4月23日，首次参加上海车展的Nullmax，展出了MaxDrive系列辅助驾驶解决方案。
该方案主打灵活、普适——它不仅包括了从SAE L2主动安全功能到采用端到端技术架构的城区辅助驾驶系统，还能适配国内外主流芯片平台、不同类型和数量的传感器，以及各类级别车型。同时，这些方案还可以满足国内、国外不同的法律法规。
据介绍，这一系列方案包括：MaxDrive Basic智能前视一体机方案、MaxDrive Standard行泊一体域控方案、MaxDrive Standard_Hyperlink舱驾一体域控方案，以及MaxDrive Plus城区辅助驾驶方案。
在车展现场，Nullmax的多位高层参加了访谈环节，针对行业热门事件、产品特点等问题给出了自己的观点。受访嘉宾包括：
Nullmax的创始人/CEO/CTO ：徐雷
Nullmax COO ： 沈隆
Nullmax首席科学家 ： 成二康
Nullmax量产工程部高级总监 ： 张帆
以下为QA内容的整理摘要：
Q：如何理解Nullmax的「普适价值」以及技术特点？
徐雷：我们的方案需要能够以快速、高效、低成本的方式，在车型之间移植。就像手机一样，有一些低端手机，也有一些旗舰手机，我们能够更快速地把方案移植到不同的平台上。
相较于市面上一些同质化的方案来说，我们首先是基于多款芯片打造功能，而且会针对国内外不同的细分市场去打造不同的产品方案，包括了一体机的国产方案和海外方案，还有行泊一体域控及舱驾一体域控方案。
在Nullmax全栈自研的基础上，我们视觉感知的实时性非常强，做到了接近30frame/帧，比激光的10 frame/帧要高很多。
另外，我们打造了整套的数据闭环系统，包括从数据的采集、标注、训练到部署、验证到量产的打磨，基础设施的能力也是非常强的。
成二康：这次车展上，我们展示了不同芯片算力的域控，包括不同的行车和泊车的场景。
我们有一套平台化的软件技术架构。这套架构具备平台化的感知方案，可以覆盖动态场景识别、静态场景识别，也包含时序场景识别，和更复杂的拓扑识别。
同时，这些感知方案可以适配到不同的算力，比如说一套平台化架构可以下探到2T算力，向上升级到32T、100T、200T以及更高算力。
除此之外，平台化的集成方案 MaxOS可以使平台化软件的stack快速移植到不同的芯片上去，快速地为不同的客户服务。
Q：什么样的数据才是高质量的数据？
成二康：其实，除了数据外，架构设计也很重要，二者是强相关的。我们现在做的数据主要有两种：一种是实测数据，二是虚拟数据——根据一个轨迹，把交通场景重建出来。
有的宣传说某些数据或者人类驾驶数据是没用的，我觉得这些数据可以倒推到端到端的设计中。
大家目前所做的端到端设计，基本上都是基于Decoder技术架构的设计，除了Decoder本身的设计外，还有Query，Planning Query的设计。
我们现在在做的Planning Query设计，可以兼容不同驾驶的风格，这样就可以更好地将不同的驾驶习惯及风格设计上去。
在验证过程中，我们也能发现更好的Planning Query的设计，尤其是能够把不同驾驶风格的Query融合在设计中，这样就可以处理不同的驾驶行为数据。这是我们兼容不同人类驾驶习惯数据的使用方法。
Q：DeepSeek的意外火爆，催生了一种论调：在大语言模型领域，算力的需求没有像之前大家预估的那么高；那么，在自动驾驶领域，对于云端和车端的算力需求是否也有降低的趋势？
成二康：我可以介绍一下我们端到端设计的思路，刚好与此问题相关：
现在比较火的VLM+端到端，或者VLA，本质上都是借用了语言的架构设计。从ChatGPT火起来之后，语言模型已经过渡到以Decoder-only为主的技术架构设计。
既然如此，在自动驾驶领域是否能够存在自己的Decoder-only的技术架构设计？这是我们目前端到端设计的重点。
这里面有一个核验证的结论：在自动驾驶中，如果能够很好地设计Decoder-only的技术架构，比如将参数量从9000万下降到3000万，也可以同样等价于1B、7B VLM或者是VLA同样的效果。
在自动驾驶中，当然可以借鉴VLA、VLM这样已有的技术架构和参数，用更高的算力实现目标。但如果在中高阶算力，比如说100Tops左右的车端稠密算力上，更好地设计Decoder，它也可以实现和类似大语言结构一样的效果。Decoder-only的技术架构在纯自动驾驶形态里面是可以被设计出来的。
Q：全民智驾之下，供应链能不能跟得上？除了摄像头和芯片，其他的零部件有没有可能出现缺货？
张帆：是有可能的，这是不可避免的。比如前视8Max摄像头是未来城市场景使用的必须配置，不管是30度还是120度的，它可以帮助我看得更远、更宽。周视和后视可以用2Max或者3Max的， 这些传感器都会有需求量增大的趋势。
徐雷：这有可能是阶段性的挑战，但是以中国的供应链和生产制造能力，这不是不可逾越的挑战，我相信供应链跟进的速度会更快。
张帆：每次往上跃级，中国智驾从供应链到下游的算法，到芯片供应商，到算法供应商，到Tier1都会整体迈上一个台阶，这是必然的趋势。
Q：现在海外市场对辅助驾驶的标准要求比较严，我们如何进行匹配？
徐雷：海外更多的是法律法规驱动的市场，特别是对前向视觉感知的能力要求比较高，我们的方案性能表现都很出色，因此也正在与海外的Tier1共同推进项目合作落地。
另外，除了一体机市场法律法规驱动以外，高速NOA今年在欧洲那边也会有法律法规出来，我们基于不同芯片打造的方案也可以落地海外市场。
Q：工信部对于智驾做了规范，Nullmax如何看待这一改变？
徐雷：我们是非常支持工信部的规定的。其实，在工信部规定出来之前，我们所有的宣传就都是以客观事实为基础的，并没有出现「全国都能开、有马路都能开」这类宣传语，因为我们现在的组合辅助驾驶技术没有达到这个程度。
我们一直在与合作伙伴、用户讨论系统边界的问题。提高系统效率，也需要是在安全基础之上，所以我们所有的方案，都需要让用户知道这个系统的边界在哪里。
Q：请预估一下L3在我国真正落地会在什么节点？这个时间节点上，Nullmax大概在什么位置？
徐雷：我们做的事情，是在渐进式路线里通过量产积累里程。
L3高速NOA到来的时间点，大概是2027年左右。现在，L2级的ODD正在逐渐变大，然后经过数据的积累，我们会把ODD变小，回到高速，但是级别会往上走。然后再开始扩大L3的ODD，往城市里走。
Q：今年的百人会论坛上，出现了很多「车企不要自研」的声音，我们怎样看待自研和依赖第三方供应商的？
徐雷：这个问题从我们成立这家公司开始，大家就一直在讨论。车企是否要自研，本质上还是取决于不同车企的类型和发展路线。
至少在我们看来，不同的车企有不同的选择。从实际结果来看，现在好像选择第三方方案的车企越来越多。
Q：您认为未来的智驾方案是否有可能成为一个标准化的方案？
徐雷：智驾是AI在具身智能方面的重要应用场景，我们觉得不管是智驾还是大模型，远远还没有达到殊途同归的方式。
即使是实现同样的功能，每家选择用什么样的数据，怎么训练，采用什么架构，如何验证，还都是非常不一样的。
Q：咱们的本土化经验和特斯拉FSD相比，是否有差异化的优势？
徐雷：我们确实不了解特斯拉的技术细节，但是从公开的技术评测可以看到，特斯拉对中国的法律法规，也缺少实际道路数据的训练：有一些在海外是可以压的单黄线、单实线，在中国法规是不可以的。
但是FSD的一些基础能力，比如说跟其他车的交互博弈的能力，还是非常强的，这也是为什么我们比较坚定地走以视觉为主的路线。这件事情肯定要比激光难很多，但是最终实现的天花板会更高。
