21世紀經(jīng)濟報道記者 焦文娟 報道
自比亞迪將駕駛輔助下放到7萬級市場后，主機廠追逐智駕上車，供應(yīng)商頻頻走向臺前，車市掀起智駕熱潮。
與市場其他智駕方案供應(yīng)商相比，卓馭科技是一位典型的追求“價性比”玩家，即用低算力實現(xiàn)更極致的駕駛輔助功能。
去年3月，卓馭科技（原“大疆車載”）提供的7V（7攝像頭）＋32TOPS配置已經(jīng)開始成為8萬～15萬元級別車型標配，最低8萬元車型就可以具備城市記憶領(lǐng)航、高速領(lǐng)航駕駛等功能，彼時的量產(chǎn)車型已經(jīng)包括寶駿云朵、iCAR 03。
與市場相比，要實現(xiàn)城市記憶領(lǐng)航、高速領(lǐng)航駕駛等功能，車企和智駕方案供應(yīng)商們的方案通?；谟ミ_Orin-X芯片平臺，至少需要254TOPS算力。
“今年卓馭的重點還是把極限算力落地，在有限硬件、有限算力上做極致的功能和性能?！弊狂S科技首席AI技術(shù)官陳曉智告訴記者，“這是我們血液里的東西?！?nbsp;
卓馭科技（下稱“卓馭”）的極致成本控制能力體現(xiàn)在自研硬件和軟件兩方面，他們將自己定位為軟硬一體的供應(yīng)商。
在硬件成本上，以上海車展推出的知周補盲雷達為例，其成本能控制在千元以內(nèi)。在軟件方面，通過自研模型，卓馭也降低了成本。
這些能力的鍛造來自于“大疆車載”時期的積累。
沒有獨立之前，卓馭的前身是大疆內(nèi)部一支專注于智能駕駛技術(shù)研發(fā)與探索的團隊。該部門成立于2016年，早期依托大疆在無人機領(lǐng)域的傳感器、計算機視覺和導航算法積累，逐步向車載智能駕駛系統(tǒng)延伸。在此期間，團隊已開始布局雙目視覺、BEV感知等核心技術(shù)，也鍛煉了卓馭的視覺技術(shù)強項。
2024年11月，卓馭推出了“成行平臺”，提供7V和9V兩種方案，涵蓋高速領(lǐng)航、城市無圖領(lǐng)航、跨樓層泊車等功能。其特色在于通過BEV技術(shù)和雙目視覺降低對高精地圖與激光雷達的依賴，實現(xiàn)低成本高階駕駛輔助功能。
2024年，中國一汽、大眾汽車、上汽通用五菱、奇瑞汽車、東風汽車都已經(jīng)成為他們的客戶。5月9日，卓馭首次對外完整公布了9大合作客戶，除了上述五大車企外，包括比亞迪、長城汽車、奧迪和北汽集團都已經(jīng)攜手卓馭。卓馭官方公布的數(shù)據(jù)顯示，目前已有20余款車型已量產(chǎn)，還有30多款車型即將量產(chǎn)落地。
此前有智駕公司高管向21世紀經(jīng)濟報道判斷，2025年，中低端市場將會成為更大的市場。這是卓馭擅長的領(lǐng)域。去年下半年上市的寶駿云海，全系標配了大疆車載的靈眸智駕2.0 Max，已經(jīng)把智駕帶入10萬元級市場。
但這也意味著，更下沉的市場擁有更多虎視眈眈的目光，卓馭的壓力不小，這種壓力不僅來自于智駕方案供應(yīng)商同行，還有不斷推動自研智駕下沉的主機廠。
在同等成本下，卓馭還在做更大的算力進化。在今年的上海車展上，卓馭展出了基于英偉達Thor的VLA大模型。即使是高算力的英偉達Thor平臺，陳曉智認為，Thor域控雖算力大、成本會提升，但與雙OrinX方案相比，單顆Thor域控的成本更低，屬于降本方案。
根據(jù)卓馭官方此前透露的信息，在英偉達高算力的賦能下，卓馭將進一步推動世界模型在智能駕駛領(lǐng)域的產(chǎn)品化探索。
在世界模型的賦能下，卓馭“千人千面”的智駕方案成為可能。陳曉智認為，今年卓馭將重點推進強化學習與世界模型的落地，后者運用的是思維鏈推理、慢推理技術(shù)，若能實現(xiàn)，將顯著提升安全性。
從3月底至上海車展期間，我們與卓馭科技首席AI技術(shù)官陳曉智博士進行了兩次交流，他向我們分享了卓馭科技今年的技術(shù)重點、路線，以下是采訪實錄，經(jīng)摘編：
繼續(xù)講“價性比”的故事
21世紀經(jīng)濟報道：今年我們看到，比亞迪在推動全民輔助駕駛普及，華為也在提L3有條件自動駕駛。卓馭也在做生成式輔助駕駛，往更高階的體驗去靠近。在卓馭看來，今年的主戰(zhàn)場會在哪里？
陳曉智：今年我們的技術(shù)和產(chǎn)品重點會放在極致的L2組合輔助駕駛的功能上和Thor旗艦的平臺上，從安全性和智能化兩個維度去發(fā)力，把它的輔助駕駛功能做到極致。
21世紀經(jīng)濟報道：今年上海車展上，卓馭推出了補盲雷達知周，你們的成本大概在什么范圍？
陳曉智：知周補盲激光成本是千元以內(nèi)。
21世紀經(jīng)濟報道：在之前視覺的方案之外，卓馭現(xiàn)在又推出了激光雷達的方案，這種路徑上的拓展是出于什么樣的考慮？
陳曉智：我們對于激光的看法一直也沒有變，一直認為它就是一個安全冗余的作用。過往我們項目用的激光確實不多，但是今年也會有一些項目搭載激目1.0的系統(tǒng)也會量產(chǎn)。
過往做的不多是因為我們覺得視覺本身還有非常大的挖掘空間，所以我們重點還是放在視覺的方案挖掘。
21世紀經(jīng)濟報道：卓馭一直在成本控制很有優(yōu)勢，最近卓馭推出了帶有Thor大算力的域控、帶激光雷達和視覺融合的激目2.0，卓馭是不是還會延續(xù)之前成本上的優(yōu)勢？
陳曉智：只看傳感器本身，我們認為還是有成本和價性比的優(yōu)勢，我們激光+慣導三目整體的總成方案成本不會比分離式的單個激光成本更高，所以我們認為它的成本是有優(yōu)勢的。
而Thor的域控它的算力大，確實成本會更高，但是它對標的是現(xiàn)在比較常見的兩個500TOPS的OrinX方案，它可以用一個700TOPS的Thor-U 平替掉它，算力大了一點，成本更低。所以從這兩者對標來說，它其實也是一個降本的方案。
21世紀經(jīng)濟報道：未來卓馭的成本是否還會繼續(xù)下探，推動更多平價車型搭載輔助駕駛系統(tǒng)？
陳曉智：我們現(xiàn)在比較關(guān)心的像城市領(lǐng)航的功能，它的成本肯定能做到更低。比如卓馭目前用的7V攝像頭，再加32TOPS的算力平臺就可以跑城市領(lǐng)航，這對于目前大家常見到的動不動跑城市領(lǐng)航要有激光、要有幾百TOPS算力的平臺還會有比較大的成本節(jié)省。
但要下放到更低價位區(qū)間的車型還是會有一些壓力和挑戰(zhàn)，我們能支持更簡單的硬件就能跑城市領(lǐng)航，對于我們的客戶來說推動標配會更容易一些。
21世紀經(jīng)濟報道：我們現(xiàn)在已經(jīng)公布的定點企業(yè)主要是自主品牌和大眾，但豪華品牌現(xiàn)在也在找本土化的智駕供應(yīng)商，接下來卓馭是否有合作的可能性？
陳曉智：除了我們目前正在合作的客戶，我們也一直在跟一些全球客戶在深入交流，相關(guān)的合作未來一定還會有增加的，我們也一直在拓展這些海外客戶，包括他們在本土化的車型、海外車型。
21世紀經(jīng)濟報道：華為前段時間發(fā)布了L3有條件自動駕駛商用的方案，卓馭有沒有L3的規(guī)劃？
陳曉智：我們今年要做的事情是會把L3、L4的硬件做出來，包括控制器、傳感器，滿足L3、L4冗余的架構(gòu)需求，這個傳感器除了視覺攝像頭，還會增加激光雷達來滿足冗余。今年更多要做的事情就是先把硬件預埋。
21世紀經(jīng)濟報道：你認為L3落地具體還需要多久？
陳曉智：我們認為前提還是得先把L2組合輔助駕駛做得足夠好，再去落地L3有條件自動駕駛，但時間點我們暫時還看不到。
強化學習是未來趨勢
21世紀經(jīng)濟報道：前一陣工信部對智駕的監(jiān)管收緊，你怎么看？這件事對卓馭有什么影響？
陳曉智：工信部的新規(guī)，對技術(shù)和產(chǎn)品其實沒有什么影響，我們覺得其實是好事情，行業(yè)一直以來有很多浮躁的聲音，但實際上大家在說這些詞的時候，背后到底代表了什么，實現(xiàn)了什么東西，沒人知道。
21世紀經(jīng)濟報道：今年卓馭的技術(shù)重點是什么？
陳曉智：今年我們重點會做的事情一是強化學習，二是世界模型，或者叫思維鏈推理、慢推理的技術(shù)，這兩種技術(shù)我們認為如果能落地的話，對安全性有比較大的提升。
21世紀經(jīng)濟報道：這類技術(shù)具體在安全性能上如何提升？
陳曉智：對于過往長尾場景沒有見到的數(shù)據(jù)，模仿學習可能會做出一些意料之外的行為，但是強化學習是自己可以去探索一些沒有見過的狀態(tài)，從而能夠去做出更合理的決策，我們認為安全性會有一個數(shù)量級的提升。
21世紀經(jīng)濟報道：前段時間卓馭發(fā)布了生成式智駕功能GenDrive，能夠?qū)崿F(xiàn)個性化的駕駛，你們?nèi)绾巫龅健扒饲妗保?/span>
陳曉智：“千人千面”的智駕能力，它背后的技術(shù)關(guān)鍵在于我們在研發(fā)端到端的世界模型。
21世紀經(jīng)濟報道：它跟傳統(tǒng)的端到端世界模型有什么區(qū)別？
陳曉智：傳統(tǒng)的端到端是基于模仿學習，你從大量的駕駛員數(shù)據(jù)中學習他的行為，但因為數(shù)據(jù)里面各種風格的司機都有，你學出來的風格其實就是一個平均的司機，沒有區(qū)分度，所以它很難做到千人千面。并且它的推理過程也是基于直覺式的端到端，它看到一個傳感器輸入就做一個駕駛動作，它是直覺式的一次性動作的預測。
21世紀經(jīng)濟報道：你們用世界模型做到“千人千面”的思路是怎樣的？
陳曉智：做到千人千面，其實要有一些推理的能力，并且要區(qū)分不同的風格，我們通過世界模型，世界模型的特點是有推理能力，它可以生成未來可能發(fā)生的N種情況，就類似N個平行宇宙，這里面可能有非預期的，有一些不符合用戶駕駛意圖的，你可能需要一個推理過程結(jié)合用戶意圖選擇最有可能的駕駛軌跡。
這背后的技術(shù)核心是世界模型的推理能力，在訓練過程中會引入強化學習去克服模仿學習本身的局限性。
21世紀經(jīng)濟報道：訓練這樣的模型，它的數(shù)據(jù)需求量很大嗎？
陳曉智：數(shù)據(jù)量其實沒有太大區(qū)別，更多是算法上的創(chuàng)新，引入強化學習之后，在長尾數(shù)據(jù)積累，這種數(shù)據(jù)還能減少，因為模仿學習，你要模仿一些極端場景的行為，你得采集這個場景的數(shù)據(jù)，有一些場景數(shù)據(jù)又是很難覆蓋的，強化學習可以通過仿真手段生成這種場景，它可以降低數(shù)據(jù)采集的需求。
21世紀經(jīng)濟報道：現(xiàn)在很多車企推出一些端到端版本可能代表的是模仿學習路線，今天卓馭又推出了世界模型，代表的是強化學習路線，你覺得這兩種路線接下來哪一種會成為主流？
陳曉智：會是結(jié)合的，我們說強化學習也不是純強化學習，模型訓練還是會分兩個大的階段。
第一個預訓練階段，預訓練階段本質(zhì)上就是模仿學習，有很多數(shù)據(jù)來去做預訓練，預訓練可以做到80分這么一個通用能力，大部分場景表現(xiàn)不錯；
但是在80分到95分的時候，再繼續(xù)用模仿學習成本就會比較高，爬坡邊際收益遞減，這時候用強化學習效率是更高的，安全性各方面的指標也能有更大提升。
強化學習做出來之后不是拋棄模仿學習，而是結(jié)合，即在不同訓練階段用方式。明確一點，用模仿學習一直從頭到尾訓肯定不是最好方案。
21世紀經(jīng)濟報道：最近大家對駕駛輔助的安全性關(guān)注度很高，卓馭在使用世界模型生成場景的時候要怎么保證數(shù)據(jù)和場景準確性？
陳曉智：準確性要從兩個維度去評價，一個就是逼真度，一個是幾何或者物理準確度。
逼真度就是仿出來的圖像，或者視頻真不真，這塊兒技術(shù)上已經(jīng)解決相對好了；關(guān)于幾何或者物理的準確度，我們可以用幾何模型，比如說深度估計模型，或者持續(xù)重建來判斷幾何一致性，這種一致性是可以通過跑一些幾何模型，深度估計模型，持續(xù)重建來去發(fā)現(xiàn)它有沒有問題。
21世紀經(jīng)濟報道：很多友商也在做世界模型，世界模型什么時候?qū)⒊蔀樾袠I(yè)追逐的共識？
陳曉智：我們認為世界模型確實會是下一代更加好的架構(gòu)，我們認為它會是在今年到明年的技術(shù)升級的方向。
21世紀經(jīng)濟報道：應(yīng)用到消費者體驗上，會有什么變化？
陳曉智：現(xiàn)在車位到車位功能其實做得都不太好，現(xiàn)在車位到車位是有一個提前記憶的路線，甚至比較看重整個停車場的地圖去找車位。
但人開車卻不是這樣，人開車是看地面箭頭，看指示牌，端到端的世界模型也會具備這種能力，通過看這些箭頭或者這些信息自己去找車位，我們認為點到點應(yīng)該是這種方式。
今年應(yīng)該能做到這種程度，它還是一個L2組合輔助駕駛，但是體驗上應(yīng)該會給大家更自然的感覺，更聰明、更連續(xù)的體驗。
