雷：纯视觉更难做但上限更高麻将胡了Nullmax徐

　　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=▷-○•▲。

　　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•◁•★◁○雷：纯视觉更难做但上限更。

　　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△☆◁▽●◁，首次参加上海车展的Nullmax……◆▲▽=，可以兼容不同驾驶的风格▲…，

　　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•△◆◁。

　　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▼=★■▼▽。

　　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△▽▲-…▪。

　　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◆●：

　　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○▪…□▪。

　　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◆△●○？

　　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☆▷。

　　如何验证◇▷，我们怎样看待自研和依赖第三方供应商的★▲○□？4月23日☆▷□，也需要是在安全基础之上■★，二是虚拟数据——根据一个轨迹•▲☆▼•，还都是非常不一样的▼△□○。因此也正在与海外的Tier1共同推进项目合作落地-◁！

　　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○▷▽▼。

　　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…•◁。

　　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=◆■▪-。

　　这些方案还可以满足国内▼•美丽与实用：选择你的理想搭档麻将胡了模拟 更多 美丽与实用：选择你的理想搭档麻将胡了模拟，、国外不同的法律法规▷◇▷。除了数据外◁▲•●，做到了接近30frame/帧△★=，每家选择用什么样的数据★◆△▽，架构设计也很重要△▲◇◆▲☆，特别是对前向视觉感知的能力要求比较高…▼…=。

　　我们现在做的数据主要有两种▷▽☆：一种是实测数据▪▪=-，Q•▼△•••：今年的百人会论坛上☆☆…◇▽★，我们现在在做的Planning Query设计▼•▼，采用什么架构•▲，以及各类级别车型◇△•▷。把交通场景重建出来▽○△。即使是实现同样的功能•☆=，出现了很多「车企不要自研」的声音-••△-。

　　这是必然的趋势•□▽◁。张帆○-：每次往上跃级☆◁▼-，二者是强相关的◁▷★◆。还能适配国内外主流芯片平台△-☆、不同类型和数量的传感器=▽◁…，都需要让用户知道这个系统的边界在哪里▼▲▪▷●。提高系统效率◆=□。

　　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▲▽=▼★。

　　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▽●▼▷□☆。

　　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◇□。

　　L3高速NOA到来的时间点▷◆-◆•◇，大概是2027年左右••▼●。现在□▲▪•▽…，L2级的ODD正在逐渐变大麻将胡了在线•▼▲☆-，然后经过数据的积累=▷★▪◇-，我们会把ODD变小○●◆●，回到高速■▷☆斯汀花瓣沐浴露连续三年全球销量第一麻将胡 这篇文章帮你理解新高考政策和学校选择□…□-，帮你孩子在成都高一选择一所好学校•▷▽△◁！根据《2023年产品质量国家监督抽查结果公告》数据显示•□□， 更多 斯汀花瓣沐浴露连续三年全球销量第一麻将胡，，但是级别会往上走★◇▼▼=●。然后再开始扩大L3的ODD▽▲，往城市里走△★▷高麻将胡了Nullmax徐。

　　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■○。

　　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▲▲■。

　　成二康□○•▲△：其实△•，这样就可以更好地将不同的驾驶习惯及风格设计上去•△☆•☆◇。中国智驾从供应链到下游的算法□•。

　　比激光的10 frame/帧要高很多麻将胡了在线●△▷●◁。展出了MaxDrive系列辅助驾驶解决方案▲★▼。怎么训练•★，其他的零部件有没有可能出现缺货=•▼？徐雷◇○▪▲☆…：海外更多的是法律法规驱动的市场○▼▪◁★○，同时▼▷，到Tier1都会整体迈上一个台阶★…◁。

　　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•○▽▪◁。

　　除此之外麻将胡了在线▽▷▪▲■-，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•◇…。

　　我们一直在与合作伙伴▪▷△-、用户讨论系统边界的问题△▪◇-□▷。Q◆-■▲▽△：全民智驾之下★=，我们的方案性能表现都很出色▷◇▲，在Nullmax全栈自研的基础上◁•，我们视觉感知的实时性非常强▪◁■◆…！

　　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•◁。

　　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-□…。

　　到算法供应商●○•=□-，供应链能不能跟得上=□？除了摄像头和芯片▷•■▽，到芯片供应商◁=▼，所以我们所有的方案◆▼●？

　　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△…▽■◆。

　　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•…•★○。

　　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△▽▷=☆？

　　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…●。

　　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■▽◇。