3 月 30 日消息，毫 末智行今日宣布，第八届 HAOMO AI DAY 定于 4 月 11 日举办，届时将发布全球 首个自动驾驶生成式大模型 DriveGPT。毫末推出的人驾自监督认知大模型就已借 鉴了 ChatGPT 的实现思路，采用人类反馈强化学习技术，通过引入真实人驾接管 数据，对自动驾驶认知决策模型进行持续优化。目前，毫末 DriveGPT 已完成模 型搭建和第一阶段数据的跑通，参数规模可对标 GPT-2 的水平。

      进入毫末智行的官网，先看看这家公司到底是做什么的，能够做什么？

 

 

 

小魔盘
低速无人通用线控底盘

“小魔盘”是为自动驾驶低速场景打造，向行业用户提供
“稳定” “精准”“灵活”的线控车辆平台，加速末端物流自动配送在末端物流，移动零售，特种作业，安防，教育等诸多低速场景的快速部署应用

小汤圆
自动跟随载物出行机器人

毫末自动跟随载物出行机器人是面向新生代人群的、具备交际功能的
物品运输机器人。采用先进的视觉感知系统自动跟随在主人身后，是
人们日常生活中的完美伴侣。此款机器人主要应用于大型商场、体育
场馆，展会等，可帮助人携带随身物品，实现解放双手，辅助载物，
休闲娱乐等目的

小魔净
智能清扫机器人

毫末智能清扫机器人是一款融合毫末Transformer机器人
特点，具备洗地及清扫功能的室内中型作业机型，适用于写
字楼，酒店等大堂等硬质地面作业，每小时作业面积可达1800㎡

 

为什么这次毫末智行的DriveGPT必然引爆自动驾驶领域？

助力智能驾驶痛点问题解决：虽然智驾更需要的是判别/推断而不是生成式交互，但GPT的成功说明了较之针对特定场景的小模型，大模型依托参数的极大丰富与训练语料的增长确实能实 现单一模型效果的全面优化（泛化能力、识别成功率/准确率），并且RLHF机制对于应对Corner-case或有较好的效果，看好加速推进智驾进程，且智驾端算力冗余仍有意义，具体影响如 下：

1）大模型的泛化能力、通用能力：原来针对不同任务需要有不同的小模型，大模型泛化能力强，可减少算法企业在小模型上的投入，实现降本。

2）通过RLHF（人类反馈强化学习） 机制提升感知决策能力：Transformer（21年特斯拉引入 Transformer 进行大规模无监督学习）与注意力机制（BEV与DETR都有注意力机制）在智能驾驶领域早有落地先例，但GPT所采 用的RLHF对于自动驾驶算法进步有启示意义，通过引入真实人驾接管数据（将驾驶员对自动驾驶系统的接管视为决策纠正，开车的过程其实就是在训练模型），智驾认知决策模型可进一 步优化/甚至在价值观上都可能趋同于人。毫末智行的DriveGPT通过引入该机制在掉头、环岛等公认的困难场景中，场景通过率提升30%以上。

3）数据生成/标注：自动驾驶发展最大的掣 肘就是各种Corner-case太多，且依赖于海量驾驶数据积累。①利用AIGC生成高质量的合成数据能丰富现实世界中难以采集到数据的场景，有效应对长尾、边缘案例；②合成数据可以最大 程度满足大规模训练的数据量需求，而且自动化标注的效率/成本也远优于人工（3D图片人工标注产能日均万张，AI自动标注可提升30%效率，节约30-40%成本）；③RLHF机制下， Corner-case下人的接管行为，能帮助车辆记住并自行迭代数据/参数。

再看看A股中和毫末智行有关联的公司:

      虽然A股里面还有很多在自动驾驶发力的公司

。OpenAI一发布就受到B端、C端的拥笃，带来了A股轰轰烈烈的科技行情。

毫末智能将会带来什么样的效应呢，能否接力大模型、算力、CPO等带来新一轮的炒作不得而知，不管如何，人家是全球首款呢。（其他有关联的公司就去靠老师们自己去挖掘了）