北京跑出一只未來獨角獸：做智能駕駛的輕舟智航。

輕舟智航于 2019 年創(chuàng)立于美國硅谷。CEO 于騫博士本碩就讀于清華大學(xué)，很早就從事自動駕駛相關(guān)研究：讀碩士期間，參與了著名的 THMR-V 智能車研究，2003 年能讓一輛七座商務(wù)車在無人狀態(tài)跑出 150 千米的測試時速。

之后于騫在美國南加州大學(xué)獲得博士學(xué)位，曾是 Google 街景組關(guān)鍵項目技術(shù)負責(zé)人，并在自動駕駛鼻祖 Waymo 擔任感知關(guān)鍵模塊的機器學(xué)習(xí)算法研發(fā) Tech Lead。

2019 年，于騫認為，自動駕駛作為長期方向，真正接近落地了，而自己團隊有 L4 級自動駕駛技術(shù)積累，值得一試。

輕舟智航回到中國后，最開始以 RoboBus（自動駕駛小巴）作為 L4 自動駕駛方案的第一個落地場景，解決城市 " 最后三公里 " 接駁問題，已在北京、蘇州、深圳、金華、武漢等 20 座核心城市開啟常態(tài)化運營，并實現(xiàn)了一定的商業(yè)閉環(huán)。

2022 年，輕舟智航開始面向量產(chǎn)乘用車供應(yīng) L2+ 高級輔助駕駛方案。2023 年 11 月，輕舟智航成為理想汽車供應(yīng)商，協(xié)助 NOA 功能在理想 AD Pro 系統(tǒng)搭載落地。

如今，輕舟智航 NOA（Navigate on Autopilot，領(lǐng)航輔助駕駛）累計量產(chǎn)超過 60 萬套，并有望在今年達到 100 萬套，成為兼具規(guī)?；慨a(chǎn)經(jīng)驗、交付量行業(yè)領(lǐng)先的中高階智能輔助駕駛解決方案提供商。

在中國乘用車 NOA 市場，輕舟智航以 50.84% 的市場份額位位列國內(nèi)第一，超越華為（42.45%）等行業(yè)選手（2024 年 7 月數(shù)據(jù)）。

于騫認為，走到今天，輕舟智航最重要的戰(zhàn)略是聚焦。" 我們從來不是追求客戶數(shù)量越多越好，車型覆蓋越廣越好。相反，我們始終堅持在自己最擅長的方向上做深做透，把每一個關(guān)鍵場景、關(guān)鍵客戶、關(guān)鍵產(chǎn)品打穿、打透，做到極致。" 而智駕產(chǎn)品最重要的是安全。

最近，鉛筆道與于騫交流，以下是對話精華。

一，自動駕駛必須實現(xiàn)商業(yè)閉環(huán)

鉛筆道：2019 年為什么會決定投身自動駕駛領(lǐng)域？

于騫：自動駕駛是我長期的夢想。我本碩都是在清華大學(xué)計算機系讀的，碩士期間我加入了移動機器人方向的研究，在清華大學(xué)人工智能國家重點實驗室。大概是 2001 到 2003 年，我就參與了一個自動駕駛項目 THMR-V，把一輛七座商務(wù)車改裝。這給我內(nèi)心中第一次種下了 " 自動駕駛 " 的種子。我一直覺得，" 讓機器變得更智能 " 這件事值得投入，因此我也繼續(xù)讀博士。

2019 年，我覺得自動駕駛作為長期方向，開始真正接近落地了。雖然它還面臨很多挑戰(zhàn)，但那是一個很好的時間點。因為行業(yè)對自動駕駛已經(jīng)有了初步的認知，但技術(shù)路線還沒有完全收斂。對于我們這樣一個偏技術(shù)產(chǎn)品型的團隊來說，這是一個值得投入的機會。

鉛筆道：為什么會從 RoboBus 切入？而不是從 Robotaxi 或是物流配送這樣的方向？

于騫：我們認為 L4 級自動駕駛是一個非常長期的目標，要實現(xiàn) " 完全無人 " 可能是以包括自動駕駛物流在內(nèi)的很多方向，還沒有實現(xiàn)大規(guī)模的商業(yè)閉環(huán)，落地場景還在初步階段。

相比之下，RoboBus 在中國市場有其獨特的優(yōu)勢。一方面，中國人口密度高、公共交通體系龐大，國家政策也在大力支持公共交通；RoboBus 本身具有公共屬性，更容易獲得試點和支持，其落地機會相對更大。

另一方面，從技術(shù)路線來看，我們的底層技術(shù)是按照 L4 級自動駕駛來構(gòu)建的，并非專門為 RoboBus 打造。RoboBus 只是我們現(xiàn)階段產(chǎn)品落地的一種形態(tài)，它更適應(yīng)當前中國的實際情況和市場環(huán)境。但我們的技術(shù)架構(gòu)，是完全可以支持長期的 L4 級 Robotaxi 的。

目前，我們在 RoboBus 這個細分賽道上，已經(jīng)成為頭部企業(yè)之一，業(yè)務(wù)線也實現(xiàn)了一定的商業(yè)閉環(huán)，已經(jīng)做到了盈利。而在大多數(shù) L4 項目中，要實現(xiàn)這個目標其實是很難的。

鉛筆道：你們最開始是聚焦 L4 級自動駕駛的，為什么從 2022 年開始轉(zhuǎn)向量產(chǎn) L2 級產(chǎn)品？這個決策背后是怎樣的考慮？

于騫：就像前面提到的，在邁向 " 完全無人駕駛 " 的過程中，必須不斷地實現(xiàn)商業(yè)閉環(huán)。而所謂商業(yè)閉環(huán)，就是必須持續(xù)為用戶創(chuàng)造實際價值。

在當時，如果我們還不開始推動大規(guī)模的產(chǎn)品普及，用戶價值就難以真正落地。我們看到了 L2+ 這一代產(chǎn)品已經(jīng)具備了為廣大消費者創(chuàng)造顯著價值的能力，尤其能有效推動中國汽車產(chǎn)業(yè)從 " 電子化 " 向 " 智能化 " 的轉(zhuǎn)型。

當時的傳感器和算力能力也已經(jīng)發(fā)展到了適配 L2+ 大規(guī)模量產(chǎn)的階段?；谶@種判斷，選擇以 L2+ 產(chǎn)品形態(tài)作為我們的 " 第二增長曲線 "，在量產(chǎn)業(yè)務(wù)上部署。

你可以理解為，我們在 L2+ 上的推進，和我們在 RoboBus 上的做法是一樣的：聚焦一個方向，全力打透，最終形成商業(yè)閉環(huán)。我們的 L2+ 方案并不是臨時搭建的，而是基于原有的 L4 技術(shù)平臺打造的。我們擁有統(tǒng)一的技術(shù)架構(gòu)和自研能力，L2+ 只是這個平臺在當前階段更貼近市場、能更快滿足客戶需求的一種應(yīng)用形態(tài)。

鉛筆道：做乘用車 L2 級智能駕駛方案的過程中，遇到過哪些挑戰(zhàn)？又是如何克服的？

于騫：面向乘用車的 L2 智能駕駛目前還是一個相對早期的階段，尤其是在成本受限的前提下，算力資源相對有限，傳感器配置也有所 " 減配 "。這對技術(shù)方案提出了很大挑戰(zhàn)。

為了解決這個問題，我們內(nèi)部有一套叫做 " 冰山理論 " 的系統(tǒng)性方法。很多人往往只關(guān)注 " 水面以上 " 的部分，比如用了什么樣的傳感器、計算平臺等——這些其實只是整個系統(tǒng)中非常小的一部分。而我們更注重 " 水面以下 " 的底層系統(tǒng)能力，比如算法迭代效率、工程體系建設(shè)、平臺通用性等。

基于我們 L4 級自動駕駛平臺積累下的技術(shù)體系，我們可以非?？斓貙⒑诵哪芰w移和優(yōu)化到 L2+ 的場景中。例如在算力受限的情況下，我們能夠通過高效的工程能力和算法優(yōu)化彌補算力不足所帶來的性能挑戰(zhàn)，實現(xiàn)較高性能的感知和決策。

與很多傳統(tǒng) L2+ 方案不同的是，我們并不是基于低成本的 mono camera（單目攝像頭）那類路徑起步的，我們的整個 L2+ 產(chǎn)品是基于 L4 平臺反向開發(fā)的。這意味著我們的系統(tǒng)在能力上限、算法泛化和系統(tǒng)安全性方面都具備更高的起點。

此外，面向乘用車市場的 L2+ 方案，最大的挑戰(zhàn)之一是對安全性和可靠性要求極高。我們在這方面也有一套比較成熟的工具鏈，尤其是仿真平臺，能夠大規(guī)模驗證邊界場景下的系統(tǒng)穩(wěn)定性和魯棒性。

二，跨越 " 量產(chǎn)地獄 "

鉛筆道：與理想汽車這些大的客戶合作過程中，你們有哪些收獲？

于騫：首先，和客戶在產(chǎn)品定義、安全標準、功能設(shè)計等方面的深入?yún)f(xié)作，對我們幫助非常大。客戶在如何打造高安全性、高穩(wěn)定性的產(chǎn)品方面有極強的理解力和執(zhí)行力。對我們來說，這種高標準的產(chǎn)品理念非常有啟發(fā)，也幫助我們進一步提升了自身在產(chǎn)品定義和功能落地方面的能力。

其次，我們積累了大量規(guī)?；こ搪涞睾土慨a(chǎn)管理的經(jīng)驗。量產(chǎn)不只是 " 能做出一個產(chǎn)品 "，而是要有 " 量 " ——大規(guī)模、高一致性、高可靠性的交付能力。

到目前為止，我們的 NOA 方案已經(jīng)在超過 60 萬輛車上實現(xiàn)量產(chǎn)部署，預(yù)計今年會突破 100 萬輛。這背后反映的是我們的系統(tǒng)在安全性、穩(wěn)定性、工程可控性等方面已經(jīng)具備了高度的成熟度。

尤其是在 2025 年國家出臺了一系列針對組合輔助駕駛系統(tǒng)的安全法規(guī)和行業(yè)標準的背景下，我們在大規(guī)模量產(chǎn)中的這些積累——從合規(guī)、測試到工程流程，都是非常寶貴的經(jīng)驗。

鉛筆道：在 60 萬輛 NOA 方案的量產(chǎn)交付過程中，是否經(jīng)歷過 " 痛苦期 "？

于騫：當然經(jīng)歷過?？梢哉f，我們真的是穿越過 " 量產(chǎn)的地獄 "。

大概在 2023 到 2024 年這段時間，團隊經(jīng)常是一整夜都在加班調(diào)試，第二天太陽升起來時，大家還在車上做各種功能測試。這種強度是持續(xù)性的，幾乎每個細節(jié)都要經(jīng)得起推敲和驗證。

其實很多自動駕駛的供應(yīng)商都還沒有真正經(jīng)歷過大規(guī)模量產(chǎn)帶來的 " 極限考驗 "。尤其是當你要做幾十萬量級的交付，系統(tǒng)的每一處穩(wěn)定性和安全性要求都會被無限放大。量小的時候，有些問題不會顯現(xiàn)出來；但當車輛分布在整個中國大陸、在各種復(fù)雜路況中運行時，任何一個小問題都有可能變成大挑戰(zhàn)。

鉛筆道：有沒有一些具體的案例？

于騫：比如說，我們雖然是從 L4 自動駕駛起家的，在行車這部分技術(shù)積累很深，但在 " 泊車 " 這塊，最初的積累相對是偏少的。而泊車在實際量產(chǎn)中非常復(fù)雜。用戶可能會在各種各樣的環(huán)境中使用泊車功能，比如草地、磚地，甚至是帶有明顯坡度或者有干擾物的極端場景。我們后來大概積累了超過 300 種真實的復(fù)雜泊車場景，其中很多是極具挑戰(zhàn)性的，使得現(xiàn)在我們的泊車在行業(yè)內(nèi)已經(jīng)做到非常領(lǐng)先。

鉛筆道：要實現(xiàn)百萬級 NOA 量產(chǎn)上車的目標，在安全性方面做了哪些努力？

于騫：從產(chǎn)品定義開始，包括傳感器選型、計算平臺架構(gòu)、冗余設(shè)計等，我們在方案設(shè)計階段就把安全性放在最優(yōu)先的位置。這個系統(tǒng)性的考量不是零散補丁，而是從平臺級別就開始構(gòu)建的。

在測試驗證階段，我們投入了大量資源建立大規(guī)模的仿真驗證體系。舉個例子，我們有一支專門負責(zé)仿真測試的團隊，通過閉環(huán)系統(tǒng)驗證各種極端工況。這是我們堅持的一條底線：不依賴真實用戶來 " 驗證 " 產(chǎn)品，摒棄那種通過 OTA（遠程升級）把不成熟的功能推給用戶試用的做法。

在系統(tǒng)底層也引入了很多 " 兜底 " 機制，比如在特定工況下的預(yù)案管理、冗余策略等。這些能力得益于我們基于 L4 平臺開發(fā)的技術(shù)底座，能夠從架構(gòu)層面提供更高的安全冗余和系統(tǒng)魯棒性。

三，創(chuàng)業(yè)必須做減法

鉛筆道：為什么第一家跨過 100 萬輛 NOA 量產(chǎn)門檻的企業(yè)會是輕舟智航？

于騫：這背后最核心的原因是 " 聚焦 " ——這是貫穿我們產(chǎn)品策略、客戶選擇、公司發(fā)展戰(zhàn)略的基本原則。

我們從來不是追求客戶數(shù)量越多越好，車型覆蓋越廣越好。相反，我們始終堅持在自己最擅長的方向上做深做透，把每一個關(guān)鍵場景、關(guān)鍵客戶、關(guān)鍵產(chǎn)品打穿、打夠，做到極致。這種 " 聚焦式 " 的投入，最終帶來了真正的用戶價值，也讓我們的產(chǎn)品在行業(yè)中樹立起了標桿。

你看有些供應(yīng)商的平臺五花八門，各種技術(shù)路線、各種項目并行推進，表面上看是 " 全面開花 "，但實際落地效果往往打不穿。而我們選擇的是做減法——只做能打出質(zhì)量、打出結(jié)果的項目，只選我們真正理解、能夠產(chǎn)生差異化價值的客戶合作。

這種策略，讓我們的產(chǎn)品在每一個落地場景中都具備很強的表現(xiàn)力，也形成了高客戶粘性和高度認可度。這才是我們能率先跨過 100 萬輛 NOA 量產(chǎn)門檻的根本原因。

鉛筆道：為什么堅定地 " 做減法 "？

于騫：我在湖畔大學(xué)上第一堂課時，核心理念就是 " 聚焦 " ——這對我影響非常深遠。那堂課講的不是戰(zhàn)術(shù)，而是戰(zhàn)略上的聚焦，是對趨勢的精準把握。

一個企業(yè)真正能走出來，不是靠 " 面面俱到 "，而是靠在關(guān)鍵趨勢上精準下注，靠在自己最擅長的點上不斷強化。

不要想當然地認為競爭對手比我們差，很多時候大家起點差不多。真正拉開差距的，是誰能在關(guān)鍵節(jié)點上看得更清、定得更穩(wěn)、聚得更狠。而 " 聚焦 " 本質(zhì)上就是一種戰(zhàn)略減法，是把有限的資源投入到最有價值的方向上，讓自己的核心優(yōu)勢發(fā)揮到極致。

鉛筆道：你們?nèi)绾伪３植町惢偁幜Γ?/strong>