下一个倒下的，为什么不能是轻舟智航？

L4自动驾驶共公司面向车厂布局L2智能驾驶业务，早已经不是什么新鲜事。甚至于，这已经是一个被讲烂了的故事。

在宏观经济形势下行的大背景下，国内外自动驾驶“独角兽”们往年的融资盛况不再，可烧钱的速度却丝毫内有收敛。团队规模扩充、人工数据标注、大模型的训练，还有数据计算中心的搭建，哪一项都不是动辄数十亿资金所不能成就的；同一时间，中、美两国在数据安全上的博弈也让过去“海内外共同研发”的技术路径幻化成泡影。

看看老牌自动驾驶公司Argo和陈默的图森未来就知道了，没有像谷歌的Waymo和通用的Cruise那样强大的资本和背书作为支持，当风暴来临时你真的什么也不是。

相比较而言，国内的自动驾驶初创企业们更务实。大家一致认为，在实现高级别自动驾驶之前，必须要有个“拄拐棍”的过程。百度和威马、长城、埃安等多家主机厂在智能泊车领域展开合作；Momenta与比亚迪乃至上汽系的新能源汽车品牌深度绑定；禾多科技也先后两轮斩获来自广汽的融资……

显而易见，这是一个“抢人”以及比拼量产速度的时代，L4+L2“一边烧钱，一边造血”的故事已经无法打动更多的客户和投资者。谁能率先给出成本可控的量产方案，获得来自车厂的认可并结成深度绑定，谁就越有可能活下来。

这是自动驾驶初创公司们之间的“零和博弈”，也是赤裸裸的现实。

因此，当同为“两条腿走路”的自动驾驶公司轻舟智航，在于近期举办的一场技术分享当中言辞恳切地发布旗下智能驾驶解决方案品牌——“轻舟乘风”，我们能够看出到一家自动驾驶公司在行业寒冬的焦虑心理，也能感受到其渴望被更多车厂注意到的强烈愿望。

相比今年5月份“双擎战略”的发布，以及8月份“城市NOA Demo”的技术分享，轻舟智航这次在会上所讲的内容明显更偏向底层。

具体来看轻舟智航的分享内容。

在智能驾驶最重要的感知层面，轻舟智航发布了基于“超融合”的感知方案，可将前、中、后三种不容的融合模式在具体功能的实现上进行穿插应用。按照轻舟智航的说法，“超融合”可以在不同阶段充分利用不同传感器的信息，让不同传感器的优势互补，得到更优的传感器融合结果。

要如何理解“超融合”这一概念呢？在这里可能会需要一些小的背景知识进行铺垫。

在实际运行当中，如果要充分地发挥各个传感器的优势，需要将每一个传感器得到的数据先进行融合，才能输送到下游的神经网络，以便能够更好地完成感知工作。目前，业内主流的传感器数据融合可以分为前融合、中融合和后融合，又可以按照融合方式将上述三类融合方式具体命名为数据级融合、特征级融合以及语义级融合。

但就像不同的传感器各有优劣一样，上述三种融合方式也各有各的优点和缺点。

比如，前融合可以更有利于挖掘数据的底层价值，但同时也需要更大的算力作为支撑，对不同传感器的时间同步和空间标定也非常严苛；而后融合的解耦性更强，也是目前在单一辅助驾驶功能的感知上应用最为普遍的融合方式，但其非常依赖工程师基于经验编写的既定规则，可扩展性也相对有限，很难胜任未来高阶智能驾驶技术的发展。

“超融合”也称“穿插融合”，则可以看做是将三种不同的融合方式进行灵活的应用。

从上图也可以更清晰地看到穿插融合在实际功能层面的应用。对于具体的物体识别，仅需要通过毫米波雷达、激光雷达还有摄像头三种不同传感器的后融合数据；而对红绿灯以及道路几何形状的识别，则需要三种传感器数据在Omni Net中进行前融合。

这也顺便引到了轻舟智航在感知技术扔下的第二枚重磅炸弹——Omni Net。

现阶段，无论是特斯拉还是小鹏汽车都更倾向于通过transformer的注意力机制，将数据映射到BEV视角（鸟瞰视角）下再做感知。特斯拉的九头蛇网络，小鹏汽车的X-net都是类似功用的大神经网络大模型。

但Omni Net和上述两家明显不同的是，特斯拉和小鹏仅将视觉信息输入到了模型当中，而轻舟智航则是将视觉、毫米波雷达和激光雷达三种不同的感知数据通通输入进了Omni Net当中，是真正的多传感器融合网络，能够负担起更多的感知任务，输出也会更加多样。

根据轻质智航的介绍，Omni Net还能输出像特斯拉在AI DAY上展示的Occupancy Network一样的占据栅格，这是小鹏的X-net目前所不能做到的。

除了在感知领域，轻舟智航在PNC（（Planning and Control，规划与控制）上同样也做了很多功课。

（PNC全称Planning and Control，在车端涵盖导航、预测、决策、规划、控制等核心模块，以及HMI、环境感知、地图定位等支持模块。）

早在8月份的那次技术分享当中，轻舟智航就曾提出过自研的“时空联合规划算法”。只不过当时轻舟智航更加注重展示算法的实际效果，并未对具体的实现原理有更多的介绍。但在本次技术分享会上，轻舟智航详细地展示了“时空联合规划算法”背后的求解思路。

在未来大范围普及的城市NOA上，车辆不光要有能把车从A点开到B点的能力，同时也需要做到更像人类的驾驶习惯，在最大程度上保证安全与舒适。这就要上升到在感知能力做到尽善尽美的前提下，如果规划具体的行驶轨迹与控制策略。

通俗来讲，就是机器应当如何控制方向盘、油门和刹车。

此前业内的求解方案更多地聚焦于“先做横向控制，再做纵向控制”的策略。轻舟智航也在分享会上做了比较生动的比喻，“相当于先为车辆铺好一段铁轨，再在铁轨上计算速度”。这种方案虽然思路简单，实现起来也比较容易，但弊病也显而易见。

如果此时“铁轨”上发生了一些此前并没有预测到的事情，但由于既定的行驶路径已经提前设定好，因此车辆在为了保证安全的大前提下，只能被动地选择缓慢行驶甚至于直接刹停，根本无法保证乘员的舒适性，更别说把老司机的驾驶行为拿来比较。

轻舟智航的思路是摒弃掉这种“先位移，再速度”的思考模式，而是将时间（也就是速度）这个维度拿出来一同放到坐标系当中去。

一个很简答的例子。

（很遗憾，超车失败）

如动图所示，一辆小汽车想要超越前方的自行车，按照“时空分离”的做法，车辆应该先规划出向左变到超车的路径，在根据自行车和对向来车的速度伺机选择超越时间。

但显而易见的是，无论是自行车还是对向来车，都有着随时改变速度的可能性。如果先决定位移再决定速度的方式，车辆很有可能其他交通参与者的原因，致使原本的可行道变得不再可行，这也就无从再对自车的速度进行规划了。

而在同一时间将时间（也就是速度）纳入到坐标系当中来，也就是在规划超车动作的一开始就对其他交通参与者的速度进行了预测，选择的超车方案放到三个维度当中都是最优解，因此在具体实施当中便不会出现“原本可行路径变得不可行”这样一种状况，超车自然顺理成章。

（恭喜！超车成功）

轻舟智航的时空联合规划算法，放在行业当中也算是走在了前面。轻舟智航技术合伙人李栋在接受星车场APP采访时就表示：

“从媒体上来看，国外领先的一线自动驾驶公司一般会采用时空联合的算法。我了解关于国内的，根据他们的一些资料和视频可以看出来，应该是大部分都还是时空分离的算法，我们还没有听到在国内有部署时空联合规划算法的公司。”

如此底层的自动驾驶技术分享，摆明了不是说给终端市场听的。只有一个解释，轻舟智航在向潜在的车厂客户“秀肌肉”。

据轻舟智航方面表示，其推出的城市NOA解决方案仅需要一颗激光雷达，并且适配地平线征程5和英伟达Orin两块主流的自动驾驶计算平台，其单车成本可以控制到1万块人民币以下。

性价比有了，但轻舟智航的量产能力还并未得到验证。

轻舟智航表示目前已经有和车企的合作正在推进当中，但具体的信息仍不方便透露，由此外界也无从得知其在量产上的真正实力。

自动驾驶公司布局L2业务的核心逻辑是，未来并不是所有的车企都会加入到自研的队伍当中，一定有走得慢的企业需要供应商的合作。但需要注意的是，就跟造车新势力们面对的存量市场一样，自动驾驶供应商最后也只有可能剩下其中的几家。当规模效应逐渐显现后，这一市场的风口就会快速关闭。

百度和威马合作的W6，以及和长城合作的哈弗神兽均已落地；Momenta和智己打造的智己L7也已经正式交付；禾多科技和广汽的项目也在紧锣密鼓的推进当中，更不用提傍上博世和大陆这些百年零部件供应商的小马智行和文远知行……轻舟智航如何保证能活下来的就是自己？

留给后者的时间已经不多了。