毫末智行突飞猛进，品牌开放日公布半年成绩单

不同于新造车势力，自动驾驶技术公司毫末智行借助长城汽车，成为了“中国版Cruise”。也不同于互联网技术公司自研自动驾驶系统甚至亲自下场造车，毫末智行先天具备了大部分技术公司并不具备的优势——车厂资源以及随之而来的落地、数据、商业化条件。

毫末智行CEO顾维灏

在6月22日，毫末智行的品牌开放日上，CEO顾维灏对外介绍了毫末智行上半年的阶段性成绩。此前，在自动驾驶领域，毫末智行一直低调，声量并不算大。而近半年，毫末智行却集中曝出众多成果：自动驾驶系统搭载量产车、无人物流车落地服务多点和美团等客户、获得数亿元融资、营收突破亿级规模成为自动驾驶领域营收增速最快的公司等等。

创业不到两年时间，毫末智行以同行少见的速度推动着自动驾驶落地，究其原因，离不开毫末智行差异化的模式和路线，也离不开毫末智行的前期积累，更离不开它独有的一些资源和优势。在众多科技公司下场造车以寻求自动驾驶落地的时候，毫末智行走在了前边，也成为了行业中的一个典型样本。

1、“车厂+技术公司”的“GM Cruise模式”

要实现自动驾驶，目前业界有三条路线。

第一条是Google、百度等大型互联网公司研发，比如Google旗下的WAYMO公司和百度推出的Apollo系统。第二条是新造车势力，以特斯拉和国内的电动车公司为代表，它们在造车的同时研发自动驾驶。而第三条路线则是美国通用汽车（GM）和它旗下的Cruise为代表，由车厂组合独立的科技公司研发自动驾驶。

Cruise是一家自动驾驶技术公司，于2016年被通用汽车收购，目前估值高达300亿美元。这对“新老组合”以 “传统大规模量产车厂+独立的自动驾驶技术公司”的模式，“在实现全自动驾驶的过程中，分场景逐步攻克，快速落地装配到量产车上，也由此具备了自我造血能力。”毫末智行董事长张凯介绍。

毫末智行董事长张凯

几条路线最终都能通往L5级全自动驾驶。而毫末智行走的正是国内少有的“GM Cruise路线”，这也与国内领先的汽车厂商长城汽车有关。

毫末智行的前身是长城汽车自动驾驶前瞻分部，由长城汽车孵化而出，2019年创建。长城汽车既是它的股东，也是它的大客户。站在“巨人的肩膀上”，毫末智行就解决了汽车硬件人才来源、量产落地和商业模式的问题。

“GM Cruise模式”的优势在于，它能发挥出车厂的量产优势，自动驾驶系统得以大规模装配落地，进而能开始大量收集驾驶数据，快速迭代系统。自动驾驶这类人工智能应用很大程度上要依靠海量数据来改善算法和实际驾驶表现，而长城汽车的出厂规模则是新造车势力以及互联网公司无法比拟的。

在今年4月份，毫末智行HWA高速驾驶辅助系统——“小魔盒1.0”开始搭载长城汽车高端车型“摩卡”，目前为止，这款车销量达到5000台。

乘用车自动驾驶产品经理马斯介绍说，“小魔盒1.0”的使用场景为高速公路以及城市快速路，能实现L2+级辅助驾驶功能。而今年年内，毫末智行将落地“小魔盒1.5”，也就是NOH高速自动领航辅助功能。它能够在高速公路、城市快速路上实现L3级辅助驾驶功能，支持全程脱手并新增业内领先的安全处理系统。

预计截止到2022年底，毫末智行自动驾驶系统将覆盖长城汽车40多个乘用车型。顾维灏介绍，“预计三年内，搭载毫末智行自动驾驶系统的乘用车辆将达到100万台。”这将让毫末智行成为业内首个达到该量产规模的企业。

目前，毫末智行有三条业务线，除了乘用车自动驾驶外，还有低速无人物流车和自动驾驶智能硬件。在毫末智行的发展中，数据智能是其核心，而三条业务线又一起组成了毫末智行发展的“风车战略”。

所谓“风车战略”，顾维灏介绍，数据智能这个核心能力是风车的轴，三条业务线是风车的三个扇叶，三个业务不断向数据智能提供数据，让这个“中央大脑”变得更聪明，然后“中央大脑”再把迭代升级的自动驾驶能力反哺给三个业务。这样，数据智能和三个业务间就互相促进和带动，整个风车也就转动起来。长期来看，数据的获取和处理优势也将形成马太效应，成为毫末智行的一个护城河。

正是由于外界看好毫末智行的路线、发展战略以及各业务线的前景，今年2月底，毫末智行完成由首钢基金领投，美团、高瓴创投跟投的Pre-A轮数亿元融资，成为准独角兽公司，引发了业内外的广泛关注。

2、自动驾驶从“感知智能”到“认知智能”

目前，毫末智行从三条业务线不断收集数据，这为自动驾驶技术的快速成熟创造了条件。随着数据收集、处理能力的增强，数据智能的提高，毫末智行将在行业内率先实现自动驾驶的“认知智能”。

自动驾驶的实现需要感知环境以及认知对象变得更“聪明”，车辆通过摄像头、毫米波雷达、激光雷达等感应器来感知周边环境，然后把数据传回云端的“中央大脑”，再根据算法和模型，把数据还原成人类认知中的不同对象，比如锥桶、行人或一辆横穿出来的汽车。

而毫末智行正在将更为先进、学习能力更强大、更适用于视觉识别技术的Transformer神经网络架构应用于产品中，提升自动驾驶安全性及稳定性。Transformer抗干扰能力更强，识别精度更高，而这种架构则依赖于海量数据的输入，量产车搭载的落地则匹配上了这个条件。