2023年7月5日-7日，由中国汽车工业协会主办的第13届中国汽车论坛在上海嘉定举办。本届论坛以“新时代 新使命 新动能——助力建设现代化产业体系”为主题，设置“1场闭门峰会+1个大会论坛+16个主题论坛+N场发布”共18场会议及若干发布、展示、推广等活动，旨在凝聚各方力量，形成发展共识，为建设现代化产业体系贡献汽车行业的智慧和力量。其中，在7月7日下午举办的“主题论坛十三：聚能共创，加速构建软件定义汽车新生态”上，
轻舟智航生态市场高级总监高建雄
发表精彩演讲。
以下内容为现场演讲实录：
尊敬的协会领导，尊贵的车企客户及生态伙伴、行业同仁，大家下午好！我是轻舟智航的高建雄。
今天论坛的主题是软件定义汽车，轻舟智航作为自动驾驶解决方案公司，很荣幸借此机会向大家汇报轻舟对于如何参与并与车企客户、生态伙伴一起做好NOA，推动智能化下半场的简单思考。
目前新能源汽车市场处于非常关键的时期，整体呈现出了“两高一发展”局面，两高指的是在过去几年中，电动化水平出现了很快的发展，同时在底层的学术研发呈现了比较高的水平。
根据中汽协发布的数据，2022年新能源渗透率达到了25.6%，但是在2021年数据只有去年的一半，发展速度非常快。
一发展指的是在汽车智能化下半场以自动驾驶和智能座舱为代表的智能化成为了新的热点和方向，在过去一年中得到了蓬勃发展。
在6月份，工信部在政策方面发布将支持L3级及以上自动驾驶功能商业化应用；就在昨天，马斯克再次抛出“炸弹”，在今年年底或者稍晚的时候，L4到L5级自动驾驶就要实现了。同时，国内很多新势力车企逐步在各大城市开放城市NOA落地，所以自动驾驶落地速度非常快。
在刚刚放榜的2023 CVPR上，中国自动驾驶论文学术水平得到了全球专家的认可。
面对自动驾驶的发展，轻舟智航的长远目标及使命是“将无人驾驶带进现实”。在实现无人驾驶的过程中希望和主机厂、生态伙伴一道，实现从L2+，到高速NOA，到城市NOA的三步走，过程中不断积累数据进行打磨，逐步满足用户增长的智能化需求。
大家都会问，到底什么时候能真正实现无人驾驶的落地？当路上有10%或五分之一车都打开城市NOA的时候，就代表在地球上大多数高质量数据都经过了几遍，这时候无人驾驶的“窗口”或许会到来。
城市NOA是辅助驾驶的天花板，也是无人驾驶的入门槛。
在实现了城市NOA以后，随着在场景方面大量数据呈现一种井喷式的增长，会出现类似大模型中的“涌现效果”，因此很多此前无法通过穷举方式实现的场景和问题，都会在这次涌现过程中得以解决。当城市NOA渗透率达到一定数值以后，无人驾驶的大幕真正会拉开。
最终做好NOA还面临很多课题，在这里我们提出“五个需要”：
第一，软件需迭代。
OTA迭代能力是区分传统智驾和新智驾的“分水岭”，只有具备迭代能力，才有机会通过大规模的商业化落地实现刚刚提到的自动驾驶“三步走”，也能不断地提升新的用户价值。
特别是在目前中高阶智能驾驶市场需要车企和自动驾驶公司在消费者使用的过程中不断对功能进行升级，不断解决用户痛点，保障智驾功能常用常新。智驾公司需要和主机厂建立长期深度的合作关系，同时大家一起规划好中长期平台方案。
第二，地图需轻量。
在“城市无图方案”方面，轻舟智航做了一些工作。通过感知识别摆脱对高精地图的依赖，这是城市NOA直接降本，在更多城市落地的关键。
我们基于Transformer结构，开发了感知地图模型的QMapNet，可以实现道路几何感知+SD Map融合，完成实时地图构建，支持城市复杂道路行驶，并且具备复杂道路精确拓扑建模能力，保障复杂路口的安全通行。
（如图所示）这是感知结果，红色的线是感知的车道线，绿色是虚拟的行驶线，可以看到模型强大的拓扑建模能力。
第三，数据需开放。
数据和OTA升级对自动驾驶阶段升级非常重要，我们呼吁从政策上给数据应用适当“解绑”，倡导以国家相关部门牵头，加快推动相关法律法规的出台落地，规范数据使用，在保障数据安全的前提下，共建汽车数据共享机制和平台，实现主机厂和自动驾驶公司在安全可控情况下的数据共享和数据打通，解决数据孤岛的问题。
第四，研发需创新。
轻舟智航目前建立了从感知，到决策规控，到数据几方面具备领先完整的研发范式。
在感知方面，基于行泊一体的BEV多任务模型，通过前视和侧视以及4个环视鱼眼，共11个相机的输入，生成统一的BEV特征图，在BEV特征图上采用两层式的设计，大的特征层用较低的分辨率，通过后续行车的感知任务，包括对于交通参与者、车道线、障碍物等。小的特征图分辨率会较高一些，对应了近距离感知区域，负责连接后续泊车的感知任务，包括对车位、RoadMark分割等识别。
这个图左边是对行车BEV的检测，包括交通参与者的检测，每个框里是对交通参与者和道路几何的检测结果。右边是泊车中，对车位、障碍物、地标等检测结果。
除了BEV感知，还有“超融合”的OmniNet，是轻舟智航在国内首个在量产计算平台上部署的多传感器特征的大模型，可以把数据进行融合，把本来分布在各个模块的子任务，在一个记忆网络中进行统一高效的计算，在计算的步骤中输出图像空间和BEV空间下的检测结果，然后送给下游端使用，架构会更加灵活。
轻舟超融合不仅可以实现多层级的融合，而且采取了穿插的融合方式，没有前中后的阶段区分，只有按需的融合。因此，有些模块的融合输入可能是其他模块的数据、特征、目标层面的信息。此外，还在很多模块采取了时序融合，可以将当前帧的内容和过往帧的内容进行融合，增加感知的准确性。
这个视频显示在城市道路、高架等各个场景下通过OmniNet形成的精准多任务检测结果，包括深度信息及2D和3D信息。
当前，我们在行业里很早把基于纯视觉的NeRF的建图方式和三维重建的地图标注的系统结合在一起，采用大规模的非监督的标注，使得整体标注效率非常高，基本可以实现绝大部分的任务都是依靠非监督学习实现。
在大模型里另一个非常重要的基石是可以很好地使用非监督学习，这在自动驾驶实现过程中是非常重要的。
要打造好用的城市和高速NOA系统，要解决这些非常常见的场景，比如像进出闸道、智慧躲闪、窄路通行等等。目前我们决策规控模块实现了基于机器学习的数据驱动，摆脱了规则算法的限制，不仅可以在海量的数据中优化，还可以像人类“老司机”的驾驶风格，引领研发范式的革新。
早期轻舟考察了中国国内道路场景，发现国内复杂道路场景采用分离的算法很难解决复杂的道路问题，我们研发了非常接近于中国实际复杂道路的时空联合规划算法。
传统时空分离的方法是类似于像在地面上铺一条铁轨，让车先沿着铁轨行驶，然后再判断是采用加速还是减速，怎么样能行驶得更好。时空联合的规划算法在3D空间里进行检索，在需要变道的时候可以实现加速变道。
轻舟智航作为高级别的自动驾驶解决方案提供商，在数据方面具备天然的优势，轻舟在很早期构建了强大的数据工具链，可以支持算法快速迭代升级。在此过程中，不断进行场景挖掘，持续强化场景建设。
通过利用离线点云大模型，可以实现很多长尾场景的自动挖掘，并且不同环境和物体可以叠加，增加挖掘场景的复杂度。
我们还采用文字到图像多模态模型，可以学习文本描述和图像之间的相似性，从而实现基于文本的图像分类能力。这个方法不仅不依赖于大量标注数据，降低了数据收集和标注成本，并且可以解决传统基于标签的图像分类方法没有办法准确识别的长尾场景问题。
第五，发展需伙伴。
自动驾驶的发展需要生态的发展，发展过程中需要与合作伙伴的合作。
2022年5月份，我们和地平线进行深度战略合作，一年的时间中，双方通过强强联合及软硬件结合，发挥各自优势，实现了多个节点性的大的成果。到目前，获得了多家主机厂的量产定点项目。
基于地平线征程5芯片，轻舟推出了一些目前具有不同级别辅助驾驶的解决方案，具有极高的性价比。比如去年，在地平线征程5上首个推出基于双征程5的城市NOA解决方案。今年业界首个发布了基于单征程5芯片的城市和高速NOA方案。
过去的十年，智能化和电动化带来了汽车产业的大变革，相信在未来十年，自动驾驶的变革将更加推动我们生活方式的转变。虽然在实现自动驾驶的过程中，道路会非常漫长，但是相信只要我们和主机厂及生态伙伴一起携手共进，自动驾驶一定会行则将至。
借此机会我们向各位汇报轻舟做的工作，也欢迎大家到北京、苏州进行深度交流及体验，希望所有领导、主机厂、生态伙伴能够支持轻舟发展，一道共同让自动驾驶尽早落地，把无人驾驶带进现实。
谢谢大家！
