2023 年過半，國內智能駕駛行業畫風急轉，來到了激進轉折點。

一面是開城之戰。

高速 NOA 向城市 NOA 全面鋪開，許多車企都把落地城市 NOA 放在了今年第三季度。華為與小鵬分別計劃把 ADS2.0、城市 NGP 功能釋放至 45 座城市，理想更為激進，準備將通勤 NOA 功能拓展至 100 座城市。

另一面是車企對自動駕駛企業技術競爭力、性價比的要求逐步提升。

上半年，許多自動駕駛企業推出了去高精地圖的純視覺解決方案，將智能駕駛下放至 20 萬及以下區間車型。

同時，行車和泊車共用同一個域控制器，實現傳感器深度復用、計算資源共享的行泊一體方案也十分火熱，成為考驗各家自動駕駛綜合能力的標尺。

盡管表象不同，但它們的本質都是一樣，那就是智能駕駛正在回歸量產，實現價值兌付。

可以看到，前幾天小鵬汽車的 2023 年第二季度業績電話會議上，小鵬表示將通過技術創新使 XNGP 的 BOM 成本降低 50%，最主流的 15 萬級別也能推出全自動駕駛汽車。

也可以看到，統治大算力芯片的英偉達，旗下算力更小的 Orin-N 在上半年備受歡迎。

或許對于身處市場末端的普通消費者來說，看透這樣的演變態勢過于嚴苛，但是對于自動駕駛行業的老兵們來說，大多早已看穿這些。

他們在技術上提前布局，產品上早早落地，走在了行業的前頭。

2022 年，汽車之心曾與 Nullmax 紐勱創始人兼 CEO 徐雷博士有過一場關于行泊一體的交流。

當時，行業公司紛紛推出行泊一體量產方案，但 Nullmax 先行數步，在前年官宣了國內知名車廠項目定點，為平臺化的不同車型提供基于 TDA4 平臺的行泊一體應用，這遠遠早于行泊一體爆火的時間點。

而在今年，我們了解到 Nullmax 的商業化腳步還在明顯提速，新的量產定點和新的項目交付齊頭并進。

早上一兩年的時間實現定點，又再早上一兩年的時間開始爆發式落地，這張亮眼成績單的背后是，量產一線老兵敏銳的商業洞察和持之以恒的技術堅持。

在這行業急速發展的轉折點上，也在 Nullmax 將要完成更多項目交付的時間點上，汽車之心與徐雷博士，這位先后在高通、特斯拉深度參與自動駕駛及相關技術研發的老兵，圍繞自動駕駛轉折、量產實踐進行了一場關于量產實踐的對話。

01 降本增效，自動駕駛不變的關鍵詞

過去，智能汽車不惜一切代價高舉高打，竭力奔赴「豪華」和「高端」，感知硬件動輒搭載 3-4 顆激光雷達，芯片講究算力拉滿。

2020 年蔚來發布的旗艦轎車 ET7，主打速度與豪華兼具，搭載了 4 顆英偉達 Orin 芯片，總算力達到 1016TOPS。

激光雷達更是如此，無論是造車新勢力還是傳統車企的新興品牌，高端車型幾乎都配備了 1-2 顆激光雷達，更有甚者放話「4 顆以下，請別說話」試圖以激光雷達奪人眼球。

今年開始，智能汽車從崇尚高舉高打，轉折為崇尚實用主義，無論是城市 NOA 去高精地圖、中低端車型削減激光雷達都能看到車企正在從智能駕駛底層發力，托舉產業向價值兌付層面靠近。

行泊一體更不用說，已經成為了自動駕駛企業與車企的一場實現價值的雙向奔赴。

目前，20 萬以內車型，在行車方面，多數只具備 ACC、AEB 等基礎 ADAS 功能，并不具備高速 NOA 能力，在泊車上，也只具備 APA 的基礎自動泊車，基本不具備記憶泊車功能。

對于消費者而言，無法體驗到更具完整性的智能駕駛體驗，反而影響了自動駕駛駕駛全面推廣的流暢度。

高工智能汽車研究院監測數據顯示，2022 年 1-9 月中國市場（不含進出口）乘用車前裝標配搭載行泊一體域控制器交付上險量為 49.85 萬輛，同比增長 117.12%，搭載率為 9.75%。

行泊一體，成為自動駕駛兌換價值的窗口。

行泊一體之所以被眾星捧月，事實上，真正的行泊一體不僅可以將成本降低至 50%，同時還能實現傳感器深度復用，實現更高的 NOA 功能。

行泊一體爆發的本質在于自動駕駛行業更趨向于車企、用戶實現降本增效。

現階段是否能做到這一點，具備真正的產品力，才決定了企業是否能進入自動駕駛決賽圈。

在徐雷博士看來，自動駕駛產品的降本增效比拼，并不是閉卷考試，而是一場關于芯片選型、軟硬件協同的綜合能力開卷考。

徐雷博士把降本增效拆分為兩個層面：

第一層是自動駕駛企業對芯片的深刻理解。

自動駕駛系統既需要邏輯算力也需要深度學習能力，對芯片有著高度集成化的要求，如果把原本分散到不同芯片的計算能力高度集成到一塊 Soc 芯片中，不僅會降低芯片綜合成本，也能夠降低數據在芯片上來回傳輸的時延，進一步提升效率。

目前，紐勱是首個能夠在 TDA4VM 芯片上完成行泊一體量產交付的企業，要從 0 到 1 做到這一點難度并不小。

TDA4 是異構計算平臺，其中包含 GPU、DSP、MCU 等平臺，紐勱基于原生 SDK 開發了一套框架，高效地將這些計算資源更合理地運用起來。

據汽車之心了解，目前紐勱基于 TDA4VM 開發的行泊一體解決方案在僅有 8 TOPS 的 AI 算力下，能夠提供領航輔助、高速代駕輔助、擁堵跟車輔助、記憶泊車等一系列的行車、泊車功能。同時，障礙物識別率精度也非常高，可以媲美其他高端方案。

降本增效既是技術框架，也是產品細節。

第二層則需要擁有對自動駕駛體驗細節的把控。

「即便是同樣的車道保持功能，在可運行設計范圍內，對各類事件的處理和反應也是不一樣的。」在自動駕駛降本增效開卷考中，打分權恰恰掌握在消費者實際體驗的過程中。

對于消費者而言，大多數人并不關心自動駕駛系統自研還是非自研，又是哪些供應商做的。

消費者真正關心的問題是產品能做到什么樣的功能、性能體驗究竟如何。

一輛車大曲率彎道過彎穩定性，識別前車距離、速度并作出反應的時間，以及系統接管次數等方方面面的細節，都是自動駕駛企業的關鍵得分點，有時候這種得分點甚至深到了細微處。

徐雷舉了一個例子，L2 級別自動駕駛仍需要駕駛員將手搭放在方向盤上保證駕駛安全，方向盤在開啟自動駕駛后保證平穩就是細節。「即便有輕微的左右晃動，都給駕駛者的安全感不夠。」

因此，即便是方向盤的細節調控，紐勱也做了大量工作，讓車輛方向盤的平穩度達到最佳狀態，無論是開彎道還是開直道，都能像老司機一樣可靠，而不是來來回回不停修正。

02 回歸量產本質，用笨拙而高效的方法交付項目

技術只是基礎能力，在過去一年中伴隨 L2+智能駕駛普及的是鋪天蓋地的量產交付壓力。

數據顯示，今年 1-6 月中國市場（不含進出口）乘用車前裝標配搭載 L2（含 L2+）交付新車 324.35 萬輛，同比增長 37.65%；前裝標配搭載率為 34.90%，同比上年同期提升約 8 個百分點。

自動駕駛越接近量產，就越發困難。

在徐雷看來，不談量產，只做 Demo 并無法檢驗企業的真正實力。

他坦言，各種各樣的 Demo 更多是在限定場景內來驗證方案是否具備可行性，但量產項目的考驗顯然更加嚴苛，會有大量的壓力測試。「既要保證系統功能的上線，也要顧及系統的穩定性，絕對不能有任何崩潰。」

持續上升的自動駕駛滲透率，對主機廠和自動駕駛企業都是不小的挑戰。

對于主機廠來說，算法移植、軟硬件協同、信息安全等問題都需要考慮。

對自動駕駛企業來說，面對主機廠對時間線、成本、交付質量的嚴苛要求，同樣也十分棘手。

「比起芯片選型，車型項目組往往更加關心自動駕駛公司能在什么樣的成本、價格內做到什么樣的性能體驗。」

目前，紐勱針對乘用車前裝量產領域，先后推出了智能駕駛解決方案 MaxDrive、視覺感知方案 MaxVision，分別提供完整的智能駕駛系統以及關鍵的視覺感知模塊，滿足不同客戶的技術需求。

在 TDA4 上，這兩套不同的產品均已獲得了量產訂單，而且進入了規模交付階段。

紐勱的合作客戶既有奇瑞、上汽等頭部車企，也有國內頂級 Tier1 廠商，同時還得到了德州儀器、英偉達等芯片廠商的的信賴。

背靠眾多合作伙伴讓紐勱在量產項目的落地速度和規模上得到了加持，也讓彼此的良好互動成就了多方共贏。

徐雷本人可能是為數不多在定點項目中親自駐點的自動駕駛企業 CEO。

徐雷認為基于 TDA4VM 平臺打造的行泊一體，是一套競爭力出眾的方案，但也極具挑戰。

因此，落地的過程需要懂視覺技術也懂深度學習還懂工程落地的復合型人才，把各個層面的團隊打通，才能打造出真正標桿性的效果，然后復制到其他定點項目中。

在他看來，駐場是看似笨拙實則高效的落地方法。

自動駕駛的駐場交付流程中大體分為兩個階段：

第一個階段是穩定自動駕駛的平臺運行，比如在落地行泊一體方案的過程中，就需要整個團隊協調行車、泊車之間迅速切換系統的穩定性。包括切換時間要快、同時也不能出現任何內存泄露等問題。

第二個階段是調試功能，處理軟硬件協同問題，對最終產品的實際表現和體驗負責。有時徐雷的嚴苛還會滲透進 Nullmax 整個駐場團隊的作戰風格中。

由于每個車企的自動駕駛方案需求不同，相應的也有不同算力、性能的不同配置，功能體驗自然而言也不同。但在徐雷的做事風格中，一個大曲率過彎的功能實現能做到 100 分，就不會只做 80 分。

這背后是以老司機的體驗標準來要求每一個項目，「我對同伴們的要求是，只要你覺得車的表現與自己開始開車時感覺不一樣，那么我們就會都視為問題來考慮，而不是考慮算力大小區別來降低要求。」

駐場的作用在于高效解決問題、與車廠保持積極的雙向輸入輸出狀態。

徐雷將這種狀態總結為「用車廠的語言與車廠對話。」

車企并非只要過程不要結果，自動駕駛企業需要按照約定的節奏和時間表一步步去交付。

「如果每一個節點都很難守住，主機廠會覺得項目不可控」，Nullmax 的駐場解決了車企對于效率的焦慮感。

自動駕駛量產交付非常容易遇到的問題是如何迅速排查問題根源。

一旦問題發生，就需要團隊逐一排查是硬件傳感器的問題還是感知、決策規劃或控制系統的問題。

紐勱的方法就是把問題解耦，用一套能與車企的語言去由粗顆粒度到細顆粒度溝通。「粗顆粒談現象，細顆粒拿證據」，最終能夠迅速解決問題，讓車企知道整個項目落地的進度，從頭到腳都更加沉的下來，有踏實感。

現場開發、現場發現問題、現場解決問題，紐勱已經形成了自動駕駛企業與車企達成信任的標準模式。

同時，紐勱在量產實踐中也保持著與各類合作伙伴雙向輸入、輸出的狀態。

徐雷向汽車之心透露，不僅是團隊要向車廠保持輸入，要派人與車企一起上車采集數據，其實也要與相關傳感器廠商、芯片廠商、工具鏈軟件開發商協同，配合參與開發。

相應的，在幫助車企解決車企問題的同時，紐勱也會吸取芯片合作伙伴、傳感器合作伙伴的經驗，得到迅速成長。「芯片企業有時候也會給一些很好的建議，比如如何更有使用 DSP 等計算資源。」

如此一來，紐勱的量產交付歷程更像落地了廣積糧、緩稱王的思路。

03 打通智能駕駛的 iPhone4 時刻，中國自動駕駛的量產交付期已經到了

從相關銷量數據來看，自動駕駛全面鋪開呈現兩個特征：

第一個是技術特征。

城區 NOA 逐漸滲透對自動駕駛公司和車企提出更高的要求，同時逐漸培養用戶在城區內使用相關輔助駕駛功能的出行習慣，推動自動駕駛形成數據閉環。

理想汽車 CEO 李想認為：「以后在中高端車市場，如果不能提供城市 NOA，消費者就是買和不買的差別。」

第二個特征是車型特征。

10-20 萬區間車型成為撬動自動駕駛量產杠桿的關鍵。

數據顯示，新能源車輛市場 10-20 萬區間車型銷量占比超過 40%。面對更加激烈的智能駕駛爭奪賽，就越需要車企從主力價格區間開刀，狠打性價比。

紐勱在自動駕駛解決方案中兩面開工。

向上，紐勱在英偉達等企業的大算力平臺中率先基于先進的 BEV+ Transformer 神經網絡技術去構建局部地圖，實現高級別的自動駕駛。「相當于實現類似特斯拉 FSD 般的體驗」。

向下，紐勱則擁有非常強悍的感知能力，也可以在 TDA4VM 等中低算力芯片中實現真正融合的行泊一體 4.0 量產解決方案。可以說目前紐勱已經擁有完整的全棧產品矩陣，全面覆蓋高、中、低算力主流芯片平臺。

回顧紐勱的發展歷史，就會發現，無論是 2020 年早于行業拿到行泊一體定點項目，還是一直堅持不依賴高精地圖，以視覺感知為主的自動駕駛路線，都踩中了自動駕駛的發展節奏。

在外界看來，中國自動駕駛量產交付期來得遲緩了一些。

2019 年時，全球范圍內的整車廠基本都將各自 L2+自動駕駛技術落地時間定在了 2020 年。

徐雷認為，對紐勱來說，一直處于正常、穩定的落地節奏中，這些感受與其本人的經驗以及紐勱的基因有著很大關系。

在徐雷尚未創立紐勱之前，他就曾在特斯拉自動駕駛駕駛團隊負責過特斯拉 Autopilot 深度學習框架的搭建，使得 Autopilot 2.0 順利替代了 Mobileye EyeQ3 方案，并在 2016 年的 Model X 中順利量產。

同時，紐勱合伙人宋新雨也曾在特斯拉自動駕駛團隊工作過 4 年。

這些經歷使得紐勱有了一絲特斯拉的基因與靈感，對自動駕駛技術落地趨勢更加敏銳。

「參與 Autopilot1.0 到 2.0 的開發時，我們就發現跨越式路線去實現 L4 非常難。特斯拉的量產經驗讓我們看到自動駕駛有非常多的 corner case，尤其是面對從限定范圍到城區的挑戰。所以從商業化、場景的角度，紐勱從成立之初就選擇了漸進式的量產。」

而重感知、輕地圖也是紐勱一直堅持的方向。高精地圖最大的兩個不足在于成本高、更迭速度慢。早在紐勱成立之初徐雷和創始團隊就意識到「高精地圖一定是 nice to have，而不是 must to have」，他強調高精地圖只是先驗信息，而不能抱著安全最后一道屏障的心態去做。

因此，早在 2019 年時，紐勱就在上海臨港通過 12 個攝像頭、5 個毫米波雷達做到了不依賴高精地圖的解決方案，成為業內重感知輕地圖探索的先行者。

目前，紐勱的第一批上車項目中已經包含了智能巡航、記憶泊車在內的基礎 ADAS 功能，下一步紐勱將會是普及 NOA 等高階能力，也會把更多精力放入到解決環島、十字路口的難題上，即便沒有車道線，也能像老司機一樣順滑通過。

紐勱的落地風格是先找釘子，再拿錘子，以解決實際問題導向。

徐雷認為，現階段 ADAS 功能正在快速上車，而高級別自動駕駛則要更有能力應對城區等復雜場景。

自動駕駛技術的迅速滲透不可否認存在難度。

因為自動駕駛并不是單一實現某一個功能，而是全流程的改造，對車的開發有一套嚴格、詳盡的流程管控、產品定義。「這與手機從功能機到智能機的發展歷程是一樣的。」

就像智能手機的發展不僅是軟件的突飛猛進，也伴隨著通訊技術、攝像頭、芯片等硬件技術的成長。智能汽車也類似，只有與傳感器、芯片乃至深度學習技術的各項技術深度融合，才能真正做到智能汽車的全面普及。

這些轉變完全不亞于 13 年前，iPhone4 帶給手機行業的智能化變革。

當年 iPhone4 憑借超前的理念與激進的想法，第一次實現了真正意義上的軟硬件高度結合，無論是硬件上引入紅外傳感器、搭載自研 A4 芯片，還是在軟件上發布 iOS4，不僅讓手機產業大踏步邁入智能時代，乃至使得大多數人的生活發生了轉變。

自動駕駛功能一旦被大量使用后，往往能形成多米諾骨牌效應。

「原本我們最早的汽車也沒有倒車攝像頭，每次只能通過后視鏡回頭看，但當倒車攝像頭出現后，用戶其實非常依賴。紐勱希望能夠將自動駕駛做到大家都買得起、用得起的價格，無論從降低駕駛員疲勞還是提升安全性來說，效果都會更好」。

隨著紐勱向自動駕駛量產深處駛去，自動駕駛的 iPhone4 時刻不遠了。

返回第一電動網首頁 >