打穿无图NOH底价？毫末发布三款千元级HPilot产品

去年9月毫末智行（以下简称“毫末”）在业内首次提出自动驾驶3.0时代理念。在毫末看来，近十年自动驾驶技术发展可分成三个阶段：最早硬件驱动的1.0时代、近几年软件驱动方式的2.0时代以及数据驱动方式的自动驾驶3.0时代。

为了冲刺自动驾驶3.0时代的感知、认知、模式建设，毫末自今年4月正式发布自动驾驶生成式大模型DriveGPT后，时隔半年，再次宣告自己的最新成果。10月11日，毫末发布三款“极致性价比”千元级无图NOH，以满足高中低价位智驾车型量产需求，并展示了行业首个自动驾驶生成式大模型DriveGPT雪湖·海若公布最新成果。

千元市场：智驾也拼性价比

张凯介绍，目前乘用车销量和智能化指数在稳步提升，智能驾驶渗透率与价格却呈反向增长，乘用车市场L2及以上智能驾驶渗透率达42.4%，2025年将达70%，并普及到10-20万的主销车型上；城市NOA迎来量产上车潮，目前占L2及以上辅助驾驶份额的17%，2025年将达70%。

智驾快速普及上车的同时，毫末重磅发布了HP170、HP370、HP570三款“极致性价比”智能辅助驾驶产品，预计将在今年和明年先后上车。张凯表示：“毫末全新发布的第二代HPilot乘用车辅助驾驶三款产品，价格打下来的同时性能都打了上去，让中阶智驾便宜更好用，让高阶智驾好用更便宜。”

成立近4年，毫末希望帮友商“花小钱办大事”。从3000到8000，下沉至千元市场，毫末追求的是极致性价比。

毫末HP170是3000元级的高速无图NOH，可实现高速、城市快速路上的无图NOH，短距离记忆泊车等功能。算力5TOPS，传感器方案标配1个前视相机、4个鱼眼相机、2个后角雷达、12个超声波雷达，灵活选装1个前视雷达和2个前角雷达。

5000元级的毫末HP370可实现高速、城快，以及城市内的记忆行车，免教学记忆泊车、智能绕障等功能，行泊一体智驾。算力32TOPS，传感器方案标配2个前视相机、2个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、2个后角雷达、12个超声波雷达，灵活选装2个前角雷达，可以看作是毫末城市NOH的最小集。

除此之外，毫末HP570是8000元级的城市全场景无图NOH产品，可实现城市无图NOH、全场景辅助泊车、全场景智能绕障、跨层免教学记忆泊车等功能。算力可选72TOPS和100TOPS两款芯片，传感器方案标配2个前视相机、4个侧视相机、1个后视相机、4个鱼眼相机、1个前雷达、12个超声波雷达，还支持选配1颗激光雷达，未来将在100+城落地。

一边智驾快速上车，一边全面落地智驾城市化应用，毫末“城市NOH百城大战”一触即发。

据张凯介绍，在中国的自动驾驶公司中，毫末稳居中国量产自动驾驶第一名，辅助驾驶产品HPilot整体已搭载在超20款车型上，用户辅助驾驶行驶里程突破8700万公里。最新搭载毫末HPilot的车型为山海炮HEV版、新摩卡Hi-4S等。此外，具备城市NOH导航辅助驾驶功能的毫末HP550（原HPilot3.0），将搭载在魏牌蓝山上，预计明年第一季度正式量产上市。

造车、用车的智能化是未来用户的出行刚需。但在未来的城市道路上，或许不止有“智驾的车”，在未来，终端物流配送的智能化同样十分重要。

据毫末智行介绍，全球首款9万元内（售价89999元）的中型末端物流自动配送车小魔驼3.0，可满足物流、商超、零售等9大场景的需求。目前，小魔驼已配送超过22万单，预计今年第四季度在商超履约配送场景实现盈利。

毫末董事长张凯表示：“毫末一直在全力以赴投入到AI自动驾驶的技术浪潮中，毫末坚持的渐进式路线与对技术投入的长期主义，让毫末模式成为中国自动驾驶发展的新范式。”

200天，通用感知实现“万物识别”

毫末CEO顾维灏表示，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。

毫末要做的是将车端各类小模型逐步统一为感知和认知模型、控制模块AI模型化。同时，逐步全链路模型化、大模型化，即小模型逐渐统一到大模型内。并通过剪枝、蒸馏等方式逐步提升车端的感知能力，甚至通过车云协同的方式实现远程控车。

距离今年4月发布至今，200天里DriveGPT雪湖·海若的感知、识别、4D空间重建、认知等能力大幅提升。截止10月DriveGPT雪湖·海若共计筛选出超过100亿帧互联网图片数据集和480万段包含人驾行为的自动驾驶4D Clips数据。

感知阶段，DriveGPT通过构建视觉感知大模型将真实世界建模到三维空间，并在构建对真实物理世界的4D感知基础上，进一步引入开源的图文多模态大模型，实现跟人类一样的“识别万物”的能力。此外，DriveGPT通过构建驾驶语言（Drive Language）描述驾驶环境和驾驶意图，结合导航引导信息以及自车历史动作，借助外部大语言模型LLM的海量知识辅助给出驾驶决策，进而实现“万物识别”能力。

认知大模型叠加大语言模型，自动驾驶认知决策将获得人类社会的常识和推理能力，提升自动驾驶策略的可解释性和泛化性。接下来，毫末将通过构建自动驾驶描述数据，对大语言模型进行微调，让大语言模型能够像驾校教练或者陪练一样，对驾驶行为做出更详细的解释。进而预测未来最有可能出现的各类驾驶场景，从而与各类障碍物进行更好地交互。

值得一提的是，毫末正在尝试用蒸馏的方法，也就是用大模型输出的伪标签作为监督信号，让车端小模型学习云端大模型的预测结果，或者通过对齐Feature Map的方式，让车端小模型直接学习并对齐云端的Feature Map，提升车端小模型的能力。基于蒸馏的方式，可以让车端的感知效果提升五个百分点。

从DriveGPT赋能车端的三大测试成果来看，毫末利用视觉感知模型，可以在15米范围内达到30cm的测量精度，2米内精度可以高于10cm，实现用视觉取代USS超声波雷达，降低整体智驾方案成本；同时，提升对交通场景全要素识别测试成果。DriveGPT基于通用感知的万物识别的能力，可以有效帮助毫末重感知的车端感知模型实现效果的提升，助力城市NOH的加速进城；此外，毫末在当前城市NOH的测试中，可以在城市道路场景中，在时速最高70公里的50米距离外，检测到大概高度为35cm的小目标障碍物，做到100%成功绕障或刹停，从而对道路上穿行的小动物等移动障碍物起到很好地检测保护作用。

从2019年11月正式成立至今虽不到4年，毫末智行已经在乘用车领域落地三代辅助驾驶产品HPilot。此前，已在坦克、欧拉等多款车型上搭载应用。此次，毫末推出三款千元级HPilot产品后，待未来正式上车或将进一步降低长城汽车在智驾领域的投入成本，提升市场竞争力。

智驾也拼性价比，张凯表示：“风好正扬帆，毫末人将始终秉持初心，保持创业者的激昂斗志，共同实现自动驾驶的梦想。”

文/周晶