撰文 | 青竹 编辑｜周长贤
DeepSeek之后，全球掀起复现狂潮。UC伯克利、港科大等都用极低训练成本成功复现。加上节后李飞飞团队基于通义千问开源底座，“50美元”训练出的“蒸馏”模型……无不说明AI发展范式已改变。
其一，开源的魔力再次自证。据《华尔街日报》，OpenAI首席执行官Sam Altman承认，OpenAI在开源AI问题上，“站在历史的错误一边”。
其二，降本势不可挡。过去OpenAI、英伟达、马斯克们联合打造出来的那种——疯狂堆卡、堆钱、堆数据的“力大砖飞”范式，被打破。
“他们证明「DOGE 」的模型训练方式是可行的。”Perplexity 联合创始人&CEO Arvind Srinivas认为，DeepSeek用一些巧妙、高效的方法来规避“大基建”，值得全球借鉴。
算力大降本骤然而至，AI服务重新定价，22.99美刀/月的订阅被取订，英伟达超3万亿美元的市值靠什么支撑？
如果说DeepSeek们不用很多英伟达H100，是不是智能汽车也不需要那么多Thor？
游戏规则向下迁移
2月9日和10日，长安汽车和比亚迪，将先后举行智能化战略大会。而在上周，仅三个交易日，比亚迪股价暴涨了1400亿。股价当然不全是所谓“智驾平权”的威力。
但2025年，高阶智驾势下探15万级、甚至10万级已成定局。有人说，智驾标配时代来临。各家成色几何，犹未可知，出现激进的抢跑者，也不在意料之外。
民生证券研报指出，智能驾驶迎来技术、接受度和商业的三重拐点。地平线创始人余凯的说法是，“3年大局可定”。更敢说的业内透露，“2年内，结束战斗。”
过去一年，Boss们在台上把牛都吹麻了。到了年底，“智驾第一梯队”之外，似乎再无其他梯队。
如果说，2024年有一两个“秀”点，就可以拿到“话筒”，那么2025年将是“面”的考验。主战场来到15万级，商业模式自然大不同。
2025讲新概念不易，且难懂，VLM还是VLA，车主真在意吗？反倒是交付的质地，会更多暴露。车主就问，能不能“靠谱、顺滑、少接管”。
交付的成本也更多被考量。所以，智驾故事剧情收敛，成本要收敛，方案也会被收敛。
“那些还没有交付的，量产数据不足的方案商，不太可能留在桌上。”“我们确实招人，你能每天加班到晚上12点吗？”“甲方太能阴阳怪气了”……
例如，一家主机大厂列出目前的方案，赫然在列的竟然有5套。除了自己砸钱主导的一套考虑了充分的拓展性，其他外采或者合作的方案，几乎都是试验性质，有无续集取决于效果。
效果要好用，更要便宜，“比自己做更便宜”。
如果向上的难题，让方案的leader偶尔“绝望，又抑郁”，那向下的课题，可能让人憋屈，又受气，方案商只能直面现实。比如轻舟智航的应对。
用技术范式求解安全
轻舟的第一张牌：安全。 启动「安全+」品牌战略，
在C端，“安全”不性感，只能被证伪。那么多年就出一沃尔沃，不是别的车不安全，打安全牌如隔山打牛。
好在轻舟智航在B端，只需说服客户。一台车出事故，对车主来说是几十万之一，对于车企来说，是“一”。
“在十几万的车型上标配NOA，意味着2025年会有大量装配NOA功能的车面世”，“如果不安全，会看到大量的安全事故。”
轻舟智航联合创始人、总裁侯聪表示，在L2必须把安全做好，这是进入L3的门槛条件。
但对于十几万的车，成本腾挪空间局促，感知冗余少，大概率没有激光雷达。如果用保守来换，又可能不够老司机。
“安全不等于保守，安全是由创新所驱动的。”侯聪认为安全性从“99.99%”向“99.99999%”提升，不是量，而是质的区别。
所以，轻舟主张用技术范式解决。辅以更完善的安全冗余、更主动的安全反馈，把三个方案——“轻舟乘风”Air、Pro和Max的安全性标准拉齐。
轻舟智航 CEO 于骞强调，无论是中配、高配方案，安全功能都是顶配。 提出敢赔模式，通过保险兜底降低用户心理门槛。
由于主创们大多来自Waymo，所以轻舟延续了L4的技术基因，CTO李栋表示，“Day One开始就非常认真地搭基建。”把安全作为流程、工程和体系导向与标准。
下面我们根据已经公开信息，来简单看下其模型架构特点。
安全的「端到端」：
时空联合规划、多层碰撞损失约束、高阶控制量一致性、安全评价模型、基于运动模拟的世界模型、数据闭环和自动标注模型……
轻舟将量产验证的“时空联合规划”，融入One Model 端到端。安全机制充分借鉴时空联合规划的规则和限制，融入到网络训练中。
例如，在线模型训练层面，加入了多层碰撞的损失约束，来保证安全性；并添加了高阶控制量一致性约束，来保证舒适性。
“多重碰撞损失约束有很巧妙的Cost的指标设计，把障碍物加上多层不同要求的Cost。”李栋认为，不同的cost值，会让模型天然收敛到保证合适距离，而且不发生碰撞的结果。
而高阶控制量一致则更多服务于舒适性。比如Jerk等加速度导数，可以从更高维度平滑加速度，进而平滑车速的连续性。包括帧间的连续性的一致性约束，都是为了表现更丝滑如老司机。
在安全对齐机制中，也充分借鉴了时空联合规划：
首先，在轨迹生成过程中，借鉴图文生成中条件生成的方法，将安全规则作为“教师”，引入额外的指导信号，自动化评价端到端产生的轨迹，不断feedback，惩罚错误轨迹，增加对生成过程的控制，通过强化学习反复迭代。
其次，基于大语言模型的训练过程，将安全规则作为奖励函数，对模型进行微调，进一步增加模型的安全性。
这些都是离线进行。
针对离线的端到端模型训练，轻舟智航创新性地构建了基于运动模拟的世界模型。
“第一步是运动行为的生成，有这个输入之后，我们再来反推传感器应该返回什么样的图像，由此就可以使生成的仿真视频更加可控，保证时序、空间位置、物体几何、物理规则的一致性和正确性。”
相较于传统世界模型，这种做法可以降低对物理采集的依赖，提升效率、可控性和时序一致性。但是也存在风险，比如准确性、真实性的把控等。当然，这可以靠多模态实车数据来验证。
李栋表示，现在还是以采集为主。世界模型主要针对采集成本很高的极端场景。
除了仿真验证，不断解决长尾问题，依然需要大量的真实数据闭环。
“我们专门为了端到端的一条业务链，数据回传做到T+1。第二天研发就能看到素材数据质量上有什么问题，有什么新要求可以快速闭环。”
李栋介绍，可能需要从三维重建算法来重建当时的场景，进行场景标注，最后有需要还会要生成数据。用来做模型训练，做仿真或者测试，最后再闭环回到链条的起点。
端到端的数据标注也是一个挑战，轻舟认为，“要对一段连续的时间片段上的数据进行全量的标注，如果没有全自动化的标注系统，端到端的标注几乎是不可行的。”所以，轻舟的4D障碍物自动标注大模型，体现出实现数据闭环的工具链优势。
有趣的是，这个自动标注模型自身，也是端到端模型。可以通过离线的空序关系，在不同的时间点标注来系统排除掉遮挡带来的盲区，自动标注效果类似手工标注。
据悉，该标注模型已经在地平线征程5上量产了OCC，有效降低泊车剐蹭率。标注分辨率是5厘米，低到和同平台激光雷达版一样的水准。
数据闭环的基础当然是数据。“如果用户很少，测试量很少的时候，讲安全都是很无力的。”据悉，轻舟去年年底达成了 50 万 NOA 量产，今年的目标是冲刺 100 万智驾方案交付。 主动安全的测试里程已经超过了1440万公里，每天都会增加2000万公里的新用户使用里程。
最后，轻舟还谈到模型的安全冗余。即，在算法层面弥补传感器等子系统功能失效，确保极端情况下的安全处理。
比如，要考虑单个相机无论逆光还是雨水、遮挡，模型训练的时候，会模拟这样的情况，在算法层面上对这种失效做了处理。再如，做无图方案的时候，不想让模型过分依赖地图的先验，在训练过程中刻意去喂错误的数据。
在模型冗余层面，已量产采用 BEV+Mono 两套视觉架构模型，可在其中一套失效时继续工作，确保感知结果不受影响。
在硬件层面，域控的诊断模块会监控域控内外的各类故障，监控到故障后功能状态机会采取降级措施，并通知用户接管。若用户长时间未接管，系统还会自动引导车辆安全停车，并上传整个过程数据至云平台分析。
结语
诚如侯聪所言，在方案和方案商收敛阶段，自我定位很重要。 “更加务实或更商业化的做法，是做一个高性价比的方案，而不是直接去冲击最佳性能、计成本的方案，这不是现在轻舟的选择。”
2025年，轻舟智航的重要工作，就是高性价比城市NOA方案交付。他们 认为，在征程6M上，仔细分析算力边界，功能可能达到97%-98%城市NOA功能。落地成本远远低于Thor或者J6P的产品。也就意味着可以做到更低价位车型上，服务更多用户。
—THE END—
出行百人会 | AutocarMax
追踪汽⻋出行产业链进化，关注新产品、新科技、商业逻辑与商业人物，影响圈层中有影响力的人。
