9月28日，在北京举办的毫末智行第三期品牌日活动上，毫末智行最新的技术、产品等成果纷纷公布，大放异彩：毫末智行乘用车辅助驾驶行驶里程突破100万公里；备受期待的NOH智慧领航辅助驾驶系统即将在今年10月份正式发布；与阿里达摩院小蛮驴正式达成战略合作等，都无不彰显着毫末智行的非凡实力。在发布会现场，毫末智行CEO顾维灏做了题为《数据智能的深思考与慢功夫》主题演讲。分享了以“数据智能”为核心的智能驾驶产品在规模化量产后的问题和解决方案。

数据智能是自动驾驶的核心，顾维灏判断，谁能可持续的低成本且高效积累有价值数据，谁就有机会活到最后胜利的那一天。人工智能的迭代需要更多的数据反馈和数据训练，在这个过程中要做好数据安全，利用服务器端的运算能力，做更充分的安全验证，当然，最重要的是产品落地实践都需要在政策指导下进行。

在乘用车领域，毫末智行发现了更多量产前想不到的情况。对于AI首先最重要的是数据，即使是人工标注，也要从最有价值的部分开始标注。那在浩如烟海的数据中，如何发现高价值的数据呢？

具体而言，毫末智行数据诊断的手段有两种：一种是通过明确的系统失效信号得到诊断结果，例如通过人工接管信号；另一种，是超越端上算力和时效性约束，通过更强大的model去诊断端上model的错误。首先，通过预埋规则的手段，以灰度测试的模式部署在了已经投产的自动驾驶系统中。这种方式对于感知来说并不完备，很多潜在的高价值场景被遗漏了。因此，需要通过线下的大模型来自动诊断端上小模型就是必须方式。

对于如何解决数据偏见，顾维灏表示AI的认知与人类的认知存在一定差异，把他称作“数据偏见”。那就需要找到有问题的场景，并通过AI系统针对这个场景补充足够的样本数据，也就是找到足量的和它同类型的其他相似数据。以此进行样本调配，才能做出一个更好的AI模型。而足够多和足够好的数据是做出好模型的前提，毫末智行投入大量资源构建自身的数据智能闭环，这正是AI自动驾驶技术所依赖的成功之道。

目前，毫末智行通过量产车，已经拥有了巨量的道路场景数据库。并采用无监督学习方法将图像向量化，转化为特征向量，然后通过“谱聚类”将相似的图像聚类在一起，会找到大量与“问题场景”相同类别的相关数据作为正样本，相似易混的其他类别数据作为负样本。通过种方式，可以有效的与“异源数据”进行混用，提升最终模型的效果。

顾维灏表示，从毫末诞生的那天起，毫末一直在快速奔跑，但是也不忘了对产品技术的精益求精和打磨，快的背后要求要有慢功夫去思考，去打磨产品，去在安全、数据智能等方面反复论证筛选研究，正是毫末匠心的独到之处。由此也让毫末智行在最很短的时间内，辅助驾驶行驶里程就达到100万公里。小魔盒辅助驾驶开启率超过30%，未来三年毫末智行产品的乘用车搭载数量将超过100万。这得益于用户对毫末功能的热爱，相信会更快的帮助到更多用户。

而毫末智行之所以能成为行业内规模化跑的最快的企业。顾维灏认为，规模是自动驾驶战役制胜的必然基础。“如果只有1万辆车或者只有10万辆车做出来的自动驾驶，一定不会强过拥有100万辆车的自动驾驶能力，就是算法再强也不能取代数据的不够。毫末智行最核心的技术点，就是如何让有价值的数据可持续且高效的积累，在毫末我们称之为数据智能。”

来源：网络