和 ChatGPT 在 AIGC（AI- Generated Content，人工智能生成內容）領域一樣具備顛覆性的事情正在發生。

4 月 11 日，自動駕駛技術公司毫末智行在其第八屆 HAOMO AI DAY 上，重磅發布行業首個自動駕駛生成式大模型 DriveGPT，中文名「雪湖·海若」，該模型參數規模達到 1200 億，可用于解決自動駕駛研發過程中困擾已久的認知決策問題，并通過能力迭代，最終實現端到端自動駕駛。

此前，受制于傳統模型「數據量小、基于規則」等局限性，智能駕駛技術進展一度較為緩慢，甚至不少從業者都對未來產生了自我懷疑，在這樣的背景下，兩年前，毫末率先投入到大模型技術的研發之中，旨在尋找新的突破。

經歷了先行探索和反復驗證，毫末成功找到了突破口——生成式大模型，通過在行業首個將 GPT 落地到自動駕駛領域，大大加速了更高階智能駕駛的落地應用。

「生成式大模型將成為自動駕駛系統進化的關鍵，基于 Transformer 大模型訓練的感知、認知算法會逐步在車端進行落地部署。」毫末董事長張凱在 HAOMO AI DAY 上對行業未來發展趨勢作出論斷。

毫末 CEO 顧維灝也表示：「DriveGPT 雪湖·海若將會重塑汽車智能化技術路線，讓輔助駕駛進化更快，讓自動駕駛更早到來?！?/p>

顧維灝在自動駕駛技術領域的眼光獨到，布局非常領先。

事實上，毫末在 2021 年就已經開始了 Transformer 大模型技術的探索，并快速落地應用到 BEV 視覺感知算法當中，然后又以五大模型的方式來實現自動駕駛感知、認知算法的快速升級，現在這些大模型將統一到 DriveGPT 生成式大模型當中，目標將實現端到端自動駕駛。

毫末的探索始終走在行業技術探索的前列。

據了解，新摩卡 DHT-PHEV 即將首發搭載 DriveGPT 雪湖·海若量產上市，屆時，用戶市場還將迎來一輪新的震撼。

「毫型橘末真正重塑了行業信心，」一位業內人士略微激動地說道，「這將是一場革命。」

01、DriveGPT 雪湖·海若，如何顛覆智能駕駛

在介紹 DriveGPT 雪湖·海若之前，先回顧一下 ChatGPT 的概念，其全稱是 Chat Generative Pre-trained Transformer，字面意思是用于聊天的生成式預訓練 Transformer 大模型扒埋。

其中 Transformer 是 ChatGPT 的重點，最早由谷歌在 2017 年提出，該模型基于注意力機制的設計，可以實現出色的算法并行性，因而迅速在自然語言處理（NLP) 領域流行起來，ChatGPT 就是其最新成果。

Transformer 大模型對于智能駕駛來說也不陌生，在 NLP 中奠定了核心地位之后，被逐漸被引入計算機視覺（CV）領域，后又被特斯拉、毫末智行等行業龍頭先行引入自動駕駛系統中，用于提升感知端的模型效果。

如今，毫末在 Transformer 大模型的應用上更進一步，將其率先拓展到智能駕駛系統認知端，DriveGPT 雪湖·海若由此誕生。

從同樣使用 Transformer 大模型的角度來說，ChatGPT 和 DriveGPT 雪湖·海若屬于同宗同源。

其中，ChatGPT 是對話式的生成式自然語言模型，輸入是自然語言的文本串，輸出是自然語言的文本，可以完成通用的下游春租螞語言生成任務，比如多輪對話、代碼生成、翻譯、數學 運算等能力。

而毫末 DriveGPT 雪湖·海若是用于自動駕駛場景的生成式大模型，輸入是感知融合后的文本序列，輸出是自動駕駛場景文本序列，即將自動駕駛場景 Token 化，形成「Drive Language」，最終完成自車的決策規控、障礙物預測以及決策邏輯鏈的輸出等任務。

DriveGPT 雪湖·海若首先在預訓練階段通過引入量產駕駛數據，訓練初始模型，再通過引入駕駛接管 Clips 數據完成反饋模型 (Reward Model) 的訓練，然后再通過強化學習的方式，使用反饋模型去不斷優化迭代初始模型，形成對自動駕駛認知決策模型的持續優化。

具體來說，DriveGPT 雪湖·海若會通過人類反饋強化學習的方式進行迭代，用 DriveGPT 雪湖·海若最新模型 (Active Model) 對真實場景 Case 做生成，產出多種場景序列結果，再用反饋模型給這些結果進行打分排序，目標是把好的結果排上來，差的結果排下去，然后與初始模型 (Pretrain-Model) 的生成概率做比較，放大比分。最后通過強化學習的方式將參數再次更新到最新模型 (Active Model) 中，一直反復這個迭代過程。

其中，Reward Model(反饋模型) 的訓練過程是獨立的，使用帶有偏序關系的 Pair 樣本對來訓練，這些樣本對來自于接管 Case，毫末將與人類駕駛結果相似的模型結果作為正樣本，與被接管軌跡相似的作為負樣本，這樣來構建偏序對集合，再利用 LTR(Learning To Rank) 的思路去訓練 Reward Model，進而得到一個打分模型。

此外，DriveGPT 雪湖·海若還可以輸出決策邏輯鏈：即在輸入端提供 Prompts(提示語)，根據提示輸出含有決策邏輯鏈 (Chain of Thought) 的未來序列。

毫末 CSS 自動駕駛場景庫是 CoT 的重要輸入，擁有超過幾十萬個細顆粒度場景，將 Prompt 提示語和完整決策過程的樣本交給模型去學習，學到推理關系，從而將完整駕駛策略拆分為自動駕駛場景的動態識別過程，完成可理解、可解釋的推理邏輯鏈生成。

除了用作認知決策，DriveGPT 雪湖·海若還可以逐步應用到城市 NOH、捷徑推薦、智能陪練以及脫困場景中。

有了 DriveGPT 雪湖·海若的加持，車輛行駛會更安全；動作更人性、更絲滑，并有合理的邏輯告訴駕駛者，車輛為何選擇這樣的決策動作。

對于普通用戶來說，車輛越來越像老司機，用戶對智能產品的信任感會更強，理解到車輛的行為都是可預期、可理解的。

盡管 DriveGPT 雪湖·海若剛出世就擁有強大的功能，但這還不是它的「終局」，毫末對于 DriveGPT 雪湖·海若的目標是實現端到端自動駕駛，后續毫末會持續將多個大模型的能力整合到 DriveGPT 雪湖·海若中。

與此同時，毫末也對外構建 DriveGPT 雪湖·海若生態，通過對行業提供開放服務，促進自動駕駛的從業者和研究機構，快速構建基礎能力，釋放創新。

汽車之心獲知，毫末 DriveGPT 雪湖·海若首批定向邀請了北京交通大學計算機與信息技術學院、高通、火山引擎、華為云、京東科技、四維圖新、魏牌新能源、英特爾等加入。

事實上，毫末對于大模型的開放從 DriveGPT 雪湖·海若的中文名「雪湖·海若」即可窺見。

據了解，「海若」一詞出自《莊子·秋水》中的神話人物北海若，在該書中，另一神話人物河伯請教北海若，何謂大小之分，北海若教導河伯說，不因天地而覺大，不因毫末而覺小。

毫末據此把 DriveGPT 中文名命名為「海若」，寓意著智慧包容、海納百川，為行業發展貢獻力量。

02、自動駕駛生成式大模型「第一槍」，為何由毫末打響

自動駕駛領域頂級玩家眾多，毫末憑何在全球首個推出了自動駕駛生成式大模型 DriveGPT 雪湖·海若？

要回答這個問題，首先要理清楚毫末 DriveGPT 雪湖·海若的本質，它是應用在智能駕駛上的人工智能，就必然離不開人工智能三要素：算法、數據和算力，而這三者恰恰是毫末具備領先性優勢的地方。

首先在算法的技術路線上，毫末早早就堅定選擇走漸進式發展路線，比「躍進式」玩家的量產時間更早，更快形成規模化，從用戶真實使用場景中積累足夠多的數據。

毫末還清晰地提出了從自動駕駛 1.0 時代到自動駕駛 3.0 時代的演進路徑，并率先進入以數據驅動為核心的新時代。

從這時開始，自動駕駛獲取的數據量與數據多樣性將呈現指數級膨脹，在深度學習主導中，與大模型相輔相成，真正去解決自動駕駛最后的長尾難題。

在 2021 年 12 月第四屆 HAOMO AI DAY 上，毫末發布中國首個數據智能體系 MANA，其由四大板塊組成，分別是 TARS、LUCAS、VENUS 和 BASE。

其中，BASE 是整個系統架構的底層，包括數據底座、數據融合、PoseidonOS 等。

其他三大板塊置于上層：

【本文來自易車號作者汽車之心，版權歸作者所有,任何形式轉載請聯系作者。內容僅代表作者觀點，與易車無關】