贾浩楠 发自 副驾寺智能车参考 | 公众号 AI4Auto

小马智行，新“财神爷”首次对外亮相。

在最新的技术分享日上，小马智行完整介绍了旗下除商用车、Robotaxi外的第三大板块：乘用车智能驾驶业务POV。

第一次介绍了小马智行从L4“降维”乘用车的逻辑、第一次详细解析了背后的技术实力，以及小马智行第一次明确：

(资料图)

进展背后的基础，是小马智行“L4自动驾驶技术在商用车复用率80%、乘用车复用率70%”。

“随手点灯”，这就是技术型玩家的实力。既能整体商业化，每个模块也能独立商业化。

小马智行的“财神爷”

“财神爷”，在公司通常指财务一把手，当然也指现金奶牛掌舵者。

而在小马智行这里，现在统归指向了王皓俊。

作为小马创始团队成员，三号员工，上海分舵的研发负责人，王皓俊现在新增了新身份——首次以CFO身份亮相，是小马智行技术商业化负责人。

王皓俊在小马智行先后担任过自动驾驶地图与定位模块技术负责人、美国研发中心负责人、全球 HR 事务负责人、全球 PR 事务负责人、上海研发中心负责人、POV BU 负责人等核心职务，是不折不扣的技术大牛，也是小马智行发展中综合能力突出的多面手。

现在，带着对技术的信仰和对自动驾驶的深刻理解，他分享了小马智行在量产车、高阶智能驾驶上的商业化能力、逻辑和路线——大概有三板斧。

2020年下半年开始小马智行的有了新的技术研判：

首先是高算力芯片的推出。以2020年初发布的Orin芯片为例，算力有254TOPS，双Orin能超过500TOPS，也就是说车规级芯片的算力已经强大到接近过去L4的算力。

第二是车规级激光雷达量产提上日程，意味着多传感器融合技术，在23、24年时间点，能应用到消费级车辆上。

第三，2023、24年，车主对于智能驾驶的需求会升级。除了泊车和高速上的基本功能，消费者将会为更好、更智能的“城区、高速、泊车”一体的辅助驾驶买单。

也就是说，小马Robotaxi高速+城区场景、高算力方案、多传感器融合上的积累，有了进入新市场的机会。

而小马在乘用车业务上的商业化路径，主要由三个产品承托——小马识途、方载和苍穹。

分别是智驾软件方案、自动驾驶域控制器以及数据闭环工具链，满足当下市场绝大部分需求。

具体规划上，小马识途的高速NOA+记忆泊车方案会在二季度上市，城市NOA+自主泊车方案也会在今年晚些时候推出。

方载方面，今年小马智行将提高产能，向多个客户完成域控的量产交付，并开始基于其他芯片平台的域控研发和合作。

苍穹方面，今年将向OEM交付全链路数据闭环工具链，上市更加灵活选配的工具链产品。

王皓俊特别提到，最早应用在Robotaxi场景的小马智行的“虚拟司机”，在自动驾驶卡车货运业务上，二者技术复用度达80%。而乘用车上可复用70%的L4自动驾驶算法。

这也是小马智行首次向外界明示L4技术降维的细节。

AI司机怎么复用？

小马智行联合创始人、CTO楼天城详细介绍了乘用车业务商业化背后的技术积累，同时也公布了小马智行量产NOA的实测视频。

他认为目前车规级芯片性能的指数级增长，带来显著性能提升的同时，也使得整车智能驾驶硬件成本成倍上涨。现在顶配车型全套智驾方案相关硬件成本超过两万元。但与此同时，大量智驾系统软件算法都未能充分利用硬件能力，也并未带来用户体验的本质提升。

所以小马智行乘用车业务商业化的最大挑战，是在相同体验，成本如何达到最优？相同成本，体验如何达到最优？

小马识途品牌下的三大产品——Pony Classic，Pony Pro以及Pony Ultra，目标是——从低算力低成本传感器，到高算力高成本传感器，每一种硬件预算区间，小马识途都有对应价位的最优智驾方案，根据客户需求进行灵活配置，充分满足客户对性能以及成本的要求。

成本高的原因之一，是量产辅助驾驶中移除对高精地图的依赖。而小马并不是简单地通过“重感知轻地图”来移除对于高精地图的依赖，而是所有模块需同步提升。

首先，感知模块需要更准确地识别道路环境与元素、可通行区域；其次，预测模块在道路环境元素识别不充分、识别距离不够远时依然需要预测准确。

另外，小马智行的规控算法借助多年的积累，早已拥有Free Space通行能力，如修路施工区域可不看车道线通行、无车道线的大路口区域可以根据车流情况动态选择路线通行，这些算法本身天然就可以在无高精地图时使用。

最后，没有了高精地图也无法做到高精绝对定位，而是需要在没有高精地图作为参照系的情况下实现精确的相对定位。

规控层面，为了让L4的积累可以在无高精地图时也保持同样的水准，小马智行重新设计了规控架构——Navigation Link Path Planning，基于导航地图的道路信息，结合在线感知信息进行路径规划与控制，这个全新架构是去高精地图的核心技术，使车辆在无高精地图时也能在复杂道路环境中流畅穿梭。

同时，新架构兼容高精地图方案，将高精地图语义信息转化为与在线感知识别一致的几何信息，做到两者可以同时维护，后续对算法的升级可同时提升有/无高精地图两种场景。

所谓“复用70%”，是指研发过程中，不像传统做ADAS升阶的供应商，先有基础的ACC、LCC功能再研发NOA，而是直接从L4降维，复用一套算法，同时研发这三种功能。

感知层面，基于对自动驾驶的多年思考和实践，再加上目前量产辅助驾驶领域算力、芯片、传感器选择多样，小马智行设计了“伸缩网络”架构——一套多任务大模型BEV算法架构，可基于不同算力平台灵活调整网络大小及其对应的资源消耗率。更高的算力可识别更多的静态元素类型、更多的动态障碍物细分类，和更好的识别范围。

在每一种算力配置下，都能将性能和体验做到其算力的极致。多种算力下的模型共同维护，每次模型迭代可提升所有硬件配置的感知性能。

结合小马智行在L4激光雷达感知算法的多年积累，L4感知算法开发的 感知离线大模型的识别结果已经媲美人类标注员的水平，从而可以直接用于数据采集车采集数据的全自动化标注，上万倍提高标注效率。

如何吸引主机厂客户？

市场有需求，小马有方案。楼天城还介绍了小马在域控制器和自动驾驶工具链上的商业化策略。

方载已经推出三款域控制器，分别是单Orin液冷版，单Orin风冷版和双Orin液冷版。

从产品设计上，方载产品将面向两类使用场景，第一类是智能辅助驾驶，包括城市NOA、高速NOA、泊车场景；第二类是低速无人驾驶，包括无人配送、环卫、港口和矿区等场景。

小马智行吸引主机厂客户的优势，主要是三点：

数据闭环工具链“苍穹”，主要解决自动驾驶研发中对于数据挖掘、高效测试仿真的需求。

苍穹工具链串联了自动驾驶算法研发的整个过程，从数据的采集、处理、分析、仿真到最后的评测，支持全链路的研发迭代。可以根据客户具体的需求进行定制、组装，满足客户的研发流程需要。

包含三大模块。第一是车云协同的大数据平台，提供车端、云端数据采集挖掘工具，同时也支持数据采集分析，可提供车队管理、实时的可视化调试工具等。

第二是云端大规模仿真平台。从场景编辑、挖掘，到高并发仿真架构，完善的仿真评测，加之自研smart agent交互式验证，为算法迭代提供更加科学有益的反馈。

第三是自研的AI研发平台，包括标注和训练平台。除自研产品外，为满足各类型客户需求，也可以集成合作伙伴的数据研发、模型训练能力。

整套方案有可选择性搭载硬件的能力，如数采设备、上传终端、车辆改装服务等等。同时，架构灵活开放，可灵活地部署在私有云，公有云或者专有云上。

苍穹工具链，主打的是开放自由，给并不精通AI技术的主机厂自己开发定义ADAS系统一套简单易用的工具。

最后总结一下，2023年小马智行乘用车业务开始全面发力，和商用车自动驾驶一起形成了支撑小马智行商业化战略，实现自我造血的支柱。

而借由这两部分业务产生的营收利润，小马智行就能继续推动Robotaxi也就是L4及更高阶自动驾驶技术的研发。

实际上，小马乘用车、商用车两个版块之所以顺利开启商业化，其技术根基也是L4的积累和突破。

另外值得关注的是，这次小马智行的技术开放日上，还重点谈论了如何从1到100——意味着已经完成了最重要最具挑战的技术上的从0到1。

而从1到100，代表着技术创新到商业模式闭环上的跑通。

在小马智行最新的答卷中，这种商业上的可能性极具标志性：一方面可以整体商业化，比如Robotaxi和RoboTruck；另一方面每一个模块都能独立商业化，比如POV业务中，智驾软件、自动驾驶域控制器以及数据闭环工具链，合则端到端，分则化整为零，都有巨大的竞争力。

这就是全栈技术实力派的优势，随手就能点灯，商业化完全水到渠成。

—联系作者—

—完—

【智能车参考】原创内容，未经账号授权，禁止随意转载。

点这里关注我，记得标星，么么哒～

关键词：