不靠算力堆叠，轻舟智航为什么反而跑得更快？

“自动驾驶这件事，我们至少会干二十年。”

在QCraft DAY 2026的现场，轻舟智航联合创始人、董事长兼CEO于骞博士这样说道。在一个习惯用年度规划、季度节奏来衡量进展的行业里，主动把周期拉长到二十年，折射的是一种更长期、更底层的战略判断。

图片来源：轻舟智航

在QCraft DAY 2026现场，轻舟公布了一系列阶段性成果：辅助驾驶搭载量突破 100 万台、将城市 NOA 带至 10 万元级车型、基于 VLA 与世界模型的统一技术架构公开、L4 无人物流与 Robotaxi 路线重新提上日程……

这些进展不仅展示了轻舟在技术创新上的不断突破，更体现了它在自动驾驶行业发展中的深思熟虑。轻舟在活动上反复强调：在自动驾驶这条长路上，最关键的是如何实现可持续的长期发展。轻舟认为，工程效率、商业闭环和长期一致性，往往比一时的“参数领先”更加决定未来的成功。

不追算力的城市NOA，是一种反直觉的工程选择

过去两年，高阶辅助驾驶领域上演着一场算力军备竞赛。

从200 TOPS、500 TOPS，到动辄1000 TOPS以上的方案，算力数值逐渐变成了判断智驾能力的显性标签。城市NOA、车位到车位、端到端，似乎都默认需要“更大的芯片、更复杂的传感器”来支撑。

其实也不难理解，因为越是复杂、越接近真实城市交通环境，对辅助驾驶系统算力的依赖越高。行业数据显示，高速NOA的算力需求主要聚集在约100 TOPS区间，而城市NOA的算力需求则明显更高，大部分落在500–1000 TOPS区间——当算法和工程体系尚未完全收敛时，算力往往被当作缩短自动驾驶落地周期的最直接手段。

而端到端算法的加速上车，进一步推动了这一趋势。随着模型规模和决策复杂度提升，行业整体开始默认：要实现更高阶的城市 NOA，必须付出更高的算力代价。

但问题在于，在部分实践中，当算力从“解决问题的工具”逐渐演变为“证明能力的目的”时，技术决策的重心也随之发生了偏移。部分方案开始围绕芯片能力来设计系统，而不是围绕真实驾驶问题来约束系统；算力不再服务于功能边界的收敛，反而成为功能无限外扩的理由。

轻舟并不否认算力的重要性，而是把它重新放回“必要条件”而非“充分条件”的位置：高速NOA、城市NOA标准版、城市NOA进阶版，分别对应不同的成本区间和体验目标。算力并非越高越好，而是“够用、好用、不贵”。

在QCraft DAY上，轻舟正式确认：基于单颗地平线征程6M（128 TOPS），其城市NOA方案已实现大规模量产落地，并在多款车型上完成上车验证，这是对其理念的最佳诠释。

图片来源：轻舟智航

于骞在采访中直言：“算力不该是‘应上尽上’，而是要先想清楚，你到底想解决什么问题。”

在轻舟的技术逻辑里，算力只是结果，而不是起点。真正的起点，是“如何把有限算力用到最关键的决策与感知环节”。这背后依赖的不是某一个模型技巧，而是一整套长期工程积累：模型结构设计、数据筛选、训练策略、系统级优化，甚至包括对失败样本的持续回溯。

“我们当然也可以用几百、上千TOPS去实现同样的功能，但那样做，对客户和用户来说，意味着更高的成本。”轻舟CTO李栋在QCraft DAY上谈到算力选择时说道。

“我们想做的是，把每一TOPS的潜力都榨干。”于骞把这种思路形容为“自动驾驶领域的DeepSeek”。不是靠堆硬件，而是靠工程与算法的极致效率。

这种选择的直接结果，是城市NOA成本结构的改变。当行业普遍认为城市NOA只能属于20万元以上车型时，轻舟已经开始把这项能力推向10万元级市场。

于骞在演讲中提到：“10万元级车型是一个非常重要的价格博弈区，这里才是真正的主流市场。”这并不是一句市场口号，而是一个明确的技术约束条件：如果做不到“好用、不贵”，那城市NOA就永远只是少数人的体验。

从工程角度看，这其实是一条“更难”的路。

这条路之所以更难，并不在于功能本身，而在于对系统整体克制能力的要求显著更高。在算力受限的前提下，模型结构必须足够简洁，冗余感知和重复计算都会直接转化为成本压力；决策链路也必须更加清晰，任何不必要的中间状态，都会放大延迟和不确定性。

更关键的是，在低算力条件下，系统无法依赖“资源兜底”来掩盖边界问题。这意味着工程团队需要更早、更严格地面对失败样本，对哪些场景必须保守、哪些场景可以主动决策做出清晰划分。换句话说，安全策略不是在功能实现之后再附加，而是从系统设计之初就被写进技术假设之中。

于骞在采访中提到，轻舟内部一直把“安全、好用、不贵”作为同一个目标体系来设计，而不是先实现功能、再回头降本。“如果一开始不把成本约束放进系统设计里，后面基本没有机会补救。”

这也是为什么轻舟会在行业里较早识别出“单征程6M可支撑城市NOA”的可能性，并且最终把它直接推向量产验证。

百万台不是终点，而是系统开始被拷问的起点

“从0到50万台，我们用了接近三年；但从50万到100万台，我们只用了8个月。”

在QCraft DAY现场，于骞用这组数字，回顾了轻舟辅助驾驶系统的上车节奏。对外界来说，“百万搭载量”是一个阶段性的里程碑；但在轻舟内部，它更多被视为一个新的压力测试点。

“规模一旦上来，系统的稳定性、一致性、安全边界，都会被放大检验。”于骞在采访中强调，“很多问题，在小规模时是看不出来的。”

当系统从数万台走向数十万、上百万台之后，系统开始持续暴露在真实世界的复杂性之中：区域差异、用户行为分布、极端场景的长尾效应，都会被不断放大。从真实用户与测试车队之间的差异来看，变化的远不只是数量上的增加。测试车队往往遵循既定脚本运行，驾驶行为相对可预测；而真实用户的驾驶方式却高度多样，既包含经验丰富的老司机，也包含对辅助驾驶功能高度谨慎、甚至随时准备接管的新手用户。

这种差异，对自动驾驶系统的行为建模提出了更高要求。系统不仅要理解交通规则和环境变化，还要学会“理解人”——包括不同用户的决策节奏、接管倾向以及对系统行为的心理预期。如果模型只能在理想条件下表现稳定，一旦进入真实用户场景，行为一致性就会迅速被打破。

更重要的是，这种检验并不只发生在模型层面，更深刻地作用于组织和工程流程本身。当系统搭载量达到百万级，很多原本可以靠人工经验兜底的问题，都会迅速演变为流程性风险。

例如，版本管理和 OTA 节奏会变得异常敏感。一个在小规模内“概率不高”的问题，在百万级用户中几乎必然发生；而一旦发生，定位速度、回滚机制以及跨团队协同能力，都会直接影响系统的安全边界。此时，问题已经不再是“模型够不够聪明”，而是“组织是否具备快速响应和纠错的能力”。

于骞在群访中提到，规模化之后，技术团队往往会被迫做出取舍：是不断叠加新功能，还是优先保证已有能力在不同车型、不同用户群体中的一致表现。

轻舟选择了后者。这种选择在短期内并不显眼，但在长期运行中，却能显著降低系统复杂度的累积风险。

这也是为什么轻舟并没有在早期急于追求功能复杂度，而是优先把系统跑稳、跑通。相比“功能领先一代”，他们更看重系统在长期使用中的一致表现——包括对不同驾驶风格的适应能力、对极端场景的保守策略，以及在用户预期管理上的稳定性。

从数据层面看，百万级搭载意味着每天都会产生海量真实行驶数据，这些大量真实用户场景和数据的积累，被用来校准模型在边缘场景下的行为取向，让模型不再只是在实验室里“看起来聪明”，而是在真实交通流中逐渐形成可预测的行为风格。

盖世汽车研究院在相关分析中指出，随着高阶辅助驾驶加速渗透，数据规模和数据闭环能力正在成为车企和方案商构建长期竞争优势的核心壁垒。当辅助驾驶系统进入百万级乃至更大规模运行阶段，数据的价值已不再体现在“量”的增长，而更多体现在对长尾场景的持续覆盖，以及对系统行为一致性的反复校准。

从这个意义上说，轻舟的辅助驾驶系统百万台搭载量并不是终点，而是开始真正具备“系统级自我迭代能力”的起点。

L2 与 L4 统一技术底座，不是“折返跑”

重新加码 L4，并不意味着轻舟回到了起点。

事实上，从成立之初切入L4，到后来把重心放在L2++量产，再到如今同时推进无人物流、Robotaxi和乘用车辅助驾驶，轻舟的路径看起来在变化，但底层判断始终一致：L2和L4并不是两套互不相干的技术系统。

在QCraft DAY上，轻舟明确提出以统一的技术底座支撑L2与L4，并在此基础上构建VLA与世界模型的统一架构。

图片来源：轻舟智航

原因并不复杂。无论是辅助驾驶还是无人驾驶，最终都需要系统在复杂交通环境中表现出稳定、可预测的行为风格。如果不同等级的自动驾驶系统在感知、决策和行为逻辑上分裂演进，最终只会增加系统之间的摩擦成本。

在无人物流场景中，这种统一底座的价值正在显现。基于百万级量产验证的数据和模型能力，轻舟将成本、稳定性和可复制性作为首要目标，而不是追求技术展示。

在此次QCraft DAY上，轻舟正式对外确认其L4无人物流量产方案已进入实质推进阶段，并与奇瑞商用车达成战略合作。双方的合作重点，并不在于“发布一款概念车型”，而是围绕量产可行性展开，包括整车平台适配、成本控制、运维体系以及后续规模化复制能力。

于骞在交流中提到，无人物流并不是一个“追求炫技”的赛道，而是一个对系统稳定性和长期可靠性要求极高的场景。“如果系统今天能跑、明天跑不稳，那商业上是不可接受的。”

正因为如此，轻舟选择将已经在乘用车领域经历百万级验证的模型能力、数据闭环和工程体系，直接迁移到L4物流场景中，而不是重新搭一套高阶系统。这也是L2与L4统一技术底座在现实业务中的一次具体落地。

出海不是复制产品方案，而是再做一遍“工程题”

如果说前面的讨论更多集中在技术路径和工程取舍，那么“出海”几乎是轻舟绕不开的下一道现实题。

在QCraft DAY的交流以及随后在接受盖世汽车采访时，于骞对这件事的态度表达得相当直接：全球汽车市场的规模摆在那里——中国一年两三千万辆，而全球市场接近九千万辆。中国在新能源和智能化上的节奏确实走得更快，但这并不意味着海外市场没有需求，只是需求释放的节奏不同。

“只要是人开车，都会希望更安全、更舒适、更便捷的出行体验。”这是一个非常朴素的判断，也几乎是轻舟坚持全球化的底层逻辑。在于骞看来，海外市场并不是“不需要高阶智能驾驶能力”，而是需求“来得更慢”，背后既有技术普及速度的差异，也有法规和产业节奏的不同。

正因如此，轻舟并没有把出海理解为简单的产品输出。

在采访中，于骞反复强调，轻舟并不是拿一套在中国跑通的方案，直接搬到海外市场去卖，而是希望把在中国市场积累的工程经验、数据方法和系统能力，与海外合作伙伴共同使用、共同打磨，最终形成更符合当地市场的产品形态。“通过更好的本地化，来实现更大范围的全球化”，这是轻舟对出海的基本定义。

这也意味着，出海对轻舟来说，本质上是再做一遍“工程题”。

不同国家和地区在法规层面存在明显差异，从低法规、中法规到高法规市场，对测试验证、功能边界和责任划分的要求各不相同。但在于骞看来，法规等级的差异，并不意味着对安全要求有差别。“智驾的安全性是一个普世原则，不会因为是在低法规市场，就可以降低标准。”

在具体路径上，轻舟的策略同样偏向稳健。一方面，陪伴中国主机厂一起出海，根据当地法规和用户习惯进行针对性适配；另一方面，也希望与海外车企形成更深度的技术共建关系，而不是一次性的供应合作。

这意味着出海不会成为一条“快速放量”的捷径，但却更符合轻舟对长期主义的理解。对它而言，全球化并不是规模故事的延伸，而是对工程能力、合规能力和系统稳定性的一次综合检验。

写在最后

回到文章开头那句“至少20年”。它并不是一个时间表，而是一种对真实环境和复杂系统的敬畏。自动驾驶并不是一次产品升级，而是把通用智能带入物理世界的长期尝试。

在这个过程中，选择快，未必走得远；选择难，反而可能更接近终点。

站在百万规模之后，轻舟正在用自己的方式回答一个问题：当自动驾驶真正走向大众市场，它应该是什么样。

百万搭载量不是终点，后面有更高的门槛需要跨过。真正的考验，才刚刚开始。