当前，以数据驱动实现自动驾驶的技术路线成为行业共识，从海量大规模自动驾驶行驶里程中提取高质量数据，来完成大模型训练和自动驾驶算法的优化也成为主流方法，以AI大算力为特点的自动驾驶智算中心成为不少主机厂和自动驾驶公司重点投入的方向。
大模型、大数据、大算力，成为自动驾驶公司迈入3.0时代的关键标志。很庆幸，毫末从一开始就在为自动驾驶3.0时代作准备。在感知、认知、智算中心的建设上，毫末都是按照数据驱动的方式建设的。
目前在数据积累上即将实现一亿公里智能驾驶行驶里程的目标，同时MANA OASIS已经具备处理更大规模数据的能力，毫末DriveGPT大模型也在加速进化中，毫末为进入自动驾驶的3.0时代做好了充分准备。
P6
在自动驾驶3.0时代，开发模式将发生颠覆性的变革，我们可以对2.0与3.0时代的开发模式做一个简单的对比：
在小数据小模型2.0时代，我们通过多个小模型来解决自动驾驶问题，并通过case驱动的开发模式来解决问题。我们通常需要先发现一个问题，再基于这个问题的特征去采集一批数据，然后对这批数据进行人工标注，再基于人工标注的数据训练一个小模型，这个小模型就具备解决这个特定问题的能力了。这种模式有两个问题：一方面，只有问题暴露并确认之后，我们才能着手去解决问题，滞后性严重；另一方面，这种面向特定问题的小模型，泛化性非常差，无法面对开放世界的无穷问题。
而在大数据、大模型的3.0时代，数据驱动的大模型。在感知阶段，通过海量的数据训练感知基础模型，学习并认识客观世界的各种物体；在认知阶段，则通过海量司机的驾驶行为数据，来学习驾驶常识，通过数据驱动的方式不断迭代并提升整个系统的能力水平。
通过上述对比，我们确信在大数据大模型的开发模式下，未来的自动驾驶技术框架也会发生颠覆性的变化。在2.0时代，我们通过视觉、Lidar、Radar等多传感器融合方式完成对世界的感知，再通过预测、规划、决策、控制来完成认知决策和车辆控制。
在3.0时代，我们首先会在云端实现感知大模型、认知大模型的能力突破，并将车端各类小模型逐步统一为感知模型和认知模型，同时将控制模块也模型化。可以说，车端未来的演进路线一方面是会逐步全链路模型化、另一方面是逐步大模型化，即小模型逐渐统一到大模型内。大模型也可以通过剪枝、蒸馏等方式逐步提升车端的感知能力，在通讯环境比较好的地方，大模型甚至可以通过车云协同的方式实现远程控车。最终，我们相信，在未来车端、云端都是端到端的大模型。
P7
在过去的200多天里，DriveGPT在MANA OASIS雪湖·绿洲智算中心日夜不停地进化，到今天为止，我们已经训练了超过100亿帧互联网图片数据集，480万包含人驾行为的自动驾驶4D Clips，以及8700万公里的训练里程。如此巨大的数据规模是人类穷尽一生都难以完成的。
除了不断扩大数据规模，DriveGPT过去200天也在不断增强能力，通过引入多模态大模型，实现文、图、视频多模态信息的整合，获得识别万物的能力；通过与NeRF技术整合，实现4D空间的重建，获得对三维空间和时序的全面建模能力；再借助大语言模型LLM，将世界知识引入自动驾驶策略中。未来的自动驾驶系统一定是跟人类驾驶员一样，不但具备对三维空间的精确感知测量能力，而且能够像人类一样理解万物之间的联系、事件发生的逻辑和背后的常识，并且能基于这些人类社会的经验来做出更好的驾驶策略。