專訪毫末智行COO 侯軍：自動駕駛，水深魚才大

站在當下，回看自動駕駛賽道的各個玩家們，活下去的要不就是“家裏有礦”，要不就是場景、技術降維，漸進式發展。但活的好的有一個共性，就是順應需求，讓技術落於產業實處。

作者|鬥鬥

出品|產業家

“我們認為在量產車型方面，毫末肯定是領軍者。” Frank說這句話時，沒有絲毫猶豫，眼底盡是自信。

走進北京奧北科技園，穿過一排排獨棟式的建築，記者看到毫末智行的指示牌，跟着指示牌的引導，再走兩步便看到了毫末智行的公司，以及擺在路邊的末端物流自動配送 車——“小魔駝”。

在這裏，我們見到了毫末智行的COO 侯軍，不過大家都喜歡叫他Frank。善談、接地氣，看起來像個典型的E人。

在他的口中，毫末智行被掰开、揉碎，更加具體且清晰的展現在眼前。

提起自動駕駛，“費錢”是大家對其異口同聲的印象，與之對應的還有其大規模落地後的巨大藍海與市場空間，在自動駕駛技術爆發的那幾年，讓無數資本和創業者前赴後繼。不過，正如上文所言，費錢的同時遲遲無法業化，也讓很多創業者半路夭折，資本也慢慢收緊口袋。

自動駕駛需要尋求兩全之法，即獲得資金的支持抑或是實現商業化落地，實現自我“造血”。至此，自動駕駛廠商們走上了不同的道路。

這些不同的道路之上，毫末智行的身影愈發明顯。成為目前活下來且活得不錯的自動駕駛廠商之一，那么它的解法又是什么？

一 、2019年，“一個預判”

2018～2019年，自動駕駛賽道第一次出現融資熱。這期間，上海市發放了全國首批智能網聯汽車开放道路測試號牌，標志着中國自動駕駛路測的正式开放。

以百度、阿裏巴巴、騰訊為代表的科技公司加快了在自動駕駛領域的探索和布局。

此外，Waymo在美國亞利桑那州推出了首款商用自動駕駛出租車服務Waymo One，自動駕駛技術的商業化運營开始落地。

這一行業“標杆”的出現，成為了自動駕駛融資熱的推手。 摩根士丹利曾基於其在自動駕駛技術中的“領先地位”以及其從自動乘車中獲得大量新收入的潛力，發表了一份研究報告，報告中對Waymo的估值為1,750億美元。

“當時中國最大的汽車廠的市值，估計也才不到 1000 億人民幣。” 在Frank的印象中，Waymo的Robotaxi成為一衆自動駕駛路线廠商追捧的技術巔峯。

自動駕駛賽道的融資熱潮，正式拉开帷幕。

相關數據顯示，2018年在整體經濟下行和資本寒冬的壓力下，自動駕駛領域融資總額並未下降，反而有明顯的上升，2018年自動駕駛零部件和方案供應商融資額從2017年的53.69億元上升到162.31億元。

對於Robotaxi路线的“一呼百應”，特斯拉一直是自動駕駛漸進式路线的擁躉者與領軍者，毫末智行也有着同樣的思考。“我們認為高速載人的輔助駕駛，會先大規模落地，它的另外一個名字是ADAS。”

這種思考，在2019年被迅速驗證。

由於與國外不同，國內的道路交通場景及其復雜，Robotaxi的落地難度較大，何時能實現商業化，遙遙無期，投資者將錢投向了商用車等其他場景。

從融資數量來看，2019年國內自動駕駛細分領域融資數量最多的為商用車場景和ADAS，從融資金額來看，商用車場景的融資金額達5.3億美元，僅次於芯片、計算機平臺的融資規模。

這種趨 勢下，毫末立刻做出反應。“我們的目標是希望人工智能技術在自動駕駛領域大規模落地。”在Frank看來，毫末不僅僅追求的是科技絕對領先。

但客觀來看，要實現人工智能技術在自動駕駛領域大規模落地，Robotaxi這條路徑顯然在這個長期主義難以推動的市場中，比起其他路线，更難活下去，更別提走到大規模落地的那一天。

確實如此，自動駕駛的商業化不可能一步到位，這並不現實。漸進式發展路徑，才能確保技術的穩步推進和市場的有效對接。因此，毫末智行決定遵循從低速到高速、從載物到載人、從商用到民用的漸進式發展規律。

站在如今回頭來看，這個決定是明智的。

2021年，以Waymo為代表的一步到位路线遲遲難以實現商業化，估值跌至300億美元，這一數字相較於3年前，縮水超1400億美元。而與之相對的漸進式路线則一路升溫，逐漸得到了更多的聚光燈和認可度。

反觀一直堅守Robotaxi路线的廠商，除了像百度這樣的巨頭，能活下去的少之又少。

“Robotaxi路线我們也在跟蹤研究，但不是主攻方向。我們的目的一是數據閉環，二是商業閉環，三是現金和利潤閉環，否則可能活不到Robataxi大規模落地的那一天。” Frank對產業家說。

二 、大規模落地的“黃金閉環”

那么，具體如何實現數據、商用和利潤閉環？這成為毫末這些年來攻克的目標。

“可行、可靠、可商用 是毫末智行提出的自動駕駛技術發展的三個關鍵階段。”在Frank看來，這一框架指導了毫末自動駕駛技術的研發和商業化路徑。

毫末智行投入大量資源進行自動駕駛技術的基礎研發，包括感知系統、決策算法和車輛控制技術。通過在受控環境中測試原型車，毫末智行也更驗證了自動駕駛技術的基礎功能和性能。

隨着技術的發展，必須保證系統能夠在更廣泛的環境和條件下穩定運行，滿足汽車行業的嚴格標准。系統的安全性、車規級的要求、全天候運行的能力以及全地形的適應性要求被提高。

毫末智行的做法是利用大量實車運行數據，不斷優化和調整自動駕駛算法，提高系統的穩定性和安全性。且通過不斷的技術迭代，提升自動駕駛系統對各種天氣、路況和交通情況的適應能力。確保自動駕駛系統滿足汽車行業的嚴格標准和法規要求。

在自動駕駛的商業化應用階段，技術不僅要成熟可靠，更要在商業上可行，滿足多樣化場景需求，如高速載人、低速載物等，同時控制成本規模，符合政策法規要求。這一階段，自動駕駛技術需獲得市場認可，並在實際商業環境中創造價值。

毫末智行針對不同應用場景，如高速載人、低速載物，深入研究並开發了適應性強的自動駕駛解決方案。通過技術創新和規模化生產，降低了自動駕駛系統的成本，打造了高性價比產品，增強了市場競爭力。

在這一過程中，毫末智行通過在各種車型上部署自動駕駛系統，積累了大量實際行駛數據，涵蓋傳感器數據、車輛狀態、駕駛行為等。這些數據被用於訓練和優化機器學習模型，從而提升自動駕駛系統的性能和安全性。

毫末智行不斷迭代其自動駕駛算法，以適應多變的駕駛條件和場景。通過模擬和實車測試，驗證算法的有效性，並進行必要的調整。开發了適應不同應用場景的自動駕駛產品，如乘用車輔助駕駛系統和低速無人物流車。

這些產品在實際運營中產生的行駛數據，再次被收集並用於訓練和優化機器學習模型，形成數據閉環。毫末智行構建了從研發到量產再到服務的完整商業閉環，確保了技術的持續發展和商業化應用。

目前，毫末在輔助駕駛方面已推出兩代七款智能駕駛產品，可滿足高、中、低價位不同車型的量產需求。

其中，第一代產品實現了在高速公路、快速路的行車跟泊車，基於高精地圖使其特點，穩定性很好，但是成本略高；第二代產品去掉了高精地圖後，成本更低，基本可以在千元級。HP170、HP370、HP570 三款千元級輔助駕駛產品，已陸續進入交付狀態。

在商用車方面，毫末的L4級末端無人物流車從 2020 年开始大規模落地，現在已經生產了多代產品，已經和美團、阿裏、物美、達達、極兔、通達系等都達成了战略性的合作。

值得注意的是，這個場景下的產品成本已經從2020年的 50～100萬元/臺，降至如今的低於10萬元/臺。

至此，Frank在文章开篇那句話中的“領軍者”，變得愈發具像化。

三 、毫末智行，另走一條路

“俗話說三生萬物，大模型、大數據、大算力就是‘三’，沒有‘三’就沒有萬。恰恰這個‘三’，又不是掌握在一個企業和一批人手裏面的，而在兩個企業和多個企業。” Frank對產業家說。

衆所周知，大數據、大算力、大模型是自動駕駛技術大規模落地的三要素。但主機廠和技術廠商作為自動駕駛賽道的兩大陣營，都有其無法觸達的領域。

毫末成立之初即走出了獨特的毫末模式，與主機廠的綁定，形成數據閉環等，這是毫末選擇的一條獨特路线。

在很多人看來，自動駕駛賽道主機廠和技術廠商之間的關系，並不是單純分合作關系，而是“競合”關系。

因為比起自動駕駛技術廠商，傳統的主機廠在自動駕駛技術方面如果自研成本太高，通常會選擇與技術方合作；但技術廠商海量數據獲取依賴車企，短期時間內可以拿到數據，但與多家車企合作時難免會出現合作不穩定性，數據可靠性、穩定性難以確保。但類特斯拉自研方向的新勢力整車廠商，如蔚小理卻可以。

這難免為自動駕駛技術廠商的在未來的競爭格局中，帶來一些隱患。

“自動駕駛大規模的落地，不僅僅是技術本身，還有一個特別重要的環節——企業的機制。” 在Frank看來，這種現象來自企業文化、合作、利益分配機制的衝突。

傳統企業工作模式和激勵機制源於工業時代，強調計劃性和明確性；而互聯網時代則強調創新和數據驅動，傾向於邊實踐邊調整。這兩種理念在具體工作和战略規劃中可能引發顯著的衝突。

一個事實是，這一機制也在被驗證。一衆主機廠在經歷了設立自動駕駛技術分公司、部門後，經歷了裁員、裁撤部門，紛紛敗下陣來。2022年～2023年期間，大量自動駕駛技術廠商的融資方中紛紛出現了主機廠的身影。

主機廠與自動駕駛廠商的聯盟逐漸變成主流。

截至2024年6月，毫末搭載量產車已經超過20款，用戶輔助駕駛行駛裏程突破1.7億公裏。目前毫末已經實現了兩條腿走路，一是融資帶來的持續資金流，二是大規模落地下，實現自我“造血”的能力。

總結來看，毫末智行的技術落地之路，除了發展路徑的預判、技術上的創新、以數據為驅動的商業化閉環，更有企業機制上的考量。

毫末智行的底層邏輯，也在推動其奔向以大模型、大算力、大數據為代表的自動駕駛3.0時代。

四 、AI時代，奔向自動駕駛3.0

大模型技術浪潮席卷而來，也推動着自動駕駛的邁向新的時代。

自動駕駛發展到今天，其實仍有許多難題未解決。

在傳統的自動駕駛系統中，各個模塊（如感知、定位、規劃、控制）之間存在復雜的依賴關系，需要大量的工程努力來設計和優化各個模塊。

簡單說，如今的自動駕駛，基本是靠工程師一條條規則寫出來的。所以，自動駕駛中的長尾問題，即那些罕見但關鍵的駕駛場景，系統難以及時給出正確決策。

大模型技術的爆發，帶來了一些新的可能。

而端到端模型可以直接從數據中學習，簡化了自動駕駛系統的开發流程，使得從傳感器輸入到決策輸出的過程更加直接。且無需人工設計的特徵，使得模型能夠適應各種駕駛場景和條件，同時一體化的模型減少了各個模塊的依賴關系。以此快速從大量數據中學習到這些罕見事件、行駛場景的處理方式，給出決策。

2023年，毫末發布了行業首個自動駕駛生成式大模型 DriveGPT （雪湖·海若），在數據的篩選挖掘、自動標注、生成仿真以及認知可解釋性等方面實現了顯著的突破和創新。

從這一點來看，未來隨着大模型技術將進一步提升自動駕駛系統的智能化水平。通過不斷學習和優化，DriveGPT等生成式大模型將能夠更准確地識別和理解復雜的交通場景，從而做出更加精准和安全的決策。這將極大地提升自動駕駛系統的應對能力，使其能夠更好地應對各種突發情況和復雜環境。

在技術的推動下，毫末正逐步從傳統的模塊化設計向更加智能化的方向發展，向着真正意義上的自動駕駛3.0時代邁進。

站在當下，回看自動駕駛賽道的各個玩家們，活下去的要不就是“家裏有礦”，要不就是場景、技術降維，漸進式發展。但活的好的有一個共性，就是順應需求，讓技術落於產業實處。

“自動駕駛，水深魚才大。當這個領域水少的時候，即使是翹楚，價值也難以顯現。” Frank對產業家說。

據記者了解，毫末在2024年年初還獲得了全球大Global主機廠的規模量產訂單。毫末這條“大魚”的價值，愈發清晰。