毫末智行，能否成为自动驾驶领域的“ChatGPT”？

2023-02-21 10:40 由精选发表于 #商业

撰文 | 曹双涛

编辑 | 周沫

题图 | IC Photo

短短几个月的时间，ChatGPT迅速火爆全网。事实上，ChatGPT之所以能称为“很会聊天的AI”，在于其训练时使用了人类反馈强化学习(RLHF)算法。借助人类的感知，让模型判断自己的答案质量，训练自己逐步给出更高质量的回答。

而在自动驾驶领域，毫末智行的自动认知大模型也正式升级为DriveGPT，它和ChatGPT的RLHF算法基本一致。

毫末智行的DriveGPT是在不断学习成千上万个老司机的驾驶经验后，帮助模型自己能独立做出决策。按照毫末智行的说法来看，借助DriveGPT这一大模型，在掉头、环岛等公认的困难场景中，场景通过率提升30%以上。

图源：毫末智行

当前，毫末智行的DriveGPT已完成模型搭建和第一阶段数据的跑通，参数规模可对标GPT-2的水平。后续将持续引入大规模真实接管数据，通过人驾数据反馈的强化学习，来不断提升测评效果。同时也将DriveGPT作为云端测评模型，用来评估车端小模型的驾驶效果。

基于此，毫末智行在对外宣传中说，自己不仅仅是国内最早将Transformer大模型引入到数据智能体系MANA当中，更是全球首个自动驾驶认知大模型。

其实这已经不是毫末智行首次在宣传中说自己是业内“第一”了，毫末智行董事长张凯对2022年公司发展总结时说道：“毫末2022年持续稳居中国量产自动驾驶第一名”，“毫末城市NOH是中国第一个可大规模量产的城市导航辅助驾驶产品”；公司中国首个自研AEB算法落地海内外的公司，也是中国首个出海欧洲、澳洲的自动驾驶公司。

那么，多项“第一”加持的毫末智行真的能够成为自动驾驶领域的“ChatGPT”吗？而对于脱胎于长城汽车，仅仅成立1000多天的毫末智行，这些“第一”真的经得起推敲吗？

一、缺乏数据，如何打造DriveGPT？

若毫末智行未来想要真正成功打造出DriveGPT，需要同时解决几个问题，一是如何获得海量的自动驾驶数据，二是如何成功不断学习成千上万的老司机驾驶经验，三是如何提高自身算力能力。然而，从当下来看，这些均面临着较大的压力。

从数据维度来看，毫末智行旗下的毫末Hpilo一共进行了三个版本的迭代，分别是HWA高速智能驾驶系统、NOH智慧领航辅助驾驶系统、城市NOH领航辅助驾驶系统。这三代产品Hpilot搭载至魏牌、坦克、欧拉、长城炮等近20款车型，辅助驾驶用户行驶里程突破2500万公里。但需要指出的是，这2500万公里的数据质量本身就存在争议。

首先，单看2500万公里这个数字的确很大，但相关数据显示，国内出租车一年跑的里程基本上在12-15万公里。而毫末智行的这2500万公里，实则也就是一两百个出租车司机一年的里程，这也不难看出目前毫末智行所积累的数据过小。

同时，2500万公里里程到底是由多少用户完成的呢？单个用户所对应的驾龄以及里程又分别是多少呢？而在毫末智行的对外宣传中，并没有提及。

其次，由于此前激光雷达的成本相对较高，毫末智行的HWA高速智能驾驶系统和NOH智慧领航辅助驾驶系统这两个版本并没有安装激光雷达。而从激光雷达自身所对应的各种性能来看，就不能看出毫末智行在激光雷达的数据上是严重缺乏的。

图源：华创证券

而毫末智行的城市NOH领航辅助驾驶系统虽安装激光雷达，但其是在去年9月份才正式对外发布。即使考虑到发布前，毫末智行已经进行了大量测试，但短短几个月的时间内，毫末智行的就已经完成了同行在过去几年在激光雷达数据上的积累，这恐怕很难让外界所信服。

最后，毫末智行的前两个版本的应用场景更多的是集中在高速、城市快车道上，并没有应用在山路、较窄路段等其他场景下。这些路段在及其考验司机驾驶能力的同时，也对自动驾驶提出了更高的要求。但显然，毫末智行在不同场景下的数据也是极少的。

但需要指出的是，目前毫末智行从L2所积累的数据想要跨越式发展到L3和L4，也并非易事。

一方面，由于真实场景的交通状况往往牵一发而动全身，即改变一辆车的行驶轨迹将对周边环境的多条轨迹产生影响，目前的技术难以重现复杂的交通场景，因此导致自动驾驶测试场景与真实场景存在差异，而这种差异对测试结果的影响程度尚未有可评判的标准。

图源：《汽车驾驶自动化分级》国家推荐标准(GB/T40429-2021)

另一方面，目前厂商很少使用模型在环和软件在环进行测试，是因为目前还没有具体的参数标准进行参考，得出测试结果的准确性难以判定。而且作为长城旗下的子公司，其他车企也不可能会选择和毫末智行的数据进行打通，毕竟这就相当于是给长城在做“嫁衣”。

从获取驾驶经验来看，来自杭州的出租车司机张奇（化名）告诉我们，目前同行对于自动驾驶并没有太大的兴趣。因为若是出租车司机完全按照自动驾驶的路线来行驶，一旦产生交通事故的话，这个责任到底如何界定呢？保险公司又是否会进行理赔呢？

如张奇所说，虽然近几年各大车企纷纷发力自动驾驶，但即便作为自动驾驶商业化佼佼者的特斯拉，其完全自动驾驶功能包全球安装率仅为11%。

另据德勤公布的《自动驾驶的未来：先进汽车技术消费者需求调查》报告显示，在不愿意为500美元以上的自动驾驶功能付费这选项中，中国消费者不愿付费比例超过52%，即便有特斯拉所在的美国也高达63%。显然，消费者的不买单也让毫末智行的DriveGPT很难进行反复的训练，达到和ChatGPT类似的能力。

从算力的问题来看，虽然在今年的1月7号，毫末智行宣布由毫末智行和火山引擎联合打造的、目前国内自动驾驶行业最大的智算中心MANAOASIS（雪湖・绿洲）正式成立。

按照毫末智行CEO顾维灏的说法来看，MANAOASIS是他们历经两年研发，在数据管理能力方面建立了全套面向大规模训练的DataEngine。目前MANAOASIS实现了百P数据筛选速度提升10倍、百亿小文件随机读写延迟小于500微秒。在算力优化方面，他们还部署了Lego高性能算子库、ByteCCL通信优化能力、以及大模型训练框架。

虽然顾维灏对外宣传的这些数字看起来却是漂亮，但对于MANAOASIS的成本问题却并未提及。事实上，类似于ChatGPT这种所产生的算力成本本身就很高。

相关数据显示，ChatGPT的总算力消费约为3640PF-days。若按照单个500P中心项目的总投资为30.2亿元来计算。若想要保证ChatGPT的正常运行，则至少需要投入7-8个数据中心，所产生的总成本至少在200多亿元。

国盛证券的研报也提及到，ChatGPT在访问阶段初始投入近十亿美元，单日电费数万美元。而在训练阶段，单次训练约为百万至千万美元。那么，目前毫末智行是否有足够的资金能力来承担如此高的成本呢？

二、缺乏资金，毫末如何活下去？

由于自动驾驶迟迟不能大规模商业化，目前全球和自动驾驶相关的公司发展情况普遍堪忧。其中，福特与大众汽车共同注资的自动驾驶公司ArgoAI则在去年10月份时，宣布公司倒闭解散。今年1月份，谷歌旗下从未进行过裁员的无人驾驶部门Waymo，也直接裁员80人。

而顶着全球驾驶第一股”光环的图森未来，其在去年一二季度的营收只有200多万，但同期亏损却高达1亿多元。公司增长的乏力，也让图森未来的股价从发行价时期的40美元/股，暴跌到如今的2美元/股左右，出现了一二级市场上的严重倒挂。

图源：东方财富网

从这里也不能感知出，目前毫末智行内部也面临着较大的现金流压力。而若想要解决这一问题，或通过投资人以及背后的长城汽车持续“输血”，或毫末智行目前已经有盈利项目能自身“造血”。

虽然毫末智行在去年4月份完成了由中银投资和首程控股的A+轮融资，但若是和此前的A轮融资相比，不仅仅融资金额出现明显暴跌，很多投资机构也都不再跟投。

而从今年的情况来看，毫末智行依然很难获得投资人青睐。来自北京的投资人刘华（化名）告诉我们，今年很多投资机构的方向都很明确，要么是在看一些新能源、新材料等与未来国家战略高度匹配的项目，因为这些项目未来具有很高的成长性。

要么是投一些目前市面上在没有资本扶持下已经能够实现盈利的公司，因为这些公司在上市后，不会出现一二级市场股价的倒挂，资本才有可能实现套利。而类似于无人驾驶这种迟迟不能盈利的赛道，很少会有投资机构在选择出手。

需要指出的是，未来自动驾驶若想要实现盈利的话，主要还是在于和ToG端合作。但由于目前自动驾驶的大单主要来自于政府，而当前政府比较青睐的是百度、华为和蘑菇车联。

在去年7-8月的时间里，蘑菇车联就先后和四川天府新区、江苏无锡梁溪区、北京通州签约各类项目，所涉及金额就已经高达66亿元。而百度和浙江绍兴地区签约的智慧快路项目，涉及金额1.168亿元，和广州黄埔区签约的智慧交通新基建项目，涉及金额接近4.6亿元。

更大的难点在于：百度、华为和蘑菇车联通过和ToG端合作，也能增加企业的信任背书，未来也可以和更多地区政府合作。这就意味着毫末智行很难从他们手中抢走客户，依靠自身输血及其不现实。而对于长城而言，面对着毫末智行的不断去“长城化”，还有多少耐心给到毫末智行呢？未来又会给毫末注入多少资金呢？

三、小魔驼能救毫末智行吗？

主业面临压力之下，未来也只能从其他业务来解决目前毫末智行的资金压力。按照毫末智行董事长张凯的说法来看，目前毫末智行末端物流自动配送车已初步完成商业闭环，交付超1000台，小魔驼配送订单量突破13万单，商业化进程正全面提速。

但张凯的这一说法实际上仍存在很多争议的地方。一是多方现实因素的存在，导致目前国内无人配送仍难以商业化。当前，我国相继出台了一系列与无人配送相关的政策，为无人配送行业的发展提供了重要支撑，但目前全国各地对于无人车的管理措施尚不统一，各地规划的自动驾驶测试区与企业实际需要的区域存在一定矛盾。

另外，目前国内的无人配送车企业研发技术已经逐渐成熟，并持续更新迭代，但高昂的硬件成本、运营成本依然制约了行业的发展。

按照业内专家预测，只有当一台无人配送车的成本在3-5万元时，才有可能真正实现商业化。而去年小魔驼的售价在13万元左右，距离3-5万元仍有很大差距。那么，毫末智行的商业闭环到底是如何实现的呢？

二是毫末智行的无人配送车交付超1000台，那么这1000台无人配送交付给下游哪些客户呢？项目的投资回报周期又有多长？相对于美团、京东等企业的无人配送车，其在配送方面有何优势？对于这些关键的信息，毫末智行仍然没有透露。

图源：毫末智行

且据北京理工中云智车CEO 关超文曾指出，“当前，一辆无人车勉强可取代一个月薪6000元的快递员，但我得搭进去一个月薪3万的工程师。”也就是说，一辆无人车在运行过程中需要一位技术人员全程跟进。若按照1000台车的交付量，毫末智行去年至少要新招1000名技术人员。但现实情况却是，去年毫末智行并没有进行大面积的扩张。

三是13万订单看似很大，但对标同行之后就不能发现这一数字仍偏低。其中，从2020年初至2022年8月底，美团自动配送车已经累计给用户配送超240万单，日均配送量达到5000多单。换句话说，小摩驼一年的配送量只相当于美团二十多天的订单。

而且在这13万订单中，有很大一部分是由北京物多美超市所提供的。那么，若和未来和物多美的合作出现问题的话，其后续的订单又由谁来提供呢？显然，毫末智行在无人配送车领域还有很长的路要走，这项业务也无法成为公司增长的“第二曲线”。

或许毫末智行对外所描述的蓝图很美，但在“自嗨式营销”背后，毫末智行真的需要好好思考自身的技术能力了。尤其是自动驾驶和无人配送，均是短期之内难以商业化的项目。那么，今年毫末智行又会推出哪些“大招”来破局呢？