2025年7月22日，在第八屆智能輔助駕駛大會(huì)上，東軟睿馳輔助駕駛業(yè)務(wù)線首席專家張春民闡述了輔助駕駛的發(fā)展歷程，從1.0階段功能列表的不斷擴(kuò)充，到1.5階段部分場(chǎng)景的功能整合，再到2.0階段實(shí)現(xiàn)駕駛本質(zhì)任務(wù)且重點(diǎn)在于性能提升，如今多數(shù)系統(tǒng)在高速場(chǎng)景達(dá)“好用”標(biāo)準(zhǔn)，部分領(lǐng)先系統(tǒng)在城市場(chǎng)景也接近“好用”。

張春民指出，面對(duì)智能輔助駕駛的主流市場(chǎng)需求，東軟睿馳在端到端模型基礎(chǔ)上融入新要素，提升傳統(tǒng)模型上限，對(duì)復(fù)雜邏輯和算法輕量化處理，同時(shí)引入多種技術(shù)讓模型更貼近人類駕駛行為，在安全層面覆蓋各類安全體系與措施保障，通過(guò)打造安全、智能、普惠的輔助駕駛產(chǎn)品方案，賦能車企為用戶帶來(lái)更可靠、更舒適、個(gè)性化的出行體驗(yàn)。

東軟睿馳輔助駕駛業(yè)務(wù)線首席專家

以下為演講內(nèi)容整理:

輔助駕駛的發(fā)展可劃分為幾個(gè)階段。在1.0階段，其顯著特點(diǎn)是功能列表不斷擴(kuò)充，新增諸多功能。從終端用戶的角度來(lái)看，車機(jī)系統(tǒng)中設(shè)置了大量選項(xiàng)，功能繁多。進(jìn)入2.0階段，相關(guān)功能開始逐步整合。在此過(guò)程中，存在一個(gè)過(guò)渡性的1.5階段。我們之所以認(rèn)為1.5階段尚不足以構(gòu)成一個(gè)獨(dú)立的發(fā)展階段，是因?yàn)槠涔δ苷系牧Χ炔蛔悖瑑H在部分場(chǎng)景下實(shí)現(xiàn)了功能的整合。若將1.0階段的輔助功能視為原子操作，那么在1.5階段，例如在高速和泊車等特定場(chǎng)景下，實(shí)現(xiàn)了一定程度的功能整合，在高速場(chǎng)景下，可實(shí)現(xiàn)從上匝道進(jìn)入高速至駛出高速的全程輔助駕駛?cè)蝿?wù)整合。然而，這仍不足以滿足輔助駕駛的最終目標(biāo)，無(wú)法實(shí)現(xiàn)從A點(diǎn)到B點(diǎn)的點(diǎn)到點(diǎn)駕駛。

圖源:演講嘉賓素材

2.0階段的核心在于實(shí)現(xiàn)駕駛的本質(zhì)任務(wù)。當(dāng)前，從功能層面來(lái)看，該階段已覆蓋了駕駛的典型場(chǎng)景，但仍處于持續(xù)發(fā)展階段，其發(fā)展重點(diǎn)主要體現(xiàn)在性能提升上，用行業(yè)內(nèi)常用的表述即“能用”“好用”及“易用”，這些概念可通過(guò)量化指標(biāo)加以闡釋。以高速NOA為例，輔助駕駛性能常用MPI作為評(píng)價(jià)指標(biāo)。一般而言，若要達(dá)到“能用”或“可用”的標(biāo)準(zhǔn)，在高速公路上平均接管里程需達(dá)到100公里。而“好用”的標(biāo)準(zhǔn)則需提升一個(gè)量級(jí)，在高速NOA場(chǎng)景下，平均接管里程達(dá)到1000公里方可視為“好用”。

在城市場(chǎng)景中，由于環(huán)境復(fù)雜度遠(yuǎn)高于高速公路，因此沿用高速公路的衡量標(biāo)準(zhǔn)并不恰當(dāng)。在此情況下，我們引入時(shí)間因素作為衡量指標(biāo)。例如，在高速公路上行駛100公里大約需要1小時(shí)，而在城市道路中行駛1小時(shí)，行駛距離約為25公里。據(jù)此，在城市場(chǎng)景下，若輔助駕駛系統(tǒng)的平均接管里程達(dá)到25公里，我們認(rèn)為該系統(tǒng)達(dá)到“可用”或“能用”的水平?！昂糜谩钡臉?biāo)準(zhǔn)同樣提升一個(gè)量級(jí)，即平均接管里程達(dá)到250公里，此時(shí)可認(rèn)為該系統(tǒng)在城市環(huán)境中處于“好用”狀態(tài)。

當(dāng)前，在高速公路場(chǎng)景下，多數(shù)智能輔助駕駛系統(tǒng)已達(dá)到“好用”標(biāo)準(zhǔn)，平均接管里程均超過(guò)1000公里。而在城市場(chǎng)景中，部分領(lǐng)先系統(tǒng)已實(shí)現(xiàn)“能用”，并正朝著“好用”的方向發(fā)展。

輔助駕駛3.0時(shí)代將如何發(fā)展？我們認(rèn)為，未來(lái)將進(jìn)一步實(shí)現(xiàn)整合，超越現(xiàn)有的智能輔助駕駛在各類場(chǎng)景下的整合的范疇，將邁向整車層面，實(shí)現(xiàn)艙駕一體或整車跨域融合的階段。屆時(shí)，智能輔助駕駛將呈現(xiàn)出全新的形態(tài)。

智能輔助駕駛快速發(fā)展的背后，存在一個(gè)強(qiáng)勁的驅(qū)動(dòng)力，AI技術(shù)的主導(dǎo)作用。

在1.0階段，深度學(xué)習(xí)技術(shù)在車端得到了廣泛應(yīng)用，成為該階段的核心技術(shù)支撐。進(jìn)入1.5階段，BEV+Transformer架構(gòu)與OCC技術(shù)的引入，顯著提升了感知系統(tǒng)的性能，滿足了更為復(fù)雜的感知需求。而至2.0階段，端到端技術(shù)成為主流，它不僅推動(dòng)了智能輔助駕駛系統(tǒng)的整體升級(jí)，還帶動(dòng)了新的附加價(jià)值。例如，端到端技術(shù)使得系統(tǒng)行為更加擬人化，更符合人類的駕駛習(xí)慣，從而加速了智能輔助駕駛系統(tǒng)在市場(chǎng)上的滲透進(jìn)程。

當(dāng)前端到端技術(shù)存在多種路線，涵蓋two model與one model等不同類型，且目前并非技術(shù)發(fā)展的終點(diǎn)。3.0階段已出現(xiàn)以基礎(chǔ)大模型為支撐的新趨勢(shì)，即將原本運(yùn)行于云端的大模型移植至車端，顯著增強(qiáng)了系統(tǒng)能力。業(yè)界對(duì)此存在一些典型表述，如VLA、VLM等。

從市場(chǎng)層面觀察，存在兩大陣營(yíng)。一是積極投入、力求突破的先鋒隊(duì)伍，致力于探索大模型前沿技術(shù)，且在當(dāng)前汽車市場(chǎng)上已取得顯著成果。然而，此類車型通常價(jià)格較高。在國(guó)內(nèi)每年銷售的乘用車中，中低端車型所占比重更大，這些車型同樣對(duì)智能輔助駕駛技術(shù)存在需求。東軟睿馳重點(diǎn)關(guān)注如何在主流車型上實(shí)現(xiàn)智能輔助駕駛技術(shù)的普及與平權(quán)。

下圖展示東軟睿馳最新的端到端輔助駕駛方案，借鑒基礎(chǔ)大模型領(lǐng)域的最新技術(shù)，尤其是今年Deepseek發(fā)布后涌現(xiàn)的新技術(shù)，并在原有端到端框架中加以應(yīng)用，以此提升傳統(tǒng)端到端模型的上限；同時(shí)對(duì)復(fù)雜邏輯和算法在以嵌入式系統(tǒng)中有限芯片資源進(jìn)行輕量化處理，以實(shí)現(xiàn)降本需求。

圖源:演講嘉賓素材

我們采用的輕量化策略中，設(shè)計(jì)了特定架構(gòu)以實(shí)現(xiàn)自適應(yīng)資源分配，包括對(duì)稠密與稀疏計(jì)算架構(gòu)的支持。此外，我們還開發(fā)了自適應(yīng)分辨率的OCC技術(shù)。OCC在應(yīng)對(duì)非白名單目標(biāo)時(shí)展現(xiàn)出優(yōu)異的泛化能力，但其顯著特點(diǎn)是對(duì)算力需求極高。通過(guò)引入自適應(yīng)分辨率技術(shù)，有效降低了OCC對(duì)算力的要求。除空間特性外，我們還針對(duì)時(shí)間特性進(jìn)行了輕量化處理。

在感知這一具有挑戰(zhàn)性的課題之外，面向決策規(guī)劃環(huán)節(jié)，我們引入了AI特性。實(shí)踐中發(fā)現(xiàn)，若單純采用數(shù)據(jù)驅(qū)動(dòng)方式，系統(tǒng)性能的下限難以得到保障。因此，我們采用了一種融合策略，將人類知識(shí)庫(kù)與數(shù)據(jù)驅(qū)動(dòng)的泛化能力相結(jié)合，構(gòu)建了一套內(nèi)生網(wǎng)絡(luò)，該網(wǎng)絡(luò)既能夠支持符合人類決策習(xí)慣的模式，又具備數(shù)據(jù)驅(qū)動(dòng)的特性。此外，我們還引入了Diffusion技術(shù)，結(jié)合了強(qiáng)化學(xué)習(xí)技術(shù)，讓未來(lái)部署于車輛上的模型能夠更貼近人類駕駛行為。

在安全層面，我們也開展了大量工作。從方法論角度而言，我們采用了涵蓋功能安全、預(yù)期功能安全、網(wǎng)絡(luò)安全、數(shù)據(jù)安全以及AI安全的“五大安全”體系，這些方法論均已應(yīng)用于實(shí)際項(xiàng)目中。從落地實(shí)施層面來(lái)看，當(dāng)前智能輔助駕駛系統(tǒng)仍存在性能不足的問(wèn)題，在此情況下，我們一方面持續(xù)優(yōu)化算法以提升系統(tǒng)性能；另一方面在使用環(huán)節(jié)進(jìn)行針對(duì)性處理。例如，針對(duì)ODD，我們開展了專項(xiàng)訓(xùn)練，并在實(shí)車運(yùn)行時(shí)實(shí)施實(shí)時(shí)判定機(jī)制，以實(shí)現(xiàn)風(fēng)險(xiǎn)實(shí)時(shí)應(yīng)對(duì)，確保項(xiàng)目安全。同時(shí)，我們構(gòu)建了數(shù)據(jù)閉環(huán)模塊，能夠快速解決長(zhǎng)尾問(wèn)題，進(jìn)一步提升系統(tǒng)安全性。

我們將Diffusion技術(shù)與傳統(tǒng)端到端框架相結(jié)合，這相較于傳統(tǒng)的回歸式方法有一定優(yōu)勢(shì)。首先，該技術(shù)對(duì)復(fù)雜場(chǎng)景具有更強(qiáng)的適應(yīng)性，尤其在涉及多方博弈的場(chǎng)景中，能夠更便捷地支撐預(yù)測(cè)功能以及整車的決策與規(guī)劃，實(shí)現(xiàn)二者的有機(jī)整合。鑒于當(dāng)前復(fù)雜場(chǎng)景中有相當(dāng)比例與角色博弈相關(guān)，這一特性使其具備顯著的應(yīng)用優(yōu)勢(shì)。

第二，該技術(shù)對(duì)算力需求及輕量化實(shí)現(xiàn)較為友好。其輕量化特性主要針對(duì)樣本數(shù)據(jù)層面，在研發(fā)過(guò)程中，數(shù)據(jù)收集與準(zhǔn)備工作量巨大，我們進(jìn)行了Diffusion模型的特定優(yōu)化處理，相較于Transformer架構(gòu)，Diffusion模型對(duì)數(shù)據(jù)的依賴程度較低，因此可視為一種輕量級(jí)算法。

三是該技術(shù)能夠更好地實(shí)現(xiàn)擬人化駕駛，可支持個(gè)性化的駕駛風(fēng)格。

接下來(lái)談?wù)剶?shù)據(jù)方面。當(dāng)前，數(shù)據(jù)驅(qū)動(dòng)已成為行業(yè)共識(shí)，東軟睿馳也構(gòu)建了自主的數(shù)據(jù)閉環(huán)系統(tǒng)。該系統(tǒng)采用推理與訓(xùn)練雙閉環(huán)協(xié)同架構(gòu)，并整合了世界模擬器等關(guān)鍵組件。當(dāng)前行業(yè)中常探討一個(gè)關(guān)鍵問(wèn)題，Tier 1供應(yīng)商在數(shù)據(jù)領(lǐng)域已具備成熟體系并積累了大量數(shù)據(jù)，在此背景下，主機(jī)廠是否仍需自主積累數(shù)據(jù)并構(gòu)建數(shù)據(jù)閉環(huán)系統(tǒng)？我們的認(rèn)為是需要的。原因在于，不同主機(jī)廠的用戶群體具有顯著差異性，各用戶群體均呈現(xiàn)出獨(dú)特的特征。唯有通過(guò)自主收集并分析用戶數(shù)據(jù)，主機(jī)廠才能精準(zhǔn)把握這些特征，進(jìn)而基于分析結(jié)果構(gòu)建適配自身用戶群體的定制化輔助駕駛系統(tǒng)。

圖源:演講嘉賓素材

在數(shù)據(jù)驅(qū)動(dòng)模式下，我們完成智能輔助駕駛從A點(diǎn)到B點(diǎn)的任務(wù)開發(fā)后，在充分了解整體駕駛場(chǎng)景與環(huán)境的基礎(chǔ)上，基于這些數(shù)據(jù)還可開展諸多超越駕駛?cè)蝿?wù)的工作，而這恰恰是主機(jī)廠實(shí)現(xiàn)產(chǎn)品差異化的重要契機(jī)。

在系統(tǒng)構(gòu)建方式上，行業(yè)存在不同選擇。第一種是采用輕量級(jí)方案，利用網(wǎng)上豐富的開源資源部署特定任務(wù)系統(tǒng)，然而，這類方案僅適用于碎片化的點(diǎn)狀任務(wù)，難以形成平臺(tái)化、系統(tǒng)且支持持續(xù)優(yōu)化、效率不斷提升的完整閉環(huán)體系。

對(duì)此，我們建議將后臺(tái)數(shù)據(jù)處理實(shí)現(xiàn)平臺(tái)化與系統(tǒng)化。各環(huán)節(jié)在運(yùn)用先進(jìn)技術(shù)達(dá)成特定效果的同時(shí)，需構(gòu)建完整鏈路，形成一套可高度自動(dòng)化迭代的產(chǎn)品體系?？紤]到不同車企的差異化需求，后臺(tái)系統(tǒng)建設(shè)需進(jìn)行適當(dāng)定制。最終面向終端用戶時(shí)，系統(tǒng)應(yīng)能支持日益復(fù)雜的駕駛場(chǎng)景，持續(xù)提升駕駛體驗(yàn)。

圖源:演講嘉賓素材

最后介紹一下東軟睿馳的相關(guān)產(chǎn)品。基于前述技術(shù)理念，我們針對(duì)主流車型推出了兩款產(chǎn)品，第一款是輕量級(jí)域控制器，該產(chǎn)品基于地平線J6芯片平臺(tái)開發(fā)，并細(xì)分為輕量級(jí)、標(biāo)準(zhǔn)版和專業(yè)版三個(gè)版本。其中輕量級(jí)版本聚焦高頻剛需場(chǎng)景，提供極致性價(jià)比方案；標(biāo)準(zhǔn)版與專業(yè)版則針對(duì)城市場(chǎng)景進(jìn)行了功能擴(kuò)展，配套傳感器配置也有所差異。

圖源:演講嘉賓素材

除輕量級(jí)輔助駕駛域控制器外，我們還全新推出了8MP前視一體機(jī)產(chǎn)品Next-Cube-Lite。產(chǎn)品兼具性能躍升與成本優(yōu)勢(shì)，不僅契合最新法規(guī)要求，同時(shí)能夠滿足L2級(jí)輔助駕駛的智能、舒適體驗(yàn)，可充分支持車道內(nèi)輔助駕駛功能，同時(shí)覆蓋乘用車與商用車多場(chǎng)景應(yīng)用，為車企提供一套極致性價(jià)比、快速交付的高性能輔助駕駛產(chǎn)品方案。該產(chǎn)品近期獲得多家頭部車企量產(chǎn)定點(diǎn)，將于2025年底陸續(xù)實(shí)現(xiàn)量產(chǎn)。

圖源:演講嘉賓素材