馬斯克門徒歸國創(chuàng)業(yè)，首次亮相上海車展。
Nullmax，創(chuàng)始人為特斯拉Autopilot團隊早期成員，首次亮相上海車展，接受對外采訪，從“油電同智”的10萬元方案談到2027年L3高速NOA落地。
馬斯克的中國門徒，仍是純視覺的擁躉，嘗試用“漸進式路線+數(shù)據(jù)閉環(huán)”推動智能輔助駕駛走向全民化。
以下為采訪對話實錄，經(jīng)編輯
Q：Nullmax首次亮相上海車展，希望向行業(yè)傳遞哪些核心信息？
徐雷：我們確實是第一次參加上海車展，我們其實參加的展覽也比較多，包括去年的CES，包括明年的CES也都會參展，上海車展確實是國內(nèi)參加的第一次比較重要的展會，我們是一家以AI驅(qū)動的科技公司，通過軟件平臺化的方式打造針對不同市場、不同需求的方案。大家也可以看到我們的方案覆蓋了不同算力的芯片，不同類型和數(shù)量的傳感器，包括從一體機的市場，到行泊一體域控方案，到艙駕一體域控方案，還有端到端大模型純視覺、真無圖方案，我們這些方案可以覆蓋從幾萬塊錢到幾十萬塊錢的不同價位車型，可以符合國內(nèi)、國外不同的法律法規(guī)需求，包括國外更多是法律法規(guī)驅(qū)動的市場，我們有一些基于海外芯片打造的方案。在國內(nèi)更多的是基于體驗及性價比的方案，包括應(yīng)用端到端大模型更加擬人化的城市NOA的方案。我們主要還是基于比較獨特的視覺感知技術(shù)和數(shù)據(jù)驅(qū)動的閉環(huán)系統(tǒng)，打造了針對不同細分市場有競爭力的方案，這是我們想通過這次車展傳遞給合作伙伴和客戶的信息。
Q：漸進式自動駕駛發(fā)展的內(nèi)涵是什么？
徐雷：基于SAE的分級，從L0到L5級，L5級就是人可以開車的地方，車就可以自動開。我們選擇的是漸進式的方向，漸進式主要是從兩個維度解釋：
第一個維度就是剛才咱們說的SAE的分級，從L2往L3、L4方向走，這是第一。L2級別，從技術(shù)積累包括產(chǎn)品落地，我們覺得車安全是非常重要的一點，我們需要有足夠多實車的積累和數(shù)據(jù)的驗證，才能保證我們能夠從L2往L3，甚至往L4方向發(fā)展，這個路線的發(fā)展相對來說就是跨越式的路線，比如說Waymo、Cruise這種，使用了重激光、重地圖的單車智能方案，希望一步到位可以把司機拿掉。
第二個就是ODD可運行設(shè)計范圍和OEDR，就是對各種物體和事件的反應(yīng)，以前是做高速、高架城區(qū)快速路的功能，現(xiàn)在拓展到城市的場景，這是我們從可運行設(shè)計范圍和對各種事件、物體的反應(yīng)。
我們覺得從解決問題的漸進性上面，從商業(yè)化的“沿途下蛋”的方向來講，我們還是選擇漸進式的路線。
Q：我們在展臺宣傳中看到Nullmax致力于為產(chǎn)業(yè)鏈提供“普適價值”，您如何看待這句話？這一理念如何通過MaxDrive解決方案和新一代端到端的NI技術(shù)來實現(xiàn)？和其他競爭對手相比，輔助駕駛方案的產(chǎn)品競爭力是什么？
Nullmax 創(chuàng)始人、CEO、CTO徐雷：普適價值從兩個維度來講，我們的產(chǎn)品并不直接面對終端消費者，我們帶來的價值一方面是為了OEM，Tier1，另一方面是終端用戶。從第一個維度來講，我們希望我們的方案，組合輔助駕駛功能給客戶帶來的意義，一個是安全性的提升，減少事故的發(fā)生，還有就是整個效率的提升，同時也建立在大家用得起，買得起的基礎(chǔ)之上，有更多的人群使用。基于這點考慮，我們的方案需要能夠快速、高效、成本非常低的，從一個車型移植到另外一個車型，每一個車型就像手機一樣，有一些低端手機，也有一些旗艦手機，我們能夠更快速地把方案移植到不同的平臺上，基于每一個細分市場打造最有競爭力的方案。
回答你第二個問題，我們的方案相較于市面上一些同質(zhì)化的方案來說，我們不是僅基于某一款芯片打造的功能，我們是針對國內(nèi)國外不同細分市場，每一個Segment，去打造不同的產(chǎn)品方案，從一體機的國產(chǎn)方案和海外方案，到行泊一體域控及艙駕一體域控方案，還是有非常多的差異化優(yōu)勢。有的是最具性價比，有的是滿足法律法規(guī)，有的是端到端體驗更出色，可能價格貴一些。我們針對每一個市場的特點都會有相應(yīng)滿足市場需求的方案，并且建立Nullmax全棧自研的基礎(chǔ)上，包括從感知，特別是視覺感知。視覺感知的實時性非常強，我們做到了接近30frame/幀，比激光的10 frame/幀要高很多。所以我們整個對環(huán)境感知能力非常強。
另外一點，我們打造了整套的數(shù)據(jù)閉環(huán)系統(tǒng)，包括從數(shù)據(jù)的采集、標注、訓(xùn)練到部署、驗證到量產(chǎn)的打磨，基礎(chǔ)設(shè)施的能力也是非常強的，至少我看了很多同類的公司還是有一些不一樣的地方。
另外一點，我想表達的一點我們是AI驅(qū)動的公司，并不是傳統(tǒng)意義汽車產(chǎn)業(yè)鏈的Tier1，我們不做硬件的生產(chǎn)設(shè)計和制造。
Q：認為什么樣的數(shù)據(jù)才是高質(zhì)量的數(shù)據(jù)，怎么樣拿到數(shù)據(jù)才更合理？
Nullmax首席科學(xué)家 成二康：我來說一下我們目前做的概況，因為我們也做了很長時間，我們覺得除了數(shù)據(jù)之外，架構(gòu)設(shè)計也很重要，這個架構(gòu)設(shè)計也和數(shù)據(jù)強相關(guān)。我們現(xiàn)在做的數(shù)據(jù)主要有兩種，一種是真實的實測數(shù)據(jù)，二是虛擬的數(shù)據(jù)，我給一個軌跡，可以把交通場景重建出來。有的宣傳說不同的數(shù)據(jù)或者人類駕駛數(shù)據(jù)是沒用的，我覺得這些數(shù)據(jù)可以倒推到端到端的設(shè)計中。我們這次車展在26日有一個技術(shù)分享，講關(guān)于端到端的技術(shù)設(shè)計，其中就包括不同駕駛?cè)祟惖牧?xí)慣或者風(fēng)格怎么被端到端設(shè)計處理。
大家現(xiàn)在目前所做的端到端的設(shè)計基本上都是基于Decoder技術(shù)架構(gòu)的設(shè)計，除了Decoder本身設(shè)計之外，還有Query，Planning Query的設(shè)計，我們現(xiàn)在在做的Planning Query設(shè)計可以兼容不同駕駛的風(fēng)格，這樣就可以更好地把不同人駕駛習(xí)慣的風(fēng)格設(shè)計上去，我們也在驗證過程中發(fā)現(xiàn)更好的Planning Query的設(shè)計，尤其是能夠把不同駕駛風(fēng)格的Query融合在設(shè)計里面，這樣就可以處理不同人類，不同駕駛習(xí)慣的數(shù)據(jù)，發(fā)揮得更好，這是我們目前做出來的如何兼容不同人類駕駛習(xí)慣數(shù)據(jù)上面的使用方法，細節(jié)我們會在26日下午做分享。
Q：我再問一個和端到端相關(guān)的話題，春節(jié)的時候，大家都被同一件事情震驚，DeepSeek的意外火爆，用一種全新的方式實現(xiàn)了類似于OpenAI相同的性能，當時有一種論調(diào)是在大語言模型領(lǐng)域，算力的需求沒有像之前大家預(yù)估的那么高，如果我們做一種線性外推的話，是不是在自動駕駛領(lǐng)域，端到端的自動駕駛領(lǐng)域，對于云端和車端的算力需求也不是那么高？在您看來有沒有什么趨勢？
成二康：我可以介紹一下我們端到端設(shè)計的思路，剛好和你的問題很相關(guān)。
現(xiàn)在大家在推的包括VLM+端到端，或者現(xiàn)在大家用的最火爆的VLA。不管是VLM還是VLA本質(zhì)上都是借用了目前語言的架構(gòu)設(shè)計，從語言來說，語言從ChatGPT火起來之后，已經(jīng)過渡到以Decoder-only為主的技術(shù)架構(gòu)設(shè)計。我們覺得既然語言在做Decoder技術(shù)架構(gòu)設(shè)計在自動駕駛領(lǐng)域是否能夠存在自己的Decoder-only的技術(shù)架構(gòu)設(shè)計，這個也是我們目前端到端設(shè)計的重點。
這里面有一個核驗證的結(jié)論是在自動駕駛里面，如果能夠很好的設(shè)計Decoder-only的技術(shù)架構(gòu)，比如說現(xiàn)在設(shè)計的大概是9000萬，或者下到3000萬的參數(shù)量，可以同樣等價于1B、7B VLM或者是VLA同樣的效果。我們總結(jié)下，在自動駕駛里面，當然可以借鑒VLA或者大模型VLM的已有的技術(shù)架構(gòu)和參數(shù)，可以在更高的算力上面，比如說超過500T或者1000T算力上面使用。如果在中高階算力，比如說100T（稠密算力）左右的上面，更好的設(shè)計這個Decoder，它可以實現(xiàn)和類似大語言結(jié)構(gòu)一樣的效果，Decoder-only的技術(shù)架構(gòu)在純自動駕駛形態(tài)里面是可以被設(shè)計出來的。
Q：3000萬參數(shù)量可以等價差不多7B？
成二康：我們驗證可以等于7B或者是1B，使用公開的VLM或者VLA的參數(shù)。
Q：開春之后，比亞迪先是開了發(fā)布會，說“全民智駕，智駕平權(quán)”，后面長安、吉利、奇瑞陸續(xù)開了發(fā)布會，大家認為2025年是組合輔助駕駛?cè)骈_花的一年，但是接下來有一個問題就是供應(yīng)鏈能不能跟得上？之前業(yè)內(nèi)傳出說800萬攝像頭里面CS的芯片有可能出現(xiàn)缺貨，在您看來有沒有這種可能性？或者除了攝像頭的芯片，其他的零部件有沒有可能出現(xiàn)缺貨？
量產(chǎn)工程部高級總監(jiān) 張帆：是有可能的，您剛才說的情況，是不可避免的。另外就是8Max攝像頭是未來城市場景使用必須的配置，周視和后視可以用2Max或者3Max的，8Max前視是必須的，不管是30度還是120度的，它可以幫助我看得更遠、更寬。2Max和3Max也會有這種趨勢。
徐雷：這有可能是階段性的挑戰(zhàn)，以中國的供應(yīng)鏈和生產(chǎn)制造能力，這個不是不可逾越的挑戰(zhàn)，我相信整個供應(yīng)鏈跟進的速度會更快。
張帆：每次往上躍級，中國智駕從供應(yīng)鏈到下游的算法，到芯片供應(yīng)商，到算法供應(yīng)商，到Tier1整體邁上一個臺階，這是一個必然的趨勢。
Q：大家好，我準備了三個問題，我看我們的合作伙伴上面有愛芯元智這家公司，他們剛宣布了出海戰(zhàn)略，想問一下對于當前的自動駕駛而言，還是L2的配置率相對來說比較高，我剛剛了解到咱們是漸進式的發(fā)展路線，這個對于海外市場是不是更加契合？我們海外市場的規(guī)劃怎么樣的？現(xiàn)在海外市場對自動駕駛的標準要求比較嚴，我們?nèi)绾巫鲆粋€匹配？
徐雷：我們基于愛芯元智有一些合作，在國內(nèi)國外都有量產(chǎn)的項目即將落地，此外與包括瑞薩、高通、TI等不同芯片公司合作，針對全球不同市場打造多款方案。
剛剛您提到的海外更多的是法律法規(guī)驅(qū)動的市場，特別是對前向視覺感知的能力要求比較高，我們的方案性能表現(xiàn)都很出色，因此與海外的Tier1共同推進項目合作落地。
另外一點，除了一體機市場法律法規(guī)驅(qū)動以外，高速NOA今年在歐洲那邊也會有法律法規(guī)出來，我們基于不同芯片打造的方案也可以落地海外市場。
Q：第二個問題是工信部對于智駕做了規(guī)范，芯片廠商表示說對下游的廠商和主機廠宣傳口徑做出一個管理，我不知道咱們這邊怎么看這個問題，是不是也會有同樣類似的行為？
徐雷：首先第一點我們還是非常支持工信部的規(guī)定的，第二，其實在沒有工信部規(guī)定出來之前我們所有的宣傳還是以客觀事實為基礎(chǔ)的，并沒有出現(xiàn)“全國都能開、有馬路都能開”，這句話對等下來就是對應(yīng)的SAE第五級，人開的地方車就能開。我們現(xiàn)在的組合輔助駕駛技術(shù)沒有達到這個程度。在沒有工信部規(guī)定的時候，我們一直與合作伙伴和用戶討論的都是系統(tǒng)邊界的問題，所以我們覺得整個組合輔助駕駛還是以安全為第一位的。提高效率是在安全的基礎(chǔ)之上希望實現(xiàn)的功能，所以我們所有的方案，包括從最低階到高階的方案，在安全的基礎(chǔ)上擴大它的可使用范圍，讓用戶知道這個系統(tǒng)的邊界在什么地方，充分發(fā)揮系統(tǒng)的作用，但是所有的前提還是建立在安全的基礎(chǔ)之上。
Q：第三個小問題是華為今天提出了“油電同智”，其實很多芯片廠商也有這樣的理念，就是“油電同智”，我想問一下對于油車和電車而言，對于自動駕駛這些解決方案和技術(shù)實現(xiàn)的路徑有沒有什么不一樣的區(qū)別？
徐雷：我們有量產(chǎn)過油車的組合輔助駕駛方案，也量產(chǎn)過電車的組合輔助駕駛方案，油車和電車有一些區(qū)別吧。比如油車的控制，包括延時肯定比電車慢一些，電的話，踩一下馬上會有反應(yīng)。這也是我們?yōu)槭裁匆蛟觳煌愋偷姆桨溉ミm合不同的車。在我們看來，不管中國還是全世界范圍，油車有一定的比例，而且會存在很長時間，這也是為什么我們有一些更加低功耗的方案，對油車也很友好。
Q：我們從去年開始看到了很多新的名詞的涌現(xiàn)，從技術(shù)驅(qū)動到數(shù)據(jù)驅(qū)動，從VLM到VLA，這種技術(shù)方案或者技術(shù)路線在快速迭代和不停演化過程當中，咱們怎么去做技術(shù)路線的預(yù)研和判斷，以保證我們在技術(shù)到來的時候有足夠多的準備。
徐雷： 從研發(fā)的角度來講，其實大家也知道在很多年前，不管是Microsoft都會有單獨的研究院，后來這種模式慢慢會有一些變化，特別是在AI發(fā)展過程當中，更多的不是說選擇技術(shù)路線，而是說我們在做的過程當中面臨新的挑戰(zhàn)和認識，比如說從高速、高架的NOA做到城市，從APA做到記憶泊車，做到代客泊車，在做的過程中同時加深我們對這些問題的理解，真正的挑戰(zhàn)在什么地方，基于這些我們提出相應(yīng)的解決方案，這驅(qū)動我們不斷地往前發(fā)展。這個就好比最早2012年、2013年出來的CNN，到最近的Transformer，到大模型，AI還是不斷地往前發(fā)展，本質(zhì)上還是因為我們對AI的使用更加深入，我們希望通過AI解決更多的問題，同時也對邊界或者說這個問題的性質(zhì)挑戰(zhàn)有更深入的理解，所以有新的技術(shù)的出現(xiàn)。所以我覺得要跟上，還是要保證在大規(guī)模量產(chǎn)的同時平衡好對AI研發(fā)投入的關(guān)系，這是我的理解。
成二康：我稍微補充一下，我們Nullmax還是堅持自動駕駛自主研發(fā)的技術(shù)，因為計算機視覺進展很快，感知進展很快，從2021年開始，我們每年都有原創(chuàng)的論文在發(fā)表，現(xiàn)在我們也擁抱開源社會，從2024年起，所有公開發(fā)表的paper都會開源，以這種姿態(tài)迎接更快技術(shù)的迭代，這是一點。
第二，技術(shù)發(fā)展非?？?，有研究者就提出說“新的AI發(fā)展這么快，很多創(chuàng)新是來自于企業(yè)的”，我們作為輔助駕駛AI企業(yè)，也希望從量產(chǎn)當中發(fā)現(xiàn)更多真實的問題，很多復(fù)雜的場景，我們希望以場景來做AI，來解決自動駕駛里面的難點問題，提前識別問題，提前做預(yù)研，在量產(chǎn)過程中做實踐，做技術(shù)不斷地迭代。
徐雷：我們成立以后還是堅定地在AI方向做投入，做難而正確的事情。做自動駕駛最難的還是從最上游的感知，特別是視覺感知，到底用哪些數(shù)據(jù)訓(xùn)練，整個算力的投入還是非常大的，我們還是堅持不懈地在這個方向投入，包括整套打造的視覺為主的方案，前向360度的感知，在行車、泊車上面都有量產(chǎn)落地。
Q：我想問一下現(xiàn)在的AI技術(shù)主要強調(diào)無圖、多模態(tài)端到端的口號，現(xiàn)在業(yè)內(nèi)喊出這些口號的企業(yè)也很多，我想請各位領(lǐng)導(dǎo)給我們總結(jié)一下Nullmax的競爭優(yōu)勢。
成二康：因為這次的車展我們展示了不同的芯片算力的域控，不同的行車和泊車的場景，我們技術(shù)方案的優(yōu)勢就是有一套平臺化的軟件技術(shù)架構(gòu)，這個技術(shù)架構(gòu)包括兩方面。第一方面是有平臺化的感知方案，它可以覆蓋動態(tài)場景識別、靜態(tài)場景識別，也包含時序場景識別，也包含更復(fù)雜的拓撲識別，我們有一套平臺化的軟件架構(gòu)，這個里面的感知可以適配到不同的算力，比如說一套平臺化架構(gòu)可以下探到2T算力，向上升級到32T、100T、200T，包括我們和黑芝麻智能合作的可以升級到更高算力，一套軟件架構(gòu)可以適配不同的芯片。除此之外，平臺化的集成方案 MaxOS，它可以使平臺化軟件的stack可以快速移植到不同的芯片上面去，我們能夠快速地為不同的客戶，或者是不同的車廠服務(wù)，客戶會選擇不同的算力，也會選擇的芯片平臺，有了這個平臺化的解決方案之后就可以更好的為客戶服務(wù)。
Q：我想請教各位老師綜合考慮政策因素和行業(yè)成熟度等等各種因素，L3在我國大概真正的落地是什么節(jié)點？這個時間節(jié)點上我們Nullmax大概在什么位置？主要競品是誰，主要客戶有哪些？
徐雷：從L3來講，L3高速NOA比L3城市早一些，L3在海外已經(jīng)有一些量產(chǎn)落地，只是ODD的限制相對多一些，對速度和環(huán)境有各種限制。你講的是大規(guī)模的落地，其實這個問題我們的理解是這樣的，剛才我提到有兩個維度在提升，一個維度是ODD，一個維度級別，現(xiàn)在我們做的很多事情是把ODD從高速往城市擴，但是本質(zhì)上還是L3以下的智能駕駛。我們做的事情是在漸進式路線里通過量產(chǎn)里程的積累，比如說這是ODD，這是級別L2、L3，ODD從高速往城市擴，因為我有很多里程的積累，會把ODD往回收，但是我的級別會往上漲，這個就是L3高速NOA到來的時候，這個時間點大概是2027年左右吧。就是現(xiàn)在L2的級別把ODD變大，經(jīng)過數(shù)據(jù)的積累，我們會把ODD變小，回到高速，但是級別會往上走。從這兒開始再往L3大的ODD，包含城市的范圍走。
Q：您剛剛介紹到說會繼續(xù)做投入，做難而正確的事，我想問一下待披露的投融資計劃有嗎？
Nullmax COO沈隆：基于我們未來的發(fā)展需要，我們?nèi)匀皇窃跍蕚淙谫Y方面的工作，現(xiàn)在有些產(chǎn)業(yè)合作伙伴，包括產(chǎn)業(yè)合作者都有在接觸，包括未來還有更高的資本市場的規(guī)模，我們正在推進中。
Q：我想問一下去年提到的類腦有沒有經(jīng)過規(guī)模化的驗證，量產(chǎn)怎么樣？
成二康：我們現(xiàn)在應(yīng)用的基于巖山科技開發(fā)的類腦，現(xiàn)在有大規(guī)模數(shù)據(jù)在做驗證，有一些成果在實車上面做部署。
徐雷：其實從去年開始整個大模型非常火，包括你提到的DeepSeek，各種我們都看過，大模型或者是端到端的這種方式，其實也有一些問題，現(xiàn)在的大模型在網(wǎng)上不斷地學(xué)習(xí)一些問題，當你問他一些問題，它也是從網(wǎng)上看的虛假信息給你回答。回到車或者回到大模型上面，我們整個世界是有一些基礎(chǔ)的運行規(guī)則，包括物理規(guī)則，包括法律法規(guī)，包括政策法規(guī)，所以我們信號大模型是會讓我們變得更強，同時有一些弊端，我們希望通過其他的技術(shù)和方法，包括仲裁的方式，其他的方式規(guī)避到AI方向，在提升上限的同時，保證我們做大模型的時候不要有幻覺，不要有完全不合乎常識的回答。
Q：咱們出海方面，現(xiàn)在貿(mào)易環(huán)境有很多不確定性，這個會不會影響我們出?；蛘呤峭ㄟ^影響到主機廠，間接地對我們產(chǎn)生影響，如果有的話，我們可以有哪些措施應(yīng)對？
徐雷：出海的法規(guī)也分情況，比如說歐洲就是法律法規(guī)要求比較高的地方，還有地緣政治的因素，所以我們要打造不同的方案，包括我們在海外也有研發(fā)中心，在當?shù)鼐涂梢宰鲩_發(fā)和支持，所以這個也是我們希望把整個這套技術(shù)，不僅僅是在中國落地，包括海外，包括高法規(guī)國家、低法規(guī)國家，希望都能落地我們的方案。
Q：之前百人會論壇上出現(xiàn)了很多車企不要自研的聲音，我們怎樣看待自研和依賴第三方供應(yīng)商的？
徐雷：這個問題從我們成立這家公司開始，大家就一直在討論這個問題，就是車企要不要自研，本質(zhì)上還是取決于不同類型的車企到底要不要自研，到底要自研到什么程度，要不要自研芯片，以及要不要自研自動駕駛的技術(shù)。至少在我們看來，不同的車企有不同的選擇吧，從實際結(jié)果來看，現(xiàn)在好像選擇第三方方案的車企越來越多。
Q：您認為未來智駕方案有可能成為一個標準化的方案？因為標準化的方案更加考驗的是制造能力，智駕方案未來有可能有這樣的趨勢嗎？
徐雷：至少在我們現(xiàn)在看到的趨勢是智駕其實是AI在具身智能方面的重要應(yīng)用場景，畢竟還是以AI的技術(shù)為基礎(chǔ)打造的一套應(yīng)用。我們覺得不管是智駕或者是大模型，遠遠還沒有達到殊途同歸的方式，即使是實現(xiàn)同樣的功能，每家選擇用什么樣的數(shù)據(jù)，怎么訓(xùn)練，架構(gòu)什么樣的，如何驗證，每家還是非常的不一樣，在AI快速迭代的發(fā)展過程當中，而且技術(shù)不斷地更新，而且這個問題本身也是非常有挑戰(zhàn)的問題，我們最終還是希望車可以有一個虛擬駕駛員可以開，我覺得在可預(yù)見的短期不太可能變成以制造為見長。
Q：今年價格戰(zhàn)還在持續(xù)，主機廠給供應(yīng)商的成本壓力也是越來越大，Nullmax一直強調(diào)的是通過成本可控的技術(shù)推動輔助駕駛在更多的車企上普及，越來越大的成本壓力之下，咱們怎么平衡性能和安全，會不會存在過度追求性價比導(dǎo)致功能閹割的情況。
徐雷：我覺得討論性價比還是要建立在安全的基礎(chǔ)之上。成本包括很多方面，整個系統(tǒng)的成本、研發(fā)這套系統(tǒng)的投入成本，以及這套系統(tǒng)能夠以多大規(guī)模的平臺化，分攤到不同的層面上。傳統(tǒng)的車是機械制造的產(chǎn)物，現(xiàn)在整個智能駕駛或者輔助駕駛是希望通過軟件平臺化的方式，把我們開發(fā)的成果，能夠復(fù)用到不同的解決方案上。通俗的說我就種一棵樹，針對不同的需求，在這棵樹上面可以打造不同的方案，而不是種很多棵樹。你剛才提到的非常對，成本很關(guān)鍵，這里的成本也包括研發(fā)投入，一旦方向選擇錯誤，你所有的投入基本會打水漂，所以這里面更考驗一個企業(yè)在做產(chǎn)品的時候，組織架構(gòu)的技術(shù)判斷和執(zhí)行能力，但是這個并不影響我們這套產(chǎn)品一定要建立在安全的基礎(chǔ)上，因為這是我們可持續(xù)發(fā)展的基礎(chǔ)。
Q：第二個問題是今年同樣年初的時候，特斯拉FSD入華炒得很火，無論是從您的職業(yè)經(jīng)驗還是Nullmax自己的技術(shù)路線來看，特斯拉純視覺路線和咱們的技術(shù)有同源性的，咱們的本土化經(jīng)驗和特斯拉FSD相比，是否有差異化的優(yōu)勢？未來會不會尋求一些合作？
徐雷：我們確實不了解特斯拉的技術(shù)細節(jié)，但是從公開的技術(shù)評測可以看到，當然特斯拉來中國之后，對中國的法律法規(guī)，也缺少實際道路數(shù)據(jù)的訓(xùn)練，有一些壓單黃線、壓單實線，這個在海外是可以的，但是在中國法規(guī)是不可以的。但是他的一些基礎(chǔ)能力，比如說跟其他車的交互博弈的能力，我們看到還是非常強的，這也是為什么我們比較堅定地走以視覺為主的路線，當然這件事情肯定要比激光難很多，但是最終實現(xiàn)天花板的高度會高。
Q：剛才您提到了車企是否應(yīng)該自研的問題，作為智駕的方案商，我們有沒有自研芯片的問題？這兩三年我們看到作為輔助駕駛里面軟硬結(jié)合的趨勢，比如說英偉達、地平線都在做自己的軟件方案，比如說Momenta在往上游做自己的芯片，其實蔚小理新勢力車企自研芯片也是類似的，所以有些人認為智駕技術(shù)發(fā)展特別快，我做軟硬之間的結(jié)合可能更有利于我更快地推出更先進的方案，但是長遠來看，可能軟硬之間的解耦才是趨勢，所以想請教一下您對這個問題是什么看法？
徐雷：從商業(yè)和技術(shù)上兩點來回答這個問題，以前高通做芯片，舉個很簡單的例子，做人臉識別，以前也沒有單獨的人臉識別的芯片，以前用DSP或者其他的方案去做，當這個方案人臉識別成熟度足夠之后做成一個芯片，成本更低，做一個ASIC芯片?，F(xiàn)在從商業(yè)上來講，芯片本質(zhì)上是一個相對比較傳統(tǒng)的business，芯片是需要有足夠的量支撐，才能形成商業(yè)的閉環(huán)，不斷地迭代新的芯片。
從組合輔助駕駛或者AI的角度來講，我們覺得這個方案還是不斷地進化過程當中，我們認為遠遠沒有達到殊途同歸的方式。其實做芯片本質(zhì)上還是希望降低成本，但是目前我們還沒有看到這個芯片對整個方案，可能對成本上面有幫助，所以這種方案沒有收斂之前，至少從我們企業(yè)來講，我們還是做好我們該做的事情，非常專注的把AI的技術(shù)不斷地往前推進，當然我們也有一些非常好的合作伙伴，包括國外的合作伙伴和國內(nèi)的合作伙伴非常專注的把芯片做好，我們還是各自做好各自領(lǐng)域最專業(yè)的事情。
熱門跟貼