撰文 李信馬
在剛剛過(guò)去的世界人工智能大會(huì)（以下簡(jiǎn)稱(chēng)“WAIC”）上，智能駕駛一如過(guò)去的幾屆，是熱門(mén)的參展區(qū)域。其中，特斯拉的展位，成為人流的中心，作為智能駕駛端到端技術(shù)路線的代表性企業(yè)，特斯拉FSD使用單一神經(jīng)網(wǎng)絡(luò)，直接將傳感器輸入映射到車(chē)輛控制輸出，達(dá)到了良好的效果，目前在這條路線上走的最遠(yuǎn)。
不過(guò)，單車(chē)智能水平的提升，能讓整個(gè)交通系統(tǒng)的效率也隨之提升嗎？
在2022年，特斯拉CEO馬斯克曾提出：“智能駕駛技術(shù)普及初期，會(huì)加劇交通擁堵?！贝饲埃灿醒芯繖C(jī)構(gòu)得出了類(lèi)似的結(jié)論，在武漢，百度無(wú)人出租車(chē)與人類(lèi)司機(jī)間也上演了不少“速度與激情”。
在馬斯克眼中，這可能是智能駕駛技術(shù)徹底成熟并普及前“難免會(huì)出現(xiàn)的一些曲折”。不過(guò)，也許我們還可以有別的選擇來(lái)做補(bǔ)充。在WAIC展覽館中，緊貼著特斯拉展位的，是一家獨(dú)角獸企業(yè)——蘑菇車(chē)聯(lián)。
蘑菇車(chē)聯(lián)成立于2017年，主要聚焦于構(gòu)建一套一比一還原物理世界的實(shí)時(shí)虛擬世界網(wǎng)絡(luò)，并深度理解、推理決策、總結(jié)輸出的空間智能AI技術(shù)，使包括智能汽車(chē)、無(wú)人機(jī)、機(jī)器狗等智能體實(shí)現(xiàn)與物理世界的實(shí)時(shí)交互和全局協(xié)同。這套物理AI，被行業(yè)普遍認(rèn)為是通向AGI（通用人工智能）的關(guān)鍵。
就像大模型技術(shù)對(duì)特斯拉端到端技術(shù)的推動(dòng)，蘑菇車(chē)聯(lián)也同樣受益于大模型技術(shù)的發(fā)展，在本屆WAIC上，蘑菇車(chē)聯(lián)推出了首個(gè)物理世界認(rèn)知模型 —— MogoMind大模型，成為本屆大會(huì)最受關(guān)注的人工智能技術(shù)應(yīng)用之一。大會(huì)期間，憑借MogoMind大模型及AI網(wǎng)絡(luò)，蘑菇車(chē)聯(lián)還入選了“中國(guó)中小企業(yè)協(xié)會(huì)推薦人工智能解決方案”。
DoNews受邀對(duì)蘑菇車(chē)聯(lián)進(jìn)行采訪，了解了MogoMind大模型的“前世今生”，還有未來(lái)蘑菇車(chē)聯(lián)的戰(zhàn)略方向及布局。
詳解MogoMind
據(jù)了解，MogoMind的立項(xiàng)在3年前，2022年底ChatGPT發(fā)布之后，全球出現(xiàn)了AGI熱潮。當(dāng)時(shí)行業(yè)主要聚焦在通用大語(yǔ)言模型，但蘑菇車(chē)聯(lián)認(rèn)為，未來(lái)的AI模型必定會(huì)走出虛擬世界，向物理世界滲透。
蘑菇車(chē)聯(lián)打造MogoMind的初衷，就是打造一個(gè)物理世界的搜索引擎，它能夠通過(guò)感知、整合、分析物理世界的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)，形成全局感知、深度認(rèn)知、實(shí)時(shí)推理決策能力，成為城市和交通高效運(yùn)行的“AI數(shù)字基座”。
相比網(wǎng)絡(luò)環(huán)境，現(xiàn)實(shí)中的交通環(huán)境要復(fù)雜的多，AI從虛擬世界進(jìn)入物理世界的落地，存在兩大痛點(diǎn)：
- 傳統(tǒng)大語(yǔ)言模型只能處理靜態(tài)文本，無(wú)法處理多模態(tài)信息流和物理世界實(shí)時(shí)數(shù)據(jù)，更無(wú)法通過(guò)互聯(lián)網(wǎng)數(shù)據(jù)信息預(yù)測(cè)現(xiàn)實(shí)世界。
- 目前大多數(shù)AI系統(tǒng)僅僅是單體智能，無(wú)法對(duì)整個(gè)城市交通效率進(jìn)行全局優(yōu)化。單點(diǎn)的問(wèn)題需要單點(diǎn)解決，系統(tǒng)性的問(wèn)題需要系統(tǒng)解決。
那么，對(duì)這兩個(gè)痛點(diǎn)，蘑菇車(chē)聯(lián)是怎么解決的呢？首先，MogoMind整合了道路傳感器、車(chē)載終端等多種設(shè)備，形成全方位、立體化的物理世界感知網(wǎng)絡(luò)。通過(guò)邊緣計(jì)算技術(shù)，數(shù)據(jù)在源頭就可以完成初步的處理，大幅縮短傳輸與分析時(shí)間，實(shí)現(xiàn)對(duì)道路狀況、車(chē)輛行駛狀態(tài)、行人軌跡、氣象條件等物理信息的毫秒級(jí)感知。
其次，和相對(duì)專(zhuān)注單車(chē)智能的特斯拉不同，蘑菇車(chē)聯(lián)以MogoMind大模型為核心打造“全局智能”，通過(guò)多源數(shù)據(jù)融合、長(zhǎng)尾場(chǎng)景學(xué)習(xí)、復(fù)雜路口決策、多車(chē)群體協(xié)同等，構(gòu)筑了高階智駕的基石，從下圖可以看出，蘑菇車(chē)聯(lián)的AI網(wǎng)絡(luò)基礎(chǔ)設(shè)施業(yè)務(wù)分為四層，最底下是設(shè)備層，其上是系統(tǒng)層、算法層和業(yè)務(wù)層。
這樣的架構(gòu)保證了，MogoMind可以實(shí)現(xiàn)實(shí)時(shí)性——快速完成從數(shù)據(jù)到?jīng)Q策的閉環(huán)，比如道路突發(fā)交通事件時(shí)，在數(shù)秒內(nèi)實(shí)現(xiàn)超視距實(shí)時(shí)感知，迅速計(jì)算出受影響的路段范圍，實(shí)時(shí)規(guī)劃最優(yōu)路徑，并將預(yù)警信息推送至周邊車(chē)輛和交通管理部門(mén)；全域性，構(gòu)建起覆蓋城市每一條道路、每一個(gè)角落的實(shí)時(shí)感知網(wǎng)絡(luò)，實(shí)現(xiàn)交通管理的 “無(wú)死角” 覆蓋；平臺(tái)化，能夠無(wú)縫接入來(lái)自不同廠商、不同類(lèi)型的交通設(shè)備與系統(tǒng)，并提供標(biāo)準(zhǔn)化接口，方便車(chē)企接入平臺(tái)數(shù)據(jù)進(jìn)行功能適配與應(yīng)用開(kāi)發(fā)。
“物理世界的問(wèn)題，需要物理AI去破解，系統(tǒng)性的問(wèn)題，需要系統(tǒng)去解決。這就是MogoMind大模型希望去解決的?！辈稍L中，蘑菇車(chē)聯(lián)的業(yè)務(wù)負(fù)責(zé)人總結(jié)道。
落地場(chǎng)景與實(shí)踐
不同于現(xiàn)在多數(shù)專(zhuān)注于智能駕駛尤其是單車(chē)智能的大模型，蘑菇車(chē)聯(lián)的基因決定了，MogoMind大模型的落地場(chǎng)景要更廣泛和全面。
據(jù)了解，目前MogoMind大模型主要應(yīng)用場(chǎng)景是交通管理、出行服務(wù)和智能駕駛：
在交通管理中，MogoMind可以擔(dān)當(dāng)城市的“決策中樞”，助力交通管理者掌握城市交通運(yùn)行全貌，做出科學(xué)決策，實(shí)現(xiàn)交通管理整體協(xié)同優(yōu)化；在出行服務(wù)方面，成為車(chē)輛行駛的“AI全能副駕”，提供物理世界實(shí)時(shí)信息深度理解與規(guī)劃決策服務(wù)；在智能駕駛中，通過(guò)多源數(shù)據(jù)融合和長(zhǎng)尾場(chǎng)景持續(xù)學(xué)習(xí)，反哺智能駕駛模型訓(xùn)練，提升技術(shù)安全性和可靠性。
“當(dāng)然，隨著技術(shù)與行業(yè)的成熟，MogoMind大模型還將廣泛應(yīng)用于低空無(wú)人機(jī)、機(jī)器人等領(lǐng)域，為城市與管理者賦能。”該業(yè)務(wù)負(fù)責(zé)人表示。
交通及城市管理行業(yè)事關(guān)人身和財(cái)產(chǎn)安全，對(duì)大模型的穩(wěn)定性和可靠性要求很高，不能像通用大模型一樣出現(xiàn)“幻覺(jué)”。下圖可以看到，MogoMind通過(guò)深度整合實(shí)時(shí)、海量的多模態(tài)交通數(shù)據(jù)，從物理世界的復(fù)雜數(shù)據(jù)中抽取意義、從經(jīng)驗(yàn)中學(xué)習(xí)規(guī)則，大幅度提升了模型性能，形成對(duì)交通環(huán)境的全局感知、深度認(rèn)知和實(shí)時(shí)推理決策能力。
目前，MogoMind的感知精度和認(rèn)知準(zhǔn)確度均達(dá)到90%，多模態(tài)圖例準(zhǔn)確率超過(guò)88%。據(jù)蘑菇車(chē)聯(lián)提供的資料顯示，MogoMind能夠推演的交通場(chǎng)景數(shù)量已經(jīng)超過(guò)800個(gè)，其長(zhǎng)尾場(chǎng)景處理綜合準(zhǔn)確率超過(guò)85%，交通管理提效比例約35%，緩解交通擁堵效果約30%。
據(jù)介紹，蘑菇車(chē)聯(lián)已經(jīng)與地方政府、多家車(chē)企開(kāi)展了深度合作。
相比過(guò)去的智慧城市項(xiàng)目，蘑菇車(chē)聯(lián)的產(chǎn)品已經(jīng)在技術(shù)上與之拉開(kāi)了代際差。MogoMind屬于物理AI技術(shù)的運(yùn)用，而之前的項(xiàng)目可能還不存在物理AI的概念與運(yùn)用。另一方面，隨著科技的進(jìn)步和經(jīng)濟(jì)的發(fā)展，當(dāng)前的城市基礎(chǔ)設(shè)施、網(wǎng)絡(luò)設(shè)施、車(chē)輛保有量與智能化水平均有快速的發(fā)展，數(shù)據(jù)來(lái)源更多源、場(chǎng)景更豐富，處理的問(wèn)題也更復(fù)雜，和多年前不可同日而語(yǔ)。
此前，MogoMind大模型已經(jīng)在北京、上海、沈陽(yáng)、長(zhǎng)春、鄂爾多斯、桐鄉(xiāng)、南京、無(wú)錫、武漢、廣州等城市落地驗(yàn)證和實(shí)地部署，比如在上海嘉定提供智能駕駛短途接駁服務(wù)，在北京順義落地了國(guó)內(nèi)首個(gè)開(kāi)放式5G商用智慧交通車(chē)路協(xié)同項(xiàng)目，在湖南衡陽(yáng)打造了首個(gè)城市級(jí)AI網(wǎng)絡(luò)項(xiàng)目，完成38公里主干道路的智能網(wǎng)聯(lián)化升級(jí)，實(shí)現(xiàn)近300臺(tái)智能網(wǎng)聯(lián)汽車(chē)實(shí)際運(yùn)行等，都獲得了地方政府和業(yè)界高度評(píng)價(jià)。
在有關(guān)和車(chē)企的合作方面，該業(yè)務(wù)負(fù)責(zé)人介紹到：“我們與車(chē)企的合作模式主要有兩種，即前裝量產(chǎn)和后裝升級(jí)，前者為車(chē)企定制智能駕駛域控制器（如之前與多家車(chē)企合作的L4級(jí)RoboTaxi），直接嵌入車(chē)規(guī)級(jí)AI芯片和MogoMind大模型；后者通過(guò)蘑菇智途APP向存量智能網(wǎng)聯(lián)車(chē)輛開(kāi)放AI增強(qiáng)服務(wù)，例如實(shí)時(shí)路況預(yù)警、最優(yōu)路徑規(guī)劃?！?/p>
目前，蘑菇車(chē)聯(lián)已經(jīng)推出了多款L4級(jí)前裝量產(chǎn)智能駕駛車(chē)輛，包括 RoboBus、RoboSweeper 和RoboTaxi，在北京、上海、天津等十余個(gè)城市落地運(yùn)營(yíng)。
“目前MogoMind在核心數(shù)據(jù)指標(biāo)上已經(jīng)居于領(lǐng)先地位，推動(dòng)城市交通從單點(diǎn)智能邁向全局智能。隨著技術(shù)的成熟和數(shù)據(jù)的不斷豐富，MogoMind大模型的性能將穩(wěn)步提升，為政府、車(chē)企、智能駕駛系統(tǒng)等提供更好的全局感知和智能決策支持?！痹摌I(yè)務(wù)負(fù)責(zé)人總結(jié)到。
