轻舟智航李栋：智能驾驶落地的六大矛盾

融资难以为继、商业化落地前景不乐观、技术突破依然有难度的境况下，押注Robotaxi、纯无人驾驶路线的企业已经遭遇明显的发展瓶颈。越来越多L4 自动驾驶公司被迫加入智能辅助驾驶赛道，以尽快实现自我造血。

轻舟智航就是其中之一。

去年5月，轻舟智航公布了“双擎”战略：以自动驾驶能力以及研发体系打造“动力引擎”，驱动城市交通出行效率提升；以高性价比的前装量产的高阶辅助驾驶方案打造“创新引擎”，为广大车企、Tier1以及产业合作伙伴提供“基于数据、成于感知，用最强PNC引领高速+城市NOA新高度”的高阶辅助驾驶方案。

不过除了尽快实现商业化落地，对于轻舟智航来说，从L4降维至L2也是实现无人驾驶的另一个路径。

轻舟智航技术合伙人李栋近期在接受《出行范儿》采访时表示，通过城市 NOA 在广泛场景特别是不常见到的场景中不断地去累积数据，迭代算法，从而将技术持续提升，为实现无人驾驶提供助力。

在轻舟智航内部已经达成一个共识，城市 NOA 是辅助驾驶的天花板，更是无人驾驶的入门门槛，是通往无人驾驶目标的必经之路。

在以“5G大时代，勇闯无人区”为主题的2023世界智能驾驶峰会上，李栋分享了轻舟智航的技术路线以及思考。

01

城市NOA，一颗激光雷达就够了

针对自动驾驶方案的落地，轻舟智航一直秉承“不堆料”，根据主机厂的量产需要配置多种方案，通过10%的成本实现99%的L4能力。

在硬件选择上，李栋认为，现阶段特别是在中国复杂的城市道路路况下，激光雷达还是有必要的，可以更好地识别障碍物和场景，但“一颗就够了”。

轻舟智航的城市NOA方案，通过一颗前向120度激光雷达以及11个摄像头、5个毫米波雷达，再结合BEV算法就能实现很好的效果。

李栋在接受《出行范儿》采访时表示，多颗激光雷达尽管能带来更好的感知效果，但差距越来越小，对芯片的算力、算法要求也更高，所以多颗激光雷达的性价比也会越来越低。

通过一颗激光雷达，以更低边际成本获得极高的边际收益，这主要得益于轻舟智航的超融合感知能力。

主流的融合方案包括前融合（数据级融合）、中融合（特征级融合）和后融合（目标级融合）三种。轻舟智航的“超融合”感知方案，应用于前中融合阶段，首次将时序多模态特征融合的大模型 (OmniNet) 部署在量产平台上，以一个神经网络即可实现视觉、激光雷达、毫米波雷达在 BEV（Bird’s Eye View）空间和图像空间上输出多任务结果。

OmniNet 取名自 omnipotent，象征“无所不能的感知融合能力”，作为轻舟智航的感知主模型，具备完成感知所有核心任务的能力。

相较传统方案，OmniNet可提供更丰富且准确的环境感知结果，在实际应用中可节省2/3 的算力资源，满足车规级芯片应用需求，并可低成本适配不同车型不同等级的传感器配置，通过数据驱动解决实际道路面临的长尾问题，更好地满足城市NOA的量产需求。

OmniNet模型架构

通过OmniNet在内的感知算法能力，轻舟智航可让激光雷达“物尽其用”，实现了行业领先的通用障碍物识别能力和噪声过滤能力。其不仅可以有效识别车辆、人群、植被、护栏、锥桶、小动物、施工区域等常见的道路交通参与元素，还包括各类陌生或长尾罕见的异形障碍物，更好应对城市中出现的长尾问题。逐层递进的噪声过滤方案，还能够最大限度地排除雨雾、泛光等噪声对感知的干扰，充分提高安全性。

即使前向120度的激光雷达看不到后方，但通过时序和空间融合算法，在行驶过程中，前向激光雷达扫过的区域会在系统时刻进行记忆，并在车往前行进后将记忆区域的点云数据，与侧向后向的纯视觉信息进行补充和融合，从而保证对前后向区域的充分认知。

此外，120度激光雷达足以处理绝大部分自车需要关心的复杂场景。在行驶过程中，道路上最容易干扰自车行驶的是前向静态物体和低速物体，也就是说潜在交互场景主要出现在自车正前及侧前方。而倒车场景一般在较低速道路或停车场，自车和其他交通参与者速度都不高，无需依赖激光雷达也可以完成基本倒车场景功能。

02

时空联合算法

评价一款高阶智能驾驶产品是否好用，一个简单的标准就是应对各种复杂场景的能力，比如进出匝道、无保护左转等场景，非常考验智能驾驶对时机的把握、车辆的博弈以及行车效率。

不同于业界传统的做法，轻舟智航迎难而上选择了业界公认的效果更优的时空联合算法，以空间和时间复合的视角看待和解决自动驾驶的各类问题。

据李栋介绍，“时空联合规划算法”可以直接在空间和时间构成的三维空间中求解最优轨迹，如同能够同时控制车辆方向和速度的老司机，可灵活应对国内的各种复杂路况。

时空分离规划算法

时空联合规划算法

相较之下，业界普遍采用的“时空分离规划”会将轨迹规划拆分为路径规划和速度规划两个问题，无法同时计算路径和速度，刻板不灵活。不仅如此，“时空分离规划”的研发非常依赖手写规则和大量路测，而“时空联合规划”只需极少手写规则，人效更高，且更适宜利用人类驾驶数据通过机器学习不断提高算法效率。

在实际行驶过程中，当车辆面临动态障碍物的交互时，“时空联合规划”可以让车辆提前把握最好时机选出最佳行车轨迹，更流畅地完成车辆间的博弈，而不会出现反复急刹的情况。在多车道行驶时，车辆还可以通过判断前方车流量和车速，灵活地变道选择更快的路线，而不会“死板地”跟车缓行。

李栋在接受《出行范儿》采访时表示，时空联合算法带来的一大好处是，自动驾驶的表现更像人类的实际驾驶行为，因此可以直接用人类的驾驶数据来进行不断训练和迭代，提高算法。

通过对自动驾驶数据和人工驾驶数据的自动化标注，轻舟智航构建了包含道路、环境、自车行为意图等信息的驾驶数据仓库，可通过“所想即所得”的数据查询，快速对各类数据和场景进行挖掘和评测，更快发现和解决算法存在的各种问题。

在决策规划的上游，轻舟智航也打造了极具优势的预测算法模型。其自研的Prophnet预测模型能够提供10秒的长时意图和轨迹预测。模型可同时计算数百个障碍物，每个障碍物提供3条预测轨迹，推理耗时不到20ms，完全满足实时运算需求。根据权威公开数据集Argoverse的评测结果，轻舟Prophnet模型无论在预测效果还是预测时间上均领先同行。

而且当障碍物行为有不确定性时，模型可以预测出多种可能性，比如说直行和右转，当障碍物行为一旦出现某种趋势的时候，模型可以快速收敛到一个高概率的预测。

与此同时，轻舟智航也积累了十万辆级的场景库，以及上亿公里的仿真测试，并通过不断升级场景的复杂度，补充模型的能力。

03

六大矛盾

以智能驾驶为代表的汽车智能化浪潮已经势不可挡。据统计，今年上海车展期间，展出的484款量产乘用车中，搭载L2及以上辅助驾驶功能的车型达373款，渗透率高达77%。

据艾瑞咨询《汽车产业变革浪潮——中国智能驾驶行业研究报告》预测，到 2025 年乘用车辅助驾驶渗透率将达到 65%，L2 级和更高级辅助驾驶将进入普及期。

理想汽车创始人、董事长兼CEO李想也在最新的采访中提到类似观点，“到2025年的时候，一辆车如果不具备足够智能化的智能座舱和智能驾驶，客户可能完全不会考虑买它。”

经过了去年自动驾驶行业的倒闭、裁员等一系列负面消息后，整车企业对自动驾驶的态度也越来越务实，短期内能够实现规模量产的解决方案成为重点，2023年也将成为城市导航辅助驾驶一分高下的一年。

李栋透露，在给车企提供智能驾驶解决方案落地的过程中，轻舟智航也发现了一些问题并将其总结为六大矛盾。

第一大矛盾，全栈自研VS全栈可控。

对于主机厂而言，首先更希望像特斯拉一样通过全栈自研实现统一平台，掌握核心技术和数据闭环。随之而来的问题是，动辄数十亿的研发资金，需要主机厂通过足够规模的销量来把成本摊薄，同时漫长的研发时间也难以满足市场日益增长的快速的车辆化需求。

全栈可控的模式需要进行供应商的管理和上下游的协调，但是性价比会更高，选择供应商会更灵活。李栋认为，主机厂保障全栈可控的基础上，应该让供应商有机会参与到智能驾驶的研发和交付过程中，一方面可以帮助主机厂更快完成产品的打磨和落地，另一方面也能够通过提供一些技术服务，帮助主机厂更快建立自研能力。

除了交付完整的解决方案，轻舟智航还会向车企提供一套工具链，可以帮助车企更好地管理流程、管理质量，能够把数据利用好，从而掌握常用常新的迭代能力。

第二大矛盾，分“步”式供应商VS整合性交付。

主机厂如果选择分布式供应商，每一个环节都要一家一家实地考察，不仅要投入大量时间成本，多家供应商上下也协调的时候，也难以发挥出每家的独特优势。

李栋举例称，比如每家供应商在每个环节做的能力是90分，多家一起合作的时候很可能就是这几个0.9相乘，最后有可能效果远远低于90分。

再比如说现在的行泊一体预控制器会接入所有的行泊传感器，行车和泊车交给两家供应商去做，这就很难充分使用里面的传感器，在算力分配上也会存在一些问题，最终整个智驾功能的体验就会打折扣。

所以到底是用多供应商分别管理还是用一个供应商，最终以结果为导向来要求？轻舟智航的建议是最好能优化整个流程，减少供应商的环节，以结果为导向做整体性的交付，保证最终的效果。

第三大矛盾，一次性交付与持续OTA。

如果主机厂的多种车型没有共享一个智驾平台，一般很难持续投入精力进行足够车型智驾产品升级，采购也往往是一次性支付所有的研发费用。目前中高阶智能驾驶市场需要车企在消费者使用的过程中不断解决消费者使用时候的一些痛点，保障用户能常用常新。这种收费模式应该如何进行呢？这是目前产业讨论的重点。

轻舟智航建议主机厂要规划好平台方案，让多车型基于同一个平台进行产品研发和交付，选择一家或者多家供应商在该平台上长期合作，这样就可以做到持续OTA，解决智驾方案优化的问题，不断提升用户的体验。

第四大矛盾，高阶产品立标杆与L2普及真刚需。

智能驾驶落地的一个普遍现状是，通过搭载高阶功能来树立品牌形象，以及对未来技术的探索，但是根据目前的交付能力和用户的认知程度，很可能无法让大量用户快速使用这些高端功能。

与此同时，市场对高速场景的需求已相对成熟，对车企来说也更容易做出非常实用，性价比很高的高速NOA产品，并且可以用这类产品快速占领市场和用户心智。

一方面是高端、更少人使用的功能，一方面是技术比较成熟、可以快速普及的功能，这就需要车企在产品战略上做出选择。为此，轻舟智航创新地提出了智能驾驶的“小四化”，即“入门体验标配化、中端体验标准化、高端体验大众化、极致体验革新化”，倡导阶梯式、渐进式的智能驾驶技术发展路线。

第五大矛盾，极致的体验VS极低的成本。

主机厂在给供应商提产品需求的时候希望能给出体验最好的解决方案，在具体落地实施中车企往往需要综合工程化、竞争力多方考虑，将硬件和研发成本尽可能控制，并压缩到最低。轻舟一直致力于解决这个矛盾，通过软硬一体的设计，持续不断进行优化，去打造兼具性价比优秀的方案。

第六大矛盾，全球化方案VS国产化方案。

在智能驾驶发展早期，主机厂更愿意选择成熟的全球化软硬件方案，这有利于提高产品的知名度和在消费者面前的认知度，也希望借此保证稳定、可靠的量产交付，但选择全球化方案往往意味着要付出比较高的成本。

目前中国本土硬件供应商的专业性、工作效率、响应速度和服务质量等都已经相对成熟，而且进步也非常快。所以到底是选择全球化方案还是选择国产化方案，不仅是主机厂面临的问题，也是供应商选择合作伙伴时候要考虑的问题。

李栋相信，通过轻舟智航与合作伙伴的努力，国产解决方案能够快速追赶上全球化的解决方案供应商，逐步走向全球，反哺世界。

轻舟智航的“轻舟乘风高阶辅助驾驶解决方案”，在芯片上就选择了国内初创公司地平线的征程®5，也是率先基于地平线征程5芯片的“高速+城区”NOA辅助驾驶解决方案提供商。