(资料图片仅供参考)

4月11日，毫末智行正式发布自动驾驶生成式大模型DriveGPT，中文名“雪湖·海若”。同时，其自动驾驶数据智能体系MANA将以产品服务方式对外合作开放。

据介绍，DriveGPT雪湖·海若现阶段主要用于解决自动驾驶的认知决策问题，其底层模型采用GPT（Generative Pre-trained Transformer）生成式预训练大模型。

与ChatGPT使用自然语言进行输入与输出不同，雪湖·海若面向自动驾驶场景，输入是感知融合后的文本序列，输出是自动驾驶场景文本序列，即将自动驾驶场景Token化，形成“Drive Language”，最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。

毫末智行CEO顾维灏对DriveGPT雪湖·海若的实现过程进行了详细的解释。团队首先在预训练阶段通过引入量产驾驶数据，训练初始模型，再通过引入驾驶接管Clips数据完成反馈模型（Reward Model）的训练，然后再通过强化学习的方式，使用反馈模型去不断优化迭代初始模型，形成对自动驾驶认知决策模型的持续优化。

同时，DriveGPT雪湖·海若还会根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程，完成可理解、可解释的推理逻辑链生成。

当前，雪湖·海若参数规模达到1200亿，预训练阶段引入4000万公里量产车驾驶数据，RLHF阶段引入5万段人工精选的困难场景接管Clips。

顾维灏还同时宣布雪湖·海若智能驾驶能力首发车型是即将量产上市的新摩卡DHT-PHEV。他表示，雪湖·海若可以逐步应用到城市NOH、捷径推荐、智能陪练以及脱困场景中。

目前，毫末DriveGPT雪湖·海若已正式对行业开放，开启对限量首批客户的合作，包括北京交通大学计算机与信息技术学院、高通、火山引擎、华为云、京东科技、四维图新、魏牌新能源、英特尔等。

此外，毫末自动驾驶数据智能体系MANA也发布多方面升级。顾维灏介绍，首先，感知和认知相关大模型能力统一整合到DriveGPT雪湖·海若；其次，计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化，并集成到OASIS当中；第三，增加了使用NeRF技术的数据合成服务，降低Corner Case数据的获取成本；最后，还针对多种芯片和多种车型的快速交付难题，优化了异构部署工具和车型适配工具。