轻舟智航（QCraft）举办了首届 QCRAFT DAY（轻舟智航品牌日），这也是轻舟智航的一次品牌升级活动。

此次发布会，轻舟主要聚焦在了轻舟独特的“自动驾驶超级工厂”一个方法论，以及最新的“双擎”发展战略，和战略驱动下的三大产品：包括全新解决方案龙舟SPACE、第四代量产车规级自动驾驶方案 DBQ V4，以及自动驾驶研发工具链轻舟矩阵。

同时轻舟也宣布与火山引擎、T3出行以及地平线达成战略合作关系，未来轻舟将与 T3 出行达成 Robotaxi 运营，同时轻舟与地平线也将联合打造自动驾驶前装量产解决方案。

一、方法论：自动驾驶超级工厂

如何承托起一整个自动驾驶的大盘，在轻舟看来，解决自动驾驶的难题并不是在某个单一技术本身，而是系统级的开发能力。

过去智能驾驶的一大痛点在于，L2、L3 级的智能驾驶研发在迈进 L4 级时遇到系统框架瓶颈的难题，因为受限于计算平台、高性能传感器的成本等，很难与 L4 级或者更高阶的平台打通。

伴随着大算力平台的量产、激光雷达成本的降低，市场逐步改变了这一规律，愈来越多的主机厂提出了 L4 路线并行的策略，采用了 L2 与 L4 共线并行的方式。

轻舟看到的是因为 Robotaxi 还有很长的量产周期，所以将定位针对城市复杂场景的的无人小巴作为切入点，这样可以解决高密度人口出行的同时带来更有效的数据反哺，从而实现较高的价值链。

今天轻舟提到的方法论其实就是位于底层的一套自动驾驶超级工厂，通过轻舟矩阵、平台的通用性技术来赋能给乘用车、L4级商用车场景，而这两条路径覆盖低速的城区、高速路、泊车等更为丰富的道路数据，继续赋能给平台，达到一个闭环式矩阵。

在此次介绍中，轻舟智航创始人、CEO于骞提到了一个独创的技术，“时空联合规划”。相比目前主流的“时空分离规划”的自动驾驶方案，由于缺乏了“时空”的概念，系统无法对前方的慢车、行人等做好的检测，需要识别、刹车再绕行的执行策略，这样的应变能力在城市道路中会缺乏效率，同时频繁的加减速也影响了驾驶或者乘坐体验。

而此次轻舟公布的“时空联合规划”系统因为加入了“时序”概念，可以对慢车或者障碍车做提前“感知预测”，从而能够更为平顺的做连续绕障动作，达到一个更像人驾驶的体验，避免连续顿挫的体验。

二、轻舟“两条腿”走路

基于对自动驾驶技术和商业化平衡发展路径的洞察，轻舟创新提出“双擎”战略，也就是通过公开道路的L4级自动驾驶软硬件方案打造“动力引擎”，以及凭借自由度更高的配置方案来做量产的“创新引擎”，两条腿走路，但可以基于同一套技术框架来实现数据共生共享。

我们知道智能驾驶的落地不只是单一的高性能传感器、单一 的计算平台或者是规模化的数据。反而自动驾驶的难题在于它是一个系统化工程，它涉及整车工程、软件算法、框架以及仿真平台等。

轻舟的双擎战略也就是源于此，通过一个底座来解决了过去 L4 级商用与乘用车之间的矛盾关系，同时也因为数据闭环让自动驾驶的规划化成为可能。

三、智能驾驶量产方案成本一万元？

有了战略后，轻舟会如何思考部署呢？这一次轻舟分别对应了三款产品，包括面向 L4 公开道路的商用车龙舟 SPACE，以及面向前装量产落地的 第四代量产车规级自动驾驶方案DBQ V4。

这两者也就是我们上面提及的两条腿走路。

龙舟 SPACE 其实是轻舟提出的一个解决移动空间出现的概念，它并不是一台车，而是一个定位于可在复杂公开道路运营的解决方案，它可以适配多种车型，比如可以从短途到长途的接驳、售卖车、货物车等，因为内部空间可多重变换，可以灵活覆盖不同场景需求。

而最为关键的则是轻舟第四代量产车规级自动驾驶方案 DBQ V4。

其实这是一套面向目前可以量产落地的乘用车方案，可以通过不同传感器、芯片组合来实现不同功能。

根据轻舟官方的说法，轻舟可以通过 10% 的成本实现 99% 的 L4 级能力，同时量产成本会低至 1 万元人民币。

目前轻舟共提供有三种解决方案，包括标配版、加强版以及旗舰版，其中旗舰版本会搭载 5 颗速腾 M1 激光雷达、4 颗位于环式盲区激光雷达雷达、6 个毫米波雷达、12 个摄像头组成的方案。

而加强版与标配版分别搭载了两颗以及一颗激光雷达方案。

计算平台则是基于地平线提供的征程系列平台。

1 万元成本方案应该是 DBQ V4 的标配版本，从官方此次公布的图片来看，传感器包括位于头顶的一颗主激光雷达、头顶左前侧以及右前侧的头顶摄像头、4 颗环视摄像头以及前视三目摄像头组成的 9 路摄像头方案，计算平台应该是来自地平线入门级的征程 2 芯片。

而最后是轻舟发布的轻舟矩阵平台，这也是轻舟自主研发的以仿真为核心的自动驾驶研发工具链。它可以打通从数据处理、标注、训练、大规模仿真和技术输出的全流程，实现数据的高效利用。

轻舟智航除了基于 Robobus 在公开道路上的商业化落地，也在前装量产等领域做了新的尝试以及整合，形成了更具竞争力的技术优势和工程化能力，如何在智能驾驶下一城拿下更多市场份额，我们拭目以待。