以“5G大时代，勇闯无人区”为主题的2023世界智能驾驶峰会在北京国家会议中心成功举办。本次峰会由智驾网策划，智驾传媒与中国邮电器材集团有限公司共同承办。

今年是峰会举办的第五届，从2018年首届峰会举办至今，智能驾驶正从L2级别辅助驾驶逐渐向高级智能驾驶进化，拥有智驾功能的新车渗透率逐年增加。同时，芯片、激光雷达、高精地图、高精度定位等相关产业链也正迎来爆发式增长。

本次峰会设《智能驾驶的中国方案》、《高阶智能驾驶的落地之战》、《无人驾驶的商用车落地场景》和《智驾产业链的全球化与本土化》四大版块，汇聚100多位产学研代表共同分享、探讨行业现状与未来发展。

在论坛现场，轻舟智航李栋发表了相关演讲，以下内容为演讲全文。

李栋：各位领导，各位嘉宾，大家好，我是来自轻舟智航的技术合伙人李栋，跟大家分享一下轻舟智航的产品对于智能驾驶量产技术落地的思考。首先介绍一下我们公司，轻舟智航是一家成立四年的自动驾驶公司，我们的创始团队来自谷歌无人驾驶公司，我们一直秉持着轻快、高效的发展路线。

初期我们做L4技术，一年半以前我们转移到开始为前装量产服务，并且在不到一年的时间获得了主机厂的定点。另外轻舟智航拥有全栈人才梯队，来自世界顶级的自动驾驶公司和车企，包括特斯拉、福特等，我们的研发人才包括整个辅助驾驶的全栈，研发人员占比80%，硕博占比80%。我们有高效的数据闭环，有超融合的感知系统，独创的时空联合规划系统，构建了我们非常强的技术壁垒。

转型以来轻舟着重前装量产项目，和地平线合作提供全国产的软硬件方案，具备将自动驾驶算法工程落地的能力。我们致力于成为中国顶级的高阶辅助驾驶解决方案公司。

中高阶辅助驾驶方案叫轻舟乘风，极具性价比，高度可配置。左边的是城市NOA方案，具有一颗激光雷达和11V5R，在单征程5芯片上实现高性价比，环岛、掉头、隧道模式都可以，可以菜单式的选择自动驾驶风格。高速NOA进阶版是11V5R在单征程5芯片上，使用BEV算法和时空联合规划算法，可以打造最极致的高速NOA的体验。高速NOA基础版，有6V1R，比传统L2增加了后视摄像头，所有的功能都具备完整的L2的功能。

更好的产品需要有力的技术支持，轻舟智航解决方案「Driven-by-QCraft」，基于数据、成于感知，精与PnC，引领城区和高速NOA的新高度。

介绍一下感知技术，感知融合分为三个阶段，前中后，前融合是指数据级的，中融合是特征级的…超融合而不是全融合，是目标级的…特征信息、目标信息，穿插融合打破了前中后的壁垒，按需融合。我们还引入了时序融合，能让我们的感知将当前和历史行为统一考虑，增加了感知的准确性。

轻舟智航自研感知大模型OmniNet，应用于前中融合阶段，实现数据特征融合全任务大模型，可以在量产计算平台上实现时序多模态特征大模型，可以利用一个神经网络将视觉、毫米波雷达、激光雷达数据通过前融合和BEV空间融合，让本来独立于各个网络的基础任务统一在一个平台上进行计算，最终在图像空间和BEV空间中输出不同的感知结果，为下面的计划和规划提供感知和输出。

OminNet支持在BEV空间下的各种感知输出，左边的视频展示BEV的展示结果，其中有车辆和周围环境的信息。右边展示的是BEV道路几何的输出结果，包括车道线和车道线之间的逻辑拓扑关系。通过几个不同道路场景展示OmniNet可以提升感知的精确度和准确度的情况，目前轻舟实现了基于感知的Mapless方案，基于Transformer…1720后处理。这上面所有的线都是模型直接输出的结果。

一个NOA产品是否好用会直接体现在各种各样的复杂场景上，特别是以下的场景，NOA行车中的难点和痛点，非常考验车辆对时机的把握，车辆的博弈以及行车效率的能力，把这些把握好…轻舟智航的决策算法在场景的处理上拥有非常独特的优势。

不同于业界传统的做法，轻舟智航选择迎难而上做了业界公认的更优时空联合算法，看一下下面两个动图，左边是一个时空分离方法的展示，地上有一辆车，前面有一个比较缓慢的自行车，同时也有一辆逆行的车在旁边。时空分离算法会直接在道路上算出一条路径，并不考虑其他障碍物的速度，在这条路径上规划速度，如果没有很多熟悉的规则很难在看似简单的场景里表现得很好。我们看一下右边时空联合规划的方法，我们在一个三维空间中统一考虑车的路径和速度，能更智能、高效，更接近老司机的驾驶行为，像这种场景完全不需要任何手写规则，算法求解空间更大，更符合中国复杂的道路场景。所以采用时空联合规划的车辆可以在保证安全性的基础上，用更短的时间，更舒适的体验，把乘客带到目的地。

我们在决策规划的上游，就是预测模型这一块也是独具优势。左侧是我们的预测模型，除了向量化的主模型也做了路口模型和Cutin模型，Cutin是预测别的车会不会Cutin我们，路口模型是看车辆会从哪个路口出去。同时我们也辅助了一些规则性模型做保底，右上图是我们预测的一个例子，从图上可以看到当障碍物的行为有不确定性的时候，模型可以预测出来多种可能性，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。

我们的预测模型在2021年，2022年度举办的Argroverse比赛中获得了冠军和亚军的结果。轻舟作为高级自动驾驶解决方案提供商我们可以支持算法的高效迭代，数据闭环能让我们的时车测试、数据传输、问题诊断、数据模型分析、数据挖掘、数据标注实现天级别的迭代。在这个过程中我们还不断进行场景的挖掘，构建闭环，我们现在已经积累了十万辆级的场景，而且已经做了上亿公里的仿真测试，保证我们遇到的问题进入场景库，通过以后的研发迭代从而彻底解决这个问题，也能把这一类问题全都覆盖到。

在数据挖掘方面依赖云上大模型，我们可以充分利用测试数据实现多种特定类型的物体挖掘，通过数据挖掘不断加强特定类型物体的识别能力，从而提高感知算法。比如左侧是一个异形的货车，右侧是躺在地上的行人。除了具体类别的的挖掘还有基于场景理解的挖掘，我们可以加入更多的现实条件，比如说在下雨天的异形货车或者雨天的摩托车。

场景的复杂度可以继续升级，层层叠加，比如我们可以针对早晚天气下承载多人的摩托车，或者夜间下雨天的行车，雨天、夜里的货车等等，我们可以非常高效、有目的的补充我们模型的能力。

下面分享一下轻舟对行业的思考，在刚刚过去的2023年上海国际车展上，据有关统计报告，车展上展示了484款量产乘用车，其中配备L2级以上辅助驾驶车辆达到373款，渗透率高达77%，以辅助驾驶为代表的智能化浪潮已经势不可当，厂商都在想如何让自动驾驶功能快速落地，如何让自己的车在市场上更具有竞争力。

轻舟给客户提供解决方案的过程中，在我们做智能驾驶落地的过程中，我们深刻感受到了一些问题和矛盾，我们总结出来了六大矛盾现状，希望拿出来跟大家分享一下。

第一个，全栈自研和全栈可控。

一方面主机厂希望做到全栈自研实现统一平台，掌握里面的核心技术和数据闭环，但是这里有两个问题，第一个问题是全栈自研需要大量资金，动辄数十亿研发，需要主机厂通过销售车辆来把成本摊薄。第二个问题是研发时间，全栈自研需要大量的时间，难以满足市场日益增长的快速的车辆化需求。如果采用全栈可控的模式性价比会更高，选择供应商会更灵活，但是问题是主机厂需要做供应商的管理，这里面管理成本也很高，而且在选择多家供应商的时候还要负责解决协调上下游之间的问题。主机厂保障全栈可控的基础上，希望能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的完成产品的打磨和落地，另一方面也希望能够通过提供一些技术服务，帮助主机厂更快的建立自研能力。

第二个，分步式供应商和整合性交付。

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，这个投入是巨大的。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。比如说每家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，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可能就会打折扣，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？我们的建议最好能优化这个流程，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。

第三个，一次性交付和持续OTA。

如果车厂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厂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。轻舟在这里建议主机厂需要规划好平台方案，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，解决智驾里的问题，不断提升用户的体验。

第四个，高阶产品立标杆和L2普及真刚需。

一些品牌希望利用高阶功能树立品牌形象，也是对未来技术的探索。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上这些高端功能，与此同时目前市场中对高速场景的需求相对成熟，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。从实用性来说似乎应该把更多的车型和资源投入到这类工作中，这其实就是产品战略的矛盾，一方面是高端更少人使用的功能，另外是高速NOA技术上比较成熟，可以快速普及的功能。

第五个，极致的体验和极低的成本。

主机厂在给供应商提产品要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，这是我们一直坚持和努力的方向。

第六个，全球化方案和国产化方案。

一方面主机厂可以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。选择全球化方案往往意味着要付出比较高的成本，中国本土供应商发展速度、专业性、工作效率、响应速度和服务质量等等现在都是非常好的，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，也是我们作为供应商选择合作伙伴时候要考虑的问题。我们相信凭借我们的努力和共同联手，可以让中国国产解决方案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。

上面这几个就是刚才我们讲的在高阶自动驾驶落地过程中的六种矛盾，希望能引发大家的一些思考。

非常感谢智驾网的邀请和发言，再次感谢大家的聆听。