文/赵杰、叶然

2009年1月，谷歌启动了无人车项目，由此点燃了一个新时代。7年后，这个项目独立出来成为了一家新公司，新公司在2018年一度被摩根斯丹利估值最高达1750亿美元，这家公司就是Waymo。

2019年1月，也就是谷歌无人车项目开始的10年后，Waymo宣布要在“汽车城”底特律市建设全球第一座专门量产 L4 级自动驾驶车辆的工厂。

那一段时间，在Waymo担任感知关键模块的机器学习算法研发Tech Lead的于骞正在考虑要不要辞职创业，原因是他的本科同学、IDG资本合伙人牛奎光告诉他，中国自动驾驶领域的技术型团队很稀缺，在与牛奎光多次畅谈后，受他的影响，于骞反复思考了3个月，最终和其他3个也出自Waymo的小伙伴侯聪、大方、汪堃一起成为联合创始人，于骞出任CEO，2019年3月在美国硅谷成立了轻舟智航，4个人觉得能把这个事做成。他们对公司的定位是：无人驾驶通用方案公司。

公司刚成立时还没有办公室，需要一辆车去研究测试，他们就买了一辆车，在车库里改装。4个人和几名核心员工从零开始写代码，搭建了最早的轻舟智航无人驾驶系统。7月，他们拿到美国加州的路测牌照，第一次上路，大家的心情很激动，测试之前，他们已经在系统里仿真训练近万次，测试很顺利，那台车至今还保存在硅谷。

在他们写代码的时候，特斯拉在这一年的4月正式发布了搭载了自研FSD（完全自动驾驶）芯片的自动驾驶硬件3.0，彼时FSD的成本是7000美元。共享出行平台Uber 5月登陆了纽交所，上市前将自动驾驶研发部门分拆出来独立发展。国内，任正非在5月签发华为组织变动文件，批准成立智能汽车解决方案BU部门，隶属于ICT（信息与通信技术）管理委员会管理。

这一年，传统汽车巨头也开始了跑步进场：7月，大众投资26亿美元收购福特持有的自动驾驶公司Argo AI 50％的股权，这笔交易让Argo AI的估值从 40 亿美元升至 70 亿美元；9月，现代汽车和零部件供应商安波福宣布出资40亿美元成立自动驾驶合资公司。

另一方面，循着Uber同样的策略，滴滴在8月宣布将自动驾驶部门升级为独立公司，专注于自动驾驶研发、产品应用及相关业务拓展；2017年开始推出自动驾驶开放平台的百度Apollo在2019年完成了从 3.5 版本到5.5 版本的进化，在国内多个城市还拿到了自动驾驶载人测试牌照，特别是在长沙开始了自动驾驶出租车的试运营。不过，百度一辆自动驾驶的成本早期在百万元级。

国内自动驾驶的环境在那一年也发生了变化，最明显的就是此前显得“性感妖娆”容易吸金的行业因为难以商业化，持续失血让资本像中年人一样变得极为谨慎。据国内机构统计，2019年中国自动驾驶领域融资总额从上年的162.3亿元骤降至107.1亿元。

市场另一个变化是在开放道路场景下打造L4级自动驾驶乘用车的企业在这一年开始“跌下神坛”，此前的它们一直站在鄙视链顶端睥睨众生。而原来处于“鄙视链”底端的低速、封闭或半封闭场景下的自动驾驶初创企业开始在2019年“崭露头角”，如瞄准矿区场景和专注港口或高速物流场景的踏歌智行、主线科技、图森未来等等。

2019年11月回到中国并在多地建立办公室的轻舟智航，虽然技术进展很顺利，但同样面临选择落地场景的问题。在一番考察和思考后，最终他们认为大巴小型化、微型化，能满足更多人的公共出行需求。于是选择微循环的小巴作为无人驾驶方案的第一个落地场景，出发点是为更好满足早晚高峰的通勤需求。

2020年7月，轻舟智航研发的无人小巴正式在苏州亮相，其无人小巴龙舟ONE搭载了自主研发的Driven-by-QCraft自动驾驶方案，功能上，可实现360度无盲区感知，拥有5G+V2X车载显示系统等。目前，已经在苏州、北京、武汉等10个城市开展常态化运营服务，截至2021年底服务超过20万人次，一直保持0事故的运营记录。

在于骞看来，小巴是一个大市场的小切口，是切入市场的起点而非终点。去年3月，轻舟智航完成了数千万美元的A1轮融资。年底，轻舟智航对外公开了一段无人驾驶车穿梭热闹嘈杂的城市晚高峰的视频，展现了面对各种复杂路况场景的应对能力。在今年5月18日的首届品牌日上，轻舟智航发布了针对前装量产的自动驾驶系统：第四代量产车规级自动驾驶方案DBQ V4。

“择高处立，向宽处行”是轻舟智航的发展路径。于骞表示，通过一个商业闭环推动更大的商业闭环，一步一步地实现自动驾驶，这是轻舟智航从一开始就非常坚持的底层逻辑。“而前装量产能够在更广泛的场景上验证我们的技术，积累数据，服务更多的应用场景，在横向方面能够得到很大的拓展。”

预计将于2023-2024年量产上车的DBQ V4支持1-5个激光雷达、0-4个盲区雷达、6个毫米波雷达、12个感知摄像头。

DBQ V4分为旗舰版、加强版和标准版。旗舰版具备完全L4能力，在标准版中，采用可配置的方案，通过灵活搭配来降低成本，包括全国产方案，其中的自动驾驶芯片、激光雷达都可以完全进行国产替代。“可以用10%的成本实现99%的L4能力，量产成本可低至1万元。”这是这套系统对行业最大的颠覆性影响。

DBQ V4能够以同一套技术栈适配轿车、SUV、MPV、巴士等多种车型，且不同车型的海量数据可共享，确保了数据的通用性。不同场景的适配能力，让车辆在城市闹市、高架匝道、环岛路口、山路隧道等场景下均可成功完成自主变道、自主超车、掉头、进出匝道、横行避让、车道协同、紧急制动等操作。

龙舟SPACE和轻舟矩阵是轻舟智航品牌日的另外两款产品。龙舟SPACE是可在复杂公开道路运营的移动出行空间解决方案，轻舟矩阵则是其提供的自动驾驶研发工具链。目前，轻舟智航已将轻舟矩阵这套经过实践验证的底层能力对外开放。

对自动驾驶的开发过程，轻舟智航称之为“自动驾驶超级工厂”：通过数据驱动，形成数据闭环，通过效率提升，使闭环越来越快。

一切过往，皆为序章。在政策、技术、市场的推动下，自动驾驶商业化正在以此前未有的速度疾驰。于骞一直相信，智能汽车将改变人类的出行方式。“人类梦想自动驾驶已经几十年了，从来没有像现在这么靠近过。”

6月初，轻舟智航联合创始人、CEO于骞接受了《第一电动》的访谈，分享了他对行业、市场和轻舟智航发展的精彩观点。

以下为访谈实录，有删改。

轻舟智航联合创始人、CEO于骞

Robotaxi市场空间大，但难度高，5年甚至10年才能普及

第一电动：很多做RoboBus（自动驾驶巴士）的公司最开始瞄准的是乘用车领域，后来转向RoboBus等领域，您如何看待RoboBus赛道以及自动驾驶领域不同赛道的商业化发展前景？

于骞：轻舟智航成立之初，我们非常看重的就是要找到技术和商业之间很好的平衡，两者之间能够Bridge The Gap（弥合差距），通过一个商业闭环推动更大的商业闭环，一步一步的实现自动驾驶，这是我们从一开始就非常坚持的底层逻辑。

不管是Robobus或者是其他赛道，很大程度上会涉及两个问题，一方面是市场落地的时间谁更快，另外一个就是空间谁更大。从目前商业化落地的两个重要的方向来讲，一种是通过体验角度的方式，比如像特斯拉就通过自动驾驶的能力加装在私家车上，使驾驶体验变好，另外一种是通过效率提升的方式，通过把人完全去掉，真正实现完全无人驾驶，使成本结构发生根本变化，通过把人从驾驶位置取代出来，来实现价值的体现，这两方面都是自动驾驶商业化的两个大方向。

这两个方向都有很多的应用场景，我们认为Robotaxi（自动驾驶出租车）未来的空间会非常大，如果实现完全无人驾驶更广泛落地，对整个社会的基础设施、出行结构都会有一个根本性的变化。在出行领域，很多都可以数字化，但是驾驶员角色是非常难以数字化的，一旦实现了完全自动驾驶，司机的角色就可以完全的数字化，对出行的改变是根本性的。

Robotaxi的市场空间非常大，但它的难度非常高，5年甚至10年才能普及，落地周期会非常长，也非常有挑战。

我们推出Robobus的应用场景，是面向开放道路，和Robotaxi并没有本质的区别，但是相比Robotaxi，它的ODD（设计运行域）更小一些，速度相对慢一些，就能够更快实现商业的闭环。尤其中国的轨道交通非常发达，对整个出行效率有很大的提升，但是从轨道交通下来以后，短途的出行并不是特别好，不管是传统的公交或是私家车，甚至是共享单车，这方面都有很多的问题。所以我们推出Robobus产品，很大程度上能够解决中国的人口基数大、密度高带来的短途多人出行的痛点，这是非常适应中国国情的。

随着整个行业的技术发展，政策会不断放开，关键的传感器、计算平台的能力提升，使得量产车型上的自动驾驶体验会有一个很大的提升，我们的终端用户不单单满足单点的自动驾驶能力，更多希望完整的更加顺畅的良好体验。

从这点来讲，我们认为前装量产有一个非常大的机会，能够在更广泛的场景上验证我们的技术，积累我们的数据，服务更多的应用场景，在横向方面能够得到很大的拓展。同时在一些相对比较小的ODD场景下，一定范围之内可以实现完全的无人驾驶。两方面同时努力，将无人驾驶最终带进现实。所以我们在这个时间点提出“双擎战略”，很大程度上是适应市场和行业发展自然的选择。

第一电动：此前一些投资人跟我们交流的时候表示，RoboBus都是2G（政府客户），想象空间小，经济账难算，您如何看待这个问题？

于骞：在Robobus领域里面，我们很大程度上开创了面向公开道路的Robobus这么一个品类，很早以前大家把所谓的无人驾驶小巴都是想象成Mini Bus，只能是在一些园区，或者在一些封闭的场景下运行的这样的Mini Bus产品，产品的适用范围、包括能够解决的问题等等都是比较小的。我们在行业里率先推出了面向开放道路的Robobus这么一个品类，就是使很多的可能性在Robobus或者整车产品龙舟SPACE形态下可以发生。

从商业模式来讲，我们其实已经探索出很多非常有意义的商业模式，包括轨道交通和自动驾驶微循环结合，高峰的时候通过微循环，平峰的时候通过网约巴士的形式，对政策的引领是非常好的一种促进作用，相信未来有更多的政策会打开，接驳的场景会越来越多，在各地开花结果。

轻舟智航自研的无人小巴龙舟ONE

目前，我们已经在苏州、深圳、北京、重庆、武汉等10个城市开展这样的常态化运营的服务，已经服务低碳出行超过20万人次，一直保持0事故的运营记录，这已经是非常好的一种商业化落地方式。

相信随着政策的逐步放开，未来去掉安全员后，可以使成本结构发生根本变化；且未来也会在这方面有更多的场景打开，使商业模式更好地服务于民众，能够实现整个交通效率的提升，更多的是提升整体城市内部出行的效率。

第一电动：有人说目前的自动驾驶技术水平跟十年前区别不是很大，只是提高了算力，深度学习、强化学习的局部技术提升，您如何看待这个问题？

于骞：这个说法是不正确的，自动驾驶的技术水平跟10年前相比已经有了非常大的提升。自动驾驶是人工智能领域一个重要的领域，人工智能的突破有三方面：算法，算力和数据。自动驾驶在这三个维度也有很大的进展。机器学习方法不断取代传统方法，帮助更好地实现了数据驱动的开发方式，传感器（数据）和计算（算力）也有了长足的进步。

轻舟智航在算法方面也有非常多的优势，比如在今年4月，轻舟智航获得了 CVPR 2021 Workshop on Autonomous Driving 的 Argoverse 运动预测挑战赛（Argoverse Motion Forecasting Competition）的冠军。轻舟智航提出的路径感知图注意力网络（Path-Aware Graph Attention network，PAGA）从真实世界复杂道路交通中得到启发。该方法能有效建模高精地图中多车道的长程依赖（如跨车道交互），从而为运动预测模型提供更好的高精地图解析信息，进而提高运动预测的精度。

人类梦想自动驾驶已经几十年了，从来没有像现在这么靠近过。

“以战养战”实现规模化

第一电动：QCRAFT DAY（轻舟智航品牌日）上，我们看到轻舟智航发布了乘用车自动驾驶产品，在巴士、Robotaxi和乘用车上同时发力，轻舟智航的考量是什么？在乘用车和商用车领域分别有什么不同的发展策略？

于骞：轻舟智航的使命就是将无人驾驶带进现实，这是我们长期的一个目标，最终我们是要达到无人驾驶广泛落地。

小巴属于轻舟智航万里长征的第一步，是我们一个产品的形态，小巴是一个大市场的小切口，是我们切入市场的一个起点，而不是终点。我们的Robobus跟Robotaxi是基于一套系统，底层的逻辑都是一样的。Robobus和Robotaxi整个传感器的配置几乎都是一样的，一体化的视觉和激光雷达的传感器的套件都是一致的，可以帮助Robotaxi和Robobus实现完全的数据共享。

第一电动：轻舟智航与T3达成了战略合作，不久将联合启动Robotaxi公开运营，未来在Robotaxi的商业化战略还有哪些？

于骞：轻舟智航坚持技术和商业化的并行，并基于此发布了双擎战略：动力引擎实现技术纵深，在某些特定场景里实现完全无人驾驶；创新引擎是在横向方面推动技术在更多场景的应用和验证；这两个引擎基于一套方法论，实现数据共生共享，形成闭环，通过一个商业闭环推动更大的商业闭环，一步一步的实现自动驾驶。Robotaxi是轻舟智航双擎战略“动力引擎”重要部分。

从Robobus切入，在于场景上和Robotaxi相通，但ODD更小可以更快落地；同时能够提升城市交通效率，解决短途多人出行痛点。

轻舟智航从未离开Robotaxi，且在持续推进Robotaxi的技术积累和能力建设。与T3出行合作，将在7月于苏州联合启动Robotaxi公开运营，迅速扩大无人驾驶的商业化落地；未来也将携手更多出行平台，联合推动更多城市、更多场景下的应用。

第一电动：不管是无人小巴、Robotaxi还是乘用车都是载人，是否也有考虑过向载物领域发展？比如无人配送、干线物流等？

于骞：作为创业公司，我们是非常聚焦的，要找到技术和商业化之间的一个很好的桥梁，把技术和商业化之间的差距能够弥合，实现这样的数据闭环、商业闭环，通过一个闭环驱动更大的闭环，所以我们要用“以战养战”的方式来实现大规模自动驾驶能力。我们始终坚持这样的方式去推进。

所以我们选择的并不是说现在把摊子铺得特别大，什么都做，我们在选择商业化落地的路径是非常慎重的，我们要集非常好的技术和商业化在一起。

我们提出“择高处立，向宽处行”的发展路径，代表一开始就是以完全无人驾驶为长期目标的，本身技术栈也是为这方面去服务的。同时因为行业的发展，整个技术的演进，整个上下游产业的成熟，非常适合于我们的发展，所以我们也出了前装量产的业务，这和我们的发展过程是非常自洽的。

第一电动：轻舟智航在全国多地开展了小规模示范运营，从实际看，目前规模化运营最核心的难点是什么？

于骞：L4最难的最后的1%的长尾问题，需要大量的安全冗余、兜底策略以及非常高效的数据驱动方式来解决，另外就是法律法规等政策的放开程度。中国的道路情况更加复杂，对自动驾驶公司来讲，复杂有很大的好处，使我们的测试效率更高。

自动驾驶规模化运营同样也是需要面临大量的长尾问题，它一定是需要通过效率提升才能来解决的，所以我们提出了“自动驾驶超级工厂”方法论。这个方法论是我们始终坚持的，就是通过数据驱动，形成数据闭环，然后通过效率提升，使闭环越来越快，这是我们从一开始就秉承的方法论。我们也经常去强调是以“造火箭”，而不是“搭梯子”方式实现自动驾驶。

自动驾驶超级工厂的内涵是两方面，一方面是完全通过数据驱动的方式实现数据闭环。另一方面在这个基础之上，我们技术的指向都是围绕着效率提升来做的，使得这个数据闭环可以越转越快，这点上可以理解为是打造自动驾驶超级工厂的核心能力，把自动驾驶超级工厂产品化，就是轻舟矩阵，它包含了底层数据怎么表示，怎么存储，怎么可视化，怎么去管理，怎么去测试验证，分成我们的数据平台、标准平台、训练平台，包括仿真平台一整套的能力。

这个产品不仅服务于我们自己，也服务于我们的合作伙伴。比如主机厂客户，能够让他们在自己的数据资产上建立护城河来打造自己的自动驾驶超级工厂，轻舟智航能够在三年的时间内走完了很多自动驾驶公司五年时间的路程，也离不开底层工具链的支持。

第一电动：轻舟智航在QCRAFT DAY上发布第四代量产车规级自动驾驶方案DBQ V4时提到，用10%的成本，实现99%的L4能力，这套方案是什么？

于骞：技术的创新和大规模的量产共同带来了成本的下降，同时在我们底层方法论的支持下，我们实现了非常高效的技术迭代。所以可以给客户提供不同的配置方案：DBQ V4涵盖三个版本：标准版、加强版和旗舰版。

在旗舰版上，可以提供完全的L4级自动驾驶能力，在标准版上，我们也可以用10%的成本实现99%的L4的能力，量产成本低至1万元人民币。DBQ V4配置是随“机”应变的，可以根据主机厂的需求进行更加灵活的搭配，不同配置选择，可以灵活满足不同客户和用户需要，提供非常好的驾驶体验，以既安全又成本可控的方式来服务于客户，满足他们驾驶体验方面的需求。

第一电动：轻舟在乘用车领域有哪些优势？搭载百度、华为解决方案的车型已经上市，搭载毫末智行方案的长城旗下车型即将大规模量产，轻舟目前合作的主机厂有哪些？预计什么时候量产上市？轻舟与主机厂的合作是开放式的还是绑定型的？

于骞：在乘用车领域，轻舟智航的优势包括：突出的技术和工程化能力；提供高性价比、随机应变、以不变应万变的整体方案，满足多元需求；我们提供的不是单点的自动驾驶能力，更是完整的更加顺畅的良好体验。比如轻舟智航在国内独创了“时空联合规划”，实现了最适应中国道路的自动驾驶技术；我们还打造了自动驾驶研发工具链轻舟矩阵，帮助客户建立自己的数据资产护城河。

在乘用车领域，轻舟智航已经与很多主机厂进行了深入接触，具体量产时间主要依据客户需求而定。

第一电动：目前国内已经上市的具有高级别自动驾驶功能车型技术要么来自百度，要么来自华为，您和创始团队来自谷歌，能否比较一下百度、华为、谷歌的自动驾驶技术的区别？目前国内外技术发展水平差异如何？

于骞：谷歌背景使轻舟智航的团队拥有很强的工程化能力。我们用更平衡的算法策略来实现安全可靠的自动驾驶系统，通过强大的系统能力来解决大量长尾问题。自动驾驶技术的发展应该是百花齐放，你追我赶。每一家的技术发展都有各自的路线，但是竞合是有利于对整个技术路线的不断完善。

中美两国市场环境很不一样。从商业化的角度来讲，美国的环境下，人力成本更高，然后道路情况相比来讲更加结构化一些，中国的道路情况更加复杂，可以使测试效率更高，基本上在中国的测试效率比在美国的测试效率更高。对自动驾驶公司来说，整个商业化进程中都需要考虑到市场需求、接受程度问题。所以在美国或者中国是不一样的商业化路径。

从技术角度来讲，中国有非常好的工程师，非常好的创新型人才，中国自动驾驶的未来非常光明，轻舟智航非常看好中国自动驾驶的长期发展趋势。

第一电动：轻舟智航2021年宣布完成了2轮融资，今年是否有新的融资计划？

于骞：融资一直在进行中，有消息时会第一时间与大家分享。

关于轻舟智航

无人驾驶通用方案公司。在国内多个城市部署了龙舟系列自动驾驶车，覆盖多类车型，应用于城市公交、网约出行等场景，助推城市交通走向智能化、网联化、共享化。此外，轻舟智航亦可为合作伙伴提供自动驾驶技术研发的工具链，助其打造属于自己的自动化数据闭环。

关于于骞

轻舟智航创始人、CEO。核心感知算法和地图专家，在计算机视觉和机器学习领域拥有超过10年经验。曾任Waymo感知关键模块的机器学习算法研发Tech Lead，拥有丰富的无人驾驶落地经验和管理经验。此前，他还担任Google街景组关键项目技术负责人，帮助Google地图完成面向本地化的转变。

南加州大学博士学位，专注计算机视觉、机器学习方向，曾在CVPR、ICCV等顶级会议发表过多篇高影响力论文。