輕舟智航完成數億元C+輪融資，CEO於騫：明年初量產端到端智駕｜36氪獨家
文 | 李安琪
編輯 | 李勤
36氪獨家獲悉，近日智能駕駛公司「輕舟智航」完成了數億元C+輪融資，由逐鹿聚航基金投資。據悉，本輪融資主要用於加大全棧自動駕駛技術的研發投入，推進中高階NOA方案的大規模量產交付。
這是今年以來，輕舟智航第二次獲得資本青睞。6月，輕舟智航拿到了由中關村科學城公司和翠湖基金聯合投資的數億元C輪融資。
目前輕舟智航共完成了7輪融資，資方包括聯想創投、IDG資本、元生資本、中金資本、雲鋒基金、招商局創投、地平線、美團龍珠、TCL等。
輕舟智航成立於2019年初，是國內聚焦於RoboBus（無人駕駛小巴）和乘用車智能駕駛的創業公司。核心團隊成員分別來自谷歌Waymo、特斯拉、英偉達、Facebook等國際科技公司，研發人員佔比高達80%。
智能駕駛無疑是當下車企火熱競逐的智能化賣點。不少車企一方面在自研技術方案，另一方面也在採用第三方智駕公司的產品來提升車型的基礎智駕能力，快速普及智駕。
輕舟智航也搭上了這趟智能化東風。輕舟智航表示，定點某頭部新勢力車企智駕量產項目後，公司的智駕全棧量產功能已推送超40萬用戶，用戶使用里程達數億裡。
據高工智能汽車研究院數據顯示，2023年1月~2024年7月，國內乘用車NOA高階智駕系統方案排名中，輕舟智航以50.84%市場份額位居第一。
輕舟智航CEO於騫表示，在大規模的量產實踐中，其智駕技術和產品體驗能夠不斷優化。輕舟稱，目前其高速NOA能實現1000+公里級別的安全接管、擁堵路段高架能實現200+公里級別的安全接管水平、變道成功率99.5%、變道有效率92.6%、城市LCC路口通過率97%。
爲了進一步擴大市場，輕舟打造了三套中高階NOA智駕方案：乘風Air、 乘風Pro、乘風Max，希望以極致性價比與性能體驗撬動車企和用戶。
比如乘風Air，基於地平線征程6E、搭載7V（7個攝像頭含4個魚眼相機），能讓10萬元級車輛搭載高速NOA功能；而乘風Pro採用11V，面向10~15萬級車型，在高速NOA的基礎上具備城市記憶行車等城市NOA功能；
乘風Max則基於征程6M，採用1L（即一個激光雷達，可選裝）11V，不依賴高精地圖，將全場景城市NOA打入15萬級車型。
但在今年4月，輕舟的全場景城市NOA還主要面向20萬市場。對於產品目標市場的調整，輕舟智航CEO於騫向36氪表示，得益於此前大規模量產的交付後，技術不斷優化和成熟，方案成本能夠進一步降低。
於騫預判，未來10萬左右車型會完全標配高速NOA，15萬元左右車型基本會標配城市NOA體驗，“更好的性價比產品方案是我們一直堅持的，這會幫助我們最終完成從L2+智能駕駛到L4級自動駕駛的商業閉環。”
就本輪融資，輕舟智航CEO於騫接受了36氪的專訪。
當下，端到端等技術成爲頭部智駕玩家爭搶的技術高地。於騫也向36氪表示，端到端技術是一個必然的技術趨勢。不管L2+還是L4，端到端都是必經之路。
爲此，輕舟對端到端做了大量開發工作，預計到年底會有端到端能力展示，明年初能夠量產端到端智駕。
於騫認爲，端到端更多功夫要下在雲端，而不僅僅是車端。
他認爲，端到端的訓練，並非單純靠堆雲端訓練卡就能解決問題，而是要看訓練效率；更關鍵的挑戰，是訓練數據的質量和覆蓋情況，以及更高效的數據的處理能力。
他認爲，智駕模型最終是逐漸收斂的，需要高效處理好、利用好數據，圍繞數據爲中心的開發方式推進。而輕舟此前積累的數據驅動開發範式，會讓公司不斷迭代產品，提供更好的智駕體驗。
以下是36氪汽車與輕舟智航CEO於騫的採訪實錄，在原意基礎上，略經改編：
36氪汽車：做了頭部大客戶項目後，輕舟智駕市場份額在提高，這能說明輕舟在智駕領域站穩腳跟了嗎？
於騫：目前在中高階NOA方案，我們做到了市場佔有率最高。我們還在持續迭代升級，從地平線J5到J6，我們都是行業標杆，我們是J6系列的首個定點，預計也是J6平臺第一個量產交付。衆多意向客戶，對輕舟的大規模交付、穩定性、可靠性以及產品體驗是極度認可的。
自動駕駛是一個長期競爭賽道，作爲創業公司，我們永遠保持審慎、樂觀態度。一方面競爭激烈，智駕增長非常迅猛，另一方面技術上大家在不斷推陳出新，產品體驗不斷往上走。輕舟之前開了一個好頭，但長期來講，我們要在產品體驗、技術、性價比上不斷下功夫，才能保持領先。
量產規模是非常重要的，一些沒有大規模交付的供應商比較困難。因爲自動駕駛以數據驅動爲核心，所以數據規模非常重要，我們佔有了很好的身位。同時輕舟生態合作圈非常好，我們跟地平線、四維圖新協作，一起把量產這場仗打贏。
36氪汽車：從年初至今，輕舟全場景NOA的方案價格區間發生了一些變化，從針對20萬市場降到針對15萬元市場，這種變化是爲了應對價格戰嗎？
於騫：這不是簡單的價格戰問題，我們希望讓更多消費者體驗到更好、更安全的產品，所以下沉到更低市場。其實全場景NOA打入15萬級市場，是我們大規模量產的交付、技術不斷優化和成熟的體現，也是輕舟和廣泛生態合作伙伴強強聯合的成果。隨着技術成熟和量產規模擴大、效率提升，方案成本是在逐漸降低的。
未來10萬左右車型會完全標配高速NOA，15萬元左右車型基本都會有城市NOA，這個趨勢符合我們對技術普惠以及商業化的預期。但在安全上，不管中配還是高配，輕舟的理念是頂配。
36氪汽車：不同品牌車企的傳感器配置方案、位置並不相同。如果輕舟給其他車企做方案，智駕系統需要重新做哪些工作？對於方案遷移，輕舟有哪些心得？
於騫：輕舟的智駕方案非常強調平臺化。基於我們的虛擬攝像頭技術，我們可以適配從6V-11V的不同的攝像頭配置，包括安裝位置、傳感器型號等，泛化能力比較強。這也得益於智駕模型的變大，比以前低算力平臺泛化性更好。在平臺遷移方面，輕舟有非常成熟高效的經驗。
舉個例子，我們在征程5平臺上的豐富經驗，讓我們在兩週之內就完成了征程6的全棧功能開發和實車部署。
36氪汽車：當下端到端等技術方案很火，頭部新勢力車企的進度也很快，資源也更足，對於新技術，輕舟有哪些部署規劃或者實際投入？
於騫：對於端到端，很難講車企一定比第三方公司做得要好，因爲不同車企的積累不一樣。端到端雖然是更新的研發範式，但並不是完全脫離開之前的智駕積累、以及底層數據驅動能力。這些方面，我們有了非常廣泛的積累，我們也對端到端做了大量開發工作。今年年底會有端到端能力展示，明年初能夠量產。
端到端更多的功夫不是在車端，它很大程度上依賴於對數據的處理能力，功夫是下在雲端的。另一方面，它對車端算力的使用其實是更加高效的，比以前靠規則的方式更加高效。輕舟具備了很強的數據驅動開發範式，讓我們在新技術迭代上可以保持領先。
36氪汽車：算力資源是端到端一個挺大挑戰，第三方智駕公司怎麼在雲端功夫下得更深？怎麼籌集更多算力資源？
於騫：端到端確實需要很多雲端積累，但並不是單純靠堆卡能解決問題，訓練的效率很重要。數據也不是越多越好，規模是一方面，但數據的質量、數據的覆蓋都很關鍵。還有，仿真的使用也很重要。輕舟在這些方面的積累和儲備可以充分發揮作用。
36氪汽車：不同的玩家做端到端的門檻跟挑戰會是什麼？
於騫：我覺得門檻挑戰主要是，有沒有足夠大的量產的規模，足夠多的量產數據，其他技術挑戰是其次的。大家老談算力，但我覺得這只是一個短期情況。因爲模型在不斷優化、出現新的算法，算力的使用效率是不斷提升的。
舉個例子，2012年-2015年那會兒,GPU還沒有大規模使用在深度學習的訓練上，很多互聯網公司都是使用CPU集羣進行訓練，所以CPU使用是巨量的，幾乎沒有人能夠承擔得了。網絡訓練也需要很長時間，但現在，一個單機、很小的GPU容量，就能在很短的時間內完成相同的訓練量。
所以在新技術出現、新訓練方式效率提升後，大家對算力的需求會逐漸收斂，並不需要把所有算力都集中在一起才能訓練好。
36氪汽車：數據也是很重要的因素。車企現在願意把數據開放給智駕公司嗎？開放到什麼程度？
於騫：一般而言，如果數據開放對於產品開發的體驗是非常重要的話，是一定會開放的。車企擁有數據，但如果不能把數據的作用發揮到極致，對產品體驗提升是沒有幫助的。所以車企和供應商會找到一種模式，能把大家的優勢發揮到整體最優。
36氪汽車：不同車企之間的數據，需要隔離嗎？
於騫：數據肯定是隔離的，數據本身沒辦法跨車企去使用。但經驗肯定可以橫跨，經驗是我們技術上的沉澱和積累。
我認爲，國內的智駕並不缺數據，更多的是缺乏數據處理能力，把數據發揮出最大價值的能力，這個是最大的門檻。畢竟擁有數據，不一定是擁有知識。
這裡涉及工具鏈、以及底層的很多積累和knowhow。現在整個自動駕駛已經從模型驅動轉化爲數據驅動。因爲模型最終是逐漸收斂的，更多是怎麼能夠把數據利用好，圍繞數據爲中心的開發方式在推進。
36氪汽車：前段時間特斯拉無人車引起了很多關注，你認爲，基於端到端的智駕有機會發展到L4自動駕駛嗎？
於騫：端到端技術是一個必然的技術趨勢。但L4和L2+產品形態是不一樣的，L4需要很多安全兜底，安全等方面的冗餘不可避免，防止一些系統錯誤，不管是傳感器還是計算平臺，整個安全機制設計都是需要的。
但端到端能解決所有的L4的問題？這點我覺得不存在，但它會把整個自動駕駛的能力達到很高水平，這樣需要冗餘補充的地方就會變得更少。所以不管L2+還是L4，端到端都是必經之路。
36氪汽車：這輪融資過後，輕舟的整體戰略方面會有什麼變化嗎？
於騫：我們整體戰略目標是非常清晰和堅定的。量產方面，逐步擴大規模、深化量產優勢，通過技術、經驗、數據的不斷積累，讓產品體驗不斷往上走，服務更廣泛的消費者。更好的性價比產品方案是我們一直堅持的，這會幫助我們最終完成從L2+智能駕駛到L4級自動駕駛的商業閉環。