MAXIEYE周圣砚：引领全民智驾时代，让每一台车起步NOA

“让每一台车起步NOA。”这是智驾科技MAXIEYE（以下简称“MAXIEYE”）创始人兼CEO周圣砚，在向盖世汽车阐述其MAXIPILOT^®2.0高级智能驾驶解决方案时所强调的产品愿景。

智驾科技MAXIEYE创始人兼CEO 周圣砚；图片来源：MAXIEYE

在降价潮无法画上句号的2024年，新能源车市场的竞争早已从价格战转向了技术研发和创新的较量。以城市NOA为代表的高阶智驾俨然成为各大车企又一新战场，且混战正在持续升级。在这场技术的角逐中，从概念验证到实现量产化，只是挑战的起点，规模化才是区分玩家的行业领导者与其他玩家的关键，更是智能驾驶供应商面临的一项关乎企业生存与发展的重大考验。

也正因此，周圣砚的这一目标，即便短短数字，却足够振奋人心。

一个全民智驾的时代正在到来

如果说过去的两年间，NOA功能从高速公路领域向复杂的城市道路场景延伸，犹如一把钥匙，开启了高阶智能驾驶市场的活力之门，那么去年底《关于开展智能网联汽车准入和上路通行试点工作的通知》与《自动驾驶汽车运输安全服务指南（试行）》这两份重要文件的接踵出台，则如同一剂强心针，将城市NOA功能推向了新能源汽车产业的聚光灯下，成为各大企业竞相攀登的技术高峰。

毕竟，L3级别自动驾驶一直以来都是衡量智能驾驶能力的重要分水岭，而城市NOA功能作为高阶智能驾驶的代表，被业内普遍认为是实现从L2到L3技术飞跃的关键桥梁。于是，搭载高阶智驾系统的车型如雨后春笋般涌现，即便是刚刚上市开启交付的小米SU7，亦在加快其城市NOA功能的布局步伐。

在此背景下，根据盖世汽车研究院配置数据显示，2024年1-2月间，我国乘用车NOA前装标配（不含进出口）市场份额已由2022年微乎其微的1%，稳健跃升至4.5%，相较于去年同期实现了143.5%增长率。且在盖世汽车研究院预测看来，今年内我国乘用车NOA前装搭载量有望突破180万辆大关，并将在2030年实现850万辆的市场规模。

要实现这一目标，周圣砚认为，“关键在于用户用得起且愿意用。”尤其是现阶段全产业链开卷，暗潮汹涌之下，极致性价比成为智驾公司谈及最多的一个话题。

以30万元的整车为样本，现阶段NOA系统约占整车成本的10%，若要实现城市NOA功能，成本还需要进一步增加5%左右。这导致高阶智驾目前仍只是少数人的游戏，且如此高占比的成本如果未能带来相等价值的体验，NOA市场规模恐怕难以实现从180万辆向850万辆的华丽转身，L3级自动驾驶落地也将更加遥遥无期。

于是，成本高、开放城市少且“鲜度”要求高的高精地图被率先舍弃，以特斯拉为代表的玩家，开始主推BEV+transformer以及“重感知轻地图”的自动驾驶解决方案。

其中包括，早在2020年底便意识到以传统CNN图像检测技术为基础的自动驾驶已经触及天花板后，开始着手打造一套重构空间和时序技术体系的MAXIEYE。

图片来源：MAXIEYE

历经近三年的砥志研思，MAXIEYE在去年11月带来了BEV平台架构青云Hyperspace，完成对此前MAXIPILOT全系智能驾驶产品的重构，进而推出MAXIPILOT^®2.0平台，并衍生出针对不同数量传感器的智驾方案，从而覆盖5万~30万元价格区间的市场需求。

用共享记忆，实现城市NOA

在与周圣砚的对话中，“不给客户添麻烦”是他多次强调的一点。

如前文所说，NOA系统占据整车成本的10%-15%，高精地图之外，由传感器、大算力芯片等组成的硬件成本已占据不小比重。因此，在“去地图”的同时，充分利用现有传感器以实现智驾体验的最大化，是MAXIEYE坚守的核心产品理念。

具体来看，MAXIPILOT^®2.0平台覆盖从单V（牧童Monotogo 解决方案）到多V（5V、7V、9V、11V及以上-跨越低中高算力的行泊合一域控方案）的全平台解决方案矩阵，满足城市L2增强、高速NOM（Navigate on MAXIPILOT）、城区NOM、行泊合一、记忆行泊车全场景应用。

根据不同硬件配置、智驾需求，MAXIPILOT^®2.0平台进一步分为MAXIPILOT^®2.0 Lite、MAXIPILOT^®2.0 Pro和MAXIPILOT^®2.0 MAX三款高阶智能驾驶辅助系统方案。三款智驾方案均根据用户驾乘需求，进行技术迭代和功能升级。

图片来源：MAXIEYE

其中，MAXIPILOT^®2.0 Lite相较以往的L2方案，基于BEV技术重构，在不改变产品架构的情况下实现从L2至L2+的跨越式升级，支持L2+级高速NOA功能；入门级产品即支持单SoC行泊一体，进一步提升方案整体性价比。

MAXIEYE前视一体机；图片来源：MAXIEYE

2.0 Pro具备更智慧化的记忆行泊车功能，是定位于中算力平台的爆款轻地图NOA产品，在例如通勤道路等高频出行场景中，两次行车完成路线记忆，为通往高效的NOA开城奠定基础。

2.0 MAX支持拓展城区NOA领航辅助驾驶方案，能够更好应对城区复杂环境及交互，可复用2.0 Lite和2.0 Pro积累的海量价值数据，彻底打通“低阶赋能高阶”的经济且有效的开城路径。

值得注意的是，MAXIPILOT^®2.0平台支持输出BEV特征抽取后的特征地图（DREM-Deep learning REM），能够在前向150米，后向100米范围内，实现横向拓扑精度5公分，纵向拓扑精度误差1‰的精度输出，稳定性趋近于真值。配合组合导航算法，可以支持一次性完成自动化建图记忆，打通了首次行车、再次记图、三次激活的智慧化记忆行泊车功能应用。

这意味着车辆只需在同一路径行驶三次，即可激活记忆行泊功能。当城市内一定数量的车辆共享此类路线数据，所有参与数据共享的车辆将在几乎整个城市范围内实现NOA功能。

MAXIEY域控产品；图片来源：MAXIEYE

“依托既有车型所配备的传感器，MAXIPILOT^®2.0平台能够实现高速无图的NOA驾驶体验，为整车企业在智能驾驶技术领域实现规模化量产提供有力支撑。”周圣砚进一步表示，通过记忆共享，助力整车企业实现以80%的规模化量产方案为基础，构建20%高配方案所需要的核心场景数据，这不仅是对高阶自动驾驶技术演进路径的深度思考，更是对城市NOA规模化实现的行之有效的解题思路。

正是基于对MAXIPILOT^®2.0平台性能和成本效益的高度认可，“今年以来，MAXIEYE已与2-3家头部车企就NOA方案达成合作。”周圣砚进一步透露，“2024年，我们的目标是至少新增5家头部整车客户，并在未来2-3年内实现规模化效应。”

规模化+数据驱动，加速拥抱“端到端”

站在2024年，这个被视为高阶智能驾驶规模化量产的关键节点上，积极引入BEV+Transformer大模型，摆脱对高精地图的依赖，在业内达成共识。那么，在这一浪潮之后，我们应当迈向何方？

特斯拉给出的答案是基于纯视觉方案的端到端。仿效人脑运作模式，通过各类传感器（如摄像头、雷达等）接收环境信息，如同人类的眼睛和耳朵捕获周围世界，随后将这些原始数据输入深度神经网络中进行处理，最终直接输出驾驶决策，指挥车辆执行相应操作。这一架构消除了传统自动驾驶系统中的感知与定位、决策与规划、控制与执行等环节间的割裂状态，旨在实现自动驾驶流程的高度一体化与智能化。

然而，实现真正意义上的端到端自动驾驶却并非易事。“国内还没有任何企业能够完全实现这一目标，原因在于数据不足和传感器未形成标准化。”周圣砚分析指出，全栈神经网络化的端到端完全依赖于数据驱动，训练数据的规模和质量成为决定神经网络性能表现的关键因素。

图片来源：MAXIEYE

现阶段，MAXIEYE青云架构一站式融合道路拓扑、目标轨迹、占用空间三大网络，具备高精度、毫秒级建图能力以及强大的特征信息提取的同时，BEV-occ占用空间网络解决了既往通用目标（GOD，general object detection）、静态目标检测的痛点，进一步提升了高阶自动驾驶复杂场景的应对机机制。

“我们已经实现了BEV+transformer路径下的类端到端解决方案，将自动驾驶各个核心要素都深度学习化，重构自动驾驶的底层技术，走向数据驱动逻辑。”周圣砚透露道。

这一成果背后，离不开其自主研发的MAXI-DI数据智能架构。该架构全维覆盖量产数据闭环MAXI-DATA、真值系统MAXI-TRUTH SYSTEM、MET-TOOL全流程闭环测试开发工具链，以及仿真极限场景构建。

其中，MAXI-TRUTH SYSTEM真值系统能够实现4D场景构建、自动化数据处理和训练。为青云BEV算法架构提供高效的底层技术支持；MET-TOOL全流程闭环开发工具链，可助力客户量产项目研发效率提高20倍，测试效率提升至少10倍，大幅缩短项目量产上线周期。

与此同时，MAXIEYE基于“启明星计划”，面向全行业开放BEV感知标准件。支持软硬解耦，实现标准化工具链、标准化规控接口、标准化ISP。通过敏捷的算法移植能力，可支持在6个月内实现高效跨平台开发需求。“通过将感知能力独立，并赋能更多Tier 1企业放大我们的供应范围，最大程度激活汽车产业链上下游的生态。”

图片来源：MAXIEYE

迄今为止，依托MAXIPILOT^®1.0平台在前装量产项目中的丰富实践经验，MAXIEYE已累计积累了超过3亿公里的真实驾驶场景数据。面向未来，周圣砚满怀信心地表示：“我们希望通过MAXIPILOT^®2.0平台及启明星计划，深度赋能不同细分市场的智驾体验，从而加速实现端到端的自动驾驶解决方案交付。”