北京跑出一只未来独角兽：做智能驾驶的轻舟智航。
轻舟智航于 2019 年创立于美国硅谷。CEO 于骞博士本硕就读于清华大学，很早就从事自动驾驶相关研究：读硕士期间，参与了著名的 THMR-V 智能车研究，2003 年能让一辆七座商务车在无人状态跑出 150 千米的测试时速。
之后于骞在美国南加州大学获得博士学位，曾是 Google 街景组关键项目技术负责人，并在自动驾驶鼻祖 Waymo 担任感知关键模块的机器学习算法研发 Tech Lead。
2019 年，于骞认为，自动驾驶作为长期方向，真正接近落地了，而自己团队有 L4 级自动驾驶技术积累，值得一试。
轻舟智航回到中国后，最开始以 RoboBus（自动驾驶小巴）作为 L4 自动驾驶方案的第一个落地场景，解决城市 " 最后三公里 " 接驳问题，已在北京、苏州、深圳、金华、武汉等 20 座核心城市开启常态化运营，并实现了一定的商业闭环。
2022 年，轻舟智航开始面向量产乘用车供应 L2+ 高级辅助驾驶方案。2023 年 11 月，轻舟智航成为理想汽车供应商，协助 NOA 功能在理想 AD Pro 系统搭载落地。
如今，轻舟智航 NOA（Navigate on Autopilot，领航辅助驾驶）累计量产超过 60 万套，并有望在今年达到 100 万套，成为兼具规模化量产经验、交付量行业领先的中高阶智能辅助驾驶解决方案提供商。
在中国乘用车 NOA 市场，轻舟智航以 50.84% 的市场份额位位列国内第一，超越华为（42.45%）等行业选手（2024 年 7 月数据）。
于骞认为，走到今天，轻舟智航最重要的战略是聚焦。" 我们从来不是追求客户数量越多越好，车型覆盖越广越好。相反，我们始终坚持在自己最擅长的方向上做深做透，把每一个关键场景、关键客户、关键产品打穿、打透，做到极致。" 而智驾产品最重要的是安全。
最近，铅笔道与于骞交流，以下是对话精华。
一，自动驾驶必须实现商业闭环
铅笔道：2019 年为什么会决定投身自动驾驶领域？
于骞：自动驾驶是我长期的梦想。我本硕都是在清华大学计算机系读的，硕士期间我加入了移动机器人方向的研究，在清华大学人工智能国家重点实验室。大概是 2001 到 2003 年，我就参与了一个自动驾驶项目 THMR-V，把一辆七座商务车改装。这给我内心中第一次种下了 " 自动驾驶 " 的种子。我一直觉得，" 让机器变得更智能 " 这件事值得投入，因此我也继续读博士。
2019 年，我觉得自动驾驶作为长期方向，开始真正接近落地了。虽然它还面临很多挑战，但那是一个很好的时间点。因为行业对自动驾驶已经有了初步的认知，但技术路线还没有完全收敛。对于我们这样一个偏技术产品型的团队来说，这是一个值得投入的机会。
铅笔道：为什么会从 RoboBus 切入？而不是从 Robotaxi 或是物流配送这样的方向？
于骞：我们认为 L4 级自动驾驶是一个非常长期的目标，要实现 " 完全无人 " 可能是以包括自动驾驶物流在内的很多方向，还没有实现大规模的商业闭环，落地场景还在初步阶段。
相比之下，RoboBus 在中国市场有其独特的优势。一方面，中国人口密度高、公共交通体系庞大，国家政策也在大力支持公共交通；RoboBus 本身具有公共属性，更容易获得试点和支持，其落地机会相对更大。
另一方面，从技术路线来看，我们的底层技术是按照 L4 级自动驾驶来构建的，并非专门为 RoboBus 打造。RoboBus 只是我们现阶段产品落地的一种形态，它更适应当前中国的实际情况和市场环境。但我们的技术架构，是完全可以支持长期的 L4 级 Robotaxi 的。
目前，我们在 RoboBus 这个细分赛道上，已经成为头部企业之一，业务线也实现了一定的商业闭环，已经做到了盈利。而在大多数 L4 项目中，要实现这个目标其实是很难的。
铅笔道：你们最开始是聚焦 L4 级自动驾驶的，为什么从 2022 年开始转向量产 L2 级产品？这个决策背后是怎样的考虑？
于骞：就像前面提到的，在迈向 " 完全无人驾驶 " 的过程中，必须不断地实现商业闭环。而所谓商业闭环，就是必须持续为用户创造实际价值。
在当时，如果我们还不开始推动大规模的产品普及，用户价值就难以真正落地。我们看到了 L2+ 这一代产品已经具备了为广大消费者创造显著价值的能力，尤其能有效推动中国汽车产业从 " 电子化 " 向 " 智能化 " 的转型。
当时的传感器和算力能力也已经发展到了适配 L2+ 大规模量产的阶段。基于这种判断，选择以 L2+ 产品形态作为我们的 " 第二增长曲线 "，在量产业务上部署。
你可以理解为，我们在 L2+ 上的推进，和我们在 RoboBus 上的做法是一样的：聚焦一个方向，全力打透，最终形成商业闭环。我们的 L2+ 方案并不是临时搭建的，而是基于原有的 L4 技术平台打造的。我们拥有统一的技术架构和自研能力，L2+ 只是这个平台在当前阶段更贴近市场、能更快满足客户需求的一种应用形态。
铅笔道：做乘用车 L2 级智能驾驶方案的过程中，遇到过哪些挑战？又是如何克服的？
于骞：面向乘用车的 L2 智能驾驶目前还是一个相对早期的阶段，尤其是在成本受限的前提下，算力资源相对有限，传感器配置也有所 " 减配 "。这对技术方案提出了很大挑战。
为了解决这个问题，我们内部有一套叫做 " 冰山理论 " 的系统性方法。很多人往往只关注 " 水面以上 " 的部分，比如用了什么样的传感器、计算平台等——这些其实只是整个系统中非常小的一部分。而我们更注重 " 水面以下 " 的底层系统能力，比如算法迭代效率、工程体系建设、平台通用性等。
基于我们 L4 级自动驾驶平台积累下的技术体系，我们可以非常快地将核心能力迁移和优化到 L2+ 的场景中。例如在算力受限的情况下，我们能够通过高效的工程能力和算法优化弥补算力不足所带来的性能挑战，实现较高性能的感知和决策。
与很多传统 L2+ 方案不同的是，我们并不是基于低成本的 mono camera（单目摄像头）那类路径起步的，我们的整个 L2+ 产品是基于 L4 平台反向开发的。这意味着我们的系统在能力上限、算法泛化和系统安全性方面都具备更高的起点。
此外，面向乘用车市场的 L2+ 方案，最大的挑战之一是对安全性和可靠性要求极高。我们在这方面也有一套比较成熟的工具链，尤其是仿真平台，能够大规模验证边界场景下的系统稳定性和鲁棒性。
二，跨越 " 量产地狱 "
铅笔道：与理想汽车这些大的客户合作过程中，你们有哪些收获？
于骞：首先，和客户在产品定义、安全标准、功能设计等方面的深入协作，对我们帮助非常大。客户在如何打造高安全性、高稳定性的产品方面有极强的理解力和执行力。对我们来说，这种高标准的产品理念非常有启发，也帮助我们进一步提升了自身在产品定义和功能落地方面的能力。
其次，我们积累了大量规模化工程落地和量产管理的经验。量产不只是 " 能做出一个产品 "，而是要有 " 量 " ——大规模、高一致性、高可靠性的交付能力。
到目前为止，我们的 NOA 方案已经在超过 60 万辆车上实现量产部署，预计今年会突破 100 万辆。这背后反映的是我们的系统在安全性、稳定性、工程可控性等方面已经具备了高度的成熟度。
尤其是在 2025 年国家出台了一系列针对组合辅助驾驶系统的安全法规和行业标准的背景下，我们在大规模量产中的这些积累——从合规、测试到工程流程，都是非常宝贵的经验。
铅笔道：在 60 万辆 NOA 方案的量产交付过程中，是否经历过 " 痛苦期 "？
于骞：当然经历过。可以说，我们真的是穿越过 " 量产的地狱 "。
大概在 2023 到 2024 年这段时间，团队经常是一整夜都在加班调试，第二天太阳升起来时，大家还在车上做各种功能测试。这种强度是持续性的，几乎每个细节都要经得起推敲和验证。
其实很多自动驾驶的供应商都还没有真正经历过大规模量产带来的 " 极限考验 "。尤其是当你要做几十万量级的交付，系统的每一处稳定性和安全性要求都会被无限放大。量小的时候，有些问题不会显现出来；但当车辆分布在整个中国大陆、在各种复杂路况中运行时，任何一个小问题都有可能变成大挑战。
铅笔道：有没有一些具体的案例？
于骞：比如说，我们虽然是从 L4 自动驾驶起家的，在行车这部分技术积累很深，但在 " 泊车 " 这块，最初的积累相对是偏少的。而泊车在实际量产中非常复杂。用户可能会在各种各样的环境中使用泊车功能，比如草地、砖地，甚至是带有明显坡度或者有干扰物的极端场景。我们后来大概积累了超过 300 种真实的复杂泊车场景，其中很多是极具挑战性的，使得现在我们的泊车在行业内已经做到非常领先。
铅笔道：要实现百万级 NOA 量产上车的目标，在安全性方面做了哪些努力？
于骞：从产品定义开始，包括传感器选型、计算平台架构、冗余设计等，我们在方案设计阶段就把安全性放在最优先的位置。这个系统性的考量不是零散补丁，而是从平台级别就开始构建的。
在测试验证阶段，我们投入了大量资源建立大规模的仿真验证体系。举个例子，我们有一支专门负责仿真测试的团队，通过闭环系统验证各种极端工况。这是我们坚持的一条底线：不依赖真实用户来 " 验证 " 产品，摒弃那种通过 OTA（远程升级）把不成熟的功能推给用户试用的做法。
在系统底层也引入了很多 " 兜底 " 机制，比如在特定工况下的预案管理、冗余策略等。这些能力得益于我们基于 L4 平台开发的技术底座，能够从架构层面提供更高的安全冗余和系统鲁棒性。
三，创业必须做减法
铅笔道：为什么第一家跨过 100 万辆 NOA 量产门槛的企业会是轻舟智航？
于骞：这背后最核心的原因是 " 聚焦 " ——这是贯穿我们产品策略、客户选择、公司发展战略的基本原则。
我们从来不是追求客户数量越多越好，车型覆盖越广越好。相反，我们始终坚持在自己最擅长的方向上做深做透，把每一个关键场景、关键客户、关键产品打穿、打够，做到极致。这种 " 聚焦式 " 的投入，最终带来了真正的用户价值，也让我们的产品在行业中树立起了标杆。
你看有些供应商的平台五花八门，各种技术路线、各种项目并行推进，表面上看是 " 全面开花 "，但实际落地效果往往打不穿。而我们选择的是做减法——只做能打出质量、打出结果的项目，只选我们真正理解、能够产生差异化价值的客户合作。
这种策略，让我们的产品在每一个落地场景中都具备很强的表现力，也形成了高客户粘性和高度认可度。这才是我们能率先跨过 100 万辆 NOA 量产门槛的根本原因。
铅笔道：为什么坚定地 " 做减法 "？
于骞：我在湖畔大学上第一堂课时，核心理念就是 " 聚焦 " ——这对我影响非常深远。那堂课讲的不是战术，而是战略上的聚焦，是对趋势的精准把握。
一个企业真正能走出来，不是靠 " 面面俱到 "，而是靠在关键趋势上精准下注，靠在自己最擅长的点上不断强化。
不要想当然地认为竞争对手比我们差，很多时候大家起点差不多。真正拉开差距的，是谁能在关键节点上看得更清、定得更稳、聚得更狠。而 " 聚焦 " 本质上就是一种战略减法，是把有限的资源投入到最有价值的方向上，让自己的核心优势发挥到极致。
铅笔道：你们如何保持差异化竞争力？
于骞：我们始终不是在做 " 性价比 " 游戏，而是在做 " 价值密度 " 的提升。我们能在中低价位的车型上实现高安全、高体验的智驾能力，靠的是长期创新和大规模量产经验积累。
比如在算力方面，我们就擅长于在相对较低的算力平台上发挥最大性能。这背后依赖的是我们在知识蒸馏、大模型裁剪等方面的长期积累。我们早期就开始研究如何通过离线训练的大模型，生成适用于小算力平台的轻量模型，我本人也发表过相关论文。这些技术使我们在保障体验的同时，显著降低了系统资源消耗。
同行想复制这条路，并不容易。我们真正的差异化竞争力，是建立在三大核心能力之上的：第一，底层技术创新能力，尤其是在算法高效化、模型轻量化上的长期积累；第二，工程落地能力，包括仿真验证体系、测试标准和平台能力；第三，大规模量产的交付体系，我们在实际部署中积累的数据和工程反馈，已构建出深厚的闭环优化机制。
还有一点我们非常坚定：智驾产品必须守住 " 安全底线 "。不管是中配还是高配，我们都坚持提供 " 顶配级别 " 的安全性能。
铅笔道：轻舟智航被外界视为 " 智驾六剑客 " 之一，你怎么看？
于骞：我们能走到今天，最核心的原因是我们始终坚持围绕 " 用户价值 " 来做产品。
我们从不做那些用户无感的、没有实际体验价值的技术。你看早期有些 ADAS 产品，装在车上一整年，用户可能都不知道它的存在，体验感为零。这种 " 为了堆参数而堆参数 " 的功能，我们是坚决不做的。
我们每一个产品、每一项决策，都会回到一个问题：这项功能到底为用户创造了什么？是更安全了？更舒适了？更高效了？还是更便捷了？如果无法明确回答这些问题，那这件事我们宁可不做。
这也是为什么，有时候行业里会问我们：" 你们为什么不做这个、不做那个？" 我们的回答很简单：我们不是要追逐热点，而是要解决真正的问题。不是拼功能清单，而是聚焦用户感知。
其次是工程落地能力和量产积累，这让我们不仅能做出好技术，还能把好技术稳定、安全地交付出去。
铅笔道：你怎么看未来自动驾驶行业中的细分机会？
于骞：现在已经比较明确的几个方向，包括矿山、港口、园区物流等，这些场景由于相对封闭、可控性强，适合无人驾驶技术率先落地，也已经在逐步实现规模化应用。
与此同时，我相信未来还会出现真正具有长期生命力的无人驾驶产品，这其中很重要的一类将是 Robotaxi（自动驾驶出租车）。尽管目前来看，Robotaxi 的商业化仍面临挑战，但它代表的是自动驾驶走向开放道路和日常出行的终极形态，也是整个行业长期努力的方向。
不同细分场景会根据其业务属性和技术要求，形成自己的护城河和竞争优势，而我们轻舟智航的长期目标，依然聚焦于真正的无人驾驶出行产品，尤其是 Robotaxi 的方向。这是我们始终坚持的战略路径。
