1975 年，时任 DARPA（美国国防部高级研究计划局）局长的乔治·海尔迈耶提出了著名的「海尔迈耶问答法」，这一思考方法由九个基础问题组成，此后帮助 DARPA 成功在隐形飞机、太空激光、太空红外技术和人工智能等项目上取得重要成就。
这一方法被称为「DARPA 九问」，DARPA 的项目都是围绕这一方法来评估和管控技术风险。
DARPA 九问，代表了 DARPA 那些「雄心勃勃」提案的标准，既要有足够的创新性，有改变世界的目标，又要切合实际，有真正实现的可能。
在 4 月上海车展期间的闭门活动中，毫末智行 CEO 顾维灏采用「DARPA九问」的方法，系统地阐述了毫末所走的自动驾驶 AI 之路。
顾维灏在演讲中强调，毫末很早就确定数据驱动的路径，也是国内最早引入 Transformer 大模型、最早确立重感知路线的自动驾驶公司，同时毫末还发布了 DriveGPT 自动驾驶生成式大模型。
在演讲中，顾维灏首先提出了第一个问题，毫末想做什么产品？产品目标是什么？
顾维灏的回答是，毫末真正要做的是完全无人的自动驾驶，但是判断这件事情短期内实现不了。毫末选择的路线就是，先潜心研究 L2+ 的辅助驾驶。
随着用户的大规模使用和技术的迭代研发，依靠数据驱动的方式实现自动驾驶能力的快速上升。
毫末的高速 NOH 和城市 NOH 都是达到 L4 自动驾驶目标的过程。这个过程会非常有意义。
顾维灏提到现在正在发生的一些现象：
「现在等红绿灯的时候路上按喇叭的越来越多，因为很多人都会看手机，看短视频。
过去是开车时不能看手机，逐渐变成开车时偶尔可以看手机，最后变为看手机时偶尔开车。这是一个逐渐放权的过程，也是一个技术逐渐进步的过程。」
顾维灏强调：「安全是所有自动驾驶和辅助驾驶最主要的目标，我们要帮助用户，比如说在车里开视频会议无法立马结束，在这个间隙如何能够保障车辆的安全行驶」。
对于城市 NOH 产品，为了能够在复杂的城市道路场景当中保证安全底线，毫末在红绿灯控车、路口通行以及移动行驶这三个很重要的场景来设置产品目标。
首先，在红绿灯识别控车方面，毫末识别准确率必须要达到 99.99% 以上。
这并不是一项简单的任务，因为在我国不同城市的红绿灯都有各自的形状和特点，有三排灯，有五排灯，有横着的，有竖着的，还有创新的，而且黑天和白天的红绿灯识别难度也不相同。
其次，在路口通行方面也非常具有挑战，路口场景有直行，有左转、右转，还有Y字形、三岔口、六岔口等。毫末直行通过率要做到 99%，复杂路口也要达 70-80%，在产品设计的时候就按此来定义目标。
最后，是移动行驶。
毫末的城市 NOH 要解决在什么样的车流状况下运行最好，这里就涉及产品定义，包括使用的通过率是多少，以及如何保障用户的安全。
这里就要回答第二个问题：已有的相关产品是什么？产品局限是什么？
毫末的回答是：采用重感知技术来做城市 NOH，要解决基于高精地图路线的区域限制和成本限制的问题。
顾维灏对于毫末在自动驾驶 AI 上的创新研究，进行了一番回顾。
毫末早在三年前，也就是在 2020 年下半年开始启动 NOH 项目，启动之前「蔚小理」都已经开始研发，当时行业基本都采用英伟达 Orin 芯片 + 高精地图技术路线。
但高精地图由于成本因素、政策限制、鲜度保持等方面存在诸多难点和问题。
在这种情况下，毫末要么选择追随行业模式，要么另辟蹊径寻求新路径，毫末给出的答案是：重感知技术路线。
技术产品研发与市场落地应用有着一定的时间差，事实证明这一技术路线目前已成为行业共识。
顾维灏解释「中国高速公路一共有 30 万公里，城市道路 1000 万公里，市面上最牛的地图公司采集车也不过才 200 台，1000 万公里用 200 台采集车采集，而且要采集很多要素，在中国的基建条件下可行性不高，依赖高精地图方案的话会在城市行驶边境拓展、地图的一致性、驾驶的安全和稳定性上都会产生影响和问题」。
对于第三个问题：毫末采用的方法有哪些创新之处？顾维灏做了如下回答：毫末进行了三场技术创新的攻坚战。
第一个创新是：毫末将感知方法从 CNN 模型转型到 Transformer 大模型。
随着自动驾驶感知能力的不断提升，摄像头的数量在不断增加，传统的卷积神经网络 CNN 模型在处理大规模图片信息的时候会遇到效率低下的弊端。
在 2020 年底的时候 Transformer 大模型已经在自然语言处理上开始应用了，毫末在 2021 年初就把 Transformer 识别图像的方法开始跟行业讲述了，现如今许多企业也开始使用 Transformer 技术。
第二个创新就是：毫末不再用高精地图。
在 2021 年的时候，毫末开始研究不使用高精地图的辅助驾驶方案，在最早期高精地图是有用的，十几年前摄像头像素只有一百万，计算力只有 2.5T，但现在算力都 300 多 T，外界环境发生了变化，就会促进技术方案随之变化。
基于更多的前视、后视的测试方法、Transformer 大模型以及 BEV 感知模式，这些技术的加持可以让毫末 NOH 看得更远、看得更广，无论是左转、右转都可以精准识别。
第三点创新就是：自动驾驶生成式大模型 DriveGPT。
顾维灏提到：
「得益于去年毫末就与火山引擎合作搞了一个自动驾驶智算中心，规模可以说是自动驾驶领域的第一。
毫末很早就意识到云端计算大模型一定是发展趋势，云端计算如果用公有云就太贵了，如果建立私有云操作中心一定会更划算。
有了自己的智算中心加持，DriveGPT 以大数据为基础，加上 GPT 这种新技术范式，再加上使用过程中有了用户的反馈和对能力的判定，加起来使得自动驾驶能够可行。」
另外，顾维灏还提到，毫末有自己的算力、模型和大规模量产应用场景，就像 Open AI 可以基于微软提供的算力、数据和应用环境一样同时具备这三要素。
但是中国同时拥有这三个要素，并想做这件事情的公司少之又少，所以毫末才可能把做的所有方法都发布出来。
毫末的成功会带来哪些改变？
当 GPT 出现之前，会分很多子研究方向和子研究任务，比如说机器翻译就是非常封闭的方向，像文章摘要、文章的理解或者分词等，每一项自然语言都是一个一个独立的小任务，直到 ChatGPT 出现，这些小任务都不存在了，只用一种方法就把自然语言所有问题都解决了，而且还可以不断推理，抽取常识，类比到自动驾驶也是一样。
顾维灏直言行业内已经搞了 20 年，基于规则也好，基于小模型也好，包括预测、规划、决策、控制，每一项都分成一个个小任务，20 年也没搞成。
因此，毫末将 DriveGPT 这样的方式引进来，先搞定认知的问题，把感知的四个大模型任务合为一个，那自动驾驶从此就两项任务，一个是感知任务，一个是认知任务。
所以 DriveGPT 或是说 GPT 这种新的科技范式会让自动驾驶产生质的变化并且和以往完全不同。
值得一提的是，毫末推出的自动标注，在行业上，给出正确的标注结果，一张图片需要 5 元；如果使用 DriveGPT 雪湖·海若的场景识别服务，一张图片的价格将下降到 0.5 元。单帧图片整体标注成本仅相当于行业的 1/10。
接下来，毫末会将图像帧及 4D Clips 场景识别服务逐步向行业开放使用，这将大幅降低行业使用数据的成本，提高数据质量，从而加速自动驾驶技术的快速发展。
演讲最后，顾维灏也介绍了时间、成本以及如何验证成功等问题。
做自动驾驶周期一定是漫长的，面对终极目标——完全无人的自动驾驶 Robotaxi，维灏也给出了他们的计划「当毫末城市 NOH 被数万个或者数十万个用户用起来的时候，并且平均 MPI 达到一定水平，我们就可以启动这个赛道产品了。」
添加微信，找到我们
更多阅读
