攻破，確實相當複雜。

至少，華為就被難倒了。最早把城市輔助駕駛吹上天的，是極狐阿爾法S華為Hi版。去年，僅用一段路測影片，就成功完成破圈營銷的華為高階自動駕駛ADS系統，在城市裡自由穿梭、輕鬆躲避外賣小哥。然而，原計劃去年12月份開始交付的Hi版車型，至今仍杳無音信。

在被問及毫末的NOH和華為的ADS相比誰更強時。顧維灝打趣的說道：“華為還沒有量產，我們都是跟量產的比。”而聊到小鵬時，他說，“也要看小鵬最後量產出來是什麼水平，應該說我們還可以。”在與國內這些廠商的技術路線的競爭上，顧維灝始終在強調一個說法：重感知。

重感知，所對應的另一條路線是，重地圖。上述這兩家廠商都是採用了重地圖的路線——基於紅綠燈在高精地圖的位置，在感知上做預瞄，然後再進行識別。因為，如果有高精度地圖的輔助，車輛可以很好的找到當前道路、車道所對應的紅綠燈資訊。甚至可以透過V2X的方式，獲取紅綠燈倒計時。

但最大的問題，就在於高精地圖的鮮度問題。因為，城市的道路資料龐大，這導致了採集量大、更新週期也長。要知道，中國城際高速公路和城市快速路等等加起來也就30萬公里，但全國的城市道路有近1000萬公里。

“現在高精地圖更新，還是用的比較人工的方式，靠採集車上路採集，每週能有一次就不錯了。”某自動駕駛公司業內人士告訴虎嗅。

如果不完全依賴高精地圖輔助，靠單車智慧在城市裡進行高級別輔助駕駛，最核心需要解決的一個問題就是——如何讓車看懂紅綠燈？因為，紅綠燈識別有四個典型難點：一是小目標檢測、二是狀態會實時發生變化、三是形態各地差異很大、四是綁路困難（如何把紅綠燈與對應的道路進行繫結）。

在此前的一段長達11.2公里的毫末城市NOH功能體驗中，車輛對紅綠燈的感知全程都未出現過失誤。尤其是，當車輛前方視野範圍內，出現多個不同形態的紅綠燈時。毫末的NOH，能夠精準的找到車輛所對應的紅綠燈，將資訊顯示在螢幕上，並最終執行正確的動作。

比如下圖所示，一條直路上有兩個紅綠燈，一個在左側位置的豎排紅綠燈，一個在右側遠處的橫排紅綠燈。對於人來說，可以不費吹灰之力地作出判斷，但對於車來說，並不簡單。

這裡，其實就用到了特斯拉一直在走的一條技術路線——深度學習。顧維灝提出，“要解決紅綠燈識別的問題。首先，需要大量的資料用來訓練學習。透過影象合成和遷移學習，加快技術的迭代，是資料能夠快速獲取積累的方法。其中，真實資料和合成資料混合訓練問題，是主要的技術難題。”

毫末設計了一個針對紅綠燈檢測及綁路的“雙流”感知模型，將紅綠燈檢測和綁路問題分解成兩個通道。毫末智行技術總監潘興解釋道：“當輸入一張圖片，之後會有一個分支，它去處理紅綠燈檢測問題，在影象上把紅綠燈檢出來。還有另外一個分支，會透過一個注意力的機制，學習出來一個Feature Map，表達了這個紅綠燈和車輛所在的道路結構的關係。”

最後，利用注意力機制（Transformer）將二者結合，輸出綁路後的目標車道紅綠燈通行狀態。

當然，不光是解決紅綠燈識別的問題，毫末透過基於注意力機制的感知演算法，解決掉了車道線檢測、障礙物檢測、道路交通標誌檢測等等。以此來儘可能多的採用視覺感知，去完成道路資訊的識別，減少對高精地圖的依賴。

這也是為什麼，在釋出會上，毫末敢立下“城市NOH功能落地的城市將會超過100個”的Flag。要知道，小鵬的城市NGP在二季度末，也只會在部分城市進行開通。同樣的，華為的ADS目前也僅在上海、深圳等城市，開展基於高精度地圖的高級別自動駕駛功能測試。

而按照長城方面給出的產品規劃，預計到2022年底，毫末智行輔助駕駛系統將落地長城汽車34款車型，約佔其整體待上市車型80%。未來兩年，搭載該系統的乘用車總量超過100萬臺，是中國唯一短期內能達到該規模的企業。

但規模，並不能說明一切問題。

攻“城”戰打響

從技術上來講，在鐳射雷達、大算力晶片的加持下，利用自動駕駛系統將人安全地從A點送到B點，已經不是難點。真正決定是否能夠把軟體功能推向市場的因素是——使用者體驗。因為，讓人工智慧按照和人類駕駛完全一樣地方式開車，並不容易。

筆者在體驗毫末城市NOH的過程中，最大的困惑就在於剎車感受上。相比人類來說，機器自主控制的剎車會有明顯的頓挫感。像面對減速停車等紅綠燈的情況時，通常我們人類自己會鬆油門、靠怠速慢慢往前移，最後一腳剎停。然而，機器會提前進行剎車，把速度降低到安全範圍，最終再剎停。

城市裡最典型的場景

“現在感知這塊，大家的準確率都是99.999%了。但規控這塊，產業界和學術界都沒有找到批判好壞的方法論。”一位自動駕駛業內人士告訴虎嗅，剎車的頓挫感可能是來自規控方面的問題。

毫末智行首席交付官甄龍豹告訴虎嗅，“這是一個正常的表現。我們自己試車的時候也是這樣，我們自己試車的時候歡迎這種問題產生。因為只有每次遇到問題，才是我們最高興的時候，遠遠比遇到一次正常剎停還要高興，因為這代表著我們知道了系統修正的方向，或者知道了系統的問題出在哪裡。”

至於體驗感的最佳化方面，甄龍豹表示，“基於MANA（資料智慧體系）的快速迭代，包括基於現在資料閉環、現在已經量產的使用者資料反饋，以及跟使用者之間的溝通，我們在快速的迭代下一代的演算法。”

在筆者此前體驗文遠知行的Robotaxi、輕舟智行的Robobus時，沒有出現明顯的剎車頓挫感。但考慮到文遠知行和輕舟智行都是標定到了L4級的自動駕駛能力。依賴高精地圖的同時，還在同一範圍內、同一路線上不斷打磨了場景，這才有了一個較好的乘坐體驗。

但與上述這些在限定區域內執行的自動駕駛車輛不同，類似毫末城市NOH的這類功能，在推送給使用者之後，使用者會在隨機的時間、隨機的地點去使用它。甚至還需要考慮不同的使用者狀態，可能今天著急上班，你不能開太慢；今天天氣好，想慢點開等等。這顯然，已經不是單純的技術問題。

這也反映了整個乘用車領域自動駕駛技術的發展趨勢——軟體研發，從一次交付變成了終生迭代。那麼，透過資料閉環的能力，不斷地最佳化使用者體驗，就成為了這項技術永恆的課題。

舉個簡單的例子，現在普及率極高的L2級輔助駕駛，仍然在車輛控制的細膩程度以及對於使用者感受的精準把握方面，存在很多瑕疵。比如很多號稱L2的輔助駕駛，方向盤會左右頻繁擺動、走不了直線。因為在橫向控制方面，譬如居中超調量、收斂次數等等引數，目前都處在一個寬泛的標淮之內，沒有成熟的技術標準做限定。因此，就需要結合主觀感受去對技術標準收窄。

這或許也是為什麼，小鵬城市NGP早早地就公佈了路測影片，但遲遲未正式交付給使用者的可能原因之一。也包括蔚來，早在2021年1月，就推出了NAD蔚來自動駕駛的概念，但至今認為公佈正式的路測影片，更別提開放給使用者和媒體進行真實道路體驗了。

李斌之前就說過：“蔚來新一代自動駕駛系統NAD的開發工作進展順利，我們相信NAD將全面超越市場主流自動駕駛系統的體驗。”他所強調的也是體驗，而非冰冷的搭載車型、行駛里程等資料。

但是，凡事總有兩面。

以現有的技術和經驗來說，在城市裡落地一個體驗極好的載人自動駕駛很難，但容易的是——做載物的自動駕駛。因為最直接的就是，載物車輛完全不需要考慮使用者體驗，也不用太糾結事故責任劃分的問題。而且還能產生穩定的現金流，幾乎是自動駕駛公司必爭的賽道。

像目前在上海，美團、京東等平臺都在投放大量的無人配送車。比如在同濟大學的嘉定校區內，已經有無人配送車，正在為校內的1萬多名學生配送每日三餐；再比如嘉定華漪園社群，京東無人車的協助志願者完成物資的運輸工作。

在釋出乘用車上搭載的城市NOH功能的同時，毫末還發布一款無人配送車——毫末小魔駝2.0，L4自動駕駛能力，具備快速換電、60-100公里續航里程、智慧語音與觸控多模式互動等功能。

“我們的定位，是全球低速無人配送車生態的助力者。”毫末智行COO侯軍告訴虎嗅，助力者的定位，就意味著在市場份額上超過了50%以上。“我們的夢想是，真正助力末端物流，甚至整個物流行業高效的運營，彌補運力、勞動力不足帶來的需要。”

與城市NOH的取勝關鍵一樣，毫末在無人配送車領域主打還是規模化能力——目前，保定工廠可實現1萬臺末端物流自動配送車的產能目標，按照毫末的官方說法：這是全球最大規模的末端物流自動配送車柔性製造基地。

而作為參考，目前號稱全球首家規模化上路運營、也是車輛交付部署數量最多的無人車公司新石器，在去年8月完成新一輪融資時，也才公佈了近千臺的無人車運營資料。也就是說，如果毫末的無人車產能完全消化完畢的話，無人車規模第一的稱號，又要被毫末拿下了。

寫在最後

誠然，在自動駕駛賽道的頭部名額爭奪中，毫末智行正在全力以赴。但這注定是一場持久戰，技術的風向日新月異、使用者的需求瞬息萬變。創業路上，仍需時刻保持危機感。

2020年7月，長城汽車董事長魏建軍就曾向自己發起的質疑：“長城汽車能活得過明年嗎？

那年8月，魏建軍參加一場行業論壇時，再次談到了長城的轉型危機：“作為傳統車企，我們也在向蔚來、特斯拉、小鵬等新勢力學習，智慧化趨勢不可逆，所以在近3年多的時間裡長城汽車在迅速變革。”當時他身旁坐的正是，小鵬汽車董事長何小鵬、蔚來創始人李斌。

若不是他們在場，或許長城要學習目標，就只剩下特斯拉了。

本內容為作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯絡 [email protected]

正在改變與想要改變世界的人，都在 虎嗅APP