第九届好墨AI DAY发布三千元HPilot产品！

汽车信息网10月12日电 10月11日，北京金秋时节，第九届HAOMOAIDAY如期而至。

今年HAOMO AI DAY的主题是“BETTER AI，BETTER HAOMO”。

豪模发布了三款“性价比极高”的千元级NOH无图，充分满足高、中、低价智能驾驶车型的量产需求；浩墨发布业界首个自动驾驶生成大型模型DriveGPT 雪虎·海若公布最新成果：总计超过1亿帧互联网图像数据集和1万条包含人类驾驶行为的自动驾驶4D Clips数据已被筛选掉；进一步升级引入多模态大模型，获得识别万物的能力；进一步结合NeRF技术，渲染重建4D空间；借助LLM（大语言模型），自动驾驶认知决策配备了世界知识。

产品层面，搭载海默城NOH功能的威牌蓝山将于今年一季度正式量产上市；小摩托今年四季度将在商超配送场景实现盈利。

（好墨董事长张凯近日发布三款“性价比极高”的千元级HPilot产品）成立近四年来，好墨始终引领中国自动驾驶技术潮流，好墨AIDAY已成为中国自动驾驶的一面旗帜。

自动驾驶技术。

海默在行业内率先布局大模型、大数据、大算力技术发展方向，冲刺自动驾驶3.0时代。

（BiMo CEO顾伟豪在DriveGPT上线当天公布重要成果）BiMo董事长张凯表示：“BiMo一直在全力投入AI自动驾驶的技术浪潮。

BiMo坚持走进取路线，长期技术投入的术语，使海默模式成为中国自动驾驶发展的新范例。

” （从左至右：海谋智行COO侯军、董事长张凯、CEO顾伟豪、CIO甄龙宝）推出三千元HPilot产品，以“极致性价比”抢占智能驾驶市场“我国高端智能”。

2020年辅助驾驶市场将迎来大爆发。

”活动现场，张凯以《BETTER AI，BETTER HAOMO》为主题，分享了他对2020年智能驾驶市场竞争形势的判断，以及详细的最新进展四大战役之一。

（张凯介绍，今年中国高端智能辅助驾驶市场将迎来大爆发）张凯介绍，目前，乘用车销量和智能化指数稳步提升，而智能驾驶的渗透率和价格正在向相反的方向增长。

汽车市场L2及以上智能驾驶渗透率已达42.4%，每年将达到70%，并已普及到10万-20万元的主要销售车型；城市NOA迎来量产推出汽车浪潮，目前占L2及以上辅助驾驶份额17%，2018年将达到70%；停车与停车分离的硬件设计、一体机将逐渐退出市场，更具性价比的停车与停车域控制一体化解决方案将成为主流。

为了应对智能驾驶市场的变化，在现场，海默发布了HP、HP、HP三款“性价比极高”的智能辅助驾驶产品，预计将于2019年、2020年在汽车上推出（发布三千元HPilot产品）张凯表示：“海默新发布的三款第二代HPilot乘用车辅助驾驶产品，在性能提升的同时降低了价格，让中级智能驾驶变得便宜又好用，让高性价比成为可能。

”高端智能车好用又便宜，这也是对中国“体量”智能驾驶市场的答案，海默HP是一款“极致性价比”的元级高速无图NOH，在实现智能驾驶的同时。

硬件配置方面，传感器方案标配1个前视摄像头、4个鱼眼摄像头、2个后视雷达、12个超声波雷达。

前角雷达是可选的。

场景方面，可实现高速公路、城市快速路无图NOH、短距离记忆停车等功能，并获得E-NCAP五星级AEB高安全标准认证。

（豪墨HP）豪墨HP是一款元级“性价比极高”的城市记忆行车记忆停车设备，可实现行车停车一体的智能驾驶。

硬件配置方面，算力为32TOPS。

该传感器方案标配2个前视摄像头、2个侧视摄像头、1个后视摄像头、4个鱼眼摄像头、1个前置雷达、2个后角雷达和12个超声波传感器。

雷达，可选装2个前角雷达。

场景方面，可实现高速公路、城市快速路、城市记忆驾驶、免教记忆停车、智能避障等功能。

张凯表示：“海默记忆驾驶可以算是海默城市NOH的最小一套，是对城市NOH的有力补充。

” （海谋HP）海谋HP是一款元级“性价比极高”的城市全场景无影像NOH产品。

未来将在+市实施。

硬件配置方面，算力方面有72TOPS和TOPS两款芯片可供选择。

该传感器方案标配2个前视摄像头、4个侧视摄像头、1个后视摄像头、4个鱼眼摄像头、1个前置雷达、12个超声波雷达，还支持选配1个激光雷达。

场景方面，可实现城市无影像NOH、全场景辅助停车、全场景智能避障、跨层教学免记忆停车等功能。

张凯强调：“惠普平台的历史使命是打造行业最具性价比的高端城市智能驾驶产品。

” （郝默HP） 在发布新品的同时，张凯介绍了郝默近一年来四大战役的最新成果。

首先是“智能驾驶装机量王者争夺战”。

在中国自动驾驶企业中，飞墨在中国量产自动驾驶方面排名第一。

整体辅助驾驶产品HPilot已搭载20余款车型。

用户已驾驶辅助驾驶里程。

突破一万公里。

其中，最新搭载HPilot的车型有山海豹HEV版、新款摩卡Hi-4S等（海摩HPilot已累计搭载20余款车型）二是“MANA大车型巅峰之战” 。

DriveGPT发布后的几天里，积累了数以万计的Clips高质量测试。

目前生态合作伙伴已达17家，帮助生态合作伙伴提升效率90%。

2017年，DriveGPT成功入选“北京市通用人工智能产业创新合作伙伴计划”，成为第一批示范合作伙伴观察员，并入选北京市首批10个人工智能工业大示范应用案例。

此外，DriveGPT还帮助海谋荣获中国人工智能基础大模型创新企业称号。

（DriveGPT上线当天的蝴蝶展开） 第三个是“Urban NOH百城大战”。

具有城市NOH导航辅助驾驶功能的海默HP（原HPilot3.0）将搭载威牌蓝山，并将于今年一季度正式上市。

产品已投放市场。

现场，张凯和顾伟豪首次公开测试搭载惠普城市NOH的威牌蓝山。

视频被曝光。

保定市区行驶12公里，耗时35分钟，被人工接管3次。

包括21个红绿灯、7个路口转弯……强调路线感知的海默市NOH表现出了优异的性能，尤其是面对拥堵道路、红绿灯交替、非机器混合交通等复杂场景。

它处理得非常自然，而且它的产品是行业领先的。

带领。

（惠普将搭载蔚牌蓝山，今年一季度正式量产上市。

）最后还有“终端物流自动配送的商战”。

终端物流自动配送车小摩托3.0，售价9元，是全球首款9万元以内的中型终端物流自动配送车，可满足物流、商超、零售等9大场景需求。

小摩托3.0产品的推出，是我国无人车规模商用产业进程中的一个里程碑。

目前，小摩托已交付超过22万份订单。

小摩托即将在今年第四季度在商超配送场景实现盈利。

从商业角度来看，郝默有能力成为全球第一家实现L4业务大规模盈利的公司。

（海默小魔陀3.0亮相）张凯在致辞中还介绍，海默总部已落户北京顺义区。

海谋将充分发挥在自动驾驶领域的技术和产业优势，助力顺义打造中国新能源智能汽车产业高地。

DriveGPT雪湖·海若天蝶变：宇宙感知实现“万物识别”，宇宙认知装备世界知识历届HAOMO AI DAY的核心主题都集中在最硬核的自动驾驶AI技术上。

此次，顾伟豪以《自动驾驶3.0时代：大模型将重塑汽车智能化的技术路线》为主题演讲，分享了海默对自动驾驶3.0时代AI发展模式的思考以及海默DriveGPT大模型的最新进展和实践。

顾伟豪认为，自动驾驶3.0与2.0时代相比，其发展模式和技术框架将发生颠覆性变化。

自动驾驶2.0时代，特点是小数据、小模型，以及案例任务驱动的开发模式。

自动驾驶3.0时代以大数据、大模型为特点，以数据驱动为发展模式。

（郝默提出的自动驾驶3.0时代技术架构演进趋势）与2.0时代主要采用的传统模块化框架相比，3.0时代的技术框架将发生颠覆性的变化。

首先，自动驾驶将突破云端大感知模型和大认知模型的能力，并逐步将车辆端的各种小模型统一为感知模型和认知模型，同时也将控制模块转换为AI模型。

随后，车端智能驾驶系统的演进路线也将逐步包括一方面全链路建模，另一方面大规模建模，即小模型逐渐统一为大模型。

那么，云端的大模型也可以通过剪枝、蒸馏等方式逐步提升汽车的感知能力，甚至在通信环境好的地方，大模型甚至可以通过车云协同实现对汽车的远程控制。

最后，未来无论是车还是云，都将是端到端的自动驾驶模式。

顾伟豪还详细介绍了海默DriveGPT大车型上市后的整体进展情况。

首先是DriveGPT训练数据规模的增加。

截至今年10月，DriveGPT雪狐海若已筛选出超过1亿帧互联网图像数据集和1万条包含人类驾驶行为的自动驾驶4D Clips数据。

二是总体感知能力的提升。

DriveGPT通过引入大的多模态模型，实现了文本、图片、视频等多模态信息的融合，获得了识别万物的能力。

同时，通过与NeRF技术的集成，DriveGPT实现了更强的4D空间。

重构能力，获得三维空间和时间序列的综合建模能力；最后，一般认知能力的提高。

借助大语言模型，DriveGPT将世界知识引入驾驶策略中。

顾伟豪认为，未来的自动驾驶系统必须像人类驾驶员一样。

它不仅具有准确感知和测量三维空间的能力，而且能够像人类一样理解万物之间的联系、事件的逻辑以及背后的常识。

并且可以根据人类社会的这些经验制定更好的驾驶策略，真正实现完全无人驾驶。

DriveGPT如何具备识别万物的普遍感知能力和拥有世界知识的普遍认知能力？顾伟豪也给出了详细的解释。

（好墨DriveGPT升级：大模型让自动驾驶拥有世界知识）在感知阶段，DriveGPT首先通过构建大的视觉感知模型，将现实世界建模成三维空间，并加入现实物理世界的学习，实现对真实物理世界的学习。

时间序列形成4D向量空间；然后，在构建真实物理世界4D感知的基础上，海默进一步引入开源的图文多模态模型，构建更通用的语义感知模型，实现文本、图形、视频的多模态信息。

整合，从而完成4D向量空间到语义空间的对齐，实现与人类一样“识别一切”的能力。

（海默DriveGPT大规模通用感知模型：让自动驾驶了解一切）海默通用感知能力的进化升级包括两个方面。

首先是大型视觉模型CV Backbone的不断演进。

目前基于大规模数据的自监督学习训练范式采用Transformer大模型架构来实现视频生成进行训练，构建三维几何结构、图像纹理和时序。

信息和其他信息的4D表示空间实现了对综合物理世界的感知和预测。

第二步是构建更基础的大规模通用语义感知模型。

在大规模视觉模型的基础上，引入图文多模态模型，提高感知效果。

图文多模态模型可以对齐自然语言信息和图片视觉信息，自动在驾驶场景中对齐视觉和语言的特征空间，从而具备识别万物的能力，并且从而可以更好地完成目标检测、目标跟踪、深度预测等各种任务。

在认知阶段，基于通用语义感知大模型提供的“万物识别”能力，DriveGPT通过构建驾驶语言（Drive Language），结合导航引导信息和车辆的历史行为来描述驾驶环境和驾驶意图，并借助外部大语言模型LLM的海量知识来辅助驾驶决策。

（好墨DriveGPT大认知模型：让自动驾驶具备常识）因为大语言模型学习并压缩了人类社会的所有知识，所以也包括了驾驶相关的知识。

经过郝默对大语言模型的专门训练和微调，大语言模型能够更好地适应自动驾驶任务，让大语言模型真正理解驾驶环境、解释驾驶行为、做出驾驶决策。

通过将大认知模型与大语言模型相结合，自动驾驶认知决策获取人类社会的常识和推理能力，即世界知识，从而提高自动驾驶策略的可解释性和泛化性。

（海默DriveGPT应用的七大应用实践）在分享了最新的DriveGPT大模型技术框架后，顾伟豪随后还给出了海默基于DriveGPT大模型开发模型的七大应用实践，包括驾驶场景理解、驾驶场景标注、驾驶场景生成、驾驶场景迁移、驾驶行为解释、驾驶环境预测和车端模型开发。

其中，在驾驶行为解释方面，海默DriveGPT在原有场景库与人工标注方式相结合的基础上，进行了升级，引入大语言模型来解释驾驶环境，让AI能够解释自己的驾驶决策。

接下来，海谋将通过构建自动驾驶描述数据，继续对大语言模型进行微调，让大语言模型能够像驾校教练或陪练伙伴一样，对驾驶行为提供更详细的解释。

（驾驶行为解读：洞察AI思维过程）在驾驶环境预测方面，DriveGPT最初是基于海量人类驾驶数据的预训练以及接管数据的反馈强化学习，完成未来纯电动汽车场景的预测生成。

现在更是在此基础上进一步发展。

通过引入大语言模型，在使用驾驶行为数据的同时，大语言模型可以对当前的驾驶环境给出解释和驾驶建议，然后将驾驶解释和驾驶建议作为提示输入到生成大模型中，以允许自动生成大语言模型。

驾驶模型在外部大语言模型中获取人类知识，因而具有常识。

只有这样，它才能理解人类社会的各种显性和隐性规则，并像经验丰富的驾驶员一样预测未来最有可能的驾驶场景。

更好互动的障碍。

（驾驶环境预测：生成未来世界）在改变车端模型开发模式方面，飞墨正在尝试使用蒸馏方法，即将大模型输出的伪标签作为监督信号，使得小型车端模型可以学习大型云模型的预测。

这样一来，或者通过对齐Feature Map，小车端模型可以直接学习并与云端的Feature Map进行对齐，从而提高小车端模型的能力。

基于蒸馏方法，汽车的感知效果可以提高五个百分点。

（车端模型开发新模式：大模型提炼为小模型）此外，DriveGPT的驾驶场景理解可以对海量驾驶场景数据进行二级特征搜索，从而实现更高效的数据筛选，挖掘海量优质数据对于大型模型。

高质量的培训数据；驾驶场景标注采用开放场景下的Zero-Shot自动标注，可以实现对任意物体的快速、准确标注。

不仅可以实现对新类别的快速零样本标注，而且准确率非常高，预标注准确率达到80%以上；驾驶场景生成可以基于驾驶场景的文森图模型，通过文本描述批量生成平时难以获取的硬壳数据，实现凭空可控生成；针对驱动场景迁移，基于AIGC生成能力，可以实现多目标场景生成。

它可以将采集的场景迁移到场景的不同时间、不同天气、不同光照等各种新场景，同时可以获取全天候行车数据。

实现高效、快速的场景迁移。

现场，顾伟豪还展示了支持DriveGPT的车载终端的三大测试结果：一是纯视觉自动停车测试结果。

Haimo采用视觉感知模型，利用鱼眼相机识别墙壁、柱子、车辆等各类边界轮廓，形成全视野动态感知。

15米范围内可实现30cm的测量精度，精度达到2米。

高10厘米以上。

这样的精度可以取代USS超声波雷达与视觉，从而进一步降低整体智能驾驶解决方案的成本。

（海默纯视觉停车）第二个是浩默全要素识别交通场景的测试结果。

DriveGPT基于普遍感知识别万物的能力。

从原来只能识别少数类型的障碍物和车道线的感知模型，现在可以识别各种交通标志、地面箭头甚至井盖等交通场景的全要素数据。

大量高质量的道路场景全要素标注数据，可以有效帮助提升零偏感知的车端感知模型性能，助力城市NOH加速进入城市。

（Urban NOH全要素覆盖）第三是海默Urban NOH在小目标障碍物检测上的测试结果。

在目前的城市NOH测试中，海默可以在城市道路场景中以高达70公里/小时的速度在50米的距离内检测到高度约为35厘米的小目标障碍物，并可以在绕过障碍物或制动方面取得%的成功可以对过马路的小动物等移动障碍物起到良好的检测和保护作用。

（海默市NOH小目标障碍物检测）顾伟豪还提到，海默DriveGPT大模型的应用给自动驾驶系统的开发过程带来了巨大的技术提升，使得海默的自动驾驶系统开发彻底进入了新的模式。

新的发展模式和技术架构将极大加速汽车智能化演进。

全球顶级产学研机构重要嘉宾前来助阵，生态合作伙伴近百家。

今年的HAOMO AI DAY再次聚集了自动驾驶领域超豪华的嘉宾阵容。

张亚勤，中国工程院院士、清华大学教授、清华智能产业研究院院长；清华大学车辆与交通学院副院长、终身教授、博士生导师李胜波发表主旨演讲；戴大力，合众新能源汽车CTO；张振林，中汽创智智能驾驶CTO；穆北鹏，美团自动驾驶汽车研发总监；郭宇，达达快车产品与策划负责人；火山发动机汽车产业总经理杨利伟；车云网、电邦创始人兼CEO程立等行业领袖出席第九届好摩AIDAY高峰对话环节，围绕“自动驾驶：乘风破浪大模型，打造新范式”展开讨论。

（巅峰对话——自动驾驶：乘风大模型打造新范式）张亚勤发表题为“《Big Model, Generative Al and Intelligent Driving》”的主题演讲。

他表示：“AI大模型带来了从判别式AI到生成式AI的新技术范式变化，清华AIR正在利用生成式AI打造自动驾驶仿真平台和Real2Sim2Real基础模型平台。

同时，清华AIR和好墨智行正在利用生成式AI打造自动驾驶仿真平台和Real2Sim2Real基础模型平台。

”在数据驱动决策优化方向进行深入探索，共同推动全方位、多层次的产学研深度合作，加速人工智能技术在自动驾驶领域的应用。

” （张亚勤出席第九届豪模AI DAY）李胜波表示：“自动驾驶是人工智能皇冠上的明珠，算法的突破和数据的积累让汽车驾驶更加智能。

快速的发展趋势也是重点发展方向近年来，好墨智行在数据驱动的感知、预测、决策方向进行了突破性探索，取得了一系列面向生成式人工智能自动驾驶的前瞻性技术。

”（李胜波出席第九届好墨AI DAY）演讲最后，顾伟豪表示：“好墨即将迎来四周年。

一旦达成一致，好墨人将继续用AI连接彼此。

“广阔的天地，我们用科技探索更深远的未来。

”张凯说：“风正扬帆，我们将始终坚守初心，保持创业者的热情，共同实现自动驾驶梦想。