2023年来，量产成为了自动驾驶产业的主基调，在智能车的大趋势下，自动驾驶迎来了绝佳的落地契机。面对不断上涨的智能驾驶需求，各路玩家纷纷推动自家技术方案的量产落地。
在这当中，既有转型而来的新手，也有深耕多年的老手。尽管赛道日益拥挤，但是作为一家长期专注大规模量产的自动驾驶公司，Nullmax占得先机，率先完成了产品技术的落地。从2021年获得行泊一体量产订单以来，Nullmax的智能驾驶方案和视觉感知产品已经先后获得多家客户的项目定点。
（Nullmax logo）当前，Nullmax的量产伙伴既有上汽、奇瑞、江铃等知名的汽车厂商，同时也有德赛西威、经纬恒润等国内的供应商龙头。作为一家以软件算法见长的科技公司而言，同时获得多家头部OEM和Tier1的认可并不容易，在这背后是Nullmax对汽车和AI融合的深度理解，也是六年多的技术坚持和产品打磨。
在Nullmax看来，量产从来不是一件易事，L2+智能驾驶的上车是一场全面的技术考验。大规模量产需要考虑全方位的因素，对于系统的可用性、稳定性、安全性、经济性等有着严格要求，只有在技术上早做考虑，智能驾驶的落地才会水到渠成。否则即便是L4级无人驾驶demo方案，也难免需要在技术层面进行升维甚至是重构。
智能驾驶不是孤立的技术存在，而是渐进式自动驾驶的阶段性成果。对于Nullmax而言，L2+智能驾驶的冰山之下是为L4无人驾驶构建的巨大技术体系。所以智能驾驶既能与无人驾驶一样独立完成感知、规划、控制的完整过程，也能在无人响应控制的情况下执行功能降级、安全停车等策略。
如今随着第一批量产项目陆续交付落地，拥有浓厚技术底色的Nullmax不仅在商业化方面稳步扩大规模，技术同样也进入了一个更快的发展阶段，沿着自动驾驶的渐进之路加速狂奔。
考虑因素更加多面，量产是场升维之战
自动驾驶从demo走向量产，就像是从温室走向旷野，环境发生了天翻地覆的变化，因此技术需要进行多维度的升级。
在demo阶段，自动驾驶的运行区域较小，车辆穿行于熟悉的道路，遇到的场景有限。行驶任务以外的许多事情，比如传感器的标定，以及运行过程中出现的各种问题，比如某个路口容易急停，都可以通过专业的工程师第一时间解决，车队的规模、服务的范围很大程度上取决于工程师团队的大小，成本和收益的问题几乎不用考虑。
但是量产应用面临的情况大不一样。消费者希望自动驾驶在所有地方都可以发挥作用，跨区、跨市、跨省的出行随时可能发生，每段路都可能出现意料外的情形。车辆的软硬件情况需要系统自检，出现问题需要系统自查自纠，无法行驶的场景需要系统自行应对和反馈，车辆故障后的检修需要由普通的售后服务完成。
在量产当中，再小的概率、再少的工作量、再低的成本，在乘以十万、百万的规模，乘以五年、十年的时间之后，问题都会被无限放大。比如一些L4应用所需的点云级高精地图，既无法大面积采集也无法高频率维护，大范围运营所需的配套成本，即便是再昂贵的豪华车型也无力承担。
这也就意味着，自动驾驶需要从更多维度来考虑技术的研发和应用，以确保可用性、稳定性、安全性、经济性等方面达到大规模量产所需的技术标准。
因此在一开始，Nullmax就选择了打造视觉为主、多传感器融合感知的自动驾驶技术体系，既便于以渐进式方式实现适应性更强的L4级无人驾驶AI系统，也便于在当前阶段提供面向量产的各种L2+智能驾驶应用。
在这当中，视觉感知完成感知的核心功能，包括车辆、行人等动态障碍物目标的检测、预测，以及车道线、路沿、交通标志等静态环境信息的理解。而其他传感器则作为额外的信号输入，比如毫米波雷达、激光雷达等，起到冗余和监督的作用。
这样的技术体系可以为所有的量产车型提供最合适的智能驾驶功能，既可以在大部分道路带来安全和效率的提升，也不会带来过高的成本支出。在没有高精地图覆盖或者地图信息不准的路段，智能驾驶可以基于视觉实时构建的局部地图实现功能；在没有配备激光雷达的车型上，基于视觉感知同样也能提供完整的智能驾驶功能。
同时，Nullmax还打造了一流的工程化能力，保障技术的大规模应用。其中既包括了面向嵌入式平台以及汽车行业软件系统的汽车嵌入式产品开发能力，也包括了安全性、可靠性等方面的车规级要求以及开发流程、规范和质量管理方面的把控，以及与OEM、Tier 1的协作能力。
因此在量产当中，Nullmax可以快速将软件算法部署到算力受限、功耗较低的车端嵌入式平台，并基于QNX系统和AUTOSAR进行应用。这与demo常用的大算力工控机平台全然不同，因为需要严格考虑计算资源和成本问题；也与demo常用的Linux、ROS开发环境相去甚远，前者更满足汽车产业的量产要求。
特别是汽车的软件，也需要像硬件一样满足严格的车规级要求，功能安全、预期功能安全、网络信息安全不可或缺。Nullmax了解算力平台的资源限制以及功能、性能的要求，熟悉量产开发，因此可以提供完善的架构设计和稳定的功能模块，并对开发流程、规范以及质量进行系统性的管控。
无人驾驶一脉相承，L2+并非技术孤峰
如果将智能驾驶比做眼前的一座自动驾驶山峰，那么山峰之下的就是Nullmax为无人驾驶构建的连绵山脉，山脉的远处是无人驾驶的量产应用。
为了打造大范围、全场景的无人驾驶应用，Nullmax构建的是一整套数据驱动、不断成长的自动驾驶技术体系。在这当中，L2+智能驾驶只是这套技术的阶段性应用，既不是最终的目标，也不是上限所在。
现阶段，自动驾驶技术在稳定性和成本上难以实现大规模的无人驾驶，但是智能驾驶作为技术的集大成者，可以将先进的技术架构和领先的算法应用到量产车型当中，提供稳定可靠的功能应用。
因此智能驾驶系统背后的运行，和无人驾驶几乎一样，既会检测、预测各种各样的障碍物，理解周围的静态环境，也会进行行为的决策和运动的规划，最终完成车辆的控制。甚至有些时候，智能驾驶会给用户一种无人驾驶的感觉，因为这样的智能驾驶背后并不是单纯的L2+技术。
Nullmax的L2+智能驾驶是一个软硬件资源高度整合的完整系统，并不是ADAS功能简单组合，而是在软件和硬件层面进行了系统级的重构，因此能够实现长时间、远距离、多场景的连续驾车，而在车辆的生命周期内也可以通过OTA方式持续地升级功能。
在这当中，ADAS只是系统的一小部份，系统如何自检、启动、运行、退出、调试、升级，领航功能、辅助驾驶、ADAS彼此之间如何协作和切换，等等，才是智能驾驶的主体部分。比如在开启领航功能的时候，出现功能范围以外的情况，智能驾驶会有降级、提醒接管、安全停车等不同措施，在确保安全的前提下为用户提供尽可能高效、舒适、连贯的体验。
基于这样一套不断成长的技术体系，L2+智能驾驶的量产下线将只是一个开始。因为随着场景数据的不断积累，智能驾驶的表现将会不断提升。比如，支持的车道线类型越来越多，障碍物的检测和预测越来越准确，连续驾驶的里程越来越长，不支持的场景越来越少，等等。
L2+智能驾驶的落地，能为自动驾驶的进化提供海量的数据养料，在长期持续的迭代升级过后，这套技术体系需要司机介入的情况将会越来越少，新开发的应用也会越来越接近无人驾驶的体验，这正是Nullmax的渐进式自动驾驶思路。
渐进式自动驾驶的本质是海量数据驱动的机器学习问题，通过越来越多的数据以及持续的模型迭代，自动驾驶的AI系统能够不断提高，最终达到实现大范围无人驾驶的程度。这就像是ChatGPT一样，背后的CPT-1到GPT-4是一步步进化迭代的过程，AI能力的发展也是一步步提高的过程。
尽管现阶段这套技术的落地形式为L2+智能驾驶，但毫无疑问这也是一套挑战更大、上限更高、可行性更好的一套技术。尤其是自动驾驶的量产远不是外界想象的那般简单，而是一场复杂的升维之战。
为了长远的无人驾驶目标，Nullmax在技术的研发和应用上已经做了许多工作，如今这些努力逐渐转化为成果，带动Nullmax在渐进之路上加速狂奔。无人驾驶的大规模量产仍有一段距离，但走在正确方向上的Nullmax，显然距离目标已经越来越近。
