“想要讓雞蛋好吃，不應該只研究雞蛋，要先研究如何養雞。”這是智駕科技創始人周圣硯的產品價值觀，也是他過去幾年在車圈摸爬滾打，對自動駕駛行業的樸素思考。

這一思考，鑄成了公司的護城河。

橫向看，周圣硯敏銳地意識到全棧研發能力的重要性，他讓研發團隊從最初的提供視覺感知方案，快速補齊融合、規劃和控制的短板，要把核心能力都掌握在自己手里。

縱向看，則是把BEV做深。在周圣硯看來，打造BEV+transformer的技術架構，大部分時間不是花在產品側，而應該花在能力側，如真值系統的創建和4D的場景還原等。

“我們在BEV領域深耕了三年，前兩年其實都在做養雞的事情。”走過最艱難的一段路，周圣硯和他的智駕科技，終于迎來飛輪效應的收獲期。

得益于前期的視覺積累，智駕科技對感知痛點的理解，以及BEV的貫徹思路，要比其他企業更深刻。好比一個靜止的飛輪，前期需要一圈一圈反復旋轉，費盡力氣，下苦功夫，可一旦到達某一臨界點，飛輪就能自己快速轉動。

正如他此前在交流里所說，在一家公司的成長曲線中，剛開始可能需要經歷漫長的爬坡，在一個個里程碑的積累之后，會形成一個更快的正循環，進入快速增長階段。

上周，智駕科技用一場聲勢浩大的發布會，向業界展示了飛輪快速轉動的所有細節。

該公司發布了BEV平臺架構青云Hyperspace和海市MAXI-DI數據智能體系，以及輕地圖NOA量產方案和行泊合一高階域控新品。至此，智駕科技完成AI+數據智能雙輪驅動的技術全景布局，也打通了底層可持續進化產品棧。

01

擁抱BEV+Transformer

阿里張勇曾說，所有行業都值得用大模型再重做一遍，后來李彥宏也在演講時強調，每一個產品都值得用AI重做一遍。

只不過，喊口號者眾，面對AI大模型的藍海，很少有公司愿意踏踏實實重做一遍，因為真要重做一遍，背后不僅是整合和接入——

還有重構。

在智駕領域，周圣硯做到了。從2020年開始，智駕科技就盯緊一件事，用BEV+Transformer重構了自己的全部技術體系，周圣硯為首的管理層對漸進式的自動駕駛路線堅信不疑，且很早就意識到CNN的技術天花板。就這樣，智駕科技成為特斯拉BEV Transformer的第一批同行者。

業界眾所周知，早期自動駕駛方案采用激光雷達+高精度地圖為主，但高精地圖高昂的采集成本和鮮度等，都給這一方案帶來泛化方面的難題。

就連前幾年的“有圖路線”擁躉華為，其車BU負責人王軍也承認，申請到高精地圖資質只是萬里長征的第一步，最困難的是如何降低采集成本，但實踐下來，采集成本其實超出華為的預期。

痛點，催生出新的思路。

特斯拉等玩家，開始主推BEV+transformer以及重感知輕地圖的自動駕駛解決方案。

BEV的全稱，是基于多視角攝像頭的鳥瞰圖感知（Bird's-eye-view Perception) ，基于BEV的物體可以通過自上而下的視圖，完成軌跡預測和路線規劃，且能避免圖像視角下的尺度和遮擋等問題，成為自動駕駛領域提高檢測性能、實現端到端自動駕駛的關鍵。

Transformer，則是人工智能領域的熱門算法，在智能駕駛場景中發揮出傳統CNN算法所不能企及的感知能力，如擁有更高的圖像識別能力、更靈活的泛化性能，且和CNN相比，可可實現多模態數據的處理。

不過，尖子生的作業不好抄。

國內諸多科技公司都在學習特斯拉的BEV+Transformer方案。但很多玩家都只學到皮毛，并沒有掌握其精髓。諸如，有公司的算力不足以支持Transformer，也有公司雖然采用了BEV，但算法框架上并不是嚴格意義上的Transformer。

最終效果其實并不好。

智駕科技曬出的成績單，是青云Hyperspace架構。

青云Hyperspace融合了道路拓撲、目標軌跡、占用空間三大網絡，擁有更高精度，最遠拓撲距離150米，精準預判時間達到3秒，實現了多維度的跨越式指標刷新，直擊高階自動駕駛產品開發需求和場景痛點。

產品端，青云BEV架構覆蓋了從單V到多V（5V、6V、9V、11V-跨越低中高算力的行泊合一域控方案）的MAXIPILOT?全系智駕解決方案矩陣，滿足城市L2增強、高速NOA、城區NOA、行泊合一、記憶行泊車等全場景應用。

此外，智駕科技還發布了“啟明星計劃”，面向全行業開放BEV感知標準件。

據悉，青云BEV架構感知標準件，支持軟硬解耦，實現標準化工具鏈、標準化規控接口、標準化ISP。通過算法移植，可支持在6個月內實現高效跨平臺開發需求。

02

“記憶共享=城市NOA”

L2，體驗不夠好；

高速NOA，不夠值；

城區NOA，不放心。

這是周圣硯對當下智駕產品的總結，回歸用戶體驗和商品本質，這也是很多消費者的心聲。

在他看來，成本要和體驗相匹配。雖然目前L2相對來說比較標準化，但一旦提及L2+，以及城市NOA等，市面上的大部分產品，并沒有給客戶非常好的體驗感。成本上去了，體驗上不去，消費者自然不愿意買單。

2023年上半年，高階智駕中國區市場滲透率僅為約5%，城市NOA滲透率和使用率占比更低。

智駕科技認為，這是傳統技術框架下，NOA產品戰略高舉高打、體驗和性價比卻差強人意的行業現實。

“記憶共享=城市NOA”。

這是智駕科技提出的創新范式。

技術架構上，根據特征提取，青云BEV架構可實現道路拓撲橫縱向精度的顯著提升，橫向拓撲精度5公分，縱向拓撲精度誤差1‰。

利用拓撲元素，加之組合導航算法，青云BEV架構可支持一次性完成自動化建圖記憶，奠定記憶共享技術實現的基礎。

產品定義上，智駕科技已實現BEV對MAXIPILOT?全系智能駕駛產品重構，覆蓋極致性價比視覺一體機到多V域控的豐富產品組合。

這意味著，入門級配置即可支持城區建圖，其深遠意義在于幫助車廠客戶以80%的規模化量產方案為基礎，構建20%高配方案所需要的核心場景數據。

行業現狀上，智駕科技認為，當下共性的產業困局在于，車廠高中低配智駕產品方案缺乏技術平臺的連貫性，例如——

L2的供應商，多數缺乏升維能力；高階供應商，多數又在AEB等基礎性功能的工程化開發上存在短板。

而如前文所說，車廠重金布局的城市NOA等高階場景，眼下又面臨成本和體驗的多重痛點。

擁有最顯著端上數據優勢的車廠，卻在城區NOA開發中成為被動的一方。

智駕科技在發布會上給出自己的解題思路，城區駕駛是最高頻的用戶出行場景，應利用當下搭載量最大的L2性價比方案，打通行車記憶共享的數據通路，以此實現技術和產品方案的延續性，避免高低配置的割裂——

這是一條更經濟的商業路徑，更是一條合理的通向城市NOA高效能開城的閉環邏輯。

03

高階智駕生死戰

2023年被視為城市NOA的元年，暗潮洶涌之下，性價比已成為今年智駕公司談及最多的一個話題，特別是在城市NOA領域。

前不久，輕舟智航就攜手地平線打造了一套城區+高速NOA的智駕方案，高性價比是其撒手锏；在此之前，毫末智行推出HP170、HP370、HP570三款輔助駕駛產品，反復強調的也是性價比；時間軸再往前推，四維圖新首席執行官程鵬的年度演講，主題聚焦也是極致性價比。

針對整個產業鏈“卷”價格的現象，周圣硯認為，中國汽車行業的底層邏輯是成本驅動，需要做更有性價比的產品，但前提是保證性能的前提下。

降價博生存者眾，重視性能者寡。

特別是BEV+transformer這樣高天花板的，它可以成為自動駕駛向上突圍的一把鑰匙，也可以成為取巧者的攔路虎。

在周圣硯看來，我國的城市NOA距離真正成熟還有一定距離，這與數據的積累有很大關系。智駕科技的解決路徑，是以低階帶動高階，逐漸積累高階數據，走漸進式路線。

“目前，BEV+transformer讓L2和L4的路徑統一了，雖然該有的還得有，攝像頭、激光雷達、毫米波雷達還需要根據不同的場景定義慢慢加，但整個技術架構已經明確了。”

始于L2，不止步于L2。在周圣硯看來，這句話可以很好地概括智駕科技的產品布局。

2021年，智駕科發布量產了L2級智能巡航產品MAXIPILOT?1.0，開始滲透5-25萬元乘用車市場，伴隨青云BEV架構釋放，公司又發布了MAXIPILOT?2.0平臺，以BEV重構全系產品方案。

MAXIPILOT?2.0 Lite，主打城市增強L2方案，依托青云BEV，解決當下L2體驗不連續的產品痛點，包含BEV一體機和MDU20域控兩種產品形態，覆蓋20萬元以下車型細分市場。

MAXIPILOT?2.0 Pro，單SOC實現行泊高度合一，中算力平臺，支持占用空間網絡部署，支持輸出BEV特征抽取后的特征地圖，以數據合規方式上傳云端，通過記憶地圖共享實現高效開城。

MAXIPILOT?2.0 MAX，支持輕地圖拓展城區NOM領航輔助駕駛方案，能夠更好應對城區復雜環境及交互。亮點在于，方案可以通過復用2.0 Lite和2.0 Pro積累的海量價值數據，實現成本可控、節奏可控的開城。

不過，高階智駕的生死戰，現在才剛剛開始，接下來的肉搏，比拼的不只是技術思路，還有產品迭代和量產交付。

以智駕科技貫徹的“真無圖”路線為例，難度極大，耗資高昂，且是漫長的持久戰。

根據對地圖的依賴，城市NOA可以劃分為三類。第一類，對高精地圖有較高依賴度，可以理解為有圖方案；第二類，屬于中等依賴，本質上是使用了輕量化地圖；第三類，是最不依賴，基于標準清晰度地圖SD Map Standard Definition。

走在智駕前沿的華為，其ADS 2.0走的是第二個方案，即輕量化地圖。簡單來說，是增加了一層地圖的融合，基于標精地圖，加上NOA功能在高精地圖里所需的核心要素，抽離出來與標精地圖做一層融合，形成與城市NOA更匹配的輕量化地圖。

技術層面，有業內人士認為，要想實現無圖，4D自動標注能力是必要的，華為此前深耕高精地圖多年，自動標注能力并沒有特斯拉那么出色。

資本層面，對應的是更高的成本。智駕科技走的是第三類方案，也是燒錢巨坑，主要花在搭建真值系統訓練算法等領域。對于這家科技公司來說，無論是技術還是資本，前方要走的路還很長。

返回第一電動網首頁 >