百萬量產后，輕舟智航定下新目標：城市NOA殺入10萬級，L4規模落地

為量產難題找到底層答案：輕舟智航闖入自動駕駛第一梯隊。

作者 | 鄭浩鈞

編輯 | 吳 彤

汽車智能駕駛的競爭，已經決出了階段性的勝負。

中國智能駕駛供應商的格局，正快速從群雄并起走向 “一超多強”。華為憑借智選車與HI模式的雙重布局，在技術方案、搭載量和車企合作上確立了“一超”地位。輕舟智航、地平線、Momenta等公司，則憑借各自優勢構成了“多強”陣營，躋身到自動駕駛第一梯隊。

格局集中的背后，是市場的加速普及與門檻的急劇提高。2025年前三季度，中國L2級乘用車新車滲透率已達64%。當功能成為標配，自研成本高企，弱勢供應商正被快速出清。

在這個新格局中，輕舟智航（QCraft）選擇了一條不同的路：做“普及者”。它通過將高階功能塞進低算力芯片，把智駕門檻拉低到8萬元級別（上至40萬元級別），并即將讓城市NOA進入10萬元區間。

如今，這家有Waymo背景的公司，讓L4與L2業務的數據和技術相互反哺，也邁出重要一步。在今年1月23日舉辦的QCraft DAY上，輕舟發布了 “VLA+世界模型” 架構，目標很直接：讓系統不僅能“看懂”世界，還要能“預測”未來幾秒的變化。

智能駕駛的“上半場”普及戰接近尾聲，以“一超多強”為標志的“下半場”技術戰，已經開始了。

PART 1

輕舟的擴張公式：

單芯NOA量產 + 工程標準化 + 全球化適配

輕舟智航正在成為智能駕駛市場的關鍵變量。

截至 2026 年 1 月，其 “輕舟乘風” 輔助駕駛系統累計搭載量已突破 100 萬臺。這個數字的背后是加速的節奏——從 0 到 50萬臺用了3年（2021年初），但從 50 萬到 100萬臺僅用了8個月。2026年將正向更大量產規模快速攀升。

目前搭載該系統的已上市車型有 23 款，覆蓋理想、奇瑞等近 10 家主機廠。按照計劃，2026 年輕舟還將新增超過 50 款量產車型，且絕大部分支持城市 NOA。

規模快速擴張的關鍵，在于輕舟在 2025 年 4 月做了一次關鍵判斷：他們宣布，單顆地平線征程 6M 芯片（算力 128TOPS）即可實現城市 NOA。這在當時幾乎沒人相信，包括不少合作伙伴。

“行業內大部分人持懷疑態度。” 輕舟智航聯合創始人、董事長兼 CEO 于騫對雷峰網說。但 2026 年 1 月 21 日，基于該方案的城市 NOA 在理想 L 系列智能煥新版上通過 OTA 推送上車，輕舟成為行業里第一個將其量產的公司。內部測評顯示，該方案與一些采用單顆甚至雙顆英偉達 Orin-X 芯片的方案體驗接近。

“首先，意識到‘單芯就能實現城市NOA’的可能性本身就不易，當初就像馬斯克提出不用激光雷達一樣備受質疑。”于騫說，“但我們是第一個將其發現并量產的中國公司。這沒有捷徑，靠的是實打實的創新。”

技術統一與工程標準化，是輕舟能快速覆蓋多價位、多車型的另外兩個原因。

基于同一套技術架構，輕舟完成了在高通、英偉達、地平線三大主流芯片平臺上的城市 NOA 適配。在工程交付上，輕舟也做了大量平臺化工作，將可變與不可變的部分拆解，大幅壓縮了不同車型的適配周期。

于騫表示，輕舟的方案已具備很強的泛化能力：無論是7顆或11顆攝像頭，是否搭載激光雷達，車型大小如何，都無需大幅調整即可適配。“很多同行曾因傳感器布局的微小變動，就要重新采集數據和訓練模型，但我們依靠底層工具與模型解決了這個問題。”

CTO李棟補充道，輕舟自首次量產起便推動交付標準化，將固定流程平臺化，并壓縮可變部分的開發周期。這使團隊規模未大幅增長，卻能支持車型從1款擴至23款。

適配多芯片平臺、交付高度標準化，也讓輕舟具備了規模出海的基礎。

早在兩年多前，他們就開始籌備海外業務，包括在德國設立歐洲總部、參加慕尼黑車展等。目前，輕舟已在歐洲、新加坡等地拓展 L2 與 L4 業務。

于騫把海外市場策略分成了兩條線。L2 業務圍繞主流汽車市場展開，如歐洲、中東。“我相信市場機會雖然會晚到，但一定會到來。人們對優質 NOA 的需求是一致的，就是安全、舒適、便捷。”L4 業務則更關注人力成本高的地區，比如歐洲等發達地區。“那里勞動力短缺，商業閉環可能更快。”

他強調，出海不是簡單復制國內模式，而是與當地伙伴深度合作，適應本地法規與需求。“我們希望結合合作伙伴的優勢，互相分享經驗，共同拓展市場。”

PART 2

一套技術

驅動量產L2與前沿L4規模落地

除推動城市NOA普及外，輕舟智航在L4無人物流領域也正加快布局。

2025年11月，輕舟與奇瑞商用車達成深度合作，正式進入物流賽道。目前雙方合作的無人物流車已在金華、蕪湖、寧波等多個城市投入運營。

作為一家以“將無人駕駛帶進現實”為使命的公司，輕舟從未放棄L4業務。于騫透露，2021年底公司決定進入量產輔助駕駛領域前，曾認真討論過究竟該專注量產車還是無人物流。

最終輕舟判斷，無人物流要實現大規模商業化，同樣需要經歷“量產”過程——只有通過規模制造才能顯著降低傳感器、算力等成本。因此公司選擇先進入量產輔助駕駛領域，為L4業務鋪路。

如今輕舟的無人物流車完全采用量產思路設計，車頂不再有旋轉式機械雷達。“我們未來的Robotaxi方案也會為量產而生，不會頂著夸張的激光雷達，外觀會和普通量產車一樣。”于騫說。

關于L2與L4的關系，輕舟從創業初期就認為二者底層技術架構本質相同。兩者共享AI模型底座，差異主要在產品邏輯層面。

“L2和L4只有產品功能范圍的差異，但技術底層是高度一致的。”于騫解釋說，“產品邏輯上，L4需要傳感器冗余、計算冗余、軟件兜底策略甚至遠程輔助；L2則需考慮成本，明確ODD范圍。但底層都需要提升駕駛能力，追求安全、舒適、便捷。技術演進的方向都是數據驅動——從早期深度學習到BEV、VLA，再到未來技術，L2和L4都走在這條路上。”

他同時強調，輕舟不會為了市場規模去做中低階L2功能，例如前裝一體機方案。“這不符合我們‘將無人駕駛帶進現實’的使命。我們不做沒有體驗的產品，不做用戶從買車到報廢基本不用的‘配置表勾選項’。我們要做有真實體驗、常用常新、越用越好的產品，做底層技術與無人駕駛完全兼容的產品。”

除技術架構外，數據的兼容性也是L4與L2業務能相互促進的關鍵。

李棟透露，公司從創立起就注重數據前后兼容。“做L2時我們用了大量L4數據，因為此前有Robotaxi業務；現在做無人物流等L4產品，也可以復用L2數據，甚至直接使用L2模型。”

這種兼容性源于提前規劃——規模量產的L4產品的傳感器布置、選型會與L2高度一致，數據標注規范也前后統一。

此外，輕舟還通過仿真世界模型生成極端場景數據，如暴雨暴雪、側翻車輛等，以提升模型應對長尾情況的能力。

PART 3

技術如何向“通才”進化？

輕舟給出解法

值得注意的是，在這次發布會上，輕舟正式推出了“VLA+世界模型”統一架構。

該架構以量產驗證過的端到端模型為基礎，構建統一的世界表征框架，并引入大語言模型形成VLA模型，用于處理行車環境中的文本、復雜場景與語音指令。同時，借助世界預測模型，系統可推演未來3～5秒周圍物體的變化，從而規劃出更合理的行駛軌跡。

引入VLA后，于騫認為輕舟的智駕模型實現了從“知其然”到“知其所以然”的跨越。模型不僅能解釋操作背后的邏輯，還具備舉一反三的能力，在泛化性、可解釋性上更強，也更貼近人類理解物理世界的方式。

“VLA的核心作用，是把語言模型的方法引入自動駕駛。”李棟說，“就像文盲開車會有困難——他看不懂路牌。司機也需要理解社會文化，有時還得推理該怎么做。”引入VLA后，系統可結合環境文本與常識進行判斷。

同時，世界模型的加入，則讓系統能通過更通用的特征——如視覺分割、OCC（占用網絡）甚至部分RGB信息，來理解場景，而不只是依賴目標框的位置監督。“模型對世界演進有了推理能力。”李棟表示。

于騫非常看好世界模型的發展前景，認為它是物理世界通用AI演進的關鍵。在真實世界中，AI系統無法像AlphaGo那樣完全在虛擬環境中迭代，必須通過實車測試驗證，這嚴重制約了演進速度。

“如果世界模型能完全反映物理世界，我們就能在仿真環境里大幅提升自動駕駛能力。”但他也指出，在虛擬環境中實現完全真實的物理仿真極具挑戰，“這不是簡單生成一段視頻，而是要理解背后的物理規律與邏輯。這可能比自動駕駛本身還難。”

總的來看，無論是率先實現單顆征程6M實現城市NOA，還是以同一技術底座支撐L2與L4業務，或是引入“VLA+世界模型”，如今的輕舟智航，始終試圖從技術而非資源層面實現超越——因為資源，幾乎是所有創業公司的短板。

這也是為什么，當被問及“如何在不具備華為那樣大規模資源投入能力的情況下保持模型競爭力”時，于騫會這樣做解釋：

“如果只看資源，那這個世界就太無趣了。那樣就不會有OpenAI，它成立時資源遠少于谷歌；也不會有DeepSeek，它的資源也比大廠少得多。創新從來不只是資源的比拼。”

如今這個AI時代，創新再次從邊緣地帶崛起。就像當年的微軟、蘋果從車庫出發，今天的OpenAI、DeepSeek同樣始于有限的資源。它們的成功證明了一個事實：創新的核心不是擁有多少，而是創造什么。

當然，輕舟智航也走在這條路上。