過去幾年，自動(dòng)駕駛領(lǐng)域一直有場討論，那就是：跨越式自動(dòng)駕駛和漸進(jìn)式自動(dòng)駕駛，哪條路線會(huì)更快走向無人駕駛？如今隨著大量玩家轉(zhuǎn)戰(zhàn)量產(chǎn)，討論逐漸偃旗息鼓，漸進(jìn)式路線也從一條少數(shù)廠商堅(jiān)持的冷門路線，變成了主流之選。

主張跨越式的玩家希望先打造出小范圍內(nèi)的無人駕駛，然后逐步擴(kuò)大范圍，最后形成廣泛可用的無人駕駛。主張漸進(jìn)式的玩家則是希望先打造出大范圍可用的人車共駕，逐步減少人的參與，最后形成廣泛可用的無人駕駛。隨著汽車智能化進(jìn)程的持續(xù)推進(jìn)，后者如今迎來了自己的快速發(fā)展。

在這條路線上，有一家公司堅(jiān)持了將近7年時(shí)間，打造視覺為主、多傳感器融合的全棧技術(shù)，開發(fā)滿足高中低不同需求的前裝量產(chǎn)應(yīng)用，通過大范圍的商業(yè)落地推動(dòng)技術(shù)的持續(xù)迭代。這家公司就是Nullmax紐勱，早早推出行泊一體，也早早取得了技術(shù)的量產(chǎn)突破。

2022年，Nullmax完成了量產(chǎn)項(xiàng)目的首個(gè)交付，而在今年，更多量產(chǎn)車型的技術(shù)方案也將先后完成交付。汽車行業(yè)的智能駕駛浪潮雖然才剛剛開始，但Nullmax早一步實(shí)現(xiàn)了量產(chǎn)項(xiàng)目的一連串定點(diǎn)，而且同步開始了不同方案的平臺(tái)化開發(fā)和并行式交付。

在這背后，是產(chǎn)品、技術(shù)、商業(yè)的細(xì)致布局，也是一位漸進(jìn)式玩家堅(jiān)守的長期主義：開發(fā)具有成長性的平臺(tái)化技術(shù)，為行業(yè)每個(gè)時(shí)期提供符合需求的產(chǎn)品，通過商業(yè)和技術(shù)的相互促進(jìn)，去達(dá)成最終的無人駕駛目標(biāo)。

一、理解漸進(jìn)本質(zhì)，產(chǎn)品技術(shù)做到極致

前裝量產(chǎn)是漸進(jìn)式自動(dòng)駕駛最主要的應(yīng)用，即通過與汽車廠商的合作將智能駕駛系統(tǒng)安裝到十萬、百萬輛的普通新車上，通過人類司機(jī)的監(jiān)督、指揮和示范，在山南海北、差異巨大的道路上真實(shí)運(yùn)行，收集數(shù)不勝數(shù)的挑戰(zhàn)性場景和有價(jià)值數(shù)據(jù)，經(jīng)過長期持續(xù)的迭代，最終成長為無人駕駛。

相比于跨越式路線，漸進(jìn)式路線的關(guān)鍵特點(diǎn)就在于，前裝量產(chǎn)應(yīng)用的市場需求極大、商業(yè)模式成熟，企業(yè)可以通過技術(shù)獲得正常商業(yè)收入，保障長期研發(fā)。整個(gè)漸進(jìn)的過程中，技術(shù)和商業(yè)相互助益。

而這個(gè)長期計(jì)劃的第一步，也是最基礎(chǔ)的一步，就是打造可成長的平臺(tái)化技術(shù)體系：早期的開發(fā)的技術(shù)，在商業(yè)的初期就可以提供成熟的應(yīng)用，并基于實(shí)際的應(yīng)用持續(xù)迭代、快速成長；而為了保證應(yīng)用的規(guī)模足夠龐大，數(shù)據(jù)足夠豐富，商業(yè)效率更高，技術(shù)也需要支持更多項(xiàng)目、更多車型、更多樣需求，平臺(tái)化必不可少。

因此，Nullmax選擇了視覺為主、多傳感器融合的感知策略，確定了機(jī)器學(xué)習(xí)優(yōu)先的技術(shù)路線，一條適合大規(guī)模部署、可以漸進(jìn)實(shí)現(xiàn)無人駕駛的技術(shù)路線。

視覺信號是駕駛車輛最主要的信息來源，信息含量豐富，易于獲取，因此視覺為主的感知策略，最便于實(shí)現(xiàn)大數(shù)據(jù)驅(qū)動(dòng)的自動(dòng)駕駛機(jī)器學(xué)習(xí)。而且攝像頭應(yīng)用成熟，發(fā)展迅猛，可以為視覺感知提供硬件支撐，所以無論是當(dāng)前的前裝量產(chǎn)還是今后的無人駕駛，這條技術(shù)路線都尤為合適。

不過，這也是一條尤為復(fù)雜的路線。自動(dòng)駕駛是一項(xiàng)系統(tǒng)性的復(fù)雜工程，需要的技術(shù)非常之多。Nullmax自研了全棧的軟件算法，包括全部的上層應(yīng)用，比如感知、融合、預(yù)測、規(guī)控，以及專門的自動(dòng)駕駛中間件。除了車端的軟件之外，還有云端的應(yīng)用，以實(shí)現(xiàn)數(shù)據(jù)的高效采集、篩選、存儲(chǔ)、運(yùn)用，去進(jìn)化出更好的軟件算法。

特別是在關(guān)鍵的上游感知環(huán)節(jié)，為了實(shí)現(xiàn)攝像頭與攝像頭數(shù)據(jù)的融合，攝像頭與其他傳感器的數(shù)據(jù)融合，以及時(shí)間、空間信息的融合，Nullmax在2020年構(gòu)建了基于BEV的感知基礎(chǔ)架構(gòu)。通過持續(xù)的完善，這套架構(gòu)發(fā)展成了BEV-AI自動(dòng)駕駛整體技術(shù)架構(gòu)，為不同場景、不同產(chǎn)品、不同功能、不同配置提供平臺(tái)化的應(yīng)用。

在這當(dāng)中，Nullmax完成了許多短期不見成效但對于量產(chǎn)來說意義重大的工作，比如中間件的開發(fā)，芯片平臺(tái)的深度優(yōu)化，等等。對于少量項(xiàng)目的落地，或者是基礎(chǔ)的ADAS應(yīng)用，以及更多短期性的目標(biāo)，這些工作投入巨大但幫助有限，只有在長期的落地過程價(jià)值才會(huì)完全顯現(xiàn)。

因?yàn)樵诿鎸Φ礁鞣N各樣的量產(chǎn)應(yīng)用時(shí)，技術(shù)的效率和穩(wěn)定將會(huì)成為重點(diǎn)，軟硬件解耦以及模塊化部署的價(jià)值才會(huì)凸顯；同時(shí)也只有要求嚴(yán)苛的量產(chǎn)應(yīng)用，以及真正大規(guī)模的部署，才會(huì)深入考慮如何基于車規(guī)級的芯片，完成高性能、高并發(fā)、高可靠的自動(dòng)駕駛計(jì)算。

在這樣深厚的技術(shù)積累之下，Nullmax先后推出了智能駕駛以及視覺感知方案，為市場提供包括行泊一體的主流需求應(yīng)用；同時(shí)讓產(chǎn)品支持高中低不同的配置，最大程度地滿足行業(yè)多樣化需求。

過去一兩年，行泊一體憑借明顯的功能優(yōu)勢和成本優(yōu)勢，在智能化趨勢下尤其受到了眾多車廠的喜愛，Nullmax的智能駕駛量產(chǎn)方案收獲頗豐。而對于有自研需求的廠商來說，單獨(dú)的定制化視覺感知方案可以解決長期的技術(shù)瓶頸，Nullmax的視覺感知方案也是備受青睞。

二、加速技術(shù)成長，奔赴無人駕駛目標(biāo)

過去幾年里，自動(dòng)駕駛的發(fā)展波瀾壯闊，路線的切換以及產(chǎn)品的更迭并不少見，前裝量產(chǎn)領(lǐng)域的長期堅(jiān)持，讓Nullmax獲得了商業(yè)層面的巨大突破，也讓Nullmax的技術(shù)迭代進(jìn)入了新的階段。

在漸進(jìn)式自動(dòng)駕駛中，海量數(shù)據(jù)是打開無人駕駛的最重要鑰匙，更是技術(shù)發(fā)展的催化劑。就像ChatGPT等大模型，需要海量的數(shù)據(jù)來訓(xùn)練出強(qiáng)大的能力一樣，自動(dòng)駕駛需要規(guī)模龐大的量產(chǎn)車隊(duì)提供的海量數(shù)據(jù)，來不斷強(qiáng)化AI模型的能力，進(jìn)而最終實(shí)現(xiàn)無人駕駛。

如今Nullmax提供的完整智能駕駛應(yīng)用，以及單獨(dú)的視覺感知模塊，開始紛紛交付上車，這也就意味著Nullmax擁有了一支規(guī)模快速擴(kuò)大的量產(chǎn)車隊(duì)。盡管它們的應(yīng)用形態(tài)不盡相同，配置也有高有低，但是在加速AI模型迭代這件事上，它們都能貢獻(xiàn)作用。

自動(dòng)駕駛數(shù)據(jù)的類型多種多樣，感知數(shù)據(jù)是當(dāng)前最稀缺的數(shù)據(jù)之一。比如，稀奇古怪的障礙物，特殊車道線的道路，差異化的交通標(biāo)志和信號燈，等等。這些量產(chǎn)應(yīng)用中落地的視覺感知模塊，不僅可以通過數(shù)據(jù)閉環(huán)提供重要的感知數(shù)據(jù)，提升自身性能，還可以參與到基礎(chǔ)模型的訓(xùn)練中，解決大量長尾自動(dòng)駕駛的問題。

而完整的智能駕駛應(yīng)用，在提供感知數(shù)據(jù)的基礎(chǔ)上，同樣還會(huì)涵蓋規(guī)控等層面的數(shù)據(jù)。比如，緊急加減速、緊急橫向避讓、AEB誤觸發(fā)、變道失敗等情形的數(shù)據(jù)，以及人類司機(jī)的一些參考數(shù)據(jù)，都可以用于整個(gè)自動(dòng)駕駛系統(tǒng)的迭代優(yōu)化。

即便是一些中低配置的車型，算力和傳感器的性能稍低，同樣也能發(fā)揮作用，而且用處很大。比如Nullmax基于單顆TDA4芯片的高性價(jià)比方案，也能支持中低配置車型實(shí)現(xiàn)行泊一體，實(shí)時(shí)處理行車、泊車場景當(dāng)中的感知、規(guī)控?cái)?shù)據(jù)。這些車型的市場占比極大，不僅數(shù)據(jù)的規(guī)模龐大，而且多樣性更好，對于自動(dòng)駕駛進(jìn)化來說幫助巨大。

在更高配置方案的車型上，自動(dòng)駕駛一方面可以部署更大更復(fù)雜的AI模型，另一方面也可以收集更多維度、更高要求的數(shù)據(jù)。比如Nullmax的BEV-AI架構(gòu)，包含車端實(shí)時(shí)構(gòu)建局部地圖以及BEV規(guī)劃等模塊，可以實(shí)現(xiàn)端到端的全場景自動(dòng)駕駛，所以Nullmax將這些技術(shù)應(yīng)用到基于Orin芯片的量產(chǎn)項(xiàng)目之后，在打造更極致的體驗(yàn)同時(shí)，也可以為整個(gè)數(shù)據(jù)閉環(huán)提供對應(yīng)任務(wù)的數(shù)據(jù)。

雖然這些量產(chǎn)應(yīng)用的方案配置不盡相同，但它們都是出自BEV-AI架構(gòu)的平臺(tái)化應(yīng)用，因此可以通過同一個(gè)數(shù)據(jù)閉環(huán)系統(tǒng)反哺有價(jià)值的數(shù)據(jù)，促進(jìn)同一個(gè)基礎(chǔ)模型的快速成長。這是Nullmax早期曾談到的One Model One Cycle理念，如今已經(jīng)深入運(yùn)用到各項(xiàng)研發(fā)和應(yīng)用當(dāng)中。

實(shí)際上，這和ChatGPT等大模型表現(xiàn)出強(qiáng)大能力的原理并無二致。更多樣、更海量的數(shù)據(jù)，以及針對多樣任務(wù)的更復(fù)雜模型結(jié)構(gòu)，更加容易形成強(qiáng)大的能力、快速的進(jìn)化，最終帶來質(zhì)的改變，實(shí)現(xiàn)無人駕駛。

而這些的最后，對應(yīng)的也正是Nullmax的企業(yè)使命：打造全場景無人駕駛應(yīng)用，加速移動(dòng)出行智變。

在這條漸進(jìn)的路上，Nullmax保持專注，將看準(zhǔn)的方向做深做透，進(jìn)而迎來量產(chǎn)進(jìn)展。按照Nullmax的漸進(jìn)策略，實(shí)現(xiàn)L2/L3功能的落地之后，接下來要做的就是實(shí)現(xiàn)L4的體驗(yàn)，在量產(chǎn)項(xiàng)目持續(xù)落地的節(jié)奏下，數(shù)據(jù)成為關(guān)鍵加成因素，漸進(jìn)的步伐將會(huì)明顯加快。

不過，前裝量產(chǎn)顯然只是起點(diǎn)而非終點(diǎn)，漸進(jìn)式自動(dòng)駕駛發(fā)展出的無人駕駛能力，最終將成為一項(xiàng)通用的底層能力，支持從載人到運(yùn)貨的不同應(yīng)用。

值得一提的是，自動(dòng)駕駛長期面臨的一個(gè)問題，就是怎樣兼顧長遠(yuǎn)的技術(shù)目標(biāo)和短期的商業(yè)現(xiàn)實(shí)，漸進(jìn)式自動(dòng)駕駛當(dāng)初給出了自己的答案，如今也用實(shí)踐證明了自己的答案。盡管過程可能很苦很累很長，但是看起來越來越多企業(yè)就要走完這場長征，進(jìn)入新的階段。

許巍的歌中有這樣一句歌詞，生活不止眼前的茍且，還有詩和遠(yuǎn)方的田野。你看，堅(jiān)守自動(dòng)駕駛長期主義的這批人，不就是跨過了早期的茍且，正迎來詩和遠(yuǎn)方的田野嗎？