轻舟智航于骞：“时空联合规划”方法带来更好体验 L4级方案量产成本低至1万元 ...

出品 丨 搜狐汽车

作者 丨 李德辉

2022年5月18日，轻舟智航举办首届QCRAFT DAY（轻舟智航品牌日）。官方信息显示，轻舟智航于2019年3月在美国硅谷成立，同年7月获得美国加州自动驾驶路测牌照，2020年7月发布第一代自动驾驶方案Driven-by-QCraft并在国内开展Robotaxi测试。截至目前，轻舟智航在苏州、北京、武汉、深圳 10余个城市落地自动驾驶车队超过100辆，其中龙舟Robobus已经服务超过20万人次。同时，2022年4月份，轻舟智航落地北京首个可公开道路运营的自动驾驶小巴。

成立三年以来，轻舟智航沉淀出自己的体系，轻舟智航创始人、CEO于骞将其概括为“一个方法论、两个引擎、三个产品”。

其中，一个方法论是指“自动驾驶超级工厂”，是一套以“数据驱动”和“效率提升”为内核的系统化、自动化的自动驾驶基础设施，致力于打造数据自动化闭环，并力求让整个闭环越转越快，为轻舟的技术、产品，以及各种自动驾驶解决方案的研发和快速迭代提供强大支撑。

两个引擎分别是动力引擎和创新引擎，针对公开道路L4级别自动驾驶能力和自动驾驶前装量产规模化落地。

三个产品是指龙舟SPACE、第四代量产车规级自动驾驶方案DBQ V4、轻舟矩阵。其中，龙舟SPACE定位于可在复杂公开道路运营的移动出行空间解决方案，可适配多种车型，既可以满足从长途到短途的无缝接驳，其空间也可多重变换，灵活覆盖不同场景需求。轻舟第四代量产车规级自动驾驶方案DBQ V4，是一套融合了轻舟行业领先的全栈自研的自动驾驶软硬件技术的超高性价比方案，只需10%的成本即可实现99%的L4能力，量产成本低至1万元人民币。DBQ V4的配置"随'机'应变、以不变应万变"，它不仅可实现全国产配置，并可根据不同客户或主机厂需求灵活选搭不同配置方案，同时以一套技术栈即可以满足不同车型和场景应用需求。轻舟矩阵是自动驾驶超级工厂的重要底层，是轻舟自主研发的以仿真为核心的自动驾驶研发工具链。它打通了从数据处理、标注、训练、大规模仿真和技术输出的全流程，实现自动驾驶数据的高效利用，驱动技术研发的高效迭代，成为轻舟自动驾驶超级工厂“数据驱动”和“效率提升”的重要支撑。

从上述信息来看，轻舟智航与其它的自动驾驶公司并没有明显区别。大家竞争的角逐点依然是自动驾驶技术的能力建设，基本逻辑是获取更多的有效数据进行算法训练，提高软硬件融合效率和减少corner case，降低量产成本和提高安全水平。目的和手段相似，只是各个企业表达方式不同。

不过，轻舟智航存在明显的三点不同。第一，即便轻舟智航具备Robobus和Robotaxi方面的能力，但是更多以Robobus被熟知。在发布会上，于骞一开始介绍轻舟智航时便提到这一点。不过，在会后的采访中，于骞认为，在商业化的发展速度上，Robobus可能会快于Robotaxi。

第二，L4级别自动驾驶方案量产成本低至1万元。于骞介绍，轻舟智航第四代量产车规级自动驾驶方案DBQ V4只需10%的成本即可实现99%的L4能力。他认为，L4级方案成本之所以高，是因为解决剩余1%的corner case问题需要付出更多代价。消费者可能会更注重驾乘体验，而不是车辆属于哪种级别。这样，车辆会在不同场景中匹配不同能力，毕竟corner case会永远存在。同时，即便是1万元量产成本的解决方案也有安全冗余，摄像头之间会存在一定的视觉重叠。

第三，中国首家采用时空联合规划，比传统规划控制方法更高效地处理复杂情况。于骞介绍，业界惯用的方法是时空分离计算，借助大量手写规则调整车辆行为和依赖道路测试验证算法。这种方法的缺陷在于道路应变能力有限，容易造成急刹等不佳体验。轻舟智航的“时空联合规划”方法能够让车辆更敏锐的应对变化，可在各类复杂路况难题中顺畅地完成连续绕障。

另外，在生态资源搭建上，发布会上，于骞公布了与芯片企业地平线、出行服务平台T3的合作。其中，预计在2022年第三季度，双方基于征程5芯片的自动驾驶样车将开放路测；到2023年，双方基于征程5芯片联合研发的高等级自动驾驶方案将达到量产水平。根据合作协议，双方还将围绕前装乘用车量产领域的高级辅助驾驶（ADAS）、自动驾驶、智能人机交互、AI能力建设等方面进行重点合作。地平线将提供以“芯片+AI开发平台”为基础的智能汽车解决方案，通过车规级AI芯片、车载计算平台、视觉感知、人机交互等技术支撑轻舟对于全场景智能驾驶技术落地的多元化需求。依托各自行业资源优势，双方还将积极开展联合市场推广，基于自动驾驶解决方案，实现更多乘用车前装量产项目的落地。

以下为采访内容：

Q1：如何理解“10%的成本实现99%的L4能力，量产成本低至1万元”？

于骞：像您刚才提到的 L4，最困难的就在最后的10%甚至1%的问题，因为为了实现一种完全的无人驾驶，这里面涉及到大量的底层的安全冗余，包括车本身的线控到电源，到传感器到计算到整个软件，它是一个需要非常大量的不同兜底的策略，同时还需要大量的路测，包括非常广泛的仿真测试才能实现，所以它的成本是非常之高的，这是为什么L4落地这么的困难。

在现阶段来讲，不同的L4的公司都是在不同ODD的限定条件下实现L4，也有一些特殊场景，比如像港口，L4最困难的是在最后的那一部分。

但同时我们想推出让更加广泛的用户能够体验到的高等级自动驾驶能力，而不是单点传统的辅助驾驶能力，所以我们认为它的成本一定是要非常合理，而且以非常创新、新颖的方式才能够实现。

所以，我们推出了第四代量产车规级自动驾驶方案DBQ V4。

首先它是完全为量产而生的，从我们的传感器、计算平台，包括我们整体的开发方式，都是为了前装量产而生，我们同时提出了一个可配置的方案。因为在提高量产乘用车的角度，不同的乘用车都有自己的品牌、产品定位，包括面向不同的消费者人群，他们有自己的定位，所以我们更多的是提供一套可配置的方案让我们的主机厂客户和最终消费者可以有自己的选择能力，他可以选择哪些更加适合我自己的产品定义，这样的话就提出了10%的成本来实现绝大部分的L4能力，提供一个非常高、非常安全、又体验非常良好的产品，而不是像之前那种单点的非常单一的自动驾驶能力。

同时，随着整个行业的发展，我们可以看到，从过往数万美元的机械式激光雷达到现在的几百美元，还有之前几个TOPS或者十几个TOPS的算力到现在几百TOPS甚至上千TOPS的大算力平台的出现，包括我们这次和地平线达成战略合作的征程系列芯片，大算力平台计算芯片上前装量产乘用车是一个非常明显的趋势。在整体行业成本下降趋势来讲，我觉得这是非常可期的一件事。通过我们的创新以及量产规模化，是可以实现成本大幅下降的，结合我们高性能的可配置的算法，来提供更加优质、合理的配置。实际上我们更多的是能够在相对比较有限的资源下来更好的提供更加安全顺畅的驾驶体验，这点是我们始终坚持的理念，而不是靠简单的堆积硬件的方式。

所以，一方面，我们发布的旗舰版DBQ V4，它是一个可以实现完全L4的计算能力的这么一个的方案。另外一方面，在一种可选的配置上，可以用一个更低的成本来实现绝大部分L4能力。

随着我们量产规模的扩大、创新能力效率不断提升，整体的成本要能够进入到我们普通老百姓都接受的价格范围，这是能够大范围普及的很重要的一点。当然这可能是整个行业发展的趋势，也需要整个行业一起去努力。

Q2：DBQ V4的配置方案是怎样的？

于骞：我们整个DBQ V4的方案，如果装机旗舰版，是一个完全实现L4能力的，包括它的算力、传感器的配置、完全无盲区的设计，可以实现在城市道路下完全的一个L4能力。

同时我们在可配置版本里面提出可以在10%的成本实现99%的L4能力。因为刚才我已经提到了，最难的那部分就是最后的10%，甚至是1%的完全无人能力，所以面向我们主机厂更多的是采取成本更加合理，体验更加完整的方案。

具体的方案，我们在标准版里，是以视觉、毫米波雷达，加上一个前向激光雷达，在一定的ODD范围内，实现大部分自动驾驶能力。所以在这方面来讲，我们推荐的参考配置，并不是一定的，最终配置还是要和我们的主机厂客户根据他们的需求去确定。我们更重要的是提出一种可配置方案，而不是说我只提供 A、B、C三个方案，然后去选，从而更好的适应客户的产品定义，来助力我们的客户去创新。这是我们的DBQ V4产品的符合前装量产的产品背后的一个考虑。

Q3：选择DBQ V4的最低方案是否无法实现冗余？

于骞：在自动驾驶领域，冗余是一个无处不在的事情，比如即便是我们的标准版的方案里也用到一共是12个摄像头，有7个环视的，加了4个鱼眼，1个前向的针对红绿灯的摄像头，就摄像头本身就是一个完整的360度覆盖，它本身之间就产生很多的冗余。

同时我们装配的激光雷达的位置，和视觉是一个很好的配合，包括在计算平台里面，我们也充分考虑了计算的一些安全的软件兜底的策略，所以安全冗余在自动驾驶领域是无处不在的，针对不同场景有不同需要。

或者可以这么理解，在面向乘用车的前装量产的业务来讲，因为它还是要有司机坐在驾驶员位置上，所以可以理解他也是一种冗余，包括它的产品的设计来讲，包括像车内车机、车舱的一些设计，都是要确保它整体产品的安全能力，就不存在就是说普通版就没有冗余，所以冗余只是在多少而已。纯L4的冗余非常多，因为它也是完全无人的这么一种设计，所以最后的10%或者1%的都需要大量的冗余能力。

所以这也带出了Robotaxi大范围落地的困难，刚才也提到了，它需要非常多的安全策略，从底层的车辆到计算到传感器到整个软件层面，包括大量的道路测试和仿真测试，所以这里面的困难是非常大的，这是在当前来讲Robotaxi没有大范围落地的一个重要的原因，但这件事也是在不断的往前推进的。

所以刚才说的安全冗余这方面，重要一点就是广泛的落地。在广泛推广之前，需要见到足够多的很严重的长尾问题，任何一个长尾的问题没有得到解决，它就没有办法实现完成。长尾的问题就是要通过大量的道路测试、仿真的测试来实现。

自动驾驶的落地需要非常高效的数据驱动方式来实现，就是要解决层出不穷的长尾问题，然后更高效的处理特殊情况，系统算法快速迭代，这就是底层的逻辑。

Q4：Robotaxi和Robobus的数据是否可以共享？两者在研发过程中有什么区别？

于骞：我们几年前或者更早的时间看到传统的简单的辅助驾驶和真正无人驾驶这两方面几乎没有什么太多交集，比如说传统的辅助驾驶里1V1R这样的方案和完全的无人驾驶用非常大的算力，非常多的传感器，包括做非常多的视觉，这两个在几年前基本上没有交集，所以它们之间业务是没有办法实现数据的共生共享，所以很难实现交集。

随着整个行业的发展，随着传感器、计算的不断发展，发现大算力平台上量产车，成本更加合理、能力也很强的传感器上量产车，这两个业务也有了很多的交集。

所以我们认为在这个时间点，基于我们同样的一个方法论--自动驾驶超级工厂，通过数据驱动、效率提升来实现高等级自动驾驶，这两件事的数据共生共享是可以实现的，这是一个很重要的改变。

未来，大家可能大家不太去关心这车到底是L2的L3的还是L4的，可能在某一些非常特定的场景下，比如泊车或者非常熟悉的一些区域内会实现完全的无人，可能在某一些完全不熟悉的情况可能只能实现一些非常基本的自动驾驶。当然也许在某一些政策允许的特定路段，能够实现L3的能力。所以未来可能大家更加关注的是整体的驾驶体验，尤其在前装量产乘用车方面，所以我觉得是未来发展的一个明显的趋势。

Q5：自动驾驶工具链如何与汽车企业的内部研发衔接？

于骞：自动驾驶行业的发展不再像之前传统的辅助驾驶或单点的辅助驾驶功能，它是一个更加一体化的系统，越往高等级自动驾驶发展，越会发现整个系统的相关性变得非常强。这也需要大量的数据去支持自动驾驶的技术可以不断的迭代和提升。

我始终认为主机厂的自动驾驶智能化应该是占有非常重要地位的，因为他们可以实现真正的数据闭环，但是他们确实需要一套工具去更好的管理自己的数据，能够在这样的数据资产上实现价值的提升。基于我们的观察，我们也看到主机厂在这方面有蛮强的一个需求，尤其像前装量产的乘用车领域的系统交付，比如说一旦一辆车SOP了，已经智能化的软硬件安装了，但这并不是一个结束，可能正是一个开始。因为这里面还需要通过不断的进行数据回流，通过离线数据的收集，通过不断的模型提升，通过不断档的性能，把最终的硬件软件的能力充分发挥出来，通过OTA的升级，不断的给终端的消费者用户提供更好的驾驶体验。所以这些内容都需要一些非常好的底层的工具链支持。

所以我们把我们底层经过积累下来的这些工具链产品化，去服务我们的专项客户，包括像我们的数据平台、标注平台、训练平台、仿真平台，涵盖了数据的表示、存储、可视化，去做测试验证，去做大规模的云端仿真，一整套的数据变化。而这部分的工具是脱离于算法本身的，我们只提供一些参考算法。通过这套工具链，客户可以根据自己的需求来搭建自己的自动化系统。

Q6：希望政策上有哪些助力？中美两地，哪边会在商业化落地上更快一些？

于骞：我们在全国各地很多地方都已经拿到了自动驾驶的智能网联巴士的牌照，北京牌照确实有特别一些，因为北京确实是在全国范围内，有一个政策引领的重要角色。我们拿到的是北京市首批智能网联客运巴士测试牌照，确实是有挺明显的政策指向的意义。

牌照规范的要求是拿到牌照以后，首先要有1万公里的空载里程，之后才可以进入到载人资格，所以目前是在进行过程之中的。同时对整个监管平台，包括安装一些监管设备，记录一些里程数据也都有蛮好的实践。

整个政策是在不断的变得更加透明、更加开放的一个状态，所以是整体是向好发展的一个方面。自动驾驶的大范围落地是技术和政策相辅相成的。比如技术达到一部分，政策放开一步，然后技术再到一定程度，政策再放，过去的几年就是这样发展的，一步一步的在往前推进。除了完全无人的牌照发放，包括收费都在出现，这是一个向好发展的迹象。

同时我们看到在中国的自动驾驶发展，政策的导向性还是很明显，在很多的地方都有支持，自动驾驶政策的发布不光是在北京。

针对第二个问题，确实我之前在硅谷做实践，然后在国内任职，我们看到在中美的这两个市场环境下，还是很不一样的。从商业化的角度来讲，美国的环境下，它的人力成本更高，然后道路情况相比来讲更加结构化一些，中国的道路情况更加复杂，对我们自动驾驶公司来讲，复杂有很大的好处，使我们的测试效率更高，基本上在中国的测试效率是比在美国的测试效率更高的。

我觉得在整个的商业化进程中都需要考虑到市场需求、接受程度的问题。所以我觉得在美国或者中国这两方面，是不一样的商业化的路径。在成本和场景的复杂程度上，这是两国差异很大的方面。从技术角度来讲，我觉得在中国有非常好的工程师，非常好的创新型人才，中国自动驾驶的未来非常光明，我们非常看好中国自动驾驶的长期发展趋势。

Q7：请您预估一下自动驾驶商业化落地的时间节点？

于骞：关于落地的时间，我觉得一定是和落地的限制和场景相关的。我们看到Robotaxi的落地，我觉得乐观估计可能5年，稍微不乐观一些，可能需要10年。

但我们认为像Robobus中低速的场景，它解决短途出行的问题，更好的和轨道交通相结合。虽然是面向开放道路的，但是可能落地会更快。所以我们一开始把Robobus作为切入点去推进，它和Robotaxi本身并没有本质的区别，都是面向开放道路的，它的区域相对小一些，它不需要形成更加广泛的区域、更长的距离，可以得到更加充分的测试。

所以我们认为Robobus的落地时间会比Robotaxi更快，这也是我们看到在实际推进中发现的例子。事实上在各地Robobus的应用场景，更加接近我们的实际生活，更加符合中国的实际情况。

就量产这方面来讲，高等级自动驾驶前装量产车正在进行中，很多在2023、2024年SOP的车已经开始规划了非常高等级的自动驾驶能力，这是一个非常快的趋势。

Q8：自动驾驶商业化方面，您认为G端、B端、C端，哪个方向落地更快？

于骞：从自动驾驶领域来讲，轻舟智航成立之初，我们非常看重的就是技术和商业之间要找到一个很好的平衡，两者之间能够Bridge The Gap，通过一个商业闭环推动更大的商业闭环，一步一步的实现自动驾驶，这是我们从一开始就非常坚持的底层逻辑。大家都知道自动驾驶未来是非常美好光明的前景，但是怎么样一步一步走到，我们更多的是回答一个路径的问题。

关于您提到的，不管是Robotaxi或者是前装量产业务，很大程度上问到两个问题，一方面是市场落地的时间谁更快一些，另外一个就是空间。从商业化落地的两个重要的方向来讲，一种是通过体验角度的方式，比如像特斯拉就通过自动驾驶的能力加装在私家车上，使驾驶体验变好，另外一种是通过效率提升的方式，通过把人完全去掉，真正实现完全无人驾驶，使成本结构发生根本变化，通过把人从驾驶位置取代出来，来实现价值的体现，就这两方面来讲都是自动驾驶商业化的两个大方向。

这两个方向都有很多的应用场景，我们认为Robotaxi未来的空间会非常大，如果实现完全无人驾驶更非常广泛落地的话，对整个社会的基础设施、出行结构都会有一个根本性的变化，在出行领域很多都可以很好的数字化，通过网约、电动化都可以。但是驾驶员角色是非常难以数字化的，一旦我们实现了完全自动驾驶，那么司机的角色就可以完全的数字化，对出行的改变是根本性的。

Robotaxi的市场空间非常大，但它的难度非常高，5年甚至10年才能普及，所以空间大，很多的落地周期会非常长，也非常挑战。

我们推出Robobus的应用场景，它是面向开放道路，和Robotaxi并没有本质的区别，但是相比Robotaxi，它的ODD更小一些，速度相对慢一些，就更快能够实现商业的闭环。尤其中国的轨道交通非常发达，对整个出行效率有很大的提升，但是从轨道交通下来以后，短途的出行并不是特别好，不管是传统的公交或是私家车，甚至是共享单车，这方面都有很多的问题。所以我们推出Robobus产品，很大程度上能够解决中国的人口基数大、人口密度高带来的短途多人出行的痛点，这是非常适应中国国情的。

在量产车型上，我们发布会上提到，随着整个行业的技术发展，我们的政策不断放开，关键的传感器、计算平台的能力提升，使得量产车型上的自动驾驶体验会有一个很大的提升，我们的终端用户不单单满足单点的自动驾驶能力，更多希望一个完整的更加顺畅的良好体验。

所以这点来讲，我们认为前装量产有一个非常大的机会，能够在更广泛的场景上验证我们的技术，积累我们的数据，服务更多的应用场景，在横向方面能够得到很大的拓展。同时在一些相对比较小的ODD场景下，一定范围之内可以实现完全的无人驾驶。两方面同时努力，将无人驾驶最终带进现实。所以我们在这个时间点提出双擎战略，很大程度上是适应市场和行业发展自然的选择。

Q9：轻舟智航的商业化进展如何？

于骞：商业化进程在加快，包括我们在Robobus方面的落地，包括这次也宣布了我们Robotaxi和T3出行非常重要的运营平台的合作，为我们未来开拓Robotaxi的运营场景打开了一个非常广阔的天地。同时我们也与地平线达成了非常强有力的一个战略合作，将为我们的主机厂客户提供高等级自动驾驶前装量产方案。所以我们在前装量产业务中也一个很好的期待。

Q10：轻舟智航未来的发展规划？

于骞：一方面我们会在一些特定的领域持续深耕，在一些特定的ODD环境下实现完全无人驾驶，这就是动力引擎的部分。在这之上，我们发布了面向未来的城市移动空间--龙舟SPACE，它更多的是一种对未来的城市整体出行方式的解决方案。

同时，我们向横向扩展更广泛的场景，面向乘用车的量产车型的创新引擎，利用我们的技术实力为我们的客户提供成本更加合理，更加安全、顺畅、完整的更高等级自动驾驶体验，服务于广大的客户和消费者，让更广泛的人群能够感受到自动驾驶的方便。同时在我们创新引擎的基础上也支持我们的客户创新，他们能够根据自己的车型，根据自己的用户体验来定义他们的产品，从而更好的满足最终客户的需求。

在此基础上，我们也为客户提供了一套工具链产品。真正在主机厂客户的数据资产护城河上，能建立自己长期不断迭代的能力，这是自动驾驶长期发展中很重要的一个作用。