過去很長一段時間里，前裝量產(chǎn)曾被看作是自動駕駛技術(shù)含量偏低的一個領(lǐng)域，而且由于價值太低，以至少人問津。

隨著時間推移，這樣的誤解越來越少，行業(yè)內(nèi)外的看法也發(fā)生了180度的巨大轉(zhuǎn)變。汽車廠商紛紛推動智能駕駛上車，市場層面直接驗證了前裝量產(chǎn)的巨大價值。質(zhì)疑量產(chǎn)，理解量產(chǎn)，選擇量產(chǎn)，成為了自動駕駛領(lǐng)域的真實寫照。

在親身實踐后，許多從業(yè)者也發(fā)現(xiàn)前裝量產(chǎn)的難度其實超過預期。從實現(xiàn)無人駕駛的角度來看，漸進式路線在技術(shù)和商業(yè)上更為可行，前裝量產(chǎn)其實是件典型的難而正確的事情。

對于這一點，有的玩家是后知后覺，有的玩家則是早有預見，把握先機完成了技術(shù)的布局和商業(yè)的突破。在這當中，長期潛心推進量產(chǎn)應用的Nullmax紐勱是為數(shù)不多的后者。

作為一家“非典型”的自動駕駛公司，Nullmax沒有在一開始就強調(diào)無人駕駛的量產(chǎn)，也沒有為自己的方案配上豪華的硬件，而是做了許多不被理解但之后證明正確的事情。比如，堅持漸進式的路線，打造視覺為主的方案，不依賴激光雷達，不依賴高精地圖，推出行泊一體系統(tǒng)，為硬件做減法來降本增效，等等。

在Nullmax看來，無人駕駛不可能一蹴而就，漸進式自動駕駛是實現(xiàn)無人駕駛的最佳路線。前裝量產(chǎn)是漸進式路線主要的落地方式，擁有無可比擬的數(shù)據(jù)優(yōu)勢，既能夠最快程度地訓練出實現(xiàn)無人駕駛的AI系統(tǒng)，也能帶來持續(xù)的商業(yè)收入支持無人駕駛的長期研發(fā)。不過在兩全的背后，需要應對的挑戰(zhàn)和付出的努力也是成倍。

為此，Nullmax打造了一套尤為完善的平臺化技術(shù)體系，涵蓋感知、規(guī)控等所有的上層應用以及中間件，提供從車端到云端所需的軟件算法，以解決自動駕駛開發(fā)、部署、升級過程中可能遇到的各種難題，并面向汽車行業(yè)推出了滿足不同需求的智能駕駛、視覺感知產(chǎn)品，讓技術(shù)盡可能服務于更多的量產(chǎn)車輛。

實質(zhì)性的量產(chǎn)突破是漸進式道路上的關(guān)鍵一步。在2021年獲得首個量產(chǎn)項目，2022年完成首個交付之后，Nullmax翻過了量產(chǎn)路上的第一座山丘，在無人駕駛的路上加速前進。

無人駕駛沒有捷徑，量產(chǎn)可以少走彎路

在自動駕駛的浪潮初期，行業(yè)對無人駕駛的實現(xiàn)路徑有不同認識。一種主流的看法是應當先實現(xiàn)小范圍的無人駕駛?cè)缓笤僦鸩綌U大范圍，被稱為跨越式路線；另一種相對小眾的看法是先實現(xiàn)大范圍的人車共駕然后再逐步減少司機的干預，被稱為漸進式路線。

由于Nullmax的創(chuàng)始團隊曾親身推動并完整經(jīng)歷了自動駕駛的大規(guī)模落地，對自動駕駛的研發(fā)和大規(guī)模應用有著深入的理解，因此Nullmax從一開始就是漸進式路線的堅定支持者。

在創(chuàng)業(yè)之前，CEO徐雷博士曾先后在高通、特斯拉工作，并作為Autopilot研發(fā)團隊的核心成員和Tesla Vision的深度學習負責人，從零開始領(lǐng)導搭建Tesla Vision深度學習網(wǎng)絡(luò)，成功取代了特斯拉第一代產(chǎn)品中使用的Mobileye視覺系統(tǒng)。

Nullmax的另一位創(chuàng)始人兼COO宋新雨，曾任特斯拉研發(fā)質(zhì)量和供應鏈部門高級經(jīng)理，作為Autopilot及娛樂系統(tǒng)開發(fā)團隊骨干成員，深度參與了Autopilot 1.0和Autopilot 2.0系統(tǒng)的開發(fā)和產(chǎn)品化過程。

在經(jīng)歷了Autopilot 1.0和Autopilot 2.0的開發(fā)過后，Nullmax的兩位創(chuàng)始人認為漸進式自動駕駛在本質(zhì)上是大數(shù)據(jù)驅(qū)動的機器學習問題，它在實現(xiàn)L4級無人駕駛上比跨越式路線更具優(yōu)勢。

當時，特斯拉的量產(chǎn)車輛已經(jīng)售往包括歐美在內(nèi)的世界多地，研發(fā)團隊意識到真實世界的場景其實非常多樣，各種極端場景難以想象。尤其是大量未知的不安全場景，很難通過仿真系統(tǒng)模擬出來，只有通過規(guī)模龐大、遍及各地的量產(chǎn)車隊在實際應用中一點點發(fā)現(xiàn)。

跨越式路線通常是在小區(qū)域里訓練出一套出色的無人駕駛系統(tǒng)，然后再擴大范圍，但因為過擬合的問題，原區(qū)域訓練的系統(tǒng)很難在新的區(qū)域保證效果。而小范圍的應用、小規(guī)模的車隊，在數(shù)據(jù)的規(guī)模和多樣性上也不具備優(yōu)勢。

要想最終實現(xiàn)廣泛可用、真正安全的無人駕駛，漸進式路線其實是一種更高效的方式。根據(jù)國際汽車制造商協(xié)會數(shù)據(jù)，2022年全球汽車銷量約為8163萬輛，前裝量產(chǎn)可以為漸進式路線提供絕對充足的海量數(shù)據(jù)，訓練自動駕駛系統(tǒng)，驗證功能的可用性。

而且在這當中，乘用車占了極大比例，尤其是中國市場，乘用車的銷量占比超過八成。如果以乘用車前裝量產(chǎn)的方式，為普通消費者提供成熟可用的功能，撬動自動駕駛的漸進式落地，其實在技術(shù)和商業(yè)上都更為可行。而前裝量產(chǎn)發(fā)展出的能力，同樣也可以應用到更多領(lǐng)域。

在Nullmax看來，自動駕駛的漸進是全方位的漸進。功能從簡單到復雜，場景從高速到城區(qū)，車輛從有人到無人，應用從載人到運貨，都是一步步漸進的過程，盡管周期漫長，但每個階段都可以利用成熟技術(shù)輸出成果，并以商業(yè)的落地反哺技術(shù)的迭代。

比如行泊一體，就是典型的例子。從場景的角度來講，自動駕駛可以粗略分為行車、泊車場景，行車場景可以再細分為結(jié)構(gòu)化道路和非結(jié)構(gòu)化道路。在前裝量產(chǎn)的漸進策略上，Nullmax選擇了先實現(xiàn)城市快速路、高速公路等結(jié)構(gòu)化道路行車場景以及泊車場景的高階功能，然后實現(xiàn)城市道路等非結(jié)構(gòu)化道路的高階功能，一步一步減少場景碎片，最終達到全場景自動駕駛。

因此，Nullmax在2019年就發(fā)布了同時具備高速代駕、擁堵跟車、自主泊車功能的行車、泊車一體化系統(tǒng)。在技術(shù)層面，行泊一體系統(tǒng)提供面向所有場景的基礎(chǔ)ADAS功能以及面向高速、停車場等場景的高階功能，在自動駕駛的應用初期最大程度地覆蓋更多場景，并持續(xù)進化迭代；而在商業(yè)層面，則是通過芯片、傳感器的深度共享復用，降低自動駕駛的硬件成本，提高量產(chǎn)的規(guī)模。

于是Nullmax的行泊一體方案早早獲得了量產(chǎn)訂單，而行泊一體隨后也在2022年成為了產(chǎn)業(yè)的主要趨勢。并且行泊一體落地帶來的海量數(shù)據(jù)，也正推動自動駕駛的性能、功能和場景不斷進化。

如果用一個詞來描述Nullmax的漸進式路線，“守正出奇”或許最為合適。Nullmax相信無人駕駛遵循客觀發(fā)展規(guī)律，不可能一蹴而就，以漸進方式逐步擴大應用規(guī)模，通過海量數(shù)據(jù)驅(qū)動自動駕駛成長迭代，是實現(xiàn)無人駕駛的合適路線。

放眼長遠應用，堅持做正確的事情

視覺信號是人類獲取信息最主要的方式，也是自動駕駛最主要的數(shù)據(jù)來源。

從信息論的角度來說，視覺信號的熵極高，蘊含豐富信息，幾乎所有的感知任務都可以通過視覺感知完成。同時，視覺數(shù)據(jù)廣泛存在于真實世界，易于獲取，可以為自動駕駛系統(tǒng)的訓練提供充足數(shù)據(jù)。所以在發(fā)展?jié)u進式自動駕駛的道路上，Nullmax堅定選擇了視覺為主、多傳感器融合的感知方式。

盡管在早期，激光雷達、高精地圖幾乎是所有自動駕駛方案的標配，而且視覺感知研發(fā)的周期更長、難度更大，Nullmax也沒有動搖想法。因為Nullmax認為視覺感知擁有成熟的應用基礎(chǔ)，性能全面、性價比高，關(guān)鍵的軟件算法以及對應的傳感器硬件都處于快速發(fā)展當中，無論是在當下還是未來，都更適合作為主要的感知方式。

比如，百萬起步的像素水準，由廣及窄的視場角度，高幀率的信息采集，以及對于形狀、顏色、紋理等信息的全方位獲取，都是攝像頭對比激光雷達、毫米波雷達等新舊傳感器的獨到優(yōu)勢。而且視覺感知對應的檢測、分割等算法，也是AI領(lǐng)域發(fā)展最快的部分之一。

在量產(chǎn)應用當中，視覺感知不是像激光雷達、毫米波雷達等感知方式那樣，直接發(fā)射電磁波測算距離、速度信息，而是通過神經(jīng)網(wǎng)絡(luò)進行實時推理，所以對AI方面的能力要求極高。從數(shù)據(jù)的采集、篩選、標注，到AI模型的設(shè)計、訓練、迭代，再到車端的實時推理、計算，每個環(huán)節(jié)都需要高效地運轉(zhuǎn)。

雖然其中的挑戰(zhàn)巨大、難題繁多，但是一旦具備了這樣的視覺感知能力，開發(fā)者也就掌握了自動駕駛開發(fā)的主動權(quán)，能夠不受限制地開發(fā)各種功能，同時也具備了以海量數(shù)據(jù)驅(qū)動自動駕駛AI持續(xù)迭代的能力。

Nullmax從一開始就確立了視覺為主的感知方式，因此形成了非常全面且深厚的技術(shù)積累。無論是大眾熟知的車道線檢測、障礙物檢測、局部地圖構(gòu)建等感知任務，還是這些任務背后的自動化標注、高效率訓練，又或者完全平臺化的開發(fā)部署、端到端的神經(jīng)網(wǎng)絡(luò)，Nullmax都早早進行了研發(fā)，率先應用到實際的項目當中。

其中一個典型的例子就是BEV技術(shù)的研發(fā)。在視覺感知的研發(fā)過程中，為了解決多相機融合、多傳感器融合以及時間空間信息融合的難題，Nullmax在2020年就研發(fā)了BEV感知基礎(chǔ)架構(gòu)，并在之后不斷完善，形成了整體的BEV-AI自動駕駛技術(shù)架構(gòu)，應用到實際項目當中。因為早在Nullmax的創(chuàng)始團隊研發(fā)Autopilot 2.0的時候，就已經(jīng)了解多攝像頭感知系統(tǒng)當中面臨的技術(shù)挑戰(zhàn)。

憑借視覺感知方面的深厚積累，Nullmax不僅可以根據(jù)自己的需求進行靈活的開發(fā)，提供具備一流性能和體驗的完整方案，而不依賴第三方；而且在量產(chǎn)部署中，也能夠支持任意的傳感器配置，自由選擇合適的芯片平臺，擴大技術(shù)落地的規(guī)模。

在現(xiàn)實應用當中，不同車型很難保證硬件的統(tǒng)一，而且常常差異巨大，因此保留技術(shù)部署的靈活性對于漸進式自動駕駛而言意義重大。特別是自動駕駛作為一種通用的平臺型能力，除了前裝量產(chǎn)以外還可以支持其他應用，技術(shù)上更應該避免使用受限。

為此，Nullmax在最開始就打造了專門的自動駕駛中間件，開發(fā)平臺化的技術(shù)架構(gòu)。因為一套固定的方案即便再受歡迎，也很難應用到多款車上，部署的規(guī)模相對有限。但如果這套方案足夠靈活，從軟件到硬件都可以按需配置，適合多種類型的應用，兼具效率和成本優(yōu)勢，那么應用的規(guī)模必然將會擴大。

在這樣的技術(shù)體系之下，Nullmax實現(xiàn)了產(chǎn)品方案的平臺化輸出，不僅能夠通過差異化的配置滿足高中低不同智能駕駛需求，也能夠擴大自動駕駛的量產(chǎn)規(guī)模，獲得更豐富多樣的數(shù)據(jù)。

高配置方案的特點是可以支持更復雜的功能，不過量產(chǎn)規(guī)模相對較??；而低配置方案在同樣覆蓋行泊場景的前提下，因為部署規(guī)模極大的特點，擁有量級更大、更加多樣的數(shù)據(jù)優(yōu)勢。所以通過高中低配置實現(xiàn)大范圍的量產(chǎn)部署，從數(shù)據(jù)層面而言對漸進式自動駕駛來說也更為合適。

普通人對于自動駕駛數(shù)據(jù)存在著許多的認知誤區(qū)。比如，低精度的數(shù)據(jù)對于無人駕駛沒有作用，自動駕駛的里程數(shù)代表著數(shù)據(jù)的豐富程度，非自動駕駛狀態(tài)的數(shù)據(jù)沒有作用，等等。

實際上，海量低精度數(shù)據(jù)對于自動駕駛的提升價值遠遠大于少量高精度的數(shù)據(jù)，巨大規(guī)模和豐富多樣性帶來的數(shù)據(jù)優(yōu)勢超過單一的數(shù)據(jù)精度。同樣的，如果數(shù)據(jù)量很大，但是數(shù)據(jù)單一或者無法有效利用，那么數(shù)據(jù)的價值也會大打折扣。而在系統(tǒng)運行的時候，無論高階功能是否激活，一些系統(tǒng)模塊都會在后臺保持運轉(zhuǎn)，以支持AEB等主動安全功能，以及功能的快速激活等等，期間同樣會處理許多有價值的數(shù)據(jù)。

因此對于漸進式路線來說，走向無人駕駛的關(guān)鍵其實是擴大自動駕駛的應用規(guī)模。為此，開發(fā)者需要分析市場主流的需求，開發(fā)有吸引力的方案，覆蓋盡可能多的車輛。這正是Nullmax過去幾年一直在做的事情，盡管周期更長、技術(shù)更復雜，但長遠來看價值也會更大。

也正是因為這樣，Nullmax在自動駕駛的量產(chǎn)進展上收獲頗豐，不僅獲得了多家客戶的量產(chǎn)訂單，不同配置方案先后實現(xiàn)量產(chǎn)定點，也早早開始了方案的交付，開啟技術(shù)與商業(yè)的正向循環(huán)。

在這背后，既有超前的洞見，也有充分具體可行的戰(zhàn)略規(guī)劃，更有數(shù)年如一日的堅持。

漸進式路線從來不是一條簡單的路，但是在完成前裝量產(chǎn)的上車應用過后，Nullmax已然越過了通往無人駕駛的第一座山丘，在漸進之路上越走越快。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：