易航智能CEO陳禹行：為什么以場景為核心的“漸進式”路徑先看到了無人駕駛量產(chǎn)的曙光？｜量子位·視點分享回顧

視點 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

2022年4月，特斯拉公司首席執(zhí)行官埃隆·馬斯克宣布，預(yù)計到2024年將實現(xiàn)無方向盤和踏板的新型“Robotaxi”的量產(chǎn)。

這表明以特斯拉為代表的自動駕駛“漸進式”發(fā)展路徑，率先看到了無人駕駛大規(guī)模量產(chǎn)的曙光。

自動駕駛領(lǐng)域“漸進式”路徑為什么能夠被更多機構(gòu)看好？“漸進式”技術(shù)的發(fā)展路徑是什么？自動駕駛量產(chǎn)的難點在哪里？而距離我們的生活又還有多遠？

關(guān)于自動駕駛“漸進式”路徑的發(fā)展與實現(xiàn)，易航智能CEO陳禹行在「量子位·視點」直播中分享了他的從業(yè)經(jīng)驗和觀點。

以下根據(jù)分享內(nèi)容進行整理：

自動駕駛領(lǐng)域是目前各個方面都關(guān)注度很高的行業(yè)。我今天的主題是“漸進式”路徑迎來無人駕駛量產(chǎn)的曙光。

2022年4月特斯拉宣布預(yù)計到2024年將取消方向盤和腳踏板，雖然說的還有點過于激進，但是也側(cè)面看出了漸進式路徑率先迎來了無人駕駛大規(guī)模量產(chǎn)的曙光。

易航智能一直沿著漸進式的發(fā)展路徑，也是國內(nèi)最早拿到量產(chǎn)訂單的自動駕駛創(chuàng)業(yè)公司。

今天我希望與大家分享以下幾個問題：第一，以場景為核心的漸進式路徑做對了什么？第二，拋開自動駕駛分級，漸進式路徑的技術(shù)路線圖是什么樣的？第三，為什么我們看到很多酷炫的自動駕駛Demo遲遲無法量產(chǎn)？第四，自動駕駛的量產(chǎn)需要哪些關(guān)鍵技術(shù)？

自動駕駛“漸進式”路徑如何創(chuàng)造更多價值？

首先我們來看一下漸進式路徑的核心價值到底是什么。

說到漸進式發(fā)展，大家第一反應(yīng)往往是自動駕駛分級，就是L0到L5安全性分級，但是當(dāng)我們以自動駕駛的分級為核心來界定自動駕駛技術(shù)的時候，就會面臨一個問題：雖然安全性比較嚴格，但是場景極為有限，就像有的做到L3、L4級別的車型，在高速公路上僅有小部分路段可以開啟相關(guān)功能，需要車輛時速不超過60公里每小時，而且必須要能看到隔離帶最內(nèi)側(cè)的護欄，然后也得在最內(nèi)側(cè)的車道行駛。

這種所謂的高級別自動駕駛，用戶的感知不強，啟用的時間也不多，最終的結(jié)果就是它的價值是非常有限的。

所以這幾年來越來越多的企業(yè)開始圍繞場景來做自動駕駛，通過打開場景來創(chuàng)造更多的價值。我們以上下班通勤為例，整個車程可能要兩個小時，路上我們有可能途經(jīng)一個環(huán)境極為復(fù)雜的菜市場，這個菜市場我們可能只需要5分鐘就能通過，但是菜市場的場景非常復(fù)雜，比如說地上有很多垃圾，里邊的人非常多，還有運貨的三輪車等等。

面對這種情況，做場景的思路就是，我們先解決95%的時間，就是我們在沒有經(jīng)過菜市場的時候能實現(xiàn)自動駕駛；那么剩下這5%路過菜市場的時間我們給它當(dāng)成Corner Case，這種Corner Case就由人來監(jiān)控，后續(xù)通過升級迭代，我們逐步解決這些非常復(fù)雜的場景里面的自動駕駛。這樣的方案在分級上并不是L4，但是它能在更廣泛的時空里邊切切實實地給終端用戶創(chuàng)造價值。

我們認為一項創(chuàng)新技術(shù)的普及核心是要創(chuàng)造價值，自動駕駛也是只有打開更多的場景才能創(chuàng)造更多的價值。

拋開了自動駕駛分級，“漸進式”技術(shù)有清晰的發(fā)展路徑么？

講到這里大家可能會問我們：拋開分級，談自動駕駛的漸進的路線，這樣的漸進式路線有沒有非常清晰的發(fā)展路徑？

這張圖就是以場景為核心的漸進式自動駕駛技術(shù)發(fā)展的趨勢圖，我們覺得自動駕駛的發(fā)展大體是一個這樣的過程：首先是ADAS，主要是在一條車道上提供一些碎片化的輔助駕駛的功能，這是一個比較早期的階段；之后我們就到達了NOA（領(lǐng)航輔助駕駛）的階段，NOA就是實現(xiàn)了在典型場景下面點對點的這種自動駕駛能力，它也是真正意義上的 “人機共駕”；再往后上升一個臺階之后，我們就到了FSD（全場景）的自動駕駛功能，當(dāng)FSD成熟之后，我們覺得行業(yè)就會迎來一個拐點——因為所有跟自動駕駛相關(guān)的功能已經(jīng)基本都開發(fā)出來了，它已經(jīng)能夠覆蓋日常生活絕大部分的場景，已經(jīng)可以創(chuàng)造出巨大的使用價值。

它只剩下一些非常少的、非常復(fù)雜場景下的Corner Case還不能應(yīng)對，未來我們要著力解決的就是剩下的這些Corner Case，這也會是自動駕駛之后發(fā)展比較穩(wěn)定、比較漫長的階段。

就像手機從塞班，然后Windows過渡到安卓和蘋果以后，手機的硬件形態(tài)和軟件形態(tài)也已經(jīng)固定了，手機目前只是性能上會有所提升，但是手機這種形態(tài)已經(jīng)比較固定了，現(xiàn)在我們用的智能機和10年前用的智能機可能已經(jīng)沒有什么本質(zhì)的區(qū)別了，而只是攝像頭像素更高，芯片算力更大。

下面我就展開講一講這三個發(fā)展階段，讓大家了解漸進式路徑的場景是如何一步一步地打開的。

那么先來看一下ADAS，ADAS實際上是行業(yè)的過渡階段，它由傳統(tǒng)的汽車電子過渡到自動駕駛，所以它是汽車電子和自動駕駛技術(shù)交叉的一個產(chǎn)品。傳統(tǒng)的汽車電子架構(gòu)上，是以分離式為主，比如說一個智能攝像頭，再加上一些毫米波的雷達，里面可能是分別做一些算法上的處理，但很難進行數(shù)據(jù)的整合和融合。

所以在做ADAS的時候，汽車電子以功能實現(xiàn)為研發(fā)核心，做一些相對來講比較簡單的輔助駕駛功能。這樣做出來的功能，駕駛體驗往往會覺得比較僵硬頓挫。

比如說制動功能的汽車電子方案，它可能比較重視剎停的效果和結(jié)果，至于駕駛者的感受可能考慮的并不是很多，而自動駕駛的方案會更重視駕駛員的感受。同時，自動駕駛的架構(gòu)上也采用了專門的自動駕駛域的形式，在自動駕駛域上就會把所有的傳感器的數(shù)據(jù)統(tǒng)一處理，比如來自畫面、來自雷達等等，這些所有的數(shù)據(jù)融合在一起，然后統(tǒng)一地處理，最后再進行決策規(guī)劃控制的開發(fā)。

而且自動駕駛方案也會通過引入像我們所說的駕駛員模型，來盡量模擬人類的駕駛行為。這樣實現(xiàn)的功能，它的理念就和人的預(yù)期是非常一樣的，那么人在這個跟他自己的預(yù)期一樣的自動駕駛車里乘坐的時候，他就會感受到非常的舒適和安全，這樣就優(yōu)化了自動駕駛體驗。

過了ADAS的階段之后，就來到了NOA行泊一體的階段，我們說NOA行泊一體的方案是自動駕駛量產(chǎn)的一個新階段。

因為在這個功能的基礎(chǔ)上，?NOA開啟了一個人機共駕的時代，這也是邁向自動駕駛終局的一個新階段。在體驗上，我們傳統(tǒng)的這些ADAS是一個碎片化的功能，主要還是人來駕駛，在滿足輔助駕駛條件的時候再開啟輔助駕駛，開啟的時間可能也并不是很長，馬上就會到達下一個需要“人來介入”的時候，所以它是一個相對來講比較碎片化的功能。在理念上NOA 就打破了這種碎片化的功能，創(chuàng)造了典型場景下（比如，高速公路、城市環(huán)線、城市快速路等）沉浸式的自動駕駛體驗，這種是消費者接觸到自動駕駛的一個核心需求點。

以前做ADAS功能的時候，這個車的駕駛員主要還是人，只是在一個碎片化的階段里面，讓這個系統(tǒng)來介入一下，到了人機共駕的時代，可能就真是“人”和“機”一起來駕駛了。

還有就是在技術(shù)上我們覺得數(shù)據(jù)是自動駕駛的核心， NOA 的方案實現(xiàn)了人機共駕，能夠快速地積累高價值的自動駕駛數(shù)據(jù)。

因此一個比較好的NOA 方案要具備基于量產(chǎn)數(shù)據(jù)回傳和OTA升級的能力，就是我們讓這個車更加智能。我們可以隨著經(jīng)歷的場景更多、更復(fù)雜，來回傳更多的數(shù)據(jù)，然后我們會把這樣的數(shù)據(jù)進行不停的迭代，解決不同的復(fù)雜場景下的Corner Case。

最后我們覺得其實一個好的NOA 方案也要具備足夠的商業(yè)競爭力，就是NOA 系統(tǒng)雖然已經(jīng)到達新的階段，但是如果我們想讓更多的終端用戶能使用這個功能的話，那就必須把成本控制好，最終的車型能覆蓋更廣泛的價位。

比如說易航智能的方案覆蓋到15萬以內(nèi)的車型，這也是我們國內(nèi)汽車市場目前占比最大的一個價格區(qū)間，只有這樣，我們覺得才能實現(xiàn)一個大規(guī)模的量產(chǎn)。再往后一個臺階那就是FSD了。

FSD在功能和原理上其實已經(jīng)和人類駕駛高度接近了，尤其是在感知端，我們采用了這種BEV的方法， BEV可以讓自動駕駛系統(tǒng)獲得一個俯視視角。簡單來講就是BEV NET通過神經(jīng)網(wǎng)絡(luò)從各個相機提取特征后，在網(wǎng)絡(luò)中將特征轉(zhuǎn)換到BEV視角下，進而對各個相機的特征進行空間尺度的融合，得到BEV視角下的特征，同時在時間尺度上，融合之前若干幀的特征，最后解析得到BEV視角下的結(jié)果。

通俗點來說，我們就是把車輛四周安裝的攝像頭所看到的圖像，變成了一整個周圍局部的小地圖，那么這個小地圖不但包含這個道路信息，也包含我們車周圍的像車和人這些目標的信息。

這種其實就已經(jīng)和人類駕駛車輛的情況非常一致了。就像我們?nèi)嗽隈{駛車輛的時候，也會用手機進行導(dǎo)航，有一個全局的路徑，比如說我們從家怎么去單位，要在哪條街左轉(zhuǎn)，哪條街右轉(zhuǎn)，而在車的近處，我們也會觀察周圍的車和人，包括周圍的這種路沿隔離帶、車道線，然后去避讓這些車人，行駛在我們可以行駛的道路上。所以我們說使用BEV的FSD方案會帶來一個行業(yè)發(fā)展的拐點。

做Demo易，做量產(chǎn)難，用冰山理論看自動駕駛量產(chǎn)

前面講了通過場景的拓展來實現(xiàn)自動駕駛功能的不斷完善。而自動駕駛大規(guī)模的應(yīng)用，我們覺得也不能停留在Demo或者小范圍的試驗，它必須得走向量產(chǎn)，而量產(chǎn)又恰恰是漸進式路徑解決的又一個難題。

我們現(xiàn)在其實很多人都說量產(chǎn)難，我正好在這里介紹一下量產(chǎn)究竟難在哪里。我們說自動駕駛量產(chǎn)非常符合冰山理論：因為有一部分是可以展示出來的功能，還有一部分是展示不出來的功能。

所以我們說這個Demo是什么？

Demo顯示的是自動駕駛系統(tǒng)在最佳狀態(tài)時候的一個表現(xiàn)，比如說在特定的路段、特定的天氣或者是特定的駕駛員，然后給比較熟悉自動駕駛車輛的人展示這套系統(tǒng)。但量產(chǎn)，關(guān)注的是系統(tǒng)在極端條件下它最差的表現(xiàn)。

比如說我們做一輛量產(chǎn)車，那么這輛車可能要在全國的4S店賣，天氣如何、誰來開，我們都不知道，所以這就對系統(tǒng)提出了非常高的要求。這個體現(xiàn)到我們自動駕駛系統(tǒng)的研發(fā)工作上面，就是說我們讓車上路做演示的這部分，其實可能只占我們?nèi)抗ぷ髁康?0%；那么第二步，我們要完成更完善的功能開發(fā)，比如說我們解決駕駛員違規(guī)操作的這些問題。這些都解決了之后，我們大概可能完成了20%-30%的工作量，剩余的大部分的工作量其實都是一些我們產(chǎn)品級的算法，包括一些工程Case的解決，還可能有一些功能診斷。

我舉個例子就是我們公司成立了兩三個月之后，我們就可以讓車在路上沿著車道線自動來行駛了，但是我們把自動駕駛實現(xiàn)到量產(chǎn)，最終還用了大概2-3年的時間。

再舉個例子，我們很多人都知道自動駕駛有一個撥桿并線的功能，就是我們打轉(zhuǎn)向燈，然后就能并到旁邊的車道里。這么一個簡單的功能，我們可能就要做大量的工作，因為有的轉(zhuǎn)向燈可能是機械的，里邊會有一些頻繁的震蕩，我們需要解決它到底是開還是關(guān)的震蕩。

還有比如說我們有的駕駛員撥轉(zhuǎn)向燈的時候，分不清左右，他可能想往左側(cè)并線，但撥的是向右的轉(zhuǎn)向，車行駛了一半，又發(fā)現(xiàn)他撥錯了，需要從右邊直接撥到左邊。這種情況是非常復(fù)雜的，我們要解決自動駕駛量產(chǎn)，就必須把這里邊所有可能遇到的問題都解決掉。

所以，我們覺得以場景為核心的自動駕駛技術(shù)，從ADAS到NOA再到FSD的量產(chǎn)，它不但是能力的提升，它也解決了自動駕駛量產(chǎn)難題，積累了寶貴的量產(chǎn)經(jīng)驗。就像剛才說到，做量產(chǎn)會遇到很多意想不到的情況，整個周期也會比較長。

那么怎么加速這個過程，怎么樣能讓自動駕駛快速地落地量產(chǎn)呢？我們覺得全棧自研是必須要具備的能力，主要是有這么幾個原因：首先我們覺得目前自動駕駛系統(tǒng)是一個軟件和硬件高度耦合的系統(tǒng)，在研發(fā)過程中，我們遇到的問題其實很難簡單地歸因于是軟件的問題還是硬件的問題，而是需要軟硬件系統(tǒng)相互配合，來最終達到功能的實現(xiàn)。

全棧自研就能提升我們軟硬件匹配包括集成的效率，來加速實現(xiàn)量產(chǎn)。

舉個例子，我們研發(fā)域控制器的時候會進行振動實驗，過程中會把振動的強度放到比國標、包括比客戶要求的指標更嚴苛的狀態(tài)下。在這種非常劇烈震動的時候就會發(fā)現(xiàn)，攝像頭和控制器中間的連線，包括接插件可能有一些閃斷，那么這個就會導(dǎo)致這套系統(tǒng)里面的圖像傳輸發(fā)生停滯，停滯以后圖像有可能就回不來，后邊很多的處理就會出現(xiàn)問題。

對于這樣的一個問題，如果說軟件和硬件是分離開來開發(fā)的話，軟件的工程師可能會覺得這是接插件的問題，需要硬件的工程師去找一個可以滿足這種震動實驗條件下、不發(fā)生脫離的接插件；而硬件的工程師覺得，現(xiàn)在行業(yè)里邊找不到一種在任何條件下都不會有閃斷的接插件，需要軟件來解決。

在很多情況下，軟件和硬件工程師因為角度不一樣，就會遇到這種現(xiàn)實的問題，所以我們必須得讓軟件工程師和硬件工程師在一起討論這個問題，只有在系統(tǒng)的層面把這個問題解決，我們才能更好地開發(fā)出一套自動駕駛的控制器。

第二，為了實現(xiàn)更好的駕駛體驗，感知和規(guī)劃控制也需要高度耦合。感知和規(guī)控共同決定著自動駕駛的用戶體驗，所以我們要實現(xiàn)這種“1+1>2”的效果，也需要兩個算法在一起持續(xù)地優(yōu)化，而不是只側(cè)重于某一方面。比如，非常遠距離的感知，一輛車離我們很遠的時候，測距測速不可避免的誤差會變大。

那么對于這種情況，我們?nèi)绻胱屪罱K的感受比較好的話，我們就需要感知和決策控制所有這些算法的環(huán)節(jié)，一起優(yōu)化這個問題。即使測量的精度有一些變化，我們還需要最終的控制把這個問題給解決掉，讓人坐在車里面感受不到誤差。

最后，我們覺得全棧自研也是服務(wù)客戶的一個需要，因為自動駕駛它其實是一個系統(tǒng)工程，那么我們只有整個技術(shù)都“趟”過一遍才能掌握系統(tǒng)工程能力，我們也才能根據(jù)用戶的需求提供定制化的解決方案。

比如說有的車型對成本控制要求很高，它安裝的這些傳感器精度可能就會相對低一些，然后誤差、噪音可能會比較大，這個時候我們就得做很多信號上的處理，讓最終我們拿到的信號不要有精度上的問題。

再比如有的車廠選擇了中小算力的計算平臺，那么就要求我們軟硬件必須深度地進行優(yōu)化和匹配，才能充分地激發(fā)算力，實現(xiàn)這些高級功能。

像我們現(xiàn)在用的這種蘋果手機，其實它的算力要比安卓手機或者高通的芯片低一些，但是蘋果手機使用卻更加流暢，是因為它是軟件硬件在一起進行優(yōu)化、調(diào)試，它才能最終達到一個更好的結(jié)果。

我們易航智能也是一直堅持構(gòu)建全棧自研的能力，像我們已經(jīng)能涵蓋感知、決策規(guī)劃控制，包括軟硬件開發(fā)、測試標定等等這些的能力。

實現(xiàn)自動駕駛量產(chǎn)的關(guān)鍵技術(shù)有哪些？

講完全棧自研能力對于量產(chǎn)的重要性，我們再來看一下全棧自研這個過程中到底有哪些關(guān)鍵的技術(shù)和能力。這里我們從以下幾個方面，就是感知、規(guī)劃控制和AEB主動安全這三個方面展開講講。

首先來看這種感知的算法，自動駕駛要感知比較多的路面信息，包括檢測像車輛、行人這些目標，還有對這些目標進行測距測速等等。同時我們也要檢測像車道線這些道路信息。這個工作其實有很多難點，比如說我們在剛剛進入隧道的時候，尤其是天氣特別好的時候，人眼都會因為突然的明暗變化，而瞬間看不清路。對于自動駕駛來講，我們的攝像頭也會由于這種非常明顯的明暗變化、由于曝光看不清道路，這個是非常危險的，所以我們就會對曝光提出更強的要求。我們目前要求進隧道的時候，從特別亮到特別暗的時候，必須在100毫秒之內(nèi)達到我們最終的曝光要求，可以看到隧道里非常黑的路況。其實在夜晚當(dāng)對面有這種遠光燈照過來的時候，我們也是一樣的狀況，所以這些場景和路況就會有很多難點。

再比如說我們在道路上行駛的時候，有的車尤其是貨車，它可能就是在運送很長的墩子或者管子，它比這個車要更長，會伸出這個車。那么這個車距離我的位置在哪里，是按照管子來算，還是按照車來算？上面蓋住的布被風(fēng)刮開之后是什么樣的情況？又是不一樣的處理方式。這些都對感知提出了很多挑戰(zhàn)。

除了檢測的問題，還有比如說到路口的時候，有的人站在路邊打電話但是并不想過馬路，我們也要對他的行為進行一些預(yù)測和判斷，你要知道他在干什么，有沒有過馬路的意圖；比如有的車他可能在道路上打了轉(zhuǎn)向燈，但是他并不想并線，他只是忘關(guān)了。這些情況下，我們都要對這些目標的行為做出一些預(yù)測和判斷，這個就是我們現(xiàn)在在感知端遇到的一些難點。

那么大家可以看到感知方面，我們又要檢測很多的目標，又有很多的功能，所以它對算力有很大的需求。

但算力不是無限的，所以我們就要在特定的算力下，放入更多的功能，這對算法提出了進一步的要求，我們必須要用有限的算力消耗或者是特定的算力消耗，達到更好的效果和更多的功能。

我們目前是采用了算法優(yōu)化和算力優(yōu)化兩個部分來解決這個問題。

算法優(yōu)化上主要是用像算法剪枝、知識蒸餾。算法剪枝就是在對模型有一個比較深刻的理解的基礎(chǔ)上，我們用自己創(chuàng)新的Scalpel剪枝方法論進行模型壓縮，這樣就可以提升模型的運轉(zhuǎn)效率。知識蒸餾這邊，我們自研了一套領(lǐng)先的大模型，功能算法模型通過知識蒸餾的手段，向大模型來學(xué)習(xí)，充分繼承大模型的優(yōu)秀基因，最終提升算法的精度。

算力優(yōu)化這邊我們主要是共享Backbone，我們在這條路徑上打通了計算平臺和高精度多任務(wù)訓(xùn)練之間的隔閡。障礙物檢測包括圖像分割、交通標志檢測等實現(xiàn)網(wǎng)絡(luò)共享，這樣也可以極大降低算力的消耗。

再來講一下決策規(guī)劃控制。不同的司機對感知是一樣的，路面有車、有人都是可以看到的，但是最終我們的駕駛能力是不一樣的，這就是說人的決策規(guī)劃和控制的能力是不一樣的，對于自動駕駛來講同理，我們決策規(guī)劃控制在自動駕駛里面一樣是非常重要的。

怎么樣來評價一個自動駕駛的駕駛水平？我們覺得可以類比人的駕駛能力，比如說有的職業(yè)駕駛員可以駕車做出很多非常專業(yè)的動作，像漂移，我們可以基于這一點認為他的駕駛能力好，因為他對車的理解更強，知道車的極限在哪里，也知道怎么樣來控制這個車。我們的決策規(guī)劃控制算法，使用了這種駕駛員行為建模，我們也對駕駛員的行為有非常深入的理解。

為了驗證規(guī)劃控制能力，我們基于我們的駕駛員模型做出了整車漂移的算法，就像視頻里演示的這種?，F(xiàn)在全世界能在真實場地上實現(xiàn)自動駕駛漂移的公司非常少。視頻里也可以看到我們的方向盤非常穩(wěn)，比職業(yè)駕駛員的方向盤還要穩(wěn)；右下角的路徑也非常圓，而且兩圈能完全地重合在一起，就說明我們的控制都是在一個非常高的水準上面，可能都超出了一些職業(yè)駕駛員的能力。

最后我來介紹一下AEB。AEB其實它主要是提升車輛的一個主動安全能力，然后也是自動駕駛里面一個核心的功能。降低交通事故的發(fā)生，也是我們做自動駕駛技術(shù)的一個初心，也是自動駕駛走向大規(guī)模應(yīng)用的必要條件。AEB最嚴格的要求就是歐洲的相關(guān)法規(guī)，這是全球?qū)Π踩砸笞罡叩臉藴省?/p>

雖然AEB功能看起來不是特別復(fù)雜，但是是自動駕駛算法里面難度極高的算法，因為它要求基本達到零誤觸發(fā)，所以這是對我們能力非常大的挑戰(zhàn)。

比如說有的人在路上突然探頭，而且可能是小孩，這種場景是非常難處理的，要求我們的感知必須要非常的準、非常的快，而且在這種情形下控制也要非常及時。在這個方面我們做到了僅靠單視覺的系統(tǒng)就能實現(xiàn)歐洲的E-NCAP五星評級，所以搭載我們自動駕駛系統(tǒng)的車型，已經(jīng)出口到了歐洲。

關(guān)于易航智能

最后，簡單介紹一下我們易航智能的情況和我們業(yè)務(wù)的情況。

我們公司成立于2015年，是中國最早成立的自動駕駛創(chuàng)業(yè)公司之一，在2016年的時候，我們和主機廠達成戰(zhàn)略合作，成為了國內(nèi)第一個獲得自動駕駛量產(chǎn)訂單的創(chuàng)業(yè)公司。目前我們已經(jīng)有10萬輛整車的量產(chǎn)經(jīng)驗，就是有10萬輛使用我們自動駕駛系統(tǒng)的車在路上，我們也積累了超過10億公里的駕駛數(shù)據(jù)，覆蓋了中國除了港澳臺之外的全部省份，以及像法國、德國、意大利、比利時、荷蘭、西班牙、瑞典等西歐國家和北歐國家。

在業(yè)務(wù)上，我們構(gòu)建了場景為核心的4大產(chǎn)品線，有低成本的輔助駕駛ADAS系統(tǒng)，然后有行泊一體+記憶泊車的高級輔助駕駛系統(tǒng)，還有領(lǐng)航輔助駕駛NOA系統(tǒng)，以及全場景的自動駕駛FSD系統(tǒng)，目前前三個都已經(jīng)量產(chǎn)了。今年搭載我們NOA功能的車型將陸續(xù)的批量上市，城市的全場景FSD主要就是像地庫、小區(qū)里，然后城區(qū)道路、高速公路上等所有的場景都會打通，實現(xiàn)任意場景的點對點的方案，我們會在今年年底到明年初量產(chǎn)。

關(guān)于「量子位·視點」

量子位發(fā)起的CEO/CTO系列分享活動，不定期邀請前沿科技領(lǐng)域創(chuàng)業(yè)公司CEO/CTO，分享企業(yè)最新戰(zhàn)略、最新技術(shù)、最新產(chǎn)品，與廣大從業(yè)者、愛好者探討前沿技術(shù)理論與產(chǎn)業(yè)實踐。歡迎大家多多關(guān)注 ～

— 完 —

量子位 QbitAI

關(guān)注我們，第一時間獲知前沿科技動態(tài)