文丨李安琪

編輯丨李勤

大疆車載帶著20余款量産車型加入智能駕駛戰場，規模效應開始顯現。

“我們的企業願景是，爲所有人提供安全、輕松的出行體驗。‘所有人’很重要，企業使命決定了我們會走這條路線。”

3月17日，鮮少露面的大疆車載負責人沈劭劼在電動汽車百人會活動上，首次接受媒體采訪時，談到了做“高性價比”的初衷。

他認爲，走高端路線肯定沒有錯，“但一個企業總會需要看自己擅長什麽東西，更容易做成什麽東西，以及手頭資源會決定我們到底選擇哪個方向，我們就按照這個方向去做。”

跟華爲智駕只能覆蓋30萬元以上車型相比，大疆車載的“高性價比”相當明顯。

去年，憑借 7V（7個攝像頭） +32 TOPS 算力的基礎版配置，大疆車載實現了城市記憶領航、高速領航駕駛等L2+智駕功能，方案成本5000元左右。目前已經落地五菱寶駿雲朵靈犀版，iCAR03，悅也Plus等車型。

但性價比不意味著只做低端車型。

在3月17日活動演講中，沈劭劼在基礎版方案之外，宣布推出升級版「7V+100TOPS」、高配版「10V+100TOPS」兩個配置，兩個方案均搭載了高通智駕ride芯片産品。

圖源：大疆車載

“我們會在基本盤守住的情況下，不斷地嘗試去做更厲害的技術、更厲害的産品。”沈劭劼在接受采訪時說道。

據他介紹，大疆車載兩個中、高配版本可以實現“無高精地圖、無激光雷達”的城市領航功能，以及其他所有L2+智能駕駛功能。其中，中配版本系統硬件成本7000元。

市場層面，三款配置能覆蓋8萬～25萬車輛市場區間，並且油車電車不限。上汽大衆途觀 L Pro 成爲首款搭載大疆車載智駕方案的燃油車。

此外，沈劭劼還表示，大疆車載過往雖然更多使用純視覺方案，但其實是在成本相對受限的背景下作出的選擇。隨著算法升級、更大算力芯片平台出現，“對于激光雷達，我們一點都不抗拒。”

他透露，大疆車載內部還研發了一個「慣導三目及激光雷達總成」，可以替代市面上的“激光雷達+前向攝像頭”方案，並且成本降低30%~40%。隨著該方案成熟以及與 L3 異構域控制器的組合配置，在 2026年左右，大疆車載會把 L3 級自動駕駛能力下放至 25 萬級別車型上。

穩固基本盤後，大疆車載與華爲的正面較量，已經在不遠處。

以下是36氪汽車等對大疆車載負責人沈劭劼的部分采訪，經編輯：

問：大疆車載的高階智駕方案基于高通芯片打造，這也是高通智駕芯片的首次量産，大疆車載有什麽開發經驗或者心得嗎？

沈劭劼：這其實是大疆車載對于適配芯片的風格。高通8650是非常好的芯片。之前我們成行平台基礎版用的是德州儀器的TDA4-VH，當時我們做到了芯片量産首發、智駕系統量産首發和車型量産首發，三個東西同時進行。

這次基于高通8650，我們可能不會這麽極端地把三個東西同時量産，但我們比較樂意做第一個吃螃蟹的人。

問：聽說大疆車載是比較信仰數學的團隊，能用數學就盡量不用神經網絡，但越往後規劃控制模塊也會更多用AI算法，包括端到端，大疆車載的態度和做法是怎樣的？

沈劭劼：其實神經網絡還是數學、概率論那些。大疆車載的底色偏向機器人公司。機器人是用自動化解決實際物理問題，至于方案裏具體用了什麽樣技術，我們並不非常糾結。前期受制于技術成熟度以及可用算力，基于規則的算法更多，後面隨著網絡壓縮以及各種各樣芯片大算力平台，我們對應的技術也會升級。

之前會有人問，大疆車載是不是純視覺派？基于機器人派的風格，我們只想做一個好用的産品，我們不糾結這個東西。如果成本相對受限的産品就用視覺，甚至是把毫米波雷達，超聲波雷達都砍掉的純視覺，我們也有這個方案的量産車型。但對于激光雷達，我們一點都不抗拒。

問：跟華爲相比，大疆車載怎麽能做到高性價比？優勢是什麽？

沈劭劼：高性價比是從我們企業使命導出來的——爲所有人提供安全、輕松的出行體驗。“所有人”很重要。我們希望做到科技平權，使命決定了我們會走這條路線。

當然，走高端肯定沒有錯，但一個企業總是會需要看自己到底擅長什麽東西，更容易做成什麽東西，以及手頭資源會決定我們到底選擇哪個方向，我們就按照這個方向去做。

實話實說，高性價比方案非常難開發，當然我們有比較獨特的慣導雙目技術，從而解決了很多純視覺很難做到的測距問題，這背後不僅只是選了哪個芯片、傳感器，它是一種企業文化和工程師理念。

在大疆車載，在大疆，對于能夠把工程做好，能夠用很受限的資源去做成非常厲害的事情的工程師，我們是非常推崇的。從績效考核、晉升等方面，整個組織文化給足夠多的支持。同時，也鼓勵他們做更前沿的研究，讓有才華的同學們發揮能力。

這是工程能力和數理基礎、高精尖算法兩頭一起碰撞，碰出來了比較獨特的文化。工程師就會覺得做高性價比是一個符合公司使命，也是符合自己使命願景的東西。做成高性價比，工程能力以及支撐工程能力背後的企業文化才是最關鍵的事情。

問：過去大疆車載主要做中低端市場，接下來在20萬以上高端市場有怎樣的思考和布局？

沈劭劼：我們最開始從下往上打，我自己是做移動機器人出身的，所有做機器人的都會有一個夢想——造高達這種全自動的東西。所以我們會在基本盤守住的情況下，不斷地嘗試去做更厲害的技術、更厲害的産品。

問：大疆車載這次高階方案自帶激光雷達，激光雷達是自研嗎？會軟硬一體打包給車企嗎？商業模式是怎樣的？

沈劭劼：我們的思路並不跟其他激光雷達公司一樣又做了一個激光雷達，這樣沒有競爭力的。我們的思考是，如果有一個額外的傳感器信息源，能不能讓整個系統效能達到最大化？以前激光雷達集成過程中的標定等問題有沒有更好的解決辦法？原來激光雷達有沒有性能上的過度設計？如果把這些過度設計去掉能不能便宜，甚至便宜到跟視覺系統差不多？

問：大疆車載的慣導三目及激光雷達總成的産品，能替代掉現在市面上最主流的激光雷達+前車攝像頭？

沈劭劼：純視覺系統稀缺有一定局限性，但局限性遠沒有大家想象的那麽大。特別是立體雙目的構型，即使前面的圖像不是太好，只要點雲、深度能出來，其實很多安全性兜底就能做得到。在成本受限的情況下，我們選擇一個最好的手段而已。

關于激光雷達，我們有很多思考。比如雙目本身有點雲，激光雷達也有點雲，兩個點雲有什麽區別？如果說密度，視覺的密度比激光雷達還高，但是雙目點雲是越遠越差的，激光雷達點雲精度不會隨著距離變遠而變化。

視覺的點雲有時候在深度斷層會有拖影，拖影對檢測車輛行人沒什麽影響，但是對一些朝向估計、精確駕駛意圖估計會帶來影響，這時候額外加入激光雷達，是爲了解決我們認爲真正需要解決的問題。比如用更高精度點雲去把車輛的意圖估計能夠估得更准。這個也是我們做集成式激光雷達的原因之一。安全性上也有所考慮，但主要是某一些極端情況。

總體來說，它看起來像是增加了一個激光雷達，但背後肯定不只是很籠統地增加冗余，而是一個個案例分析後得出來的，裏面既有安全向的，也有性能向的，也有體驗向的。

問：大疆車載獨立一年以來，對業務各方面進展有什麽評價？

沈劭劼：獨立經營之後我們發展挺好的，今年大概會有二十多款搭載大疆車載系統的車型上市，裏面既有油車，也有電車，油電同智，這應該是業界比較少見。

問：英偉達、地平線等在做智駕芯片的公司在涉足軟件，您怎麽看待這種現象？這種做法似乎具備一定優勢，在您看來優勢如果真的存在，會有多大？

沈劭劼：大家都是想爲夥伴交出東西。這也跟每個公司擅長什麽東西，不擅長什麽東西相關，如果本來軟件能力就很強，做多一點點能夠讓客戶變得更好，爲什麽不試一下呢？

我們也會經常想這個問題。我們一直在往傳感器方向努力，沒有往芯片方向走，很明顯這是由我們自己懂什麽不懂什麽，以及手頭資源決定的。

智能駕駛有四座大山：芯片算力、傳感器、軟件算法能力、數據閉環能力。四座大山都得跨過去才能做好，每家公司有自己擅長不一樣的東西，我們擅長傳感器和軟件，以及系統集成和硬件能力，有的公司特別擅長數據那一環，有的更擅長芯片和對應的算法，但四個象限都全的不太多，大家肯定會讓自己擅長的東西最大化。

問：大疆車載也基于端到端算法做智能駕駛，這方面你們有什麽優勢？

沈劭劼：對于端到端，我們是比較謹慎樂觀的狀態。本來一個系統裏面有好多模塊，但現在基本上感知就是一個大網絡，決策規劃還沒有全部合起來，但在100TOPS的方案上，我們決策端也會用一個網絡全拼起來。

但是感知和決策規劃還是兩個網絡。實話實說，目前端到端還比較早期，我還不敢誇下海口，但是我相信我們的技術能力，可以把這兩塊拼起來。

拼起來的過程需要謹慎，畢竟這麽多車得天天交付，總不能說拼起來之後會出現一些不可解釋的誤差。所以是屬于一種比較謹慎樂觀的態度。

我們自己並不是大模型基因，也不是從大模型方向出身，所以我們更擅長于把有限資源用好，以及先進算法能夠對工程問題看得清楚，從而在根本上規避可能出現的各種各樣風險，走得相對比較穩健一點。

問：華爲跟車企有三種合作模式，大疆車載和車企合作會有哪些模式？

沈劭劼：我們更多秉承的是，如何讓車企以盡量低的代價，來獲得他想要的智能駕駛産品。這裏的代價既包括bom成本，也包括開發成本。

具體展開，我們既有全棧式交付，所有傳感器+域控+軟件全部是我們交付，也會有包括雙目+域控，再集成額外其他傳感器的半全棧交付，也會有我們把軟件寫在其他家域控上面，再進行功能落地的。我們本身非常靈活，關鍵是能不能多快好省把車交付出去。

我們也會在同一個企業、某一個車型上進行全面交付，同時展開一些更深入，可能耗時更長的、偏車企研發賦能的合作，我們並不太糾結某個特定的模式。

問：大疆車載在主機廠客戶的布局考量是怎樣的？

沈劭劼：目前已知的合作車企，基本上都跟我們願景同頻，盡可能爭取主流車型等，但是油和電我們不太糾結。我們也還沒有直接出海的車型，之後會跟隨合作夥伴車型一起出海。

問：大疆車載兩個高階方案都提到了城市記憶領航功能，之前友商也提出了AI代駕、通勤NOA類似功能，花了很大力氣來解決城市各種路口的困難問題，但實際收益似乎不那麽大？想聽聽您對這個功能的理解。

沈劭劼：如果能做到任意點到點城市領航，肯定是比記憶領航要好的，但是如果算力資源不是太足的時候，我們總不能在城區直接放棄了吧。

記憶領航爲比城市點到點更容易落地，車輛行駛過一次之後，依靠人的駕駛經驗，可以在車上把軌迹存下來，而且進行聯合優化，例如一些在大型路口的感知距離、奇形怪狀紅綠燈的感知，這些任務所需要的資源會大幅度下降，所以我們會在7V+32TOPS方案去做。

再往後更大算力的平台，我們是能夠做到無圖城市領航的，在這些平台上會保留記憶領航的功能，更多是出于反正做都做出來了，是功能連續性的選擇。