過去很長一段時間里，前裝量產曾被看作是自動駕駛技術含量偏低的一個領域，而且由于價值太低，以至少人問津。

隨著時間推移，這樣的誤解越來越少，行業內外的看法也發生了180度的巨大轉變。汽車廠商紛紛推動智能駕駛上車，市場層面直接驗證了前裝量產的巨大價值。質疑量產，理解量產，選擇量產，成為了自動駕駛領域的真實寫照。

在親身實踐后，許多從業者也發現前裝量產的難度其實超過預期。從實現無人駕駛的角度來看，漸進式路線在技術和商業上更為可行，前裝量產其實是件典型的難而正確的事情。

對于這一點，有的玩家是后知后覺，有的玩家則是早有預見，把握先機完成了技術的布局和商業的突破。在這當中，長期潛心推進量產應用的Nullmax紐勱是為數不多的后者。

作為一家“非典型”的自動駕駛公司，Nullmax沒有在一開始就強調無人駕駛的量產，也沒有為自己的方案配上豪華的硬件，而是做了許多不被理解但之后證明正確的事情。比如，堅持漸進式的路線，打造視覺為主的方案，不依賴激光雷達，不依賴高精地圖，推出行泊一體系統，為硬件做減法來降本增效，等等。

在Nullmax看來，無人駕駛不可能一蹴而就，漸進式自動駕駛是實現無人駕駛的最佳路線。前裝量產是漸進式路線主要的落地方式，擁有無可比擬的數據優勢，既能夠最快程度地訓練出實現無人駕駛的AI系統，也能帶來持續的商業收入支持無人駕駛的長期研發。不過在兩全的背后，需要應對的挑戰和付出的努力也是成倍。

為此，Nullmax打造了一套尤為完善的平臺化技術體系，涵蓋感知、規控等所有的上層應用以及中間件，提供從車端到云端所需的軟件算法，以解決自動駕駛開發、部署、升級過程中可能遇到的各種難題，并面向汽車行業推出了滿足不同需求的智能駕駛、視覺感知產品，讓技術盡可能服務于更多的量產車輛。

實質性的量產突破是漸進式道路上的關鍵一步。在2021年獲得首個量產項目，2022年完成首個交付之后，Nullmax翻過了量產路上的第一座山丘，在無人駕駛的路上加速前進。

無人駕駛沒有捷徑，量產可以少走彎路

在自動駕駛的浪潮初期，行業對無人駕駛的實現路徑有不同認識。一種主流的看法是應當先實現小范圍的無人駕駛然后再逐步擴大范圍，被稱為跨越式路線；另一種相對小眾的看法是先實現大范圍的人車共駕然后再逐步減少司機的干預，被稱為漸進式路線。

由于Nullmax的創始團隊曾親身推動并完整經歷了自動駕駛的大規模落地，對自動駕駛的研發和大規模應用有著深入的理解，因此Nullmax從一開始就是漸進式路線的堅定支持者。

在創業之前，CEO徐雷博士曾先后在高通、特斯拉工作，并作為Autopilot研發團隊的核心成員和Tesla Vision的深度學習負責人，從零開始領導搭建Tesla Vision深度學習網絡，成功取代了特斯拉第一代產品中使用的Mobileye視覺系統。

Nullmax的另一位創始人兼COO宋新雨，曾任特斯拉研發質量和供應鏈部門高級經理，作為Autopilot及娛樂系統開發團隊骨干成員，深度參與了Autopilot 1.0和Autopilot 2.0系統的開發和產品化過程。

在經歷了Autopilot 1.0和Autopilot 2.0的開發過后，Nullmax的兩位創始人認為漸進式自動駕駛在本質上是大數據驅動的機器學習問題，它在實現L4級無人駕駛上比跨越式路線更具優勢。

當時，特斯拉的量產車輛已經售往包括歐美在內的世界多地，研發團隊意識到真實世界的場景其實非常多樣，各種極端場景難以想象。尤其是大量未知的不安全場景，很難通過仿真系統模擬出來，只有通過規模龐大、遍及各地的量產車隊在實際應用中一點點發現。

跨越式路線通常是在小區域里訓練出一套出色的無人駕駛系統，然后再擴大范圍，但因為過擬合的問題，原區域訓練的系統很難在新的區域保證效果。而小范圍的應用、小規模的車隊，在數據的規模和多樣性上也不具備優勢。

要想最終實現廣泛可用、真正安全的無人駕駛，漸進式路線其實是一種更高效的方式。根據國際汽車制造商協會數據，2022年全球汽車銷量約為8163萬輛，前裝量產可以為漸進式路線提供絕對充足的海量數據，訓練自動駕駛系統，驗證功能的可用性。

而且在這當中，乘用車占了極大比例，尤其是中國市場，乘用車的銷量占比超過八成。如果以乘用車前裝量產的方式，為普通消費者提供成熟可用的功能，撬動自動駕駛的漸進式落地，其實在技術和商業上都更為可行。而前裝量產發展出的能力，同樣也可以應用到更多領域。

在Nullmax看來，自動駕駛的漸進是全方位的漸進。功能從簡單到復雜，場景從高速到城區，車輛從有人到無人，應用從載人到運貨，都是一步步漸進的過程，盡管周期漫長，但每個階段都可以利用成熟技術輸出成果，并以商業的落地反哺技術的迭代。

比如行泊一體，就是典型的例子。從場景的角度來講，自動駕駛可以粗略分為行車、泊車場景，行車場景可以再細分為結構化道路和非結構化道路。在前裝量產的漸進策略上，Nullmax選擇了先實現城市快速路、高速公路等結構化道路行車場景以及泊車場景的高階功能，然后實現城市道路等非結構化道路的高階功能，一步一步減少場景碎片，最終達到全場景自動駕駛。

因此，Nullmax在2019年就發布了同時具備高速代駕、擁堵跟車、自主泊車功能的行車、泊車一體化系統。在技術層面，行泊一體系統提供面向所有場景的基礎ADAS功能以及面向高速、停車場等場景的高階功能，在自動駕駛的應用初期最大程度地覆蓋更多場景，并持續進化迭代；而在商業層面，則是通過芯片、傳感器的深度共享復用，降低自動駕駛的硬件成本，提高量產的規模。

于是Nullmax的行泊一體方案早早獲得了量產訂單，而行泊一體隨后也在2022年成為了產業的主要趨勢。并且行泊一體落地帶來的海量數據，也正推動自動駕駛的性能、功能和場景不斷進化。

如果用一個詞來描述Nullmax的漸進式路線，“守正出奇”或許最為合適。Nullmax相信無人駕駛遵循客觀發展規律，不可能一蹴而就，以漸進方式逐步擴大應用規模，通過海量數據驅動自動駕駛成長迭代，是實現無人駕駛的合適路線。

放眼長遠應用，堅持做正確的事情

視覺信號是人類獲取信息最主要的方式，也是自動駕駛最主要的數據來源。

從信息論的角度來說，視覺信號的熵極高，蘊含豐富信息，幾乎所有的感知任務都可以通過視覺感知完成。同時，視覺數據廣泛存在于真實世界，易于獲取，可以為自動駕駛系統的訓練提供充足數據。所以在發展漸進式自動駕駛的道路上，Nullmax堅定選擇了視覺為主、多傳感器融合的感知方式。

盡管在早期，激光雷達、高精地圖幾乎是所有自動駕駛方案的標配，而且視覺感知研發的周期更長、難度更大，Nullmax也沒有動搖想法。因為Nullmax認為視覺感知擁有成熟的應用基礎，性能全面、性價比高，關鍵的軟件算法以及對應的傳感器硬件都處于快速發展當中，無論是在當下還是未來，都更適合作為主要的感知方式。

比如，百萬起步的像素水準，由廣及窄的視場角度，高幀率的信息采集，以及對于形狀、顏色、紋理等信息的全方位獲取，都是攝像頭對比激光雷達、毫米波雷達等新舊傳感器的獨到優勢。而且視覺感知對應的檢測、分割等算法，也是AI領域發展最快的部分之一。

在量產應用當中，視覺感知不是像激光雷達、毫米波雷達等感知方式那樣，直接發射電磁波測算距離、速度信息，而是通過神經網絡進行實時推理，所以對AI方面的能力要求極高。從數據的采集、篩選、標注，到AI模型的設計、訓練、迭代，再到車端的實時推理、計算，每個環節都需要高效地運轉。

雖然其中的挑戰巨大、難題繁多，但是一旦具備了這樣的視覺感知能力，開發者也就掌握了自動駕駛開發的主動權，能夠不受限制地開發各種功能，同時也具備了以海量數據驅動自動駕駛AI持續迭代的能力。

Nullmax從一開始就確立了視覺為主的感知方式，因此形成了非常全面且深厚的技術積累。無論是大眾熟知的車道線檢測、障礙物檢測、局部地圖構建等感知任務，還是這些任務背后的自動化標注、高效率訓練，又或者完全平臺化的開發部署、端到端的神經網絡，Nullmax都早早進行了研發，率先應用到實際的項目當中。

其中一個典型的例子就是BEV技術的研發。在視覺感知的研發過程中，為了解決多相機融合、多傳感器融合以及時間空間信息融合的難題，Nullmax在2020年就研發了BEV感知基礎架構，并在之后不斷完善，形成了整體的BEV-AI自動駕駛技術架構，應用到實際項目當中。因為早在Nullmax的創始團隊研發Autopilot 2.0的時候，就已經了解多攝像頭感知系統當中面臨的技術挑戰。

憑借視覺感知方面的深厚積累，Nullmax不僅可以根據自己的需求進行靈活的開發，提供具備一流性能和體驗的完整方案，而不依賴第三方；而且在量產部署中，也能夠支持任意的傳感器配置，自由選擇合適的芯片平臺，擴大技術落地的規模。

在現實應用當中，不同車型很難保證硬件的統一，而且常常差異巨大，因此保留技術部署的靈活性對于漸進式自動駕駛而言意義重大。特別是自動駕駛作為一種通用的平臺型能力，除了前裝量產以外還可以支持其他應用，技術上更應該避免使用受限。

為此，Nullmax在最開始就打造了專門的自動駕駛中間件，開發平臺化的技術架構。因為一套固定的方案即便再受歡迎，也很難應用到多款車上，部署的規模相對有限。但如果這套方案足夠靈活，從軟件到硬件都可以按需配置，適合多種類型的應用，兼具效率和成本優勢，那么應用的規模必然將會擴大。

在這樣的技術體系之下，Nullmax實現了產品方案的平臺化輸出，不僅能夠通過差異化的配置滿足高中低不同智能駕駛需求，也能夠擴大自動駕駛的量產規模，獲得更豐富多樣的數據。

高配置方案的特點是可以支持更復雜的功能，不過量產規模相對較小；而低配置方案在同樣覆蓋行泊場景的前提下，因為部署規模極大的特點，擁有量級更大、更加多樣的數據優勢。所以通過高中低配置實現大范圍的量產部署，從數據層面而言對漸進式自動駕駛來說也更為合適。

普通人對于自動駕駛數據存在著許多的認知誤區。比如，低精度的數據對于無人駕駛沒有作用，自動駕駛的里程數代表著數據的豐富程度，非自動駕駛狀態的數據沒有作用，等等。

實際上，海量低精度數據對于自動駕駛的提升價值遠遠大于少量高精度的數據，巨大規模和豐富多樣性帶來的數據優勢超過單一的數據精度。同樣的，如果數據量很大，但是數據單一或者無法有效利用，那么數據的價值也會大打折扣。而在系統運行的時候，無論高階功能是否激活，一些系統模塊都會在后臺保持運轉，以支持AEB等主動安全功能，以及功能的快速激活等等，期間同樣會處理許多有價值的數據。

因此對于漸進式路線來說，走向無人駕駛的關鍵其實是擴大自動駕駛的應用規模。為此，開發者需要分析市場主流的需求，開發有吸引力的方案，覆蓋盡可能多的車輛。這正是Nullmax過去幾年一直在做的事情，盡管周期更長、技術更復雜，但長遠來看價值也會更大。

也正是因為這樣，Nullmax在自動駕駛的量產進展上收獲頗豐，不僅獲得了多家客戶的量產訂單，不同配置方案先后實現量產定點，也早早開始了方案的交付，開啟技術與商業的正向循環。

在這背后，既有超前的洞見，也有充分具體可行的戰略規劃，更有數年如一日的堅持。

漸進式路線從來不是一條簡單的路，但是在完成前裝量產的上車應用過后，Nullmax已然越過了通往無人駕駛的第一座山丘，在漸進之路上越走越快。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：