北京跑出一只未來獨角獸：做智能駕駛的輕舟智航。

輕舟智航于 2019 年創立于美國硅谷。CEO 于騫博士本碩就讀于清華大學，很早就從事自動駕駛相關研究：讀碩士期間，參與了著名的 THMR-V 智能車研究，2003 年能讓一輛七座商務車在無人狀態跑出 150 千米的測試時速。

之后于騫在美國南加州大學獲得博士學位，曾是 Google 街景組關鍵項目技術負責人，并在自動駕駛鼻祖 Waymo 擔任感知關鍵模塊的機器學習算法研發 Tech Lead。

2019 年，于騫認為，自動駕駛作為長期方向，真正接近落地了，而自己團隊有 L4 級自動駕駛技術積累，值得一試。

輕舟智航回到中國后，最開始以 RoboBus（自動駕駛小巴）作為 L4 自動駕駛方案的第一個落地場景，解決城市 " 最后三公里 " 接駁問題，已在北京、蘇州、深圳、金華、武漢等 20 座核心城市開啟常態化運營，并實現了一定的商業閉環。

2022 年，輕舟智航開始面向量產乘用車供應 L2+ 高級輔助駕駛方案。2023 年 11 月，輕舟智航成為理想汽車供應商，協助 NOA 功能在理想 AD Pro 系統搭載落地。

如今，輕舟智航 NOA（Navigate on Autopilot，領航輔助駕駛）累計量產超過 60 萬套，并有望在今年達到 100 萬套，成為兼具規模化量產經驗、交付量行業領先的中高階智能輔助駕駛解決方案提供商。

在中國乘用車 NOA 市場，輕舟智航以 50.84% 的市場份額位位列國內第一，超越華為（42.45%）等行業選手（2024 年 7 月數據）。

于騫認為，走到今天，輕舟智航最重要的戰略是聚焦。" 我們從來不是追求客戶數量越多越好，車型覆蓋越廣越好。相反，我們始終堅持在自己最擅長的方向上做深做透，把每一個關鍵場景、關鍵客戶、關鍵產品打穿、打透，做到極致。" 而智駕產品最重要的是安全。

最近，鉛筆道與于騫交流，以下是對話精華。

一，自動駕駛必須實現商業閉環

鉛筆道：2019 年為什么會決定投身自動駕駛領域？

于騫：自動駕駛是我長期的夢想。我本碩都是在清華大學計算機系讀的，碩士期間我加入了移動機器人方向的研究，在清華大學人工智能國家重點實驗室。大概是 2001 到 2003 年，我就參與了一個自動駕駛項目 THMR-V，把一輛七座商務車改裝。這給我內心中第一次種下了 " 自動駕駛 " 的種子。我一直覺得，" 讓機器變得更智能 " 這件事值得投入，因此我也繼續讀博士。

2019 年，我覺得自動駕駛作為長期方向，開始真正接近落地了。雖然它還面臨很多挑戰，但那是一個很好的時間點。因為行業對自動駕駛已經有了初步的認知，但技術路線還沒有完全收斂。對于我們這樣一個偏技術產品型的團隊來說，這是一個值得投入的機會。

鉛筆道：為什么會從 RoboBus 切入？而不是從 Robotaxi 或是物流配送這樣的方向？

于騫：我們認為 L4 級自動駕駛是一個非常長期的目標，要實現 " 完全無人 " 可能是以包括自動駕駛物流在內的很多方向，還沒有實現大規模的商業閉環，落地場景還在初步階段。

相比之下，RoboBus 在中國市場有其獨特的優勢。一方面，中國人口密度高、公共交通體系龐大，國家政策也在大力支持公共交通；RoboBus 本身具有公共屬性，更容易獲得試點和支持，其落地機會相對更大。

另一方面，從技術路線來看，我們的底層技術是按照 L4 級自動駕駛來構建的，并非專門為 RoboBus 打造。RoboBus 只是我們現階段產品落地的一種形態，它更適應當前中國的實際情況和市場環境。但我們的技術架構，是完全可以支持長期的 L4 級 Robotaxi 的。

目前，我們在 RoboBus 這個細分賽道上，已經成為頭部企業之一，業務線也實現了一定的商業閉環，已經做到了盈利。而在大多數 L4 項目中，要實現這個目標其實是很難的。

鉛筆道：你們最開始是聚焦 L4 級自動駕駛的，為什么從 2022 年開始轉向量產 L2 級產品？這個決策背后是怎樣的考慮？

于騫：就像前面提到的，在邁向 " 完全無人駕駛 " 的過程中，必須不斷地實現商業閉環。而所謂商業閉環，就是必須持續為用戶創造實際價值。

在當時，如果我們還不開始推動大規模的產品普及，用戶價值就難以真正落地。我們看到了 L2+ 這一代產品已經具備了為廣大消費者創造顯著價值的能力，尤其能有效推動中國汽車產業從 " 電子化 " 向 " 智能化 " 的轉型。

當時的傳感器和算力能力也已經發展到了適配 L2+ 大規模量產的階段。基于這種判斷，選擇以 L2+ 產品形態作為我們的 " 第二增長曲線 "，在量產業務上部署。

你可以理解為，我們在 L2+ 上的推進，和我們在 RoboBus 上的做法是一樣的：聚焦一個方向，全力打透，最終形成商業閉環。我們的 L2+ 方案并不是臨時搭建的，而是基于原有的 L4 技術平臺打造的。我們擁有統一的技術架構和自研能力，L2+ 只是這個平臺在當前階段更貼近市場、能更快滿足客戶需求的一種應用形態。

鉛筆道：做乘用車 L2 級智能駕駛方案的過程中，遇到過哪些挑戰？又是如何克服的？

于騫：面向乘用車的 L2 智能駕駛目前還是一個相對早期的階段，尤其是在成本受限的前提下，算力資源相對有限，傳感器配置也有所 " 減配 "。這對技術方案提出了很大挑戰。

為了解決這個問題，我們內部有一套叫做 " 冰山理論 " 的系統性方法。很多人往往只關注 " 水面以上 " 的部分，比如用了什么樣的傳感器、計算平臺等——這些其實只是整個系統中非常小的一部分。而我們更注重 " 水面以下 " 的底層系統能力，比如算法迭代效率、工程體系建設、平臺通用性等。

基于我們 L4 級自動駕駛平臺積累下的技術體系，我們可以非常快地將核心能力遷移和優化到 L2+ 的場景中。例如在算力受限的情況下，我們能夠通過高效的工程能力和算法優化彌補算力不足所帶來的性能挑戰，實現較高性能的感知和決策。

與很多傳統 L2+ 方案不同的是，我們并不是基于低成本的 mono camera（單目攝像頭）那類路徑起步的，我們的整個 L2+ 產品是基于 L4 平臺反向開發的。這意味著我們的系統在能力上限、算法泛化和系統安全性方面都具備更高的起點。

此外，面向乘用車市場的 L2+ 方案，最大的挑戰之一是對安全性和可靠性要求極高。我們在這方面也有一套比較成熟的工具鏈，尤其是仿真平臺，能夠大規模驗證邊界場景下的系統穩定性和魯棒性。

二，跨越 " 量產地獄 "

鉛筆道：與理想汽車這些大的客戶合作過程中，你們有哪些收獲？

于騫：首先，和客戶在產品定義、安全標準、功能設計等方面的深入協作，對我們幫助非常大。客戶在如何打造高安全性、高穩定性的產品方面有極強的理解力和執行力。對我們來說，這種高標準的產品理念非常有啟發，也幫助我們進一步提升了自身在產品定義和功能落地方面的能力。

其次，我們積累了大量規模化工程落地和量產管理的經驗。量產不只是 " 能做出一個產品 "，而是要有 " 量 " ——大規模、高一致性、高可靠性的交付能力。

到目前為止，我們的 NOA 方案已經在超過 60 萬輛車上實現量產部署，預計今年會突破 100 萬輛。這背后反映的是我們的系統在安全性、穩定性、工程可控性等方面已經具備了高度的成熟度。

尤其是在 2025 年國家出臺了一系列針對組合輔助駕駛系統的安全法規和行業標準的背景下，我們在大規模量產中的這些積累——從合規、測試到工程流程，都是非常寶貴的經驗。

鉛筆道：在 60 萬輛 NOA 方案的量產交付過程中，是否經歷過 " 痛苦期 "？

于騫：當然經歷過。可以說，我們真的是穿越過 " 量產的地獄 "。

大概在 2023 到 2024 年這段時間，團隊經常是一整夜都在加班調試，第二天太陽升起來時，大家還在車上做各種功能測試。這種強度是持續性的，幾乎每個細節都要經得起推敲和驗證。

其實很多自動駕駛的供應商都還沒有真正經歷過大規模量產帶來的 " 極限考驗 "。尤其是當你要做幾十萬量級的交付，系統的每一處穩定性和安全性要求都會被無限放大。量小的時候，有些問題不會顯現出來；但當車輛分布在整個中國大陸、在各種復雜路況中運行時，任何一個小問題都有可能變成大挑戰。

鉛筆道：有沒有一些具體的案例？

于騫：比如說，我們雖然是從 L4 自動駕駛起家的，在行車這部分技術積累很深，但在 " 泊車 " 這塊，最初的積累相對是偏少的。而泊車在實際量產中非常復雜。用戶可能會在各種各樣的環境中使用泊車功能，比如草地、磚地，甚至是帶有明顯坡度或者有干擾物的極端場景。我們后來大概積累了超過 300 種真實的復雜泊車場景，其中很多是極具挑戰性的，使得現在我們的泊車在行業內已經做到非常領先。

鉛筆道：要實現百萬級 NOA 量產上車的目標，在安全性方面做了哪些努力？

于騫：從產品定義開始，包括傳感器選型、計算平臺架構、冗余設計等，我們在方案設計階段就把安全性放在最優先的位置。這個系統性的考量不是零散補丁，而是從平臺級別就開始構建的。

在測試驗證階段，我們投入了大量資源建立大規模的仿真驗證體系。舉個例子，我們有一支專門負責仿真測試的團隊，通過閉環系統驗證各種極端工況。這是我們堅持的一條底線：不依賴真實用戶來 " 驗證 " 產品，摒棄那種通過 OTA（遠程升級）把不成熟的功能推給用戶試用的做法。

在系統底層也引入了很多 " 兜底 " 機制，比如在特定工況下的預案管理、冗余策略等。這些能力得益于我們基于 L4 平臺開發的技術底座，能夠從架構層面提供更高的安全冗余和系統魯棒性。

三，創業必須做減法

鉛筆道：為什么第一家跨過 100 萬輛 NOA 量產門檻的企業會是輕舟智航？

于騫：這背后最核心的原因是 " 聚焦 " ——這是貫穿我們產品策略、客戶選擇、公司發展戰略的基本原則。

我們從來不是追求客戶數量越多越好，車型覆蓋越廣越好。相反，我們始終堅持在自己最擅長的方向上做深做透，把每一個關鍵場景、關鍵客戶、關鍵產品打穿、打夠，做到極致。這種 " 聚焦式 " 的投入，最終帶來了真正的用戶價值，也讓我們的產品在行業中樹立起了標桿。

你看有些供應商的平臺五花八門，各種技術路線、各種項目并行推進，表面上看是 " 全面開花 "，但實際落地效果往往打不穿。而我們選擇的是做減法——只做能打出質量、打出結果的項目，只選我們真正理解、能夠產生差異化價值的客戶合作。

這種策略，讓我們的產品在每一個落地場景中都具備很強的表現力，也形成了高客戶粘性和高度認可度。這才是我們能率先跨過 100 萬輛 NOA 量產門檻的根本原因。

鉛筆道：為什么堅定地 " 做減法 "？

于騫：我在湖畔大學上第一堂課時，核心理念就是 " 聚焦 " ——這對我影響非常深遠。那堂課講的不是戰術，而是戰略上的聚焦，是對趨勢的精準把握。

一個企業真正能走出來，不是靠 " 面面俱到 "，而是靠在關鍵趨勢上精準下注，靠在自己最擅長的點上不斷強化。

不要想當然地認為競爭對手比我們差，很多時候大家起點差不多。真正拉開差距的，是誰能在關鍵節點上看得更清、定得更穩、聚得更狠。而 " 聚焦 " 本質上就是一種戰略減法，是把有限的資源投入到最有價值的方向上，讓自己的核心優勢發揮到極致。

鉛筆道：你們如何保持差異化競爭力？

于騫：我們始終不是在做 " 性價比 " 游戲，而是在做 " 價值密度 " 的提升。我們能在中低價位的車型上實現高安全、高體驗的智駕能力，靠的是長期創新和大規模量產經驗積累。

比如在算力方面，我們就擅長于在相對較低的算力平臺上發揮最大性能。這背后依賴的是我們在知識蒸餾、大模型裁剪等方面的長期積累。我們早期就開始研究如何通過離線訓練的大模型，生成適用于小算力平臺的輕量模型，我本人也發表過相關論文。這些技術使我們在保障體驗的同時，顯著降低了系統資源消耗。

同行想復制這條路，并不容易。我們真正的差異化競爭力，是建立在三大核心能力之上的：第一，底層技術創新能力，尤其是在算法高效化、模型輕量化上的長期積累；第二，工程落地能力，包括仿真驗證體系、測試標準和平臺能力；第三，大規模量產的交付體系，我們在實際部署中積累的數據和工程反饋，已構建出深厚的閉環優化機制。

還有一點我們非常堅定：智駕產品必須守住 " 安全底線 "。不管是中配還是高配，我們都堅持提供 " 頂配級別 " 的安全性能。

鉛筆道：輕舟智航被外界視為 " 智駕六劍客 " 之一，你怎么看？

于騫：我們能走到今天，最核心的原因是我們始終堅持圍繞 " 用戶價值 " 來做產品。

我們從不做那些用戶無感的、沒有實際體驗價值的技術。你看早期有些 ADAS 產品，裝在車上一整年，用戶可能都不知道它的存在，體驗感為零。這種 " 為了堆參數而堆參數 " 的功能，我們是堅決不做的。

我們每一個產品、每一項決策，都會回到一個問題：這項功能到底為用戶創造了什么？是更安全了？更舒適了？更高效了？還是更便捷了？如果無法明確回答這些問題，那這件事我們寧可不做。

這也是為什么，有時候行業里會問我們：" 你們為什么不做這個、不做那個？" 我們的回答很簡單：我們不是要追逐熱點，而是要解決真正的問題。不是拼功能清單，而是聚焦用戶感知。

其次是工程落地能力和量產積累，這讓我們不僅能做出好技術，還能把好技術穩定、安全地交付出去。

鉛筆道：你怎么看未來自動駕駛行業中的細分機會？

于騫：現在已經比較明確的幾個方向，包括礦山、港口、園區物流等，這些場景由于相對封閉、可控性強，適合無人駕駛技術率先落地，也已經在逐步實現規模化應用。

與此同時，我相信未來還會出現真正具有長期生命力的無人駕駛產品，這其中很重要的一類將是 Robotaxi（自動駕駛出租車）。盡管目前來看，Robotaxi 的商業化仍面臨挑戰，但它代表的是自動駕駛走向開放道路和日常出行的終極形態，也是整個行業長期努力的方向。

不同細分場景會根據其業務屬性和技術要求，形成自己的護城河和競爭優勢，而我們輕舟智航的長期目標，依然聚焦于真正的無人駕駛出行產品，尤其是 Robotaxi 的方向。這是我們始終堅持的戰略路徑。

來源：鉛筆道