当自动驾驶大神们“接轨”现实

去掉高精地图，对芯片资源的最大化利用，将是以轻舟为代表的顶级团队追逐的高阶辅助驾驶目标。

作者| 宇多田

封面| 美剧《继承之战》

如果两年前于骞站在无人巴士上还是略显拘束的知识分子形象，那么两年后，他像是一份把折叠痕迹捋平摊开的报纸，包住了更多东西。

他大部分时间不会出现在苏州办公室里，而是在去往上海和北京的路上。 只要有机会，于骞都亲自跑去主机厂跟技术部门聊一聊，这大概是作为一种“企业最大sales”的管理层觉悟。

此外，他把自己白天的全部时间尽量留给客户开会，“自己的放在早晚开”。

类似改变很多。

两年时间内，这种发生在这个典型硅谷顶级工程师身上从技术到客户的思维重塑，没有任何意外地来自于产业内外的剧烈变化：

一方面，汽车产业从波澜不惊的10年3变过渡到过山车一样的3年10变；而另一边，疫情三年把钱从水里捞出恢复了泡发前的状态，这也正好是对自动驾驶产业影响最大的三年。

于骞2019年底回到国内与Waymo精英同伴们 成立的轻舟智航，恰好经历了一个完整却具有颠覆性的小周期。

他对于一系列变化和遭遇的问题，想说的似乎很多却欲言又止，吞回去的话，最后全都变成了“客户”二字。

与早已久负盛名的其他几家L4独角兽相比，轻舟在成立时间上不占任何优势。2019年他们回国，L4商业化不成熟的说法已经出现，但这项技术的主导权却并未明确归属方。当然，技术人才，自始至终都受到了最优渥的对待。

不过，这并不影响这家充满技术精英的L4公司，相对果决且低调地做出“服务车企”的转型决策。

从L4到L2++，重塑自己，没有降维，不说狠话。

01.审时度势

科技大厂与学术背景的光环背久了，会变成绷紧的头箍。于骞几乎没有提过显赫的Waymo背景，只有在谈到“技术人是否缺乏工程能力”的问题上，用谷歌做了反驳。

算法的强大优势过于深入人心，致使这家运营着全球性规模软件的商业公司，其最擅长的工程能力淹没在一片“互联网回声”里。

从数据中心、定制化芯片与服务器、编程语言与开发者工具，到操作系统、中间件以及深度学习框架与工具，谷歌无可争议都做到了最高水平。

“我经常批评员工，绝对不要去讲我们算法多牛轰轰，我很反对那些‘唯算法论’。谷歌有大量的最佳实践（Best Practice)，这些都源自软件工程理论。”

包括于骞自己，几个创始人都经历过谷歌严格的系统化与功能化训练。他说，一项大型软件工程必然是一步一步搞定的，而工程交付是其中的核心能力。

2020年，我曾试乘过他们在苏州高铁新城部署的自动驾驶乘用车，并不逊色于其他公司运行在各自城市大本营的L4无人车。 但L4本身存在的商业问题 在疫情后愈加明显，不过大部分人不会轻易放弃自己最擅长的东西。

但轻舟根据市场局势迈出了这一步。

作者于苏州高铁新城现场拍摄

2021年10月，轻舟高层开始酝酿转型，而正式对外宣布“战略升级”则是在2022年初，随后便是长达1年时间从“技术为上”到“客户与技术齿轮紧密咬合”的角色转换。

“初期是比较头疼的，强大基因驱使下大家对技术都是极度追求。”

与很多2B创始人一样，于骞也会有意识学习华为的管理策略，毕竟这是最值得效仿的本土榜样之一。

如今在轻舟内部，“纵向团队”侧重能力建设和人才培养，而“横向团队”则为目标而存在。

客户对应的每一个项目都由“纵横两列”抽调人员组成，实现“上下左右”对齐的矩阵管理模式。

“项目leader可以同时调动新加入的横纵多人，形成一个小规模军团，通过这种更有灵活性的行为模式，去打仗，去拓展市场。” 他说，如果只强调纵向研发，更多是屁股决定脑袋，会趋于僵化。

当然，没有人会一开始就欣然接受这种“不断尝试和探索的文化”。于骞很无奈，从质疑再到理解，每个人必须要接受改变。“技术部门，必须保持随叫随到的状态”，他反复要求。

主动转型的直接效果，是研发部门对客户响应速度的迅速提升。“我们的‘ 客户成功’部门今天又全员出动，接到电话就去赶火车了…”他后来看到了变化，觉得这才是2B企业让人信服的态度。

“历经1年多，我才从比较头痛的状态里慢慢走出来，准备迎接下一个阶段。”

直到现在，轻舟还在不间断进行内部培训，以便让更多人适应新业务。但是，“保证客户成功自己才能成功”的巨大心态转变，没有扭转于骞作为一个自动驾驶信徒的本质。

或者说，他觉得服务车企与轻舟的长期战略目标绝不冲突。

“不是说服务车企，就是忘记初心，就代表了无人驾驶价值观的改变。相反，如果你在一二十年里只盯着一个目标，只认定两点之间的直线，恰恰无法实现最终的愿景。”

于骞把这种迂回策略形容为“登月发射轨迹”。

“人们总把自动驾驶形容为‘登月计划’，但登月轨迹并不是直线，而是沿着近圆形的轨道不断靠近，” 他解释，以阿波罗为例，登月飞船实际沿着一条十分复杂的曲线，以“绕圈”形式逐渐接近月球。

原因是地球与月球都在“自转”，需要考虑两端的迅速变化，才能找到一条最佳航行轨道。

“两点之间，有时候，直线才是‘最长’的。”

02.技术帮手

很长时间里，车企与科技公司之间所谓的“灵魂论”“肉体论”显得有点滑稽，因为中国科技公司从来不是车厂们的竞争对手。

相反，在汽车价格互相碾压的当下状态里，“自研”二字便显得格外沉重。而在特斯拉产品力、供应链缩短以及高毛利率的持续压制下，未来，竞争效能就变得愈加关键。

与此同时，很多智能驾驶功能的装点，变得更像噱头而非真实的体验。于骞说自己有同事和朋友买了带辅助驾驶的车，后来发现很多功能从没打开过。

“智能驾驶还没有达到让人感到美妙到超出预期的感受，但却变成一种吹牛或炫耀，对整个产业也不是一件好事。大家现在也越来越回到‘能给消费者带来什么’的状态。”

他说，最近从车企客户端，强烈感受到一种理性与商业本质的回归——极致体验和性价比。

“特斯拉如果持续在价格、低端新车型以及智驾系统上不断释放优势，那么竞争差距的拉大肯定不言而喻。”

于骞说，轻舟内部技术团队一直在密切追踪包括特斯拉在内的国外智驾系统更新状态，不得不说，基于庞大数据量，它们日进千里。

“大模型多任务模式，是一个必然的趋势。”

这里的大模型绝非最近讨论过头的GPT，而是2021年在特斯拉首届 AI Day 上，工程师们用除激光雷达外的多传感器融合数据，训练出的一个黑盒子状态（端到端）的多任务模型。

结果显示，深度学习最终得到的车道线和物体检测结果，确实比后融合效果清晰、稳定地多。

此后，自动驾驶系统的融合技术趋势便围绕大模型展开。而这个深度学习模型最大的特点之一便是采用“自监督学习”——

从大规模未标注数据学习图像特征，省去每一个任务执行前的数据标注。换句话说，可以省掉一笔昂贵的人力标注费用。

而在当下，带有智驾系统的车辆每天收集超过1TB数据，却有不到5%的数据被利用。一名来自顶级硬件大厂的轻舟机器学习团队成员向我解释，这一车企心头痛之一，有部分原因来自“人工标注”长期存在的问题。

“每天，大量数据被收集后，被用到感知模型前，无论如何都要做大比例标注。但点云与图像的标注成本太高了。所以走在最前面的一波人开始采用自监督学习。”

而“自监督学习”的最大优势，就是要让那些没有被标注的海量数据，被彻底利用起来。

与此同时，轻舟机器学习专家们也在尝试把自监督、半监督与弱监督揉在一起，各取所长。

特别是图像与点云的对比学习方式，他们发现，在对点云做自监督学习后，模型效果有明显提升。 这些结果，都被收录到计算机视觉顶会CVPR的论文集里。

由轻舟机器学习团队提供

当然，业内需要大模型另一个从没有明说的原因，在于“高精地图”。

很多人发现，只有“降成本”才能让马斯克眉开眼笑的特斯拉，早在自己2021年公开的大模型里，就把高精地图与定位去掉了。

而在国内，高精地图的高昂价格与有限的覆盖城市，也让车企对这一中国垂类市场充满“复杂情绪”。

于骞对于“高精地图是否该上车”给出的答案很务实——没有绝对的“要”与“不要”，这取决于车型什么时候SOP：

一边，如果时间紧迫，那么覆盖了全国30多万公里的高速公路地图便赢在“稳定可靠”，对于主机厂，赢得消费者体验后的信任更重要；

另一边，如果要做长期技术考量，城市场景的高精地图覆盖有限，无论成本还是更新频率，性价比并不高。与此同时，随着车在中国各地路上不断狂奔，大模型一定会飙速迭代。

因此，在轻舟将发布的城市NOA方案里，技术团队已经做到不再依赖高精地图，但于骞说这并不会影响高阶辅助驾驶的实现效果：

“未来它还能认‘熟路’，只要是走过的路，就会常走常新。”

将发布的基于单J5、有固态激光雷达的城市NOA版本。作者于现场拍摄

“在不同时间点，风险与成本的平衡，最终取决于让车企赢得自己客户的信任。”

他希望车企能用上轻舟团队开发的完整工具，让车企内部的技术工作者自己来掌握数据采集与加工方法。“数据和工具，都得握在自己手里。”

03.效能至上

即便在软件维度的能力上极为突出，但仍有一个轻舟面对的更严峻问题：

科技公司之间的技术优势差，在汽车输出端能否实现巨大差异，也许是说服车企的关键之一，但这一点目前存疑。

于骞非常诚恳，他承认汽车市场短期的确取决于人和非技术因素，但是，汽车2B生意长期一定是靠产品力来铺路。

“产品的极致性价比，这是毋庸置疑的核心。”

目前市面上L2++的传感器方案，无论是英伟达、高通还是地平线等国内头部企业提供的芯片，方案五花八门，成本也有高有低。但于骞很明确，他们不会搞一堆平台分散兵力，必须锚定几个特定方向打透。

“既然很难去跟大厂拼体量，技术背景也不是主导因素，那么，就必须对市场判断更早更准。”

譬如，轻舟是第一批基于英伟达Orin做了模型开发的中国自动驾驶公司；2021年，他们做了上下游调研后，在地平线J5还未“起势”时，就开始尝试单J与双J的感知方案。

“实话讲，我们在地平线上的算法开发比他们自己跑的都快，是最早把BEV感知算法用J5识别完成的公司，他们也非常开放和支持。”

于骞坚定选择国产方案似乎并不让人意外。

这首先在一定程度上受到成本驱动——车厂需要新时代Tier1们，在更具成本优势的芯片上榨干每一滴有限的算力。 “目 前，行泊一体方案在J5上可以做到跟英伟达Orin一样效果。 ”

“市场20万左右的车型，目前只有1~2个最合理的方案，不然的话，要么成本高，要么体验差。而我们就是要从这一端打深打透，做出最好的性价比。”他说。

高速NOA版本，图片现场拍摄

除了成本因素，在中国自动驾驶市场，或者说整个国内汽车供应链市场，国产软硬件占据将主导地位的趋势大部分人都已察觉。

当然，现在包括地平线在内的车载芯片公司综合能力尚在追赶国际一流大厂，但在国内，未来一定会有广阔市场。

04.写在最后

对于“务实”的更深刻理解，于骞是从一个在非洲销售摩托车的朋友那里感悟到的。

非洲几十个国家几百万人在用他们的三轮车和摩托车。在这片贫穷的大陆上，很多国家人均GDP不到3000美元，而摩托车，就成了非洲兄弟们想获得便利生活不可或缺的最好交通工具。

他觉得，这种生意很多人肯定根本不care，但却有如此巨大的市场；而智能驾驶有如此大的光环，上了很多车型后消费者为啥不怎么买单？

“所以我感觉，大家一定会越来越回归商业本质，车企也会回到怎么让消费者买车的核心议题上。

而我们存在的意义，就是让车企以最低成本，自己来掌握有效的智驾能力。”

就像中国摩托车在非洲的成功一样，某一个特定的市场与特定环境，会造就一个特定的产品。所以，他觉得从来就没有什么“L4比L2技术更厉害，L2就是降维”这种概念。

“公司内部谁敢这么说会挨批！”

他说，L4的设定都是极为完美的——完美的环境、完美的传感器以及完美的计算平台。然而，如果摄像头像素就500万，算力就30tops，那么一定不会出现L4。

“L4代表着‘接管率’与‘责任’，而L2++则是体验。技术没有‘降维’，只有‘适配’。”

很长时间里，他在给内部类比轻舟要做的事时，非洲摩托车成为了最好的榜样——

做 一个几百万人每天都会打开的东西，才是他们和客户都需要的。