熟悉金庸老先生《倚天屠龙记》的都知道，张无忌在最落魄的时候变成了曾阿牛。而让曾阿牛又变回张无忌的人生际遇就是，他先是学会了“九阳神功”，又在一生死敌成昆的催逼下打通了任督二脉，后面又学会了明教的护教神功“乾坤大挪移”。

出生靠父母，成事靠修行。这才是英雄少年的成功模式。不过，更重要的一个启发是这里——在李连杰版《倚天屠龙记》里，小昭照着波斯文对张无忌说了一番话：

普通习武者要想学会乾坤大挪移，需要至少30年；但如果已经打通任督二脉，则只需最多3个时辰。

30年太长，英雄少年们等不起，自动驾驶产业也等不起。3个时辰太短，武侠玄幻当然可以，但自动驾驶产业却没法这般速成。

不过，自动驾驶技术在最近几年的快速进展，正是得益于深度学习算法在自动驾驶领域的应用，特别是Transformer这一深度网络模型，就像打通自动驾驶的“任督二脉”一样，对于自动驾驶技术的成熟，在未来的3-5年当中，将发挥着举足轻重的作用。

三十年太久，只争朝夕：将Transformer引入自动驾驶

经过数年的发展，如今自动驾驶技术已经拥有了颇为瞩目的成绩，基于L2级的高速域辅助驾驶产品已经实现商业化落地，而城市域辅助驾驶产品也将在年内实现首批规模化落地，距离L3级自动驾驶几乎只差“临门一脚”。

话虽如此，但对自动驾驶来说却并不简单，就像张无忌在面对眼前的乾坤大挪移秘籍时，如果没有打开任督二脉，哪里有时间为它训练30年呢？

所以这个时候，横扫NLP与CV领域的Transformer深度网络模型，便被科技的浪潮以“任督二脉打开者”的身份，推到了自动驾驶产业的前台。

在Transformer到来以前，包括自动驾驶在内的整个人工智能领域都生活在一片“天下苦秦久矣”的环境中，算法模型制约着整个产业的进步。

具体来看，早期的算法模型生产就如同手工作坊，纯手工的生产效率和生产成本都非常原始，很难满足生产大量算法模型的需求。

另一方面，纯手工制作算法模型的通用性也很低，因为人工制作的精度不如机器，可以说每一个算法模型都是“世上仅此一件”的孤品。总之，就是算法模型间不具备通用性，非常影响效率。

事实上，在人工智能发展的早期阶段，由于算力性能和应用场景还不成熟，人工智能的发展规模并没有达到当时算法模型的设计上限，所以受关注程度并不算高。

但如今，以自动驾驶为代表，人工智能产业的发展速度早已今非昔比，不仅芯片算力在各大人工智能厂商的入局下进入了军备竞赛，云端大算力中心也成为了一种趋势。

有了大算力平台的加持，算法模型就能充分发挥其功能，实现规模效应。但如果此时的算法模型还处在“纯手工时代”，那必然会极大浪费平台算力，并且拖累迭代效率，有关边际成本居高不下的问题也没有得到最终解决。

所以，大模型之于人工智能，就成为了一种必然的选择。人工智能行业可以使用海量数据对大模型进行预训练，得到一套模型参数，然后用这套参数对模型进行初始化，再进行训练。

这样做的好处是什么呢？就相当于你手中所有电子设备的接口都变成了统一标准，不仅可以用手机充电器直接给电脑充电，也可以用电脑U盘直接给手机传文件。

在算法模型需要在各领域落地时，人工智能可以直接从预训练过的大模型中蒸馏出小模型，这些小模型能够继承大模型的所有优点，并且彼此之间“心有灵犀”，在具备更高通用性的同时，对所需场景的数据量也相对更少。

由此可见，大模型+小模型是人工智能产业提升效率、降低边际成本的一大关键，而得益于强大的序列建模能力与全局信息感知能力，Transformer从一众大模型中脱颖而出，成为了自动驾驶领域的首选。

一方面，Transformer是一种“遇强则强”的深度网络模型，这具体表现在，其对数据量的饱和区间极高，以至于有周星驰电影《西游伏妖篇》里，猪八戒遇上蜘蛛精时“你越抵抗，我越兴奋”的效果。

有研究发现，当预训练数据集增大到1亿张图像时，训练后的Transformer性能开始超过CNN，而当数据集达到10亿张时，两者的性能差距变得更大了。

从自动驾驶第一性原理我们可知，数据是驱动自动驾驶迭代的核心，这意味着Transformer正好能够与特斯拉、毫末智行的规模化量产能力形成匹配，形成一套自动驾驶高速迭代的闭环。

另一方面，Transformer 对于图像中的扰动以及遮挡等情况下，具备很强的鲁棒性和泛化性，这能够提升自动驾驶的稳定性，避免特殊场景对使用体验的影响。

具体来看，在自动驾驶感知识别中，经常会因雨雪天气、视觉遮挡以及重叠等原因，CNN模型会出现错误的判断，而Transformer针对这类问题的处理则具有更好的性能。

自动驾驶企业特斯拉与毫末智行首先宣布了对Transformer的应用。在2021 TESLA AI DAY上，特斯拉AI高级总监Andrej Karpathy宣布，将引入Transformer进行大规模的无监督学习。

同年年底，毫末智行CEO顾维灏在2021 HAOMO AI DAY上宣布，Transformer将作为毫末智行数据智能体系MANA的一大“撒手锏”。

在Transformer的加持下，特斯拉已经实现了FSD对高速域与城市域辅助驾驶功能的覆盖，而毫末智行也将推出中国第一款基于“重感知”技术路线、具备大规模量产能力的城市域辅助驾驶产品城市NOH。

Transformer为特斯拉与毫末智行打开了自动驾驶的任督二脉，令其获得了快速领悟乾坤大挪移秘籍的能力，但运用Transformer也并非像点穴那样简单。

打开通路：量产与数据让自动驾驶加速狂奔

前面我们提到，Transformer可以充分发挥大数据的价值，而想要让Transformer全力输出，就需要海量数据的支持。

这一点恰好和自动驾驶企业理想中的商业模式吻合。在后者的构想中，搭载自动驾驶产品的车辆会借助规模化量产实现大规模落地，而有越多的车辆上路，就会有越多的数据获取。

早在2020年初，特斯拉辅助驾驶系统的用户累计行驶里程就已经超过了48亿公里，同时搭载有FSD的量产车也已超过60万台；2022年，伴随着柏林与德克萨斯两座新工厂的上线，特斯拉的年产能将轻松突破百万台。

作为自主品牌的“上三家”，长城汽车同样具备百万级的汽车年产能实力，而也正得益于此，搭载毫末智行辅助驾驶系统的用户行驶里程也在近期快速突破了1000万公里，未来这一数据还将依托于规模化量产能力，实现指数级增长。

在引入Transformer以前，自动驾驶一直处在“低着头走路”的状态，这种模式或许能把脚下的路看得很清晰，但直到撞墙以前，你根本不知道你面前会出现什么样的状况。

而在引入Transformer以后，自动驾驶终于可以“抬起头走路”了，由此带来的改变是相当明显的，泛化性与鲁棒性有了明显提升。

Transformer对特斯拉带来的提升是非常明显的。由于是纯视觉方案，特斯拉本就对“眼观八方”有着更高的要求，而Transformer就可以基于全局视野，预训练出一些能够对物体深度信息进行准确感知和预测的算法模型，逐步实现2D图像-3D空间-4D空间的搭建，让世界看起来更真实。

在规控方面，特斯拉则利用车主数据，同样从Transformer预训练多套算法模型，这些算法模型可以模拟各种复杂场景下驾驶者的博弈策略，保证自动驾驶的安全性、舒适性与高效性。

毫末智行对Transformer的应用相对更复杂些，因为它不止有“眼睛”，还有“耳朵”。毫末智行HPilot 3.0的感知硬件包括了摄像头和激光雷达，这意味着其不仅要像特斯拉一样重建视觉感知的世界，还要将激光雷达的数据也融入其中。

对此，毫末智行的第一步就相当有挑战性，其选择将视觉与雷达感知数据进行前融合，这与业界普遍采用后融合的方式截然相反。

前融合可以在空间时间同步的前提下，只用一个算法模型将所有传感器数据融合，由此得到的数据包含有多维综合信息。就像在红白机时代，买99张单款游戏盘和买1张99 in 1游戏盘的区别一样，显然后者更好，因为它省去了重复购买和切换游戏盘的时间。

前融合在高速域辅助驾驶产品中相对容易做到，但到了城市域却很难行得通，因为城市域辅助驾驶系统的感知硬件种类、数量和布置位置更多，想要融合这些感知数据，对融合算法与算力的要求极高。

但在360T自动驾驶计算平台“小魔盒3.0”的支持下，毫末智行可以使用Transformer轻松补齐前融合在算法领域的遗憾。

通过预训练Transformer得到的多模态算法模型，毫末智行可以把摄像头和激光雷达获取的感知数据融合映射为一套3D空间，然后加入时序的特征，并使用循环神经网络RNN和光流SLAM进行时空融合，获得一套具备时序的4D空间。

使用前融合的效果是立竿见影的，毫末智行可以充分利用多传感器带来的冗余感知优势，而在前融合之后，毫末还会使用前融合数据再进行一次“后融合”，这一过程相当于是二次检查，由此得到的感知数据自然也更精确真实。

除了对感知的“是什么”有了更精确的判断，Transformer还实现了对红绿灯识别、红绿灯与车道绑路、车道线拓扑等“怎么走”难点问题的有效解决，这些也都归功于Transformer，由此毫末自动驾驶实现了“抬起头走路”，从前低着头走路遇到的问题自然也不再是问题了。

认知方面，为了让自动驾驶的表现更像人，毫末智行同样通过预训练Transformer得到多模态算法模型，并使用混合数据进行训练。

具体来看，现阶段辅助驾驶产品的痛点在于，“虽然技术上实现了，但使用体验并不好”，也就是产品的规控策略太机械，完全不像人类驾驶一样舒适与高效。

而通过对Transformer的运用，毫末智行则得以从海量真实数据中筛选值得训练的优质数据，再使用这些优质数据训练算法模型；此外，毫末智行也可以在仿真系统中对模仿人类驾驶，由此得出仿真数据，通过与真实的优质数据进行混合与拉齐，进一步提升算法模型的泛化性与鲁棒性。

Transformer对特斯拉与毫末智行带来的提升是立竿见影的。当前，特斯拉FSD已经实现了对高速域与城市域辅助驾驶功能的覆盖，甚至在海外用户的测试下，实现了在美国东西海岸之间跨越600公里的城市-快速路-高速无接管驾驶。

毫末智行则以数据智能体系MANA为依托，并以“小魔盒3.0”为算力支撑，推出了国内首款基于“重感知”技术路线的城市域辅助驾驶产品城市NOH；此外，由于摆脱了对高精地图的依赖，城市NOH也是国内首款具备大规模量产能力的城市域辅助驾驶产品。

打通“任督二脉”之后，高手对决正式开场

作为深度神经网络模型，Transformer对自动驾驶的影响是巨大的，通过大规模应用Transformer，自动驾驶企业不仅能够实现自动驾驶技术迭代的飞跃，也能在这一过程中实现“降本增效”，更是能够为未来产品的规模化量产奠定基础，可以说是一举多得，完全可以称得上是“打开了任督二脉”。

除特斯拉与毫末智行外，其他自动驾驶企业也在技术迭代过程中发现了Transformer的重要性，并开始将这一技术引入自动驾驶中，诸如百度、华为等也陆续开起了对Transformer的研究，由此我们得以见证2022年自动驾驶下半场竞争中“百家争鸣”的热闹局面。

热闹归热闹，属于自动驾驶企业发展的窗口期正在逐渐缩小，自动驾驶企业也需尽快将Transformer吃透，以防止在下半场竞争中落败；同样，由L2到L3的质变也即将迎来最终阶段，能否彻底参透自动驾驶这本“乾坤大挪移”，对已经打通了任督二脉的自动驾驶企业来说，真正精彩卓绝的高手对决，才正式鸣锣开场。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005