电动知士
近些年，智能驾驶行业的主旋律是绝对的“军备竞赛”——谁的算力更高，谁的雷达数量更多，谁的参数量更大，谁似乎就代表了未来的方向。
这种对性能上限的追求无可厚非，因为SOTA的突破确实需要算力的无尽供养。然而，站在2026年的关口，轻舟智航（QCraft）并没有展示又堆了多少硬件，而是抛出了一套“反直觉”的组合拳。他们似乎无意在绝对算力上与行业巨头争夺“皇冠上的明珠”，而是选择了一条更为艰难、也更为孤独的路——在算力狂飙的洪流中，试图证明“极致效能”是通往普及的另一把钥匙。
2026年1月，在QCraft DAY 2026会后，轻舟智航（QCraft）创始人于骞和CTO李栋，向我们讲述了“另一条路”的故事。
在有限算力中寻找最优解
在媒体群访环节，于骞打了一个非常辛辣且时髦的比喻——他将轻舟正在做的事情，比作AI领域的“DeepSeek”。
“为什么DeepSeek出现之前，大家都觉得不出好模型是因为算力不够大？但它证明了，通过极致的创新和蒸馏，非顶配资源也能跑出顶尖效果。”于骞这番话的背景，是智驾行业长期存在的“算力焦虑”。为了追求Corner Case（长尾场景）的覆盖率，行业普遍认为大算力（或者说冗余）是安全感的唯一来源。
但轻舟智航给出的答案是：用单颗地平线征程6M芯片，在仅有128 TOPS算力的前提下，也能跑通复杂的城市NOA。
这并不是要颠覆大算力的价值，而是在挑战工程能力的极限。通常，要实现涵盖城市复杂路况的高阶智驾，行业默认的算力“舒适区”往往在200 TOPS甚至254 TOPS以上，即单颗Orin-X。
“够不够？这是很多人问我的问题。”CTO李栋在面对媒体关于算力捉襟见肘的质疑时，回答得非常坦诚，“大家对研发、对算力，往往习惯了‘有多少用多少’。但我们设定的目标是挑战极限。通过模型蒸馏和工程化优化，我们把这128 TOPS的每一分潜力都榨干了。”
这与其说是一种降本策略，不如说是一种技术价值观的选择。轻舟此次明确了其“乘风”方案的三个梯队：基础版的“乘风Air”用80 TOPS搞定高速NOA；进阶版的“乘风Pro”用200 TOPS级别的算力体验搞定城市NOA。
只有到了旗舰级的“乘风Max”，轻舟才“恢复”了对大算力的敬畏，采用了大于500 TOPS的方案来部署VLA（视觉-语言-动作）模型和世界模型。这种分级策略清晰地表明：轻舟并没有否定大算力在探索技术上限时的必要性，但在面向大众的量产红海中，他们选择用“DeepSeek”式的极致压榨，去换取更高的普及率。
用算法“包容”机械的迟钝
2025年，还有一个显著趋势：越来越多的燃油车也开始拥抱高阶智驾。之所以落后新能源，并非因为傲慢，而是因为燃油车老旧的电子电气架构（E/E架构）和动力响应延迟，确实是高阶智驾的天然克星。
但在这次交流中，轻舟透露了一个让在场媒体颇感意外的信息：他们也在死磕燃油车的高阶智驾适配，并且已经有不少合资品牌和出海车型在“排队”。
“这是一个工程难题，但在高维视角下，它也是技术问题。”李栋在回答关于燃油车适配难度的提问时，揭示了其中的技术细节。燃油车的控制响应确实存在物理瓶颈，从发出加速指令到发动机喷油、涡轮建压、变速箱降档再到扭矩输出，整个链路相比电机要漫长得多。对于需要在毫秒级做博弈的智驾系统，这种延迟如果处理不好，会导致车辆顿挫、甚至判断失误。
轻舟的解决思路非常硬核——将“延迟”作为一个关键参数，显式地纳入到预测和规划模型中。
这并不是说算法能改变物理延迟，而是算法“理解”了这种迟钝。
李栋解释道，如果能把这种延迟特性充分纳入到动力学模型中，系统在进行轨迹规划（Planning）时，就会考虑到执行机构的滞后性。这意味着，算法在计算未来的时空轨迹时，不再假设车辆能瞬间响应，而是基于“车辆会在几百毫秒后才能达到目标加速度”这一前提进行长时域规划。
换句话说，算法通过更长远的预判和更平滑的控制策略，抵消了机械响应的滞后感。这看似是“捡芝麻”的行为，实则暴露了轻舟的全球化野心。正如于骞所言，全球范围内，燃油车依然占据巨大保有量，尤其是在海外市场。如果能攻下这块难啃的骨头，对于出海，对于全球化布局，这无疑是一张王牌。
VLA与世界模型
虽然在量产端极度克制算力，但在谈及未来的技术演进时，轻舟展示了其对前沿技术的渴望。
在“乘风Max”方案中，轻舟引入了大于500 TOPS的算力平台，旨在部署VLA模型和世界模型——这也是目前行业公认的通往L4级自动驾驶的必经之路。
于骞在现场抛出了一个深层次的思考：为什么AlphaGo能赢李世石，但AI开车却很难像老司机？
“AlphaGo可以在虚拟世界里左右互搏，下几亿盘棋来寻找真理。但自动驾驶不行，因为我们缺乏一个能完美复现物理世界的仿真环境。”于骞认为，世界模型的意义就在于此——它不仅仅是感知当下，而是能像人类一样理解物理规律，预测“如果我这样做，世界会发生什么”。
而VLA模型的引入，则是让系统具备了通识理解能力。现在的智驾系统看到路边有人，可能只会识别为“障碍物”；而VLA模型能结合社会常识判断：这个人是站在路边打车（可能会突然冲出来），还是在等红绿灯（相对安全）。
更关键的是，轻舟坚持L2与L4“同源”。李栋强调，他们并没有把L2和L4分成两个团队或两条路线。量产车（L2）上的数据，正在源源不断地喂养那个庞大的世界模型；而L4级别的算法（如无人物流车Robovan上的技术），经过降维和蒸馏，又变成了量产车上那个极其精简高效的模型。
算力竞赛时代的“逆行者”
采访接近尾声时，有媒体问及行业格局是否会收敛。于骞的回答谨慎而客观：“技术本质是收敛的，但市场短期内不会只剩两三家。”
走出采访间，回顾轻舟智航的这番表态，能清晰地感觉到一种气质的转变。从最初带着Waymo光环的L4独角兽，到如今拿下100万台量产、甚至去啃燃油车硬骨头的Tier 1，轻舟完成了一次华丽的蜕变。
在2026这个 “高阶普及之年”，他们并没有试图去终结SOTA方案的统治地位，而是选择了一条更难走的路：不盲目依赖硬件堆砌，靠算法压榨算力；不嫌弃传统车型，靠工程化模型解决物理延迟；不空谈L4愿景，靠量产反哺技术。
这听起来一点都不科幻，甚至有点“接地气”，但正如DeepSeek对民众AI的启蒙一样，或许只有这种极致的务实，才能真正将通用智能带入物理世界。对于消费者而言，需要昂贵 “算力怪兽”的并不多，更多人需要的，只是一辆“好用不贵”、辅助驾驶像老司机一样稳当的车。而轻舟，正在努力证明，这条路走得通。
评论(0)