毫末智行CEO顾维灏：用四次战役，握住「上牌桌」的权利

今年9月，在北京顺义的一条开放道路上，顾维灏穿着豪末蓝色工服骑着一辆粉色小电驴，紧紧跟在无人配送车小魔驼屁股后边。

当天下午，因为要出席顺义智能网联汽车大会，身为CEO的顾维灏又要脱下工服，换上正装。跑到现场当“监工”做测试，是顾维灏这些年在自动驾驶行业养成的习惯。

毫末成立以来，他和毫末董事长张凯一有时间就会亲自上阵，跑乘用车辅助驾驶产品和无人配送车路测。

过去一年，毫末一共打了四场仗，内部称之为“智能驾驶装机量王者之战”、“城市NOH百城大战”、“末端物流自动配送商业之战”和“MANA大模型巅峰之战”。在这四场仗中，毫末面临着乘用车拓展新客户、“卷”千元级别高阶辅助驾驶产品、城市NOH高速推进、DriveGPT加速落地车端和云端的高压和挑战。“一打开工作平台，就有几十条消息扑面而来”。有很长一段时间，作为毫末的产品市场副总裁，蔡娜的大部分时间都花在了和客户各部门拉齐需求上，毕竟“需要什么样的产品是客户来决定的”。蔡娜把每次靠打仗来解决困难的方式形容为“撕裂式生长”，虽然有种肌肉被撕裂的疼痛感，但成长的速度远比对手们要快。在今年10月的毫末AI DAY的前后，我们与毫末智行CEO顾维灏及内部的产品、技术部门的成员进行了对话，试图从不同的业务单元，梳理毫末智行在过去一段时间里的曲折、成绩及未来规划。

城市NOH：要“先上牌桌才有打牌的权力”

如果非要从过去的一年里，挑一件让顾维灏最操心的事，一定是城市NOH。

他撂下了这么一句话：“明年（2024年）第一季度，城市NOH会规模落地。只有进入战场，上了牌桌，我们才有打牌的权利。”

乘用车辅助驾驶产品一直是毫末三大业务版块中，最被寄予厚望的那一个。

原本，毫末的城市NOH将率先搭载在长城的魏牌新摩卡上，等到2022年年中新车型发布后立即随车交付。

不出意外的话，毫末会和小鹏、华为一起，成为国内第一批大规模落地城市领航辅助驾驶的玩家。

早在今年年初时，毫末准备的软件已经封板。但魏牌新摩卡的上市时间延后，毫末“进城”的计划也只能往后挪一挪。

在等待的过程中，毫末并没有停下。而是在暗自蓄力一年后，一口气发布了3款千元级别的NOH产品：HP170、 HP370 和HP570。

2022年第四季度，毫末董事长张凯、CEO顾维灏和产品负责人牵头开了一次产品规划会。以往，每周的例行的产品规划会，大多数话题都围绕着市场、客户和竞品以及自家产品的竞争力分析。

但在这一次产品规划会上，他们做了一个很大胆的决策：立即投入千元级别第二代产品的研发。

此时，业内的方案基本都是万元级别。因为光是一颗激光雷达成本就高达4000-5000元。想要压缩成本，必须放弃部分单价很高的硬件，比如激光雷达。

不过，这不是毫末第一次做如此大胆的决策。早在2021年，城市NOH立项时，毫末就坚决地选择了不依赖高精度地图，走重感知、轻地图的路线。

回过头来看，这个决策既大胆又不大胆。

大胆在于，毫末需要克服研发部门对高精度地图的依赖。在毫末的多位产研成员看来，有时最难的不是技术的突破，而是摆脱心理依赖。

不大胆在于，不依赖高精度地图这条路不算真正意义上的创新，毕竟已经有坚持纯感知路线的特斯拉在先。

但在外界看来，毫末的举动毫无疑问是大胆的，是国内最早一批坚定地走的“重感知、轻地图”的玩家。

到了2022年，越来越多的玩家跳出来，喊出“去高精度地图”的口号。紧接着，无图方案大行其道。从结果来看，毫末似乎又一次走在了同行的前面。

那么，毫末千元级别的方案是否会再一次成为行业主流？

毫末的三款新产品中，HP 170对应的是售价为3000元级的高速无图NOH；HP 370对应的是售价为5000元级，具备城市记忆行车+记忆泊车功能的产品；HP570对应的是售价为8000元级的城市全场景无图NOH。

在这三个方案中，激光雷达都不是必选项。而在最具备性价比的高速无图NOH方案中，客户甚至可以放弃选配前雷达和前角雷达。

小编了解到，对于大多数B端的技术服务商来说，今年既是卷“进城”的元年，也是卷“行泊一体”的元年，更是卷“进城”价格战的一年。

前有大疆，在今年4月发布了一个千元级别的新一代智能驾驶系统方案，该方案的基础配置只用了7个摄像头。大疆号称能在32TOPS的算力下，实现高速领航辅助驾驶和记忆泊车、行车功能。

现在又有了毫末的HP170，仅凭借5 TOPS算力，就可以实现行泊一体的智驾功能。并且，该方案的价格仅为3000元级。所以，毫末董事长张凯才敢在今年10月的AI DAY上断言：“更具性价比的行泊一体的域控方案将成为主流”。

末端物流自动配送：客户教会的事

过去一年，在末端物流自动配送这个领域，毫末两件事扩大了自己的市场边界：第一件事是和达达的合作，另一场仗是“把产品的价格打到10万元以下”。

蔡娜总结到，“毫末是全球首个L4业务实现末端物流自动配送盈亏平衡的公司，能在盈亏上打平，新的合作模式功不可没。”

毫末和达达两边的高管很早就建立起了联系，也在线下聊过一次，但当时没有找到契合点。直到去年有一次见面时，双方高管聊到了末端物流自动配送整体的综合效率、成本这些问题，才决定展开合作。

在末端物流自动配送领域，如果由毫末这样的服务商来打通商品上货、运输、送货上门的每个环节，会让运营费用变得很高。

但毫末和达达合作不太一样，蔡娜表示：“我们负责中间的自动驾驶送货，这是无人车最擅长的。上货和送上门都是达达通过自己的运营来解决。这样一来，整个链路的成本更低，我们在经济上也能承受。”

相当于毫末服务于达达的“履约”场景，为达达提供从A点到B点的运输能力。而“履约”恰恰是毫末最擅长的领域。用一组数据就足以证明：截至今年9月，小魔驼已经配送超过22万单。

因此，对毫末和达达来说，这是各自做自己最擅长的事。

在末端物流自动配送这个战场上，毫末再次用了把产品价格打下来，给对手狠狠一击的作战方式。和乘用车产品一样，毫末的末端无人物流车之所以备受关注，也是因为“性价比”。

今年4月，毫末发布了售价89999元的小魔驼3.0，这是国内首款9万元内中型末端物流自动配送车。

这两年来，如何把末端物流自动配送车的价格打到10万元以下，是所有玩家必须突破的关隘。而最大的难点在于，末端物流自动配送车的生产成本高。

一位业内人士表示，在这个领域做得比较好的玩家，一年投入“小车”的保有量大概是2000台。

“小车”没有完备的供应链，几乎都是靠乘用车制造商代工。对于一条产线至少能生产10万辆的制造商来说，“2000台”压根不配称为“有量”。

乘用车“有量”走的是批发价，“小车”没有量就要走“零售”的价格。

这也是为什么在末端物流自动配送领域，好几家头部公司都被困在了“如何把小车的价格打到10万以下”的难题里。

小魔驼的价格能降到9万元以内，最主要的原因是毫末在硬件和软件上都做到了“复用”。毫末智行作为国内乘用车辅助驾驶的头部玩家，有强大的量产自动驾驶能力，让末端物流自动配送车的成本更加可控。

比如小魔驼的硬件复用乘用车的配置，软件方面则是把乘用车L4的技术下放到了小魔驼，同时乘用车研发团队也经常派人支援小魔驼的研发团队，两边团队互通有无，没有所谓的部门墙。

如毫末董事长张凯在发布小魔驼3.0所言，“伴随着自动配送车成本降到9万元之内，末端配送市场将有机会迎来大规模部署，无人配送车赛道的第一梯队玩家也会变得清晰起来，毫末具备先发优势。”

末端物流配送远没有饱和，仍然存在很大的增长空间，而运力短缺、人力成本的增高是无法避免的挑战。末端物流自动配送车可以说是填补运力短板的最佳载体。

一旦解决末端物流配送车领域成本高、投入与产出不成正比的问题，规模化盈利的愿景就能有望实现，毫末的示范依旧在证明这一应用的落地前景。

大模型“上车”：顺应数据驱动时代趋势

顾维灏认为，自动驾驶的进化划分为3个时代，1.0时代是硬件驱动，2.0时代是软件驱动，3.0时代是数据驱动。

具体而言，与2.0时代相比，自动驾驶3.0时代的开发模式和技术框架都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。

从团队成立初期开始，顾维灏便反复强调“要坚持把海量的数据用起来，发挥更大的效果”。毫末在数据积累方面有着其他玩家难以企及的优势，在乘用车方面，毫末依托长城这一大客户，积累了超过9000万公里的用户里程数据。

如何充分挖掘数据的价值，并且用于自动驾驶系统的训练，是研发团队面临的最大难题。

大约两年前，“大模型”被锁定为技术研发的大方向。为此，毫末内部成立了一个几十人的小团队，专门负责大模型的研发。

过去的200多天里，毫末通过AI DAY陆续向外界透露了其在大模型研发方面的诸多进展。其中，最受瞩目的是今年4月，毫末在其第八届AI DAY上发布了DriveGPT 雪湖·海若。

这是行业内首个自动驾驶生成式大模型。

我们可以把DriveGPT简单理解为，由感知大模型和认知大模型两个部分构成。

毫末先是在原本的视觉自监督大模型的基础上，搭建了如今的感知大模型。并且，这一届AI DAY上，毫末又在DriveGPT里引入了多模态大模型和语言大模型。

当把感知、导航、驾驶的结果和过程同时到输入认知大模型后，就能形成驾驶语言。驾驶语言能够和基础大语言模型做交互，给出更符合人类认知的驾驶策略和驾驶解释，最终实现操控车辆的行驶。

DriveGPT 发布后立即受到了业内人士的关注，可同时也有人质疑毫末只是单纯地蹭ChatGPT的热度。

毫末技术总监潘兴否认了这些质疑声，他表示：“投入大模型研发本身是一个系统性的事情。”早在两年前，他就带领团队提前部署大模型的工程、训练和管线等工作。

2021年底，毫末发布了自动驾驶数据智能体系 MANA（雪湖）。2022年底，为了发布大模型做准备，毫末建成了当时行业内最大的智算中心，每秒浮点运算达到67亿亿次。随后，包括理想、蔚来、吉利等车企纷纷宣布了落地智算中心的消息。

在大模型的训练方式方面，毫末也做了很多改变。从最早利用CNN，再到在感知系统里引入transformer，把自然语言的训练方法放到图片上应用。

后来，毫末又用视频流的方式让AI 系统学习人类司机的驾驶行为，把车上多个摄像头获取的图像拼到一块儿，使它变成一个10秒或者15秒的片段（Clip）。再通过视频自监督方式，让4D Clip标注实现100%自动化，人工标注成本降低98%。

不过，毫末在大模型的研发上最大的优势是什么？

顾维灏的回答是：第一，智算中心的基础建设；第二，有足够多，且鲜活的数据。

他很庆幸去年做了这一个这样的决策：“2022年底我们落地智算中心时，锁定了几千张卡。那个时候ChatGPT还没有发布，又过了半年ChatGPT才出现，GPU芯片疯狂涨价，根本买不到。”

前文提到了毫末在数据方面的优势。而顾维灏之所以很重视如何把数据活用起来，是因为他过往曾投身于视频、语音等多个领域的AI产品研发，明白数据积累、有一套完备的数据智能体系有多重要。

“ChatGPT出来之后，过去几个月出现了各种各样的大模型的公司，也很快地挂掉了一批大模型的公司。像Meta、微软这样的大厂靠大语言模型（LLM）积累了很多数据。其他的创业公司既没有足够多的用户，产生足够多的数据，也不会把数据灵活转起来。即使采用了强化学习、增强学习的方法，也很难形成回流。这样的公司完全没有竞争力。”

在顾维灏看来，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。

据顾维灏透露，DriveGPT的云端能力已经对外开放，合作伙伴可以通过使用API、模型的专项优化、服务的私有化部署，与毫末合作。DriveGPT发布200天左右的时间里，累积480万段Clips高质量测试。目前已有生态伙伴17家，助力生态伙伴提效90%。

此外，2023年DriveGPT成功入选“北京市通用人工智能产业创新伙伴计划”成为首批模型伙伴观察员及入选北京市首批人工智能10个行业大模型应用案例。