文丨李安琪
编辑丨李勤
大疆车载带着 20 余款量产车型加入智能驾驶战场，规模效应开始显现。
“我们的企业愿景是，为所有人提供安全、轻松的出行体验。‘所有人’很重要，企业使命决定了我们会走这条路线。”
3 月 17 日，鲜少露面的大疆车载负责人沈劭劼在电动汽车百人会活动上，首次接受媒体采访时，谈到了做“高性价比”的初衷。
他认为，走高端路线肯定没有错，“但一个企业总会需要看自己擅长什么东西，更容易做成什么东西，以及手头资源会决定我们到底选择哪个方向，我们就按照这个方向去做。”
跟华为智驾只能覆盖 30 万元以上车型相比，大疆车载的“高性价比”相当明显。
去年，凭借 7V（7 个摄像头） +32 TOPS 算力的基础版配置，大疆车载实现了城市记忆领航、高速领航驾驶等 L2+ 智驾功能，方案成本 5000 元左右。目前已经落地五菱宝骏云朵灵犀版，iCAR03，悦也 Plus 等车型。
但性价比不意味着只做低端车型。
在 3 月 17 日活动演讲中，沈劭劼在基础版方案之外，宣布推出升级版「7V+100TOPS」、高配版「10V+100TOPS」两个配置，两个方案均搭载了高通智驾 ride 芯片产品。
图源：大疆车载
“我们会在基本盘守住的情况下，不断地尝试去做更厉害的技术、更厉害的产品。”沈劭劼在接受采访时说道。
据他介绍，大疆车载两个中、高配版本可以实现“无高精地图、无激光雷达”的城市领航功能，以及其他所有 L2+ 智能驾驶功能。其中，中配版本系统硬件成本 7000 元。
市场层面，三款配置能覆盖 8 万～25 万车辆市场区间，并且油车电车不限。上汽大众途观 L Pro 成为首款搭载大疆车载智驾方案的燃油车。
此外，沈劭劼还表示，大疆车载过往虽然更多使用纯视觉方案，但其实是在成本相对受限的背景下作出的选择。随着算法升级、更大算力芯片平台出现，“对于激光雷达，我们一点都不抗拒。”
他透露，大疆车载内部还研发了一个「惯导三目及激光雷达总成」，可以替代市面上的“激光雷达+前向摄像头”方案，并且成本降低 30%~40%。随着该方案成熟以及与 L3 异构域控制器的组合配置，在 2026 年左右，大疆车载会把 L3 级自动驾驶能力下放至 25 万级别车型上。
稳固基本盘后，大疆车载与华为的正面较量，已经在不远处。
以下是 36 氪汽车等对大疆车载负责人沈劭劼的部分采访，经编辑：
问：大疆车载的高阶智驾方案基于高通芯片打造，这也是高通智驾芯片的首次量产，大疆车载有什么开发经验或者心得吗？
沈劭劼：这其实是大疆车载对于适配芯片的风格。高通 8650 是非常好的芯片。之前我们成行平台基础版用的是德州仪器的 TDA4-VH，当时我们做到了芯片量产首发、智驾系统量产首发和车型量产首发，三个东西同时进行。
这次基于高通 8650，我们可能不会这么极端地把三个东西同时量产，但我们比较乐意做第一个吃螃蟹的人。
问：听说大疆车载是比较信仰数学的团队，能用数学就尽量不用神经网络，但越往后规划控制模块也会更多用 AI 算法，包括端到端，大疆车载的态度和做法是怎样的？
沈劭劼：其实神经网络还是数学、概率论那些。大疆车载的底色偏向机器人公司。机器人是用自动化解决实际物理问题，至于方案里具体用了什么样技术，我们并不非常纠结。前期受制于技术成熟度以及可用算力，基于规则的算法更多，后面随着网络压缩以及各种各样芯片大算力平台，我们对应的技术也会升级。
之前会有人问，大疆车载是不是纯视觉派？基于机器人派的风格，我们只想做一个好用的产品，我们不纠结这个东西。如果成本相对受限的产品就用视觉，甚至是把毫米波雷达，超声波雷达都砍掉的纯视觉，我们也有这个方案的量产车型。但对于激光雷达，我们一点都不抗拒。
问：跟华为相比，大疆车载怎么能做到高性价比？优势是什么？
沈劭劼：高性价比是从我们企业使命导出来的——为所有人提供安全、轻松的出行体验。“所有人”很重要。我们希望做到科技平权，使命决定了我们会走这条路线。
当然，走高端肯定没有错，但一个企业总是会需要看自己到底擅长什么东西，更容易做成什么东西，以及手头资源会决定我们到底选择哪个方向，我们就按照这个方向去做。
实话实说，高性价比方案非常难开发，当然我们有比较独特的惯导双目技术，从而解决了很多纯视觉很难做到的测距问题，这背后不仅只是选了哪个芯片、传感器，它是一种企业文化和工程师理念。
在大疆车载，在大疆，对于能够把工程做好，能够用很受限的资源去做成非常厉害的事情的工程师，我们是非常推崇的。从绩效考核、晋升等方面，整个组织文化给足够多的支持。同时，也鼓励他们做更前沿的研究，让有才华的同学们发挥能力。
这是工程能力和数理基础、高精尖算法两头一起碰撞，碰出来了比较独特的文化。工程师就会觉得做高性价比是一个符合公司使命，也是符合自己使命愿景的东西。做成高性价比，工程能力以及支撑工程能力背后的企业文化才是最关键的事情。
问：过去大疆车载主要做中低端市场，接下来在 20 万以上高端市场有怎样的思考和布局？
沈劭劼：我们最开始从下往上打，我自己是做移动机器人出身的，所有做机器人的都会有一个梦想——造高达这种全自动的东西。所以我们会在基本盘守住的情况下，不断地尝试去做更厉害的技术、更厉害的产品。
问：大疆车载这次高阶方案自带激光雷达，激光雷达是自研吗？会软硬一体打包给车企吗？商业模式是怎样的？
沈劭劼：我们的思路并不跟其他激光雷达公司一样又做了一个激光雷达，这样没有竞争力的。我们的思考是，如果有一个额外的传感器信息源，能不能让整个系统效能达到最大化？以前激光雷达集成过程中的标定等问题有没有更好的解决办法？原来激光雷达有没有性能上的过度设计？如果把这些过度设计去掉能不能便宜，甚至便宜到跟视觉系统差不多？
问：大疆车载的惯导三目及激光雷达总成的产品，能替代掉现在市面上最主流的激光雷达+前车摄像头？
沈劭劼：纯视觉系统稀缺有一定局限性，但局限性远没有大家想象的那么大。特别是立体双目的构型，即使前面的图像不是太好，只要点云、深度能出来，其实很多安全性兜底就能做得到。在成本受限的情况下，我们选择一个最好的手段而已。
关于激光雷达，我们有很多思考。比如双目本身有点云，激光雷达也有点云，两个点云有什么区别？如果说密度，视觉的密度比激光雷达还高，但是双目点云是越远越差的，激光雷达点云精度不会随着距离变远而变化。
视觉的点云有时候在深度断层会有拖影，拖影对检测车辆行人没什么影响，但是对一些朝向估计、精确驾驶意图估计会带来影响，这时候额外加入激光雷达，是为了解决我们认为真正需要解决的问题。比如用更高精度点云去把车辆的意图估计能够估得更准。这个也是我们做集成式激光雷达的原因之一。安全性上也有所考虑，但主要是某一些极端情况。
总体来说，它看起来像是增加了一个激光雷达，但背后肯定不只是很笼统地增加冗余，而是一个个案例分析后得出来的，里面既有安全向的，也有性能向的，也有体验向的。
问：大疆车载独立一年以来，对业务各方面进展有什么评价？
沈劭劼：独立经营之后我们发展挺好的，今年大概会有二十多款搭载大疆车载系统的车型上市，里面既有油车，也有电车，油电同智，这应该是业界比较少见。
问：英伟达、地平线等在做智驾芯片的公司在涉足软件，您怎么看待这种现象？这种做法似乎具备一定优势，在您看来优势如果真的存在，会有多大？
沈劭劼：大家都是想为伙伴交出东西。这也跟每个公司擅长什么东西，不擅长什么东西相关，如果本来软件能力就很强，做多一点点能够让客户变得更好，为什么不试一下呢？
我们也会经常想这个问题。我们一直在往传感器方向努力，没有往芯片方向走，很明显这是由我们自己懂什么不懂什么，以及手头资源决定的。
智能驾驶有四座大山：芯片算力、传感器、软件算法能力、数据闭环能力。四座大山都得跨过去才能做好，每家公司有自己擅长不一样的东西，我们擅长传感器和软件，以及系统集成和硬件能力，有的公司特别擅长数据那一环，有的更擅长芯片和对应的算法，但四个象限都全的不太多，大家肯定会让自己擅长的东西最大化。
问：大疆车载也基于端到端算法做智能驾驶，这方面你们有什么优势？
沈劭劼：对于端到端，我们是比较谨慎乐观的状态。本来一个系统里面有好多模块，但现在基本上感知就是一个大网络，决策规划还没有全部合起来，但在 100TOPS 的方案上，我们决策端也会用一个网络全拼起来。
但是感知和决策规划还是两个网络。实话实说，目前端到端还比较早期，我还不敢夸下海口，但是我相信我们的技术能力，可以把这两块拼起来。
拼起来的过程需要谨慎，毕竟这么多车得天天交付，总不能说拼起来之后会出现一些不可解释的误差。所以是属于一种比较谨慎乐观的态度。
我们自己并不是大模型基因，也不是从大模型方向出身，所以我们更擅长于把有限资源用好，以及先进算法能够对工程问题看得清楚，从而在根本上规避可能出现的各种各样风险，走得相对比较稳健一点。
问：华为跟车企有三种合作模式，大疆车载和车企合作会有哪些模式？
沈劭劼：我们更多秉承的是，如何让车企以尽量低的代价，来获得他想要的智能驾驶产品。这里的代价既包括 bom 成本，也包括开发成本。
具体展开，我们既有全栈式交付，所有传感器+域控+软件全部是我们交付，也会有包括双目+域控，再集成额外其他传感器的半全栈交付，也会有我们把软件写在其他家域控上面，再进行功能落地的。我们本身非常灵活，关键是能不能多快好省把车交付出去。
我们也会在同一个企业、某一个车型上进行全面交付，同时展开一些更深入，可能耗时更长的、偏车企研发赋能的合作，我们并不太纠结某个特定的模式。
问：大疆车载在主机厂客户的布局考量是怎样的？
沈劭劼：目前已知的合作车企，基本上都跟我们愿景同频，尽可能争取主流车型等，但是油和电我们不太纠结。我们也还没有直接出海的车型，之后会跟随合作伙伴车型一起出海。
问：大疆车载两个高阶方案都提到了城市记忆领航功能，之前友商也提出了 AI 代驾、通勤 NOA 类似功能，花了很大力气来解决城市各种路口的困难问题，但实际收益似乎不那么大？想听听您对这个功能的理解。
沈劭劼：如果能做到任意点到点城市领航，肯定是比记忆领航要好的，但是如果算力资源不是太足的时候，我们总不能在城区直接放弃了吧。
记忆领航为比城市点到点更容易落地，车辆行驶过一次之后，依靠人的驾驶经验，可以在车上把轨迹存下来，而且进行联合优化，例如一些在大型路口的感知距离、奇形怪状红绿灯的感知，这些任务所需要的资源会大幅度下降，所以我们会在 7V+32TOPS 方案去做。
再往后更大算力的平台，我们是能够做到无图城市领航的，在这些平台上会保留记忆领航的功能，更多是出于反正做都做出来了，是功能连续性的选择。
