毫末智行这群人,正在导演一场人和方向盘的分手大戏
2022-3-14 10:59:45 Author: mp.weixin.qq.com(查看原文) 阅读量:10 收藏

浅友们好~我是史中,我的日常生活是开撩五湖四海的科技大牛,我会尝试各种姿势,把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友,不妨加微信(shizhongmax)。

毫末智行这群人

正在导演一场人和方向盘的分手大戏

文 | 史中

风来了,猪都能飞翔。

风走了,只有鸟在天上。

(一)

顾维灏有一个小秘密。

每天下班回家的路上,他会慢慢松开方向盘,把身下这台汽车全然交给辅助驾驶系统。

代码在芯片里奔流,大块头的机器像水面上的浮叶,滑翔在北京的华灯夜色中。

办公室离家9公里,不算远,但路况复杂,辅助驾驶系统不能完全应对。

他需要在中途5次手动接管汽车。

顾维灏的梦想很简单:用未来几年时间,把自己回家这段路的人工接管次数降到4次、3次、2次。。。

想想,好像也没什么。

但鲁迅说过:这世上本没有自动驾驶,接管的次数少了,也便成了自动驾驶。

(二)

2021年12月的一天中午,顾维灏刚跟一位团队同学谈完心,等会儿又要拉着一堆人去开技术会,此刻刚刚在我对面大口扒拉完一份盒饭。

我很难把面前这个接地气的老哥和他的身份——最近大火的自动驾驶创业公司毫末智行的CEO——应有的“光鲜”联系起来。

顾维灏

不过,聊了几分钟后,我就摸准了他的脾气:比起闪耀,他更在乎有效。

既然他做的事情和车有关,我们不妨就从车说起。

今天,全世界的汽车平均每行驶2亿公里,就会有一起致死事故。(注:数据来源附后。)

在20年前的世纪初,大概是1亿公里就有一起,甚至有的国家能达到5千万公里。

之所以死亡率稳步下降,一个重要原因就是:

在过去二十年,汽车被动安全技术(如安全带、气囊)和主动安全技术(如防抱死系统、防撞雷达)发展很迅速,规避了大量因为人类驾驶失误而造成的严重事故。

但有一个地方很值得画红圈:

最近五年,路上死亡率虽然还在下降,但下降趋势已经很缓慢,个别国家甚至有反弹。

这是一些国家,汽车事故“每10w人中死亡人数”的历史数据。

汽车事故界的“摩尔定律”好像在失效。。。

背后的原因很简单:降低人类司机事故的技术能上的都上了,提升空间的天花板已隐隐看到。

接下来最能降低死亡率的技术,其实只剩一条:不让人类开车

没错,这就是自动驾驶

假设一辆车的速度是100km/h,人类司机从看到危险,到决策,到做出刹车动作,大概需要经过1秒,期间汽车行驶30米的距离。而自动驾驶从判断到做出刹车动作大概只需要0.1秒,期间车只行进了3米。

省出来的时间和距离,就是生死之别。

说到这,很多浅友会反驳:

不对吧,你默认了自动驾驶比人类水平更高。。。

实际情况难道不是,现在自动驾驶还很智障,如果贸然让“机器开车”,反而会增加意想不到的问题吧?

你说得对。

这里出现了一个经典的悖论:

很多家长不让孩子在学校早恋,但孩子一毕业,恨不得下一秒就要找到老婆(老公)生猴子。

这很可笑,因为没有充分训练的撩妹/汉技术,很难在实战中直接发挥作用。但从娃娃抓起磨炼恋爱技巧,家长又觉得扯淡。

自动驾驶也是同样。

如果不去放手让自动驾驶技术上路训练,那么我们永远等不到自动驾驶技术服务于人类的那一天;如果放手让自动驾驶汽车上路训练,又担心出现危险。

人类就这么卡bug了吗??

解决这个问题的路线不是没有,而是太多。过去五年,连业内大佬们都因为路线问题撕得不可开交。

幸好现在总算“打”成了一些共识。

拥趸最多的是“折中道路”:人和自动驾驶系统一起开车。

一半的时间人开车,系统就“看”(第四声)着,积累大量的数据,回来改进技术。

一半的时间系统开车,人就“看”(第一声)着,系统处理不了的情况,人马上接管操作。

这种“学习期”的自动驾驶系统,我们习惯把它称作“辅助驾驶系统”。

(注意,辅助驾驶系统并不是不能帮人开车,而是提供“力所能及”的帮助,背后的驾驶员依然要为最后的结果负责。业内也把这种自动驾驶称为L2级自动驾驶。)

回到我们的故事,既然顾维灏崇尚“有效”,他当然也选择了这条道路。

他伸出一个巴掌,把自己做自动驾驶方法论分为六步:

1)获取  2)表达  3)储存  4)传输  5)计算  6)验证

听起来有些抽象,但转念一想,这方法挺“笨”的,大概和小学生做数学题异曲同工:

审题,列算式,算结果,对答案,如果答案不对再回来重新审题,如此循环,直到做对。(当然自动驾驶没有所谓“做对”的那一刻,它永远可以做得更好。)

注意啦,这件事儿的难度压根不在于这六步本身,而是:你要在很长的时间里对“六步论”不断重复

做好一个自动驾驶系统,需要把“六步论”重复多少次呢?

根据业内的大致估计,一套自动驾驶系统想要顺利“毕业”(也就是大致追平人类的水平),大概要行驶200亿公里。

这是个啥概念呢?

假设一家自动驾驶公司有100台车,24小时不间断地在路上跑,需要跑够500年。

好的,500年后,中哥再回来告诉你顾维灏他们的成果如何,今天的浅黑科技就到这里。

别。。。500年,别说顾维灏等不起,孙悟空都等不起。

那有啥办法加速自动驾驶系统的实习过程呢?

当然有。

数据是可以聚沙成塔的:

如果每天跑在路上的不是一百台车,而是一千台车呢?如果不是一千台,而是一万台呢?如果不是一万台,而是一百万台呢?

你可能会算:随便一台普通的车也要十几万,光买一百万台车就要花几千亿,还要加装自动驾驶传感器、加油保养、雇司机。。。你是家里有矿还是叫中本聪啊?

然而,目测顾维灏他们,在未来两年,真就能让100万台车上运行自己的辅助驾驶系统。

这才是毫末智行的牛X之处。

他们到底要怎么做到呢?

别急,为了能让你清楚地品尝到其中细节,先让顾维灏歇一会儿,我们请出另一位男主角。

(三)

2013年夏天,河北狼牙山下。

村长接待了一群奇怪的客人。

为首的人身形魁梧,戴着眼镜又显斯文。他指着村口那台浇地用的洒水车,正跟村长笑眯眯地讨价还价。

最后两人商量妥,200块钱租一天。

村长着实想不通,这帮人也不像庄稼汉,要租洒水车干啥呢?于是好奇地跟着他们来到不远处的水库边。

他们从水库抽水,一股脑浇在岸边松软的荒地上,来回几趟,这儿就成了一滩烂泥。

接下来发生的事情让村长猝不及防。

这群人开着几辆崭新的SUV,直接冲进了烂泥里。深的地方恨不得连底盘都被泥沙吞没。。。

果然,求仁得仁,车陷进去了。

司机猛踩油门,轮胎卷起烂泥,甩上天际,但无论怎么加速,车轮就这样在原地飞速打滑。传动轴和泥沙摩擦,发出刺耳的沙沙声,听着就心疼。

村长捂脸摇头,内心草泥马奔腾:这又是啥不着调的户外越野俱乐部啊。。。

这是当时的照片

接下来的事情更魔幻。

这群人推门下车,从背包里抽出几台笔记本电脑,没事儿人一样,噼里啪啦敲起键盘来。

眼瞧着,旁边的汽车居然自己开始给油,扭动轮胎,向坑外艰难爬行。

折腾了半天,汽车终于艰难地爬出来。这群人把车掉个头,利索地重新开进坑里。。。留下村长在风中凌乱。

村长哪里知道,这群“自虐”的人其实大有来头。

他们来明星企业长城汽车,是底盘工程研究院的工程师。而带队的大个子,正是时任长城汽车车辆安全工程研究院院长张凯。

张凯

他们在研发一项技术,叫做“全地形控制系统”。

可能有的浅友没听过这个东西。不过,喜欢开车越野的朋友,尤其是路虎车主一定熟悉。

这套系统是2004年由路虎首先发明的,专门帮不安分的车主适应沙地、泥地、草地这些奇葩路况。

简单来说,它可以把当时轮胎和路面的各种数据反馈到牵引力控制系统(TCS),然后调整防滑、制动和转向参数,凝聚全车的力量瞬间爆发出来,从而脱困。

别看原理简单,事实却很悲伤:

在路虎发明这套系统9年之后,中国能掌握这项技术的车厂数量为零。

造不了,可以买嘛。还真有国际供应商卖这个模块,五千万,一手交钱一手交货。

倒不是给不起这点钱,而是咽不下这口气。年轻气盛的张凯不信这个邪,偏要自己搞出来。。。

其实呢,张凯的信心也不是毫无来由。

他干过比这还大的事儿。

作为车厂子弟,他从小就生活在汽车零件的钢铁丛林里,加上又对计算机感兴趣,大学毕业后加入长城,专门鼓捣“把最新的计算机技术引进汽车行业”的这类事情。

很多浅友都知道,汽车研发过程中皇冠上的明珠就是“模拟仿真系统”——可以在赛博空间复刻一辆真实的汽车,用这辆“数字汽车”进行碰撞试验、性能试验,大大降低开发成本,也能更科学地保护司乘。

算起来,张凯是中国第二代推动“仿真系统”建设的技术人。

既然当年长城连“模拟仿真系统”都能搞定,张凯就不信,区区一个“全地形控制系统”他们搞不定。

当时我们从坭坑里把车开出来,车身能重两百多斤。相当于车上多坐了一两个隐形人。

勉强开到最近的洗车场,用水枪先把泥冲掉,才能继续开回车厂。一路上发动机的声音听起来都像拖拉机。

回来之后大家把车晒干,再放在四立柱架子上升起来,还能掏出四五塑料桶的泥。。。

回忆峥嵘岁月,张凯历历在目。

后来这群人还开了路虎去,专门做对比:同样的泥,路虎能开过去,长城就要能开过去,而且还要比路虎过得稳过得快。

他们把狼牙山下无名的泥地一点点改造成“北方试验场”,就靠这种“笨方法”,一连试验了三年。

终于在2015年,全地形控制系统随着新车哈弗H9上市了。

长城汽车当之无愧成为了中国第一个突破了“全地形控制系统”核心技术的车厂,圈了一大波粉。连同行都不得不挑大拇哥:“兄弟你们是真拼啊。。。”

看到这,可能有些浅友有点懵。张凯搞的这事儿,有意思是有意思,可你今天不是要讲“自动驾驶”么?这有啥关系呢?

不仅有关系,而且有大关系。

你有没有注意到刚才我说了一个细节:就在汽车往坑外爬的时候,人是在下面遥控的。

在这一刻,汽车已经是“自动驾驶”的状态了。

??中哥在说啥??且听我详细解释。

(四)

这里我把重要的结论放在前面:

1、自动驾驶不是请客吃饭,不是敲锣打鼓就能做出来的。它和生命的演化一毛一样,需要把一座一座“基石技术”层层堆垒起来,奇观才会自然涌现。

2、有些技术一开始看起来简单弱小,但它们就像珍珠一样,最后串在一起就成了璀璨的自动驾驶项链。

我们说回泥地里的那辆车。

玩过遥控车的浅友会知道,一般遥控车走直线都很难做到精准,更别说一辆大号的越野车了。。。

这背后需要攻克一个极难的技术点——底盘线控

一个简单的遥控指令,却能最终变成动力总成和转向机总成的精准运动,方向盘稳得住,轮胎不打摆,路线控制一厘米都不能差。

一旦调教不好,行进时方向控制不好,汽车就会“画龙”。

由于很早开发线控技术,让长城成了自动驾驶领域早期的测试车提供商。2015年左右,很多自动驾驶公司开始进行实战研究,都会从长城购买带全套线控的车来改装。

除了“底盘线控”,自动驾驶还有另一个基石技术,那就是“主动安全技术”

说到主动安全,张凯又兴奋起来。

因为在成为底盘研究院院长之前一年(2012年),张凯刚刚带队成立了长城车辆工程安全研究院。下面恰恰设有“主动安全”这个研究室。

啥是汽车的“主动安全”呢?(我们开头其实提过,这里再详解一下)

主动安全,是相对被动安全而言的。

中国不是有句俗话么?没事不惹事,有事不怕事。

被动安全就是“有事不怕事”。

比如真的发生了碰撞,保险杠、安全带、气囊就会发挥作用,在事故已经发生的情况下尽量保证司乘安全。

主动安全就是“没事不惹事”。

比如防碰撞系统,眼看就要撞到前车,汽车就要通过雷达感知到,然后强制帮人刹车;

比如车道保持系统,眼看车要跑偏,就得强制把方向盘掰回来;

比如驾驶员状态监控系统,眼看驾驶员眼皮打架几欲晕厥,就得嗷嗷叫提醒司机,实在叫不醒就得强制靠边停车了。

说到这,你是不是有点感觉了?

主动安全功能就像一个个独立的器官,原本用来解决单独的问题。但当它们组合在一起,就瞬间透出那么一丝“智能”的意味了。

明白了这些,我们继续讨论更深入的问题。

这些基石技术组成的“辅助驾驶”和我们平常所说的“高级自动驾驶”究竟是什么关系呢??

不妨拿人脑来类比一下。

人类大脑看起来是一坨肉肉,但实际可以分为三层:爬行脑、情绪脑理性脑

理性脑是我们平时逻辑思考用的最主要的部分。你现在理解文章,用的也是理性脑。

但在大脑的核心位置,其实是最早进化出来的爬行脑和情绪脑。它们负责“下意识”的动作,比如走路时全身的肌肉共同维持平衡、比如被针扎一下会马上缩手、有人在你眼前挥拳你会躲闪。

别觉得爬行脑低级。

如果没有这样一个低功耗、高效率的脑区帮你打理基本行动,你的逻辑思维再发达,也无法像常人一样起居生活。

我们说回汽车。

高级自动驾驶系统,也就是大多数人熟悉的视觉感知、智能决策之类,可以说是汽车的“理性脑”

而线控底盘技术和主动安全系统这一整套辅助驾驶系统,其实就对应着汽车的“爬行脑”

从进化逻辑上,它们是有先后关系,一脉相承的。

而且,在真正的自动驾驶汽车上,“高级自动驾驶”“辅助驾驶系统”不是替代关系,而是同时工作的。

2015年,长城汽车董事长魏建军把自动驾驶研发的重任交给了张凯。

有了之前的背景知识,再看到这个任命,你不仅不会觉得意外,反而觉得顺理成章了。

张凯压力山大。

他很清楚,之前虽然技术积累扎实,但目的还是辅助人类;“自动驾驶”这四个字的终极目标,是代替人来开车,这背后的意味可全然不同。

一种既朋克又神圣的感觉油然而生。

说干就干,他马不停蹄地把“主动安全研究院”里的一些技术大牛拉到“自动驾驶事业部”,带着同事们从“爬行脑”“理性脑”进军。

事实证明,自动驾驶的坑,可比他当年开车爬的泥坑要大多了。

(五)

2016年,没有大事发生。但对张凯来说却是一道分水岭。

那一年特斯拉做出一个小抉择。这个抉择的深远影响后面才慢慢显现——它直接把特斯拉推向了传统汽车制造厂的技术对立面

是个啥抉择呢?

特斯拉不再使用以色列公司 Mobileye 的模块做自动驾驶的视觉感知,转而使用自研的深度学习模块做视觉感知

中哥在说啥?

我给你通俗地解释一下:

高级的自动驾驶可以粗略分为“感知”“决策”“控制”三个步骤。

1、感知就是分析出眼前的景色:比如左右路肩和车道线,比如高楼行人宠物。

2、决策就是现有情况下本车该怎么办:比如现在要加油、刹车、或者把轮胎向左转5度。

3、控制就是对底盘的实际操纵,之前详细讲过底盘线控,此处不赘述。

凡是做自动驾驶,都逃不开这三步。

决策我们后面会说,现在单说感知

经典的感知技术是通过传统机器视觉(CV)来实现的。

简单来说,CV系统会计算画面中物体的边缘形状,从而判断这是个啥东西。

刚才提到的 Mobileye 的感知模块就是用的是这个技术。

但同样的感知工作,特斯拉却用深度学习技术来实现。

简单来说,它需要人类把画面中的汽车、行人、标志等等标注出来,然后交给人工智能自己去学习。

之后遇到一幅新画面,人工智能就能判断画面里有啥东西。(篇幅所限,不懂的同学去参考《人工智能杀人回忆》

你可能会问:两种技术不都是用来感知么?谁的效果好就用谁呗,为啥要打架?

客官有所不知,这背后藏着一个巨大的哲学命题

这个哲学命题就是“可解释性”

传统机器视觉用来判断物体的依据是人类专家编写的方程,如果效果不好,可以倒推,修改参数;

深度学习用来判断物体的依据是机器经过复杂运算自己编写的,如果效果不好,人类根本不知道怎么修改,只能跟机器“商量”,我再给你多几万张图,你重新给学学呗?

这就使得深度学习为基础的视觉感知技术“可解释性很差”。

可解释性差,其实挺要命的。

就好像上学的时候,老师要求我们解题要有解题步骤,而直接写答案,哪怕答案是对的,也不给满分。

你想想看这个场景:你坐在自动驾驶汽车里,汽车告诉你前方有一辆车。你问汽车:“你判断的依据是啥?”汽车说:“说了你也不懂,信我就对了。”

你会是什么心情?

所以,回到2016年的世界,所有车厂分成了旗帜鲜明的两个阵营:

第一、支持深度学习的特斯拉;

第二、其他车厂。

“其他”车厂包括宝马、奔驰、大众,当然也有长城。

然而,后面的故事大家都知道,2019年,特斯拉 Model 3 量产上市,如核弹一般席卷全球,至今累计销量几百万台。

大家用真金白银投票,买了“深度学习”的账。(当然,科学家们正在积极探索深度学习的可解释性,但那是另一个故事)

而在特斯拉股价史诗级暴涨的背后,有更恐怖的事情:他们的辅助驾驶系统燃烧在每一台车里,不断地收集信息,每分每秒都在分析学习,驾驶水平水涨船高。

2019年末,张凯说服大家——团队的自动驾驶技术路线要全面转向深度学习。

然鹅,深度学习是完全一整套新的世界:从芯片,到算法,甚至软件架构,都和以前不同。

回头一看,长城汽车内部,极度缺乏深度学习的人才,硬刚怕是有风险。。。这个挑梁的人要上哪去搞呢?

他脑海里出现了一位老朋友。

没错,就是被我们晾在一边很久很久的另一位主角,顾维灏。

顾维灏曾在百度负责的恰恰是辅助驾驶业务,技术、产品和商业上都颇有远见。

但英雄尚有困顿时。

在当时,如华为、百度、小马智行等科技公司,技术底子很好,但自己不造车,自动驾驶系统迟迟找不到量产上车的机会,难以快速回收数据改进系统。。。

2020年初顾维灏选择了离开百度。

张凯知道这个悲伤的消息,简直太开心了,赶紧拨通他的电话。

顾维灏坐在张凯面前,皱了皱眉头:“这事儿凭什么能成?”

“不是缺数据么?你想想看,路上跑的长城量产车如果大部分都装上自动驾驶系统,难道还愁数据吗?”张凯笑笑。

维灏吞了吞口水,心痒痒。

但他还是犹豫:“我在互联网公司这么多年,要是让我加入长城这样的制造业企业,具有文化差异,估计我会比较难适应。”

张凯挥挥手:“这事儿魏总和长城决策层早就想好了,咱们可以拉出队伍,单独成立一家自动驾驶公司!”

毫末智行就这样成立了。

2021年2月,顾维灏正式加盟毫末智行,出任CEO。

张凯和顾维灏

(六)

公司名是毫末初创团队一起想出来的。

老子《道德经》里有一句话:合抱之木,生于毫末;九层之台,起于累土;千里之行,始于足下。

这种谦虚的起名方法,颇有当年他带着大家在泥坑里默默开车的遗风。

这种谦虚的风格也带到了对办公室的选择里。下面这张图是毫末智行在北京最早的办公室。

据说一位准备入职的女同事看到这个办公室,当即决定回家再和老公商量商量。

但山不在高,有仙则名。

正如张凯预料的那样,在毫末成立初期,长城的烙印带来了巨大的加持。

不过这里有一个值得仔细观察的细节:长城的加持,其实有两条,一个是显性的,一个是隐性的。

显性加持是:长城每年销售汽车百万辆,这里面哪怕选择一部分搭载毫末的辅助驾驶系统,每年都是几万、几十万的量级。这种稳定的订单供给让毫末“含着金钥匙出生”,不用像其他初创公司一样为钱发愁。

隐性加持是:毫末从长城带出来了100多位汽车行业底层技术人才,还从长城拿出来一条生产线。

显性加持大家都能看到,而这个隐性加持,同样大有文章:

之前为了叙事方便,我一直说在自动驾驶领域的技术演进路线是“高速+低级”——也就是速度很快的乘用车配上能力有限的辅助驾驶系统;

但我只说了事实的一半儿。

其实还有另外一条技术演进路线也被证明可行,那就是“低速+高级”——用速度很低的车,搭载最先进的自动驾驶系统。

“低速+高级”怎么玩呢?

一个主要的应用,就是现在刚刚兴起的无人配送小车

正在上大学的浅友可能见过校园里跑来跑去送快递的“小蛮驴”;

在北京顺义区生活的浅友可能见过美团正在测试的送外卖小车;

走在街上,也可能看到过多点超市的送货小车。

就像下图这样:

阿里巴巴的小蛮驴

无人配送小车不仅要配最先进的无人驾驶系统,还要有过硬的生产商来生产,包括小车的底盘、线控系统和上面的箱体。

麻雀虽小,五脏俱全。你可以认为它就是一辆小型汽车

这么复杂的东西,造价不菲,目前(2022年初)要几十万一台。

说到这,你可能明白了,毫末从长城拿出了这么多底层人才还有生产线,不正好可以生产这种无人配送小车么?

这里揭晓一个秘密:其实,从一开始,张凯就给毫末定下的战略就叫:“两条腿走路”

一条腿是乘用车的自动驾驶系统,另一条腿就是无人配送小车。

说到这,还有个小故事。

早在毫末尚未成立的2019年,张凯就在一次会议上认识了美团的首席科学家。

那时候,美团的同事正在发愁。

他们研发了无人配送车,但找了很多厂家给生产,要么就是小作坊,生产出来的小车质量不忍直视;要么就是大车厂,人家生产线是生产汽车的,为了你这几百辆小车改造生产线,那成本可就大了去了,不愿意干。。。

张凯一听,眼里立刻放光:我们又有从长城“拿”来的一流生产线,又有愿意干脏活累活的小伙伴。你们别找了,全中国只有我们能干这事儿!

张凯再去打听,阿里、物美多点这些互联网零售公司都在探索无人配送小车。直觉清楚地告诉他,大有搞头。

现在回看,这件事儿,也大大推动了长城下定决心独立成立毫末智行。

赵博,是毫末智行的产品平台总监,“无人配送小车”和“智能底盘”的负责人,当时,设计开发小车的任务就落在了他的团队身上。

赵博

(七)

长宽高、载重量、车速、线控精度——当时我们拿到的需求少的可怜。

至于产品怎样定义、怎样借用长城乘用车的供应链资源、成本怎样控制、试验场怎样设计,一个一个的问号都需要我们重新思考。

赵博回忆。

这里让人纠结的事情很多。

核心部件先不论,就拿最简单的外饰来说,有两种方案,一种是注塑,一种是吸塑。

注塑工艺是乘用车一直采用的外饰开发方式,但注塑工艺,模具非常贵,但精度高,单品很便宜,做得少了就不划算;而吸注塑的话,模具便宜,但单品贵,做得多了就不划算。

显然,目之所及的订单也就千台左右。

但上上下下讨论一遍,大家达成共识:同时采用注塑、吸塑工艺。关键零部件及复杂结构采用注塑工艺,非关键部件采用吸塑工艺。这样就兼顾了两种工艺的优缺点。

这是当时的部分设计手稿。

别看这么一个小车,拆成零件也是成近千个,关键是,只有一部分零部件可以复用乘用车上的零件,还有很多零件需要让供应商重新开发

这就涉及到“供应商愿不愿意陪你玩儿”的问题了。

项目早起销量较低,只有几十、几百个零件,供应商也要研发、开模,短期来看是不赚钱的。

这些汽车界的老人只好拉下面子,一家一家去和供应链商量:短期来看产品的销量较低,但这个行业的爆发期很快会到来,咱们可以一起走进智能汽车的下一个时代!

要是对方实在不信,他们就打感情牌:我们在长城的时候,咱们也是一起从小到大,从弱到强互帮互助走过来的。你们这次无论如何都要帮我们一把!

就这样,供应商们也慢慢的相信这个新行业的发展,愿意一起玩。

这是透视图。

而在总装生产线上,问题又出现了。

如果上全套的自动化生产线,其实我们最有经验。

但是小车刚刚开始做,方案恨不得一礼拜一改,如果生产线跟着动,那动一下就是几十上百万,真的改不起。

最后我们决定,很多步骤就先用“低自动化”生产线来做,未来产量上来了,设计需求稳定了,再上自动化生产线。和丰田当年做燃料电池的整车生产线是一样。

赵博说。

不过,自动化程度一低,人手就缺了。。。

“求助长城老大哥呗。长城本身有集团内部员工借用、调动的流程,但确实也欠了很多人情债!”他笑。

大家在调试底盘。

2020年6月,第一版毫末无人配送小车“DV01”终于下线了。

客户收到这批车,都惊呆了。过去其他小作坊生产的车,每一辆车一个性能,有的响应时间快,有的响应时间短,有的刹车距离短,有的刹车距离长。

毫末生产的小车,不仅成本低,关键是所有的车一致性极高。

就拿一个小点——转向精度——来说:所有的车,只要接到相同的线控指令,转向系统就能快速平顺地转到目标角度,精度都可以控制在0.5度以内。

整车的一致性高,就可以降低使用自动驾驶算法的难度,工程师可以在自动驾驶系统上统一调优,不用给成百上千台车单独调试。

张凯在泥坑里锻炼出来的底盘线控技术,还有长城生产线多年稳定的品质,还有老师傅们的供应链把控能力,在这一刻都灵魂附体。

毫末这帮老师傅刚使出几招,就产生了降维打击的效果。

就在美团的前后脚,阿里巴巴也敲定了和毫末智行的合作,他们设计的无人配送小车“小蛮驴”也交给毫末来提供生产制造、出厂测试验证、规模量产等服务。

这是小蛮驴试制成功的合影。

说到这,你可能突然反应过来:小车干得这么热闹,之前大车上的辅助驾驶系统做得怎么样了?

创业公司就是这样,一万件事情重叠在一起。各个都很要命。

别急,在大车上,这群人也是紧锣密鼓。

(八)

这款放在大车上的辅助驾驶系统,初代版本被称为 HWA 1.0(Highway Assist)。

由于系统硬件的限制,HWA1.0重点是面向高速公路和简单的结构化城市道路。(在结构化道路上先跑也是行业通用实践。)

而第一辆搭载 HWA 1.0 的汽车,就是2021年量产的长城魏牌摩卡。

负责把系统塞进汽车的,是毫末智行研发总监王天培。

王天培是老长城人,当年线控底盘开发的时候他就是主力工程师;后来自动驾驶事业部成立,他又“转行”成了算法工程师。

你还记得前面我们能提到智能驾驶分感知决策控制吧,王天培团队从2015年开始,就做了不少自动驾驶决策算法的开发。

王天培

决策算法方面,其实同样存在人工规则和深度学习规则这两条技术路线。

人工决策规则,完全是人类写的,看上去大概是这样:遇到情况A,则执行动作1;遇到情况B,则执行动作2,以此类推。。。所有规则大不了也就是几百上千条。

但深度学习的决策规则,那就是人工智能自己“看着办”了,根据训练方法不同,AI 可能搞出来上百万条规则。人类的大脑已经无法理解了。

王天培告诉我,在 HWA1.0 的阶段,决策方面还没来得及迁移到深度学习平台上,还在用传统的机器规则。

看到这,你也许会说,原来量产车没有配备“最强大脑”啊。。。

不过你要知道一个事实,那时候距离张凯做出技术转向只有半年,毫末智行刚刚成立一两个月,已经在跑步追赶。而汽车系统的迭代,需要跟随整车设计的节奏走,没办法像互联网那么灵活。

但这没关系,大象不一定要急转弯,重要的是先要有车上路,才能源源不断地积累数

注意,这里面还有一个有趣的环节:

系统开发完成,会先放在“原型机”里运行,汽车后备箱里背着这台工控机做测试;测试完成之后才能安装到量产平台中。

在原型中,系统也许会遇到死机、响应延迟之类的问题。但是一旦进入量产平台,就要把死机和延迟的情况降为0。

这个“0”可不是说说而已的近似值,而是要绝对为零。

可想而知,这中间需要工程师做多少工作。

毫末智行上海研发中心负责人孙宣峰就在一线指挥了这个工作。

孙宣峰(我和他打电话的手拍摄的屏幕)

孙宣峰曾经供职于全球最著名的汽车零件供应商博世,他感慨:

我团队的这些工程师,过去大多供职在国际零件供应商。但这些供应商的总部都在欧美日,中国区的工程师大多只负责最后的适配微调,虽然接触了无数车型,但就是碰不到核心代码。

很多人和我一样,早就憋着一股劲,想要从头开始写出我们中国人的代码!

事实证明,人生没有白走的路,每一步都算数。

即便是从头开始写代码,所有的坑在哪工程师们都了然于胸。他们仅仅用了6个月的时间就完成了量产调试。

与此同时,长城生产线上的千万台车整装待发。

毫末的小伙伴们特意让我体验了一下摩卡,右边就是我坐的那辆车。

说到这里,我还得强调一个小 Bug。

汽车和所有消费产品都一样,硬件上是“买定离手”的。一旦车卖出去,就四舍五入只能进行软件升级,车主是很难开回4S店,让你拆开再给里面加块芯片神马的。就算车主配合,线下的人工成本也扛不住。

偏偏怕什么来什么。。。

就在魏牌摩卡整个系统研发封版之前三个月,特斯拉出了一个幺蛾子。

他们搞了一次升级,推出了 NOA(Navigate on Autopilot)功能。特斯拉车主肯定知道这个功能,当时还引起了不小的轰动。

其实很简单,NOA 可以实现在高速公路上的上下匝道。因为可以上下匝道,就能实现汽车根据导航自动更换高速公路直达目的地。以前只会往前开,现在会“拐弯”了,车主感觉自然很爽。

国内造车新势力小鹏、蔚来也紧跟其后,推出了各自的高速导航驾驶功能。

其实,当时顾维灏也在指挥毫末研发一样的东西,叫做 NOH。但这个是给后续车型用的,没准备装在摩卡上。

长城同事说:我们摩卡车上就要装这个。

毫末同事说:大哥只有四个月了。。。

长城同事说:长城的自动驾驶要尽快追平一线。实在不行的话,我们开启销售后,让车主在规定时间内升级到 NOH!

王天培他们赶紧连夜讨论方案。。。

仔细研究了一下,还真不是没有方法:只要临时修改硬件方案,在已有的自动驾驶盒子里加入一大块存储模块,用于存储 NOH 所需的高精地图,就能满足后续升级的要求。

于是,算法团队加班赶工 NOH 的进度,王天培的产品团队紧急敲定修改硬件设计方案。

就这样死去活来,总算在 Deadline 之前搞定,HWA1.0 随着摩卡车型在2021年5月上市;而半年之后,也就是2022年1月,开始了 NOH 的陆续升级。

这是2021年7月,张凯和顾维灏在实际路段上测试 NOH 的功能。

紧跟摩卡,长城的爆款网红车“坦克300城市版”也陆续搭载毫末的辅助驾驶系统,像血液一样渗透到山川河流之间的路网中。

至此,顾维灏的“六步论”才终于开启了第一步:获取。

珍贵的数据奔流汇成海洋。

而海洋,才是鲸栖之地。

(九)

2021年初,毫末智行每周积累的驾驶数据有上千万帧图像。

看上去很多吧,但是这个数据量都不及我们今天的零头的零头。

潘兴对我说。

潘兴,是留美博士,高并发计算领域的大咖,被大家称为潘博,他是毫末智行的技术总监。

潘博手里的一项重要任务,就是把亿万数据汇总、表达,为下一步的人工智能算法提供充沛弹药。(这对应着顾维灏“六步论”的二三步:表达、储存。)

潘兴

但如此巨量的数据处理,已非人力可完成。

就拿最初的“每周上千万帧图像”来说。

有经验的工程师一天可以处理1000张,一个星期内处理完1000万帧图像,就需要1300位工程师。这显然是不现实的。

潘博解释。

他隐约预感到,这件事儿只有用无数“自动化机器人”来解决才合理。

但发愁的是,这世界上几乎没人有对付这么大量数据的经验。也许唯一有经验的就是特斯拉,然而特斯拉绝对不会把这个核心机密透露。

潘博只知道,特斯拉有一个“运营假期”的操作。

意思是只要研发人员把一整套系统搞定,随后随着量产汽车在路上跑,系统就会启动一整套自动化流程回收数据、处理数据、磨炼驾驶技巧——这套流程跑起来,技术人员就可以放心去度假了。。。

他也想要“运营假期”。

潘博带着大伙儿在会议室里楞琢磨。他们的办法是:拆。

1、先看这些数据如果用人来处理,总共分几步。

2、然后把这些步骤拆成更细致的小步骤,再把这些步骤交给一个个细小的人工智能程序来实现。

就这样搞了几个月,他们攒出了一整套自动化数据处理平台,起名叫做“Lucas 平台”。

Lucas 平台就像几大洲的陆地,环抱着数据的太平洋,让它们可以被算法实时调取。

这样算法工程师就不用像以前一样花90%的时间从数据海洋里捞有用的数据,而是可以把百分百的精力都用在调整算法这个核心任务上了。

人类脑子灵活,在数据量小的时候能弄得很精,有优势;

机器确实笨一点儿,但是数据量大,或者数据时间跨度长的情况下,人的脑子就不够用了,这时机器就能弥补劣势,甚至有优势了。

潘博说。

有一点出乎意料:

虽然Lucas 平台保持着快速进步,对数据的处理越来越快,越来越准,越来越自动化,但潘博的团队却没迎来“假期”。

他们需要日夜守护,让这个平台稳定运行,一旦有丝毫间断,则会影响其上的人工智能进步。

这是前线的同学在进行测试和数据标定。这些数据也都会回到 Lucas 平台。

潘博团队的魏孝林告诉我,2021年除夕,他和另一位同事还在研究 Lucas 的模块升级。到了晚上七点,他俩突然发现自己已经是全楼唯二喘气的动物了。

他们走到楼下,发现大门已经被人从外面反锁,所有带钥匙的同事都坐上了回家的列车。打了一通电话,才找到一个可以钻出去的后门。

那天回家的路上,我看到人们放的烟花在天空炸开,那瞬间的感觉不是累,也没有伤感,就像刚创造了一个伟大的东西,安静地休息。

他说。

在这群人的精心照料下,自动驾驶算法迭代像风车一样越来越块。(这对应着顾维灏“六步论”的第四、第五、第六步:传输、计算、验证。

手握全套武器,顾维灏终于可以不满足于“高速公路”的场景,带着大家杀向新的领域——城市道路。

(九)

讲真,城市道路比高速场景复杂了不止一星半点。

城市里开车,不说别的,起码涉及两样:1)十字路口的左右转向;2、对红绿灯的精准识别。(如下图)

这些都必须靠深度学习的感知技术才能实现。

这一年来,毫末这群人就在死乞白赖地推进这个工作。

训练城市道路的辅助驾驶,一定要有自己的“试车场”

这个试车场不能是封闭的,而是要有一些社会车辆和行人。所以,这就不是一个公司力所能及得了,需要得到政府的支持。

这其实是一件极难的事儿:政府提供支持,不仅要看到你的能力,还要看到你的诚意,看到你愿意长期扎根于此,带动产业和就业的决心。

这个难度系数 10.0 的工作,就落到了毫末智行 COO 侯军的肩上。

侯军早期供职于华为,后来在百度,又自己创业,可算是海陆空“三栖”的选手。毫末智行连办公室都没找到时,他就已经被毫末创始团队“忽悠”来了。

华为的经验告诉我,一件事情,只要我们中国人和国外没有技术代差,我们就一定能做得比他们好。因为我们的政府是全世界最鼓励新科技的,只要公司自己有商业闭环、数据闭环,假以时日一定能成。

所以当时我都没有犹豫就入坑了。”

侯军笑。

侯军

这个试验场,侯军锁定了北京市顺义区。

虽然侯军自己就住顺义,但他并不认识区领导。。。

通过行业协会、朋友介绍,死乞白赖找到了分管领导。领导很客气地问了很多问题,翻译成普通话就是:你是谁啊?

确实,当时如果在搜索引擎上搜“毫末智行”,啥都搜不到。你让领导如何相信你?

侯军只好硬着头皮把毫末智行的背景、优势都给讲了一遍。但侯军其实心里有数,他知道毫末的优势非常明显,金子肯定会发光。

果然,和区政府谈了几次,对方越来越感兴趣,几个月就光速敲定,顺义区吸引毫末落地。

如今,每天都有毫末智行的测试车跑在顺义的道路上。

一线的同事们还给我看了很多有趣的照片。忙于测试的时候,他们顾不上拍照,我看到的很多都是他们在野外觅食的画面。

下图右上角,是他们半夜测试间隙吃西瓜,右下角是正月十五测试的时候用纸杯吃元宵。

顾维灏觉得,只听一线同学的反馈还不够。他延续长城的传统,在毫末搞了一个“快乐星期六”活动。

每到隔周的周六,所有高管都杀到顺义,坐上测试车,以“乘客”的视角来感受自己的技术到底还有哪些改进空间。

只有坐上车,才能真正体会城市道路有多难开。行人过马路,社会车辆加塞,红绿灯故障,只有你想不到,没有它不会发生的情况。有时候情况紧急,系统会紧急刹停,要不是有安全带,一众人都恨不得拍到前风挡上。

即使这样,这群人每周都乐此不疲。

就像看着一个小孩子,一点点蹒跚学步。

快乐星期六

除了可以测试乘用车,毫末还在顺义测试无人配送车。

于是,侯军又马不停蹄,和物美多点建立了合作,在顺义区选择合适门店,帮助物美多点小哥送货。

(十)

既然是测试性质,物美多点也没有太多要求:第一,你得按时把货送到,不能让我的顾客受损;第二,你不能太贵。。。

于是,毫末答应,多点每单给送货小哥多少钱,就给我们的无人车多少钱,其余的成本支出都是毫末来扛。

就这样,顺义的大街上,又出现了毫末和物美多点的“联名”送货小车“小魔驼”。

当然,终究是测试,不能让小车自己跑,需要有一个“安全员”,万一出现小车不听话的情况,要及时接管。

这里就出现了一个 Bug:测试大车的时候,人们可以坐在车里,虽然可能会吐,但起码不怕风雨;测试小车的时候,无论寒暑,人只能跑步跟着。

2021年的春天,贼拉冷。

梁萧就是毫末末端物流无人车产品经理,那年可把他和小伙伴冻坏了。

我们专门每人买了一个军大衣,就这样,在外面呆超过两小时就冻透了,大家只能倒班上街。。。

梁萧笑着回忆。

梁萧

人还可以倒班,车没办法倒班啊。车的电池一旦在低温时间过长,就会报错,整个车都得停下。梁萧他们急中生智,想到了土办法,把女生带的暖宝宝给抢来,贴到电池上。

这边测试,那边赶紧给赵博他们打电话:“这个设计熬不过北方的冬天,需要改进改进电池设计!”

赵博那边赶紧修改设计,在下一版的小车制造中改善问题。

有一个真理不言而喻:小车要走在辅路上。而辅路比主路路况复杂一百倍。

什么叫电动车、哪个叫老头乐,还有遛狗的大妈、结队放学的小学生,摇摆前行的自行车、放飞自我的行人。。。

“经常出现一个情况,前面是一个老大爷遛弯,我们的车就龟速跟在后面。”梁萧说。“虽然跟着没什么不行,但送货是有时间要求的,所有商品40分钟内必须送到家。。。”

于是,他们只能修改策略,让送货小车学会“绕大爷”,后来又学会了“绕路桩”、“规避狗绳”。

到后来,终于有地方绕不过了,那就是路边停的“老头乐”(就是那种爷爷奶奶开的小型代步车),因为有的老头乐停得太随性,留下的空间太窄,小车根本过不去。。。

真实的路况大概就像这样。

于是,梁萧他们只好兵来将挡,做了一个新策略:当遇到这种卡死的情况,可以短时间借道主路。

这些都搞定了,还有新的问题。

比如过红绿灯的时候,走斑马线。行人也走斑马线,小车也走斑马线,小车还要礼让行人。

问题来了:为了礼让行人走走停停,经常是走到路中间,红灯了。。。。侧向的汽车蜂拥开来,小车手足无措。跟车员只好冲上去手动遥控,帮可怜的小车脱困。

梁萧他们讨论了好多次,最后决定小车不走斑马线, 而是贴着斑马线走旁边,这样既安全,又能绕过行人干扰。

这些经验一点点积累,让小车的策略越来越完善,送货速度也越来越快。

正是在顺义日复一日的测试,让很多人都看到了毫末的技术力量和这群人要干自动驾驶的决心。

2021年,毫末智行一股脑拿到了美团、首钢基金等投资方的pre-A轮和A轮投资。这些投资方其实很有意思,美团是毫末智行最早的客户,而首钢基金的出资人有顺义区政府。

这些人都是真正和毫末打过交道以后,才决定真金白银地投资。

顺义区一位领导对侯军说:“之前几年,因为一个很小的原因,我们错过了引进宁德时代的绝佳机会。现在我们绝对不能再错过你们,毫末智行将是自动驾驶的新独角兽。”

这句话让侯军记忆犹新。

就在融资顺利进行的时候,合肥、苏州、上海这些嗅觉灵敏的城市也都找到毫末,邀请他们落户测试。

作为当时一个成立一年多的公司,这样的成绩可以用闪耀来形容。

(十一)

我的视线又回到了顾维灏身上。

我每天都在面对挑战,但我也习惯了这样。只有每天解决一点问题,才不会让问题在未来某一天集中爆发。

他把刚吃完的盒饭推到一边, 嘿嘿一笑。

毫末将会在辅助驾驶系统上完整集成深度学习的感知和决策,也会第一次具备城市道路辅助驾驶的功能。

毫末城市NOH在2022年夏天将会首次搭载在一款长城汽车上。

那将是顾维灏心目中辅助驾驶系统该有的样子。几百人过去一年多的寒暑辛劳,也都在未来那一刻交出答卷。

这是同学们在夜里测试城市NOH。

他把这件事儿称为:“全栈技术能力的外现”

而张凯也告诉我,长城正在把几十款车型的自动驾驶系统交给了毫末来做,预计在未来几年,搭载毫末智行辅助驾驶系统的乘用车将会很快突破百万辆。

面对这些好消息,张凯却异乎寻常地清醒。

毫末作为独立的公司,未来要走上自己的漫漫长路,不仅服务好长城,之后不排除要有新的合作伙伴。

而这一切未来的可能,都源自每一天的技术耕耘。

放眼望去,这群人就像农夫,在春天播种,然后傻傻地期待一个花园。

顾维灏是三体迷,把毫末所有的会议室都改成三体里的关键词,我俩聊天的房间就叫“黑暗森林”。

我本以为他会大聊“降维打击”之类的哲学,但他并未提到。

临走,顾维灏送我一套《三体》,封套上引用了一句话:

给时光以生命,给岁月以文明。

仔细回想,也许这才是他更在意的。

我不知道顾维灏还将多少次在回家的路上松开方向盘。但我丝毫不怀疑,有朝一日,他接管的次数会变成4次、3次、2次。

站在未来回望,自动驾驶也许正是以这种方式走向彼岸。

注:

数据来源自《道路安全年度报告2020》By 国际交通论坛。

https://www.itf-oecd.org/sites/default/files/docs/irtad-road-safety-annual-report-2020_0.pdf

延伸阅读(点击标题进入):

《人工智能杀人回忆》

春种

秋收

再自我介绍一下吧。我叫史中,是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友,可以搜索微信:shizhongmax

哦对了,如果喜欢文章,请别吝惜你的“在看”“分享”。让有趣的灵魂有机会相遇,会是一件很美好的事情。

Thx with  in  Beijing


文章来源: http://mp.weixin.qq.com/s?__biz=MzU0NDEwMTc1MA==&mid=2247516811&idx=1&sn=ceef1cfa6ee4d0877f221c618d208454&chksm=fb038692cc740f8452ea9e85ed9a2929c0b0c89fe4cf335735b7001a3e24c39c03a4fb7ef25a#rd
如有侵权请联系:admin#unsafe.sh