一個方法論、兩個引擎發展戰略和三個產品。

2019年5月才成立的輕舟智航（QCraft），剛滿三周歲便舉辦了自己的首屆品牌日——QCRAFT DAY。作為一家第三方L4級自動駕駛通用解決方案公司，這算是一個大動作，這意味著經過三年發展，輕舟智航已經有了更多想與外界分享的熱情以及拿得出手的產品。

△輕舟智航創始人、CEO于騫

發布會上，輕舟智航創始人、CEO于騫表示，“擇高處立、向寬處行是輕舟的思考和總結?！?/span>

所謂“擇高處立”是指輕舟“將無人駕駛帶進現實”的使命，向“寬處行則”則是輕舟達成使命的方法，同時，也是這次輕舟品牌日的分享重點，我把它用“一二三”來簡單概括——

一個方法論、兩個引擎發展戰略和三個產品。

工欲善其事，必先利其器

成立之初，輕舟就秉承“造火箭而不是搭梯子”的理念來實現自動駕駛。這意味著在面對眾多Corner case（極端情況）時，必須提升效率，才能實現場景快速、廣泛的落地。

基于此，輕舟打造了自己的方法論——“自動駕駛超級工廠”，內核則是數據驅動+效率提升。

△輕舟智航自動駕駛超級工廠

前者業內提得比較多，就是實現數據閉環，包括仿真數據、實際應用場景數據等，都在自動駕駛超級工廠內實現閉環應用；后者則是力求讓整個閉環越轉越快。

為了達到這一目的，輕舟將感知和運動規劃這兩個自動駕駛最重要的能力進行了優化：

感知方面，輕舟以“數據高效、模型高效、評測高效”實現了全場景大規模量產感知方案的落地。

1）數據高效：一輛搭載多種傳感器的自動駕駛車輛，每天產生的數據都是以TB為單位，但其中只有不到1%能用來開發，最終能用來模型訓練的更少。而要發現并標注這樣的數據非常困難，傳統人工標注效率非常低。輕舟通過充分挖掘并利用海量未開發數據來開發感知模型，通過半監督學習、自監督學習和數據合成等方法，大幅降低數據標注成本；

△數據高效

2）模型高效：傳統感知方案經常出現大量分散的模型，這些模型對計算的消耗非常大，輕舟通過融合多任務于統一模型的方式，有效擺脫了模型開發中對手動規則設置與參數調試的依賴；

△模型高效

3）評測高效：很多感知模型通過單點測評很難看出對駕駛行為的影響，輕舟則是監測基于自車駕駛行為的評測模式，能可有效計算感知效果實際影響，加速關鍵樣例的發掘。

△評測高效

在運動規劃領域，輕舟依托“自動駕駛超級工廠”成為中國首家采用時空聯合規劃的自動駕駛公司。

目前，業界廣泛采用的是“時空分離規劃”的自動駕駛方案，該方案的邏輯是先規劃路徑，再規劃速度，當面對動態障礙物時不易靈活應變，容易造成急剎或降低行車效率等不佳體驗。

前不久，我就在北京亦莊體驗了試運營的Robotaxi。在需要右轉時車輛駛入了右轉車道，但該車道前方有一輛速度較低的非機動車在行駛。此時，Robotaxi的選擇是降低速度跟車，但其實距離右轉路口還有一段足夠長的距離且旁邊車道并沒有車輛，如果是人類駕駛員，肯定會選擇換道超車再回到右轉道。但采取“時空分離規劃”方案的Robotaxi則降低了行車效率，給整個體驗帶來了一些遺憾。

△時空分離規劃與時空聯合規劃的區別

輕舟采用的“時空聯合規劃”系統為車輛賦予了更敏銳的時機把握能力，如上圖所示，可在各類復雜路況難題中順暢地完成連續繞障，為乘客帶來平穩、無頓挫的舒適乘車體驗。

構建好了方法論，就需要加入引擎動力快速前進。

于騫認為，自動駕駛產業正迎來發展的黃金拐點，政策法規愈加友好、技術算法越發強大、傳感器和計算在向車規級方向靠攏、行業擁護者越來越多。“面對這樣的時代機遇，輕舟致力于在縱向技術深度和橫向場景寬度兩個方向上持續投入，始終堅持技術和商業化并重的發展思路，推動高級別自動駕駛技術在廣泛的場景中不斷落地。”

在這樣的背景下，輕舟提出了“雙擎”戰略：

動力引擎：以公開道路L4級自動駕駛軟硬件方案打造，加速縱向技術深化，讓輕舟逐步在更多場景上實現完全無人的駕駛能力，驅動城市交通出行效率持續提升；

創新引擎：以自由配置的自動駕駛前裝量產方案為基礎，用更加安全、成本合理的高性價比方案助力用戶創新，加速橫向場景拓展，實現自動駕駛技術的規?；涞亍?/span>

△“雙擎”戰略

兩大解決方案+一套工具鏈

基于“利器”，輕舟也終于引出了這次活動的主角——龍舟SPACE、DBQ V4以及輕舟矩陣三款產品。

1）龍舟SPACE：打造面向未來的移動出行空間

作為輕舟發展的重要切入點，Robobus憑借相對固定的區域路線以及相對較慢的行駛速度，較Robotaxi早一步達成商業化落地。在于騫看來，Robobus賽道一方面幫助輕舟實現數據閉環，積累了大量有效數據，另一方面也實現了商業的閉環。

這次活動上，輕舟帶來了龍舟SPACE，該車定位于可在復雜公開道路運營的移動出行空間解決方案，可適配多種車型，既可以滿足從長途到短途的無縫接駁，其空間也可多重變換，靈活覆蓋不同場景需求。

△龍舟SPACE

其實去年12月，輕舟與東風悅享就共同發布了基于龍舟SPACE方案的Sharing Bus，目前，Sharing Bus已在武漢、大理等多個城市完成落地運營，在智能接駁、景區觀光等場景廣泛落地。

2）DBQ V4：為前裝量產而生

作為輕舟推出的第四代量產車規級自動駕駛解決方案，DBQ V4是我認為這場發布中最重磅的產品，于騫也用一句“量產成本可低至1萬元人民幣”點燃了線上參與者的熱情。

△造車新勢力城市NOA方案對比，來源：華泰證券

與上面這幾款熱門車型的城市NOA價格相比，“成本一萬元”確實值得讓人興奮。

能做到這點，主要原因有二：

a、一套技術棧適配多種車型。DBQ V4可適配轎車、SUV、MPV、巴士等車型，且不同車型的海量數據可共享。另外，DBQ V4支持1-5個激光雷達、0-4個盲區雷達、6個毫米波雷達、12個感知攝像頭，實現360度無盲區、無死角的感知能力，且左右互為冗余，主機廠可根據不同車型的不同級別自動駕駛的量產需要進行功能裁剪。

b、全國產配置。這次發布會上輕舟還將地平線拉入了自己的“朋友圈”，雙方將基于輕舟自研的行泊一體解決方案，以及地平線自研的征程?系列車規級 AI 芯片，聯合進行開發與適配。

和車企推出同款不同配置車型一樣，輕舟也推出了不同版本的DBQ V4。加強版與標配版分別搭載兩顆及一顆激光雷達方案，計算平臺則是基于地平線提供的征程系列平臺。

△DBQ V4的不用版本

顯然，能實現全無人級別的旗艦版成本，一萬元的成本是打不住的。同時，成本低至一萬并不意味著售價一萬。最終在前裝上車后能做到怎樣的成本，傳導到消費者層面是否能有明顯感知還需要再看看。

3）輕舟矩陣：實現數據高效利用，驅動技術高速迭代

輕舟矩陣在三個產品中相對特殊，它即是一個產品，也是 “自動駕駛超級工廠” 方法論中的重要一環。

我們知道，數據的高效利用是實現自動駕駛技術高效迭代的重要基礎，然而不斷高昂的路測成本和對長尾場景有限的覆蓋能力，制約技術的迭代周期，已成為行業發展普遍面臨的重要瓶頸。輕舟矩陣是一套以仿真技術為核心的自動駕駛研發工具鏈，以流水線完成數據處理、標注、訓練和仿真，讓數據充分流轉，實現數據自動化閉環。

現在，輕舟將這一工具對外開放。應用輕舟矩陣，客戶將擁有表示數據、存儲數據、管理數據、可視化數據以及測試驗證的能力，從而形成數據資產護城河，打造專屬于其自身的自動駕駛超級工廠。

△輕舟矩陣

根據于騫介紹，依托真實路測與生成數據構建的仿真場景，輕舟矩陣可以助力客戶將自動駕駛的測試成本降至純道路測試的1%，還可以生成數百萬個長尾場景，每天完成數百萬次算法訓練、測試驗證和迭代優化，使自動駕駛軟件能力的進化不再受車輛和人員的限制，實現車輛智能化水平的持續快速提升。

輕舟要上量了

這次活動還有一個讓我記憶深刻但著墨不多的環節——輕舟將與T3出行聯合啟動Robotaxi公開運營，以技術+生態驅動的模式擴大無人駕駛的商業化落地。

對于輕舟，早期的自動駕駛L4級研發便是開始于Robotaxi，同時，作為其“自動駕駛超級工廠”應用場景中的重要組成部分，必然需要投入精力，這意味著大量測試是輕舟繞不開的問題。

但對于一家第三方自動駕駛方案公司，大規模車隊是一個極重的資產，因此，與整車廠或者出行平臺合作成為很多自動駕駛公司的不二選擇。

根據T3出行副總裁李京峰介紹，目前T3出行已經在80多個城市開展服務，累積注冊用戶超1億，日訂單突破300萬單。

這些海量數據以及豐富的運營經驗，對于輕舟在日后的研發及數據分析上將帶來極大價值，加速Robotaxi商業化落地。雙方也將于今年7月在蘇州聯合啟動 Robotaxi 公開運營。

從這場發布會的兩個亮點環節，我們能捕捉到一個重要信息——輕舟智航要在乘用車領域發力了。這并不難理解，畢竟對需要海量有效數據支持的自動駕駛技術以及有強烈降本需求的自動駕駛公司，沒有比乘用車市場更深更廣的海了。駛入這片海相信輕舟已經做足了準備，而能否跨過“萬重山”，我們一起看看。

返回第一電動網首頁 >