作者 | 鄭浩鈞

編輯 | 吳   彤

汽車智能駕駛的競爭，已經(jīng)決出了階段性的勝負。

中國智能駕駛供應商的格局，正快速從群雄并起走向 “一超多強”。華為憑借智選車與HI模式的雙重布局，在技術方案、搭載量和車企合作上確立了“一超”地位。輕舟智航、地平線、Momenta等公司，則憑借各自優(yōu)勢構成了“多強”陣營，躋身到自動駕駛第一梯隊。

格局集中的背后，是市場的加速普及與門檻的急劇提高。2025年前三季度，中國L2級乘用車新車滲透率已達64%。當功能成為標配，自研成本高企，弱勢供應商正被快速出清。

在這個新格局中，輕舟智航（QCraft）選擇了一條不同的路：做“普及者”。它通過將高階功能塞進低算力芯片，把智駕門檻拉低到8萬元級別（上至40萬元級別），并即將讓城市NOA進入10萬元區(qū)間。

如今，這家有Waymo背景的公司，讓L4與L2業(yè)務的數(shù)據(jù)和技術相互反哺，也邁出重要一步。在今年1月23日舉辦的QCraft DAY上，輕舟發(fā)布了 “VLA+世界模型” 架構，目標很直接：讓系統(tǒng)不僅能“看懂”世界，還要能“預測”未來幾秒的變化。

智能駕駛的“上半場”普及戰(zhàn)接近尾聲，以“一超多強”為標志的“下半場”技術戰(zhàn)，已經(jīng)開始了。

PART 1

輕舟的擴張公式：

單芯NOA量產(chǎn) + 工程標準化 + 全球化適配

輕舟智航正在成為智能駕駛市場的關鍵變量。

截至 2026 年 1 月，其 “輕舟乘風” 輔助駕駛系統(tǒng)累計搭載量已突破 100 萬臺。這個數(shù)字的背后是加速的節(jié)奏——從 0 到 50萬臺用了3年（2021年初），但從 50 萬到 100萬臺僅用了8個月。2026年將正向更大量產(chǎn)規(guī)?？焖倥噬?。

目前搭載該系統(tǒng)的已上市車型有 23 款，覆蓋理想、奇瑞等近 10 家主機廠。按照計劃，2026 年輕舟還將新增超過 50 款量產(chǎn)車型，且絕大部分支持城市 NOA。

規(guī)?？焖贁U張的關鍵，在于輕舟在 2025 年 4 月做了一次關鍵判斷：他們宣布，單顆地平線征程 6M 芯片（算力 128TOPS）即可實現(xiàn)城市 NOA。這在當時幾乎沒人相信，包括不少合作伙伴。

“行業(yè)內(nèi)大部分人持懷疑態(tài)度?！?輕舟智航聯(lián)合創(chuàng)始人、董事長兼 CEO 于騫對雷峰網(wǎng)(公眾號：雷峰網(wǎng))說。但 2026 年 1 月 21 日，基于該方案的城市 NOA 在理想 L 系列智能煥新版上通過 OTA 推送上車，輕舟成為行業(yè)里第一個將其量產(chǎn)的公司。內(nèi)部測評顯示，該方案與一些采用單顆甚至雙顆英偉達 Orin-X 芯片的方案體驗接近。

“首先，意識到‘單芯就能實現(xiàn)城市NOA’的可能性本身就不易，當初就像馬斯克提出不用激光雷達一樣備受質疑?！庇隍q說，“但我們是第一個將其發(fā)現(xiàn)并量產(chǎn)的中國公司。這沒有捷徑，靠的是實打實的創(chuàng)新?！?/p>

技術統(tǒng)一與工程標準化，是輕舟能快速覆蓋多價位、多車型的另外兩個原因。

基于同一套技術架構，輕舟完成了在高通、英偉達、地平線三大主流芯片平臺上的城市 NOA 適配。在工程交付上，輕舟也做了大量平臺化工作，將可變與不可變的部分拆解，大幅壓縮了不同車型的適配周期。

于騫表示，輕舟的方案已具備很強的泛化能力：無論是7顆或11顆攝像頭，是否搭載激光雷達，車型大小如何，都無需大幅調(diào)整即可適配。“很多同行曾因傳感器布局的微小變動，就要重新采集數(shù)據(jù)和訓練模型，但我們依靠底層工具與模型解決了這個問題。”

CTO李棟補充道，輕舟自首次量產(chǎn)起便推動交付標準化，將固定流程平臺化，并壓縮可變部分的開發(fā)周期。這使團隊規(guī)模未大幅增長，卻能支持車型從1款擴至23款。

適配多芯片平臺、交付高度標準化，也讓輕舟具備了規(guī)模出海的基礎。

早在兩年多前，他們就開始籌備海外業(yè)務，包括在德國設立歐洲總部、參加慕尼黑車展等。目前，輕舟已在歐洲、新加坡等地拓展 L2 與 L4 業(yè)務。

于騫把海外市場策略分成了兩條線。L2 業(yè)務圍繞主流汽車市場展開，如歐洲、中東?！拔蚁嘈攀袌鰴C會雖然會晚到，但一定會到來。人們對優(yōu)質 NOA 的需求是一致的，就是安全、舒適、便捷。”L4 業(yè)務則更關注人力成本高的地區(qū)，比如歐洲等發(fā)達地區(qū)?！澳抢飫趧恿Χ倘?，商業(yè)閉環(huán)可能更快。”

他強調(diào)，出海不是簡單復制國內(nèi)模式，而是與當?shù)鼗锇樯疃群献?，適應本地法規(guī)與需求。“我們希望結合合作伙伴的優(yōu)勢，互相分享經(jīng)驗，共同拓展市場?！?/p>

PART 2

一套技術

驅動量產(chǎn)L2與前沿L4規(guī)模落地

除推動城市NOA普及外，輕舟智航在L4無人物流領域也正加快布局。

2025年11月，輕舟與奇瑞商用車達成深度合作，正式進入物流賽道。目前雙方合作的無人物流車已在金華、蕪湖、寧波等多個城市投入運營。

作為一家以“將無人駕駛帶進現(xiàn)實”為使命的公司，輕舟從未放棄L4業(yè)務。于騫透露，2021年底公司決定進入量產(chǎn)輔助駕駛領域前，曾認真討論過究竟該專注量產(chǎn)車還是無人物流。

最終輕舟判斷，無人物流要實現(xiàn)大規(guī)模商業(yè)化，同樣需要經(jīng)歷“量產(chǎn)”過程——只有通過規(guī)模制造才能顯著降低傳感器、算力等成本。因此公司選擇先進入量產(chǎn)輔助駕駛領域，為L4業(yè)務鋪路。

如今輕舟的無人物流車完全采用量產(chǎn)思路設計，車頂不再有旋轉式機械雷達?！拔覀兾磥淼腞obotaxi方案也會為量產(chǎn)而生，不會頂著夸張的激光雷達，外觀會和普通量產(chǎn)車一樣?！庇隍q說。

關于L2與L4的關系，輕舟從創(chuàng)業(yè)初期就認為二者底層技術架構本質相同。兩者共享AI模型底座，差異主要在產(chǎn)品邏輯層面。

“L2和L4只有產(chǎn)品功能范圍的差異，但技術底層是高度一致的?！庇隍q解釋說，“產(chǎn)品邏輯上，L4需要傳感器冗余、計算冗余、軟件兜底策略甚至遠程輔助；L2則需考慮成本，明確ODD范圍。但底層都需要提升駕駛能力，追求安全、舒適、便捷。技術演進的方向都是數(shù)據(jù)驅動——從早期深度學習到BEV、VLA，再到未來技術，L2和L4都走在這條路上?！?/p>

他同時強調(diào)，輕舟不會為了市場規(guī)模去做中低階L2功能，例如前裝一體機方案?！斑@不符合我們‘將無人駕駛帶進現(xiàn)實’的使命。我們不做沒有體驗的產(chǎn)品，不做用戶從買車到報廢基本不用的‘配置表勾選項’。我們要做有真實體驗、常用常新、越用越好的產(chǎn)品，做底層技術與無人駕駛完全兼容的產(chǎn)品?！?/p>

除技術架構外，數(shù)據(jù)的兼容性也是L4與L2業(yè)務能相互促進的關鍵。

李棟透露，公司從創(chuàng)立起就注重數(shù)據(jù)前后兼容?！白鯨2時我們用了大量L4數(shù)據(jù)，因為此前有Robotaxi業(yè)務；現(xiàn)在做無人物流等L4產(chǎn)品，也可以復用L2數(shù)據(jù)，甚至直接使用L2模型。”

這種兼容性源于提前規(guī)劃——規(guī)模量產(chǎn)的L4產(chǎn)品的傳感器布置、選型會與L2高度一致，數(shù)據(jù)標注規(guī)范也前后統(tǒng)一。

此外，輕舟還通過仿真世界模型生成極端場景數(shù)據(jù)，如暴雨暴雪、側翻車輛等，以提升模型應對長尾情況的能力。

PART 3

技術如何向“通才”進化？

輕舟給出解法

值得注意的是，在這次發(fā)布會上，輕舟正式推出了“VLA+世界模型”統(tǒng)一架構。

該架構以量產(chǎn)驗證過的端到端模型為基礎，構建統(tǒng)一的世界表征框架，并引入大語言模型形成VLA模型，用于處理行車環(huán)境中的文本、復雜場景與語音指令。同時，借助世界預測模型，系統(tǒng)可推演未來3～5秒周圍物體的變化，從而規(guī)劃出更合理的行駛軌跡。

引入VLA后，于騫認為輕舟的智駕模型實現(xiàn)了從“知其然”到“知其所以然”的跨越。模型不僅能解釋操作背后的邏輯，還具備舉一反三的能力，在泛化性、可解釋性上更強，也更貼近人類理解物理世界的方式。

“VLA的核心作用，是把語言模型的方法引入自動駕駛。”李棟說，“就像文盲開車會有困難——他看不懂路牌。司機也需要理解社會文化，有時還得推理該怎么做。”引入VLA后，系統(tǒng)可結合環(huán)境文本與常識進行判斷。

同時，世界模型的加入，則讓系統(tǒng)能通過更通用的特征——如視覺分割、OCC（占用網(wǎng)絡）甚至部分RGB信息，來理解場景，而不只是依賴目標框的位置監(jiān)督?！澳Ｐ蛯κ澜缪葸M有了推理能力?！崩顥澅硎?。

于騫非?？春檬澜缒Ｐ偷陌l(fā)展前景，認為它是物理世界通用AI演進的關鍵。在真實世界中，AI系統(tǒng)無法像AlphaGo那樣完全在虛擬環(huán)境中迭代，必須通過實車測試驗證，這嚴重制約了演進速度。

“如果世界模型能完全反映物理世界，我們就能在仿真環(huán)境里大幅提升自動駕駛能力?！钡仓赋?，在虛擬環(huán)境中實現(xiàn)完全真實的物理仿真極具挑戰(zhàn)，“這不是簡單生成一段視頻，而是要理解背后的物理規(guī)律與邏輯。這可能比自動駕駛本身還難。”

總的來看，無論是率先實現(xiàn)單顆征程6M實現(xiàn)城市NOA，還是以同一技術底座支撐L2與L4業(yè)務，或是引入“VLA+世界模型”，如今的輕舟智航，始終試圖從技術而非資源層面實現(xiàn)超越——因為資源，幾乎是所有創(chuàng)業(yè)公司的短板。

這也是為什么，當被問及“如何在不具備華為那樣大規(guī)模資源投入能力的情況下保持模型競爭力”時，于騫會這樣做解釋：

“如果只看資源，那這個世界就太無趣了。那樣就不會有OpenAI，它成立時資源遠少于谷歌；也不會有DeepSeek，它的資源也比大廠少得多。創(chuàng)新從來不只是資源的比拼。”

如今這個AI時代，創(chuàng)新再次從邊緣地帶崛起。就像當年的微軟、蘋果從車庫出發(fā)，今天的OpenAI、DeepSeek同樣始于有限的資源。它們的成功證明了一個事實：創(chuàng)新的核心不是擁有多少，而是創(chuàng)造什么。

當然，輕舟智航也走在這條路上。（雷峰網(wǎng)）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。