撰文 | 青竹 編輯｜周長賢

DeepSeek之后，全球掀起復現狂潮。UC伯克利、港科大等都用極低訓練成本成功復現。加上節后李飛飛團隊基于通義千問開源底座，“50美元”訓練出的“蒸餾”模型……無不說明AI發展范式已改變。

其一，開源的魔力再次自證。據《華爾街日報》，OpenAI首席執行官Sam Altman承認，OpenAI在開源AI問題上，“站在歷史的錯誤一邊”。

其二，降本勢不可擋。過去OpenAI、英偉達、馬斯克們聯合打造出來的那種——瘋狂堆卡、堆錢、堆數據的“力大磚飛”范式，被打破。

“他們證明「DOGE 」的模型訓練方式是可行的。”Perplexity 聯合創始人&CEO Arvind Srinivas認為，DeepSeek用一些巧妙、高效的方法來規避“大基建”，值得全球借鑒。

算力大降本驟然而至，AI服務重新定價，22.99美刀/月的訂閱被取訂，英偉達超3萬億美元的市值靠什么支撐？

如果說DeepSeek們不用很多英偉達H100，是不是智能汽車也不需要那么多Thor？

游戲規則向下遷移

2月9日和10日，長安汽車和比亞迪，將先后舉行智能化戰略大會。而在上周，僅三個交易日，比亞迪股價暴漲了1400億。股價當然不全是所謂“智駕平權”的威力。

但2025年，高階智駕勢下探15萬級、甚至10萬級已成定局。有人說，智駕標配時代來臨。各家成色幾何，猶未可知，出現激進的搶跑者，也不在意料之外。

民生證券研報指出，智能駕駛迎來技術、接受度和商業的三重拐點。地平線創始人余凱的說法是，“3年大局可定”。更敢說的業內透露，“2年內，結束戰斗。”

過去一年，Boss們在臺上把牛都吹麻了。到了年底，“智駕第一梯隊”之外，似乎再無其他梯隊。

如果說，2024年有一兩個“秀”點，就可以拿到“話筒”，那么2025年將是“面”的考驗。主戰場來到15萬級，商業模式自然大不同。

2025講新概念不易，且難懂，VLM還是VLA，車主真在意嗎？反倒是交付的質地，會更多暴露。車主就問，能不能“靠譜、順滑、少接管”。

交付的成本也更多被考量。所以，智駕故事劇情收斂，成本要收斂，方案也會被收斂。

“那些還沒有交付的，量產數據不足的方案商，不太可能留在桌上。”“我們確實招人，你能每天加班到晚上12點嗎？”“甲方太能陰陽怪氣了”……

例如，一家主機大廠列出目前的方案，赫然在列的竟然有5套。除了自己砸錢主導的一套考慮了充分的拓展性，其他外采或者合作的方案，幾乎都是試驗性質，有無續集取決于效果。

效果要好用，更要便宜，“比自己做更便宜”。

如果向上的難題，讓方案的leader偶爾“絕望，又抑郁”，那向下的課題，可能讓人憋屈，又受氣，方案商只能直面現實。比如輕舟智航的應對。

用技術范式求解安全

輕舟的第一張牌：安全。 啟動「安全+」品牌戰略，

在C端，“安全”不性感，只能被證偽。那么多年就出一沃爾沃，不是別的車不安全，打安全牌如隔山打牛。

好在輕舟智航在B端，只需說服客戶。一臺車出事故，對車主來說是幾十萬之一，對于車企來說，是“一”。

“在十幾萬的車型上標配NOA，意味著2025年會有大量裝配NOA功能的車面世”，“如果不安全，會看到大量的安全事故。”

輕舟智航聯合創始人、總裁侯聰表示，在L2必須把安全做好，這是進入L3的門檻條件。

但對于十幾萬的車，成本騰挪空間局促，感知冗余少，大概率沒有激光雷達。如果用保守來換，又可能不夠老司機。

“安全不等于保守，安全是由創新所驅動的。”侯聰認為安全性從“99.99%”向“99.99999%”提升，不是量，而是質的區別。

所以，輕舟主張用技術范式解決。輔以更完善的安全冗余、更主動的安全反饋，把三個方案——“輕舟乘風”Air、Pro和Max的安全性標準拉齊。

輕舟智航 CEO 于騫強調，無論是中配、高配方案，安全功能都是頂配。 提出敢賠模式，通過保險兜底降低用戶心理門檻。

由于主創們大多來自Waymo，所以輕舟延續了L4的技術基因，CTO李棟表示，“Day One開始就非常認真地搭基建。”把安全作為流程、工程和體系導向與標準。

下面我們根據已經公開信息，來簡單看下其模型架構特點。

安全的「端到端」：

時空聯合規劃、多層碰撞損失約束、高階控制量一致性、安全評價模型、基于運動模擬的世界模型、數據閉環和自動標注模型……

輕舟將量產驗證的“時空聯合規劃”，融入One Model 端到端。安全機制充分借鑒時空聯合規劃的規則和限制，融入到網絡訓練中。

例如，在線模型訓練層面，加入了多層碰撞的損失約束，來保證安全性；并添加了高階控制量一致性約束，來保證舒適性。

“多重碰撞損失約束有很巧妙的Cost的指標設計，把障礙物加上多層不同要求的Cost。”李棟認為，不同的cost值，會讓模型天然收斂到保證合適距離，而且不發生碰撞的結果。

而高階控制量一致則更多服務于舒適性。比如Jerk等加速度導數，可以從更高維度平滑加速度，進而平滑車速的連續性。包括幀間的連續性的一致性約束，都是為了表現更絲滑如老司機。

在安全對齊機制中，也充分借鑒了時空聯合規劃：

首先，在軌跡生成過程中，借鑒圖文生成中條件生成的方法，將安全規則作為“教師”，引入額外的指導信號，自動化評價端到端產生的軌跡，不斷feedback，懲罰錯誤軌跡，增加對生成過程的控制，通過強化學習反復迭代。

其次，基于大語言模型的訓練過程，將安全規則作為獎勵函數，對模型進行微調，進一步增加模型的安全性。

這些都是離線進行。

針對離線的端到端模型訓練，輕舟智航創新性地構建了基于運動模擬的世界模型。

“第一步是運動行為的生成，有這個輸入之后，我們再來反推傳感器應該返回什么樣的圖像，由此就可以使生成的仿真視頻更加可控，保證時序、空間位置、物體幾何、物理規則的一致性和正確性。”??

相較于傳統世界模型，這種做法可以降低對物理采集的依賴，提升效率、可控性和時序一致性。但是也存在風險，比如準確性、真實性的把控等。當然，這可以靠多模態實車數據來驗證。

李棟表示，現在還是以采集為主。世界模型主要針對采集成本很高的極端場景。

除了仿真驗證，不斷解決長尾問題，依然需要大量的真實數據閉環。

“我們專門為了端到端的一條業務鏈，數據回傳做到T+1。第二天研發就能看到素材數據質量上有什么問題，有什么新要求可以快速閉環。”

李棟介紹，可能需要從三維重建算法來重建當時的場景，進行場景標注，最后有需要還會要生成數據。用來做模型訓練，做仿真或者測試，最后再閉環回到鏈條的起點。

端到端的數據標注也是一個挑戰，輕舟認為，“要對一段連續的時間片段上的數據進行全量的標注，如果沒有全自動化的標注系統，端到端的標注幾乎是不可行的。”所以，輕舟的4D障礙物自動標注大模型，體現出實現數據閉環的工具鏈優勢。

有趣的是，這個自動標注模型自身，也是端到端模型。可以通過離線的空序關系，在不同的時間點標注來系統排除掉遮擋帶來的盲區，自動標注效果類似手工標注。

據悉，該標注模型已經在地平線征程5上量產了OCC，有效降低泊車剮蹭率。標注分辨率是5厘米，低到和同平臺激光雷達版一樣的水準。

數據閉環的基礎當然是數據。“如果用戶很少，測試量很少的時候，講安全都是很無力的。”據悉，輕舟去年年底達成了 50 萬 NOA 量產，今年的目標是沖刺 100 萬智駕方案交付。 主動安全的測試里程已經超過了1440萬公里，每天都會增加2000萬公里的新用戶使用里程。

最后，輕舟還談到模型的安全冗余。即，在算法層面彌補傳感器等子系統功能失效，確保極端情況下的安全處理。

比如，要考慮單個相機無論逆光還是雨水、遮擋，模型訓練的時候，會模擬這樣的情況，在算法層面上對這種失效做了處理。再如，做無圖方案的時候，不想讓模型過分依賴地圖的先驗，在訓練過程中刻意去喂錯誤的數據。

在模型冗余層面，已量產采用 BEV+Mono 兩套視覺架構模型，可在其中一套失效時繼續工作，確保感知結果不受影響。

在硬件層面，域控的診斷模塊會監控域控內外的各類故障，監控到故障后功能狀態機會采取降級措施，并通知用戶接管。若用戶長時間未接管，系統還會自動引導車輛安全停車，并上傳整個過程數據至云平臺分析。 ?

結語 ?

誠如侯聰所言，在方案和方案商收斂階段，自我定位很重要。 “更加務實或更商業化的做法，是做一個高性價比的方案，而不是直接去沖擊最佳性能、計成本的方案，這不是現在輕舟的選擇。”

2025年，輕舟智航的重要工作，就是高性價比城市NOA方案交付。他們 認為，在征程6M上，仔細分析算力邊界，功能可能達到97%-98%城市NOA功能。落地成本遠遠低于Thor或者J6P的產品。也就意味著可以做到更低價位車型上，服務更多用戶。

—THE END—

出行百人會 | AutocarMax

追蹤汽?出行產業鏈進化，關注新產品、新科技、商業邏輯與商業人物，影響圈層中有影響力的人。