对主机厂来说没有什么比卖车更重要的事。
文丨魏冰
两次见到于骞，他都因为刚刚见完客户，穿着成套西装。随和、秩序感是他很容易留给人的第一印象。
于骞本硕就读于清华大学计算机系，后赴美国南加州大学攻读博士。毕业后先后加入 Google 和 Waymo，从事机器学习相关研发。清华、美国博士、海外大厂，这是一条典型的技术精英路径。
2018 年，他离开 Waymo 回到中国创业，理由是 “当时中国大部分自动驾驶公司做得不够好”。
对技术的信仰和对现实的务实，在他身上同时存在。他相信无人驾驶最终会实现，甚至认真讨论 “是不是能让机器人开车”；但他反复提到成本、效率、组织规模，以及在有限算力下如何把能力做出来。别的自动驾驶公司两三千人，轻舟只有 600 多人。别人堆更高算力，他想在最极限的算力下做出更好的体验。
轻舟智航此前不在行业最显眼的位置。2024 年他们在地平线 J5 芯片上实现了高速 NOA，并在理想车型上量产；2025 年基于地平线的 J6M 芯片实现城市 NOA。这两件事当时都不被看好——J5 被认为只能做基础功能，J6M 也难以支撑城市场景。但轻舟实现了，还把 J6M 的体验做到对标 Orin X 的水平。
3 月 23 日，轻舟智航完成 1 亿美元 D 轮融资。于骞说，自动驾驶正处在一个分水岭。轻舟接下来会把更多精力放在 L4 和更通用的物理 AI 上，同时加快海外布局。
自动驾驶是一条需要长期投入、也充满不确定性的路。于骞从上学到创业，一直在做自动驾驶，他说，“如果一辈子只做一件事，能把自动驾驶这件事真正做成，是一件挺幸福的事”。
把一颗 128 TOPS 的芯片做到极致
晚点：轻舟成立至今已经 7 年，这些年你闯过最大的难关是什么？
于骞：2024 年底就挺难的，我们给主机厂的智驾项目交付后体验非常好，但产品就是卖不动。主机厂当时认为对销量没有帮助，这种感觉挺痛苦的。当你觉得产品做的很好，又有很强的市场需求，但市场迟迟不爆发，绝望是很强烈的。
晚点：后来怎么熬过去的？
于骞：我比较感谢比亚迪，2025 年 1 月，比亚迪提出 “智驾平权”，把主机厂引爆了。我们在 2025 年底实现了这件事——我们用比亚迪天神之眼 C 同样的 128 TOPS 的算力做出了城市 NOA 。
也就是说，比亚迪吹的牛被我们实现了（笑）。
晚点：你们用的是什么算力方案？
于骞：和比亚迪一样——地平线 J6M。这也是我们今年首推的一个方案，我们在体验上做到对标甚至超过英伟达的 Orin X，2025 年 4 月发布，2026 年 1 月在理想汽车上量产。
对主机厂来说，1000 块钱都是一个很大的成本项，比如整车的座椅按摩系统，加起来可能也就几百块钱。
晚点：为什么你们能在单 J6M 上做到城市 NOA，为什么别人做不到，甚至地平线自己一开始也没做到？
于骞：因为我们是第一个识别出来的，第一个把它做到大规模量产。
晚点：什么是 “识别”？
于骞：当别人都认为 J6M 只能做到高速的时候，我们已经判断出来这款芯片能做到城市功能。这种识别能力还是基于我们底层对这款芯片的了解，基于我们对技术的判断和我们优化的能力。
第一个识别出来的人是有难度的，你识别出来，才能做出来，大家才能做出来。
晚点：在单 J6M 跑出了城区智驾，余凯（地平线创始人）是什么反应？
于骞：我猜他可能受到了不小的震动（笑）。他们后来也跟进了。
不过最早地平线的方案是用双 J6M 来做城市。但我一开始就判断，多 SOC（芯片）的方案很难成功，我们选择用一颗 J6M 来跑，最后成功了。
我们从过去的历史能看到：3J3、双 J5、J3+TDA4，五花八门的多芯片方案没有一个大规模成功的。复杂度高、成本高，而且算力不是线性叠加，两颗芯片不等于两倍性能，可能只有 1.5 倍。同时芯片迭代很快，到下一颗芯片的时候，就会有新的制程和方案出来，多颗芯片的效果不一定比一颗好。
我现在还是这个判断，多 SOC 的系统很难成功。
晚点：你说轻舟在单 J6M 上做出了 Orin X 的体验，这结论其他人认吗？
于骞：如果他们愿意认真评估的话。比如我们的合作方某头部主机厂就很清楚。有各种测试数据支持，主机厂也会特别详细的比较，行车、泊车、主动安全都会比较的，最后会发现我们的技术分就是非常好。
我们在一两百 TOPS 的算力水平上做到了极致，这个产品后面一定会大放异彩。
晚点：你们是怎么做到的？
于骞：说实话，我觉得做 Orin X 的那些人不够努力（笑）。
我们开始也没想到体验能做得这么好，到 2025 年年底客户实测时，才发现整体体验明显超过对标方案。到 2026 年 1 月，我们在几个客户那测评了后发现体验超了 Orin X、Orin Y 。
我们首先在 J6M 实现了无图和端到端。最早我们在 J5 上连无图都做不到，因为它对 Transformer 支持不好，我们在 J6 上做了 Transformer 架构，才追齐了无图和端到端。
但要想实现 L4，这个算力还是不够，所以我们今年也会量产更高算力（500TOPS ）的方案。我们 2025 年下半年开始加入强化学习，因为它需要世界模型做的比较好，需要有更多轨迹的监督以及更大规模的优质数据监督，这点我们到 2025 年下半年才开始有一些体验，我们要争取 2026 年把它搞出来。
晚点：你很自信。但现实是，主机厂要么自研，要么有深度绑定的智驾供应商，比如长城和元戎、一汽和卓驭、吉利和千里。这种格局下，你们判断自己还有多大的空间？
于骞：我们 2023 年拿下理想的订单，之前大部分人也不相信我们能拿下。其实就靠产品和体验，没有别的。我们没和理想的人吃过一顿饭、喝过一顿酒，他们不间断地来看产品体验，大概有一百多人次。每一次来看，都能看到明显的进步。
客户关系只是敲门砖，再好也只是暂时。主机厂卖车承受很大 C 端竞争压力，如果产品体验不好，亲爹亲妈也没用。
算法不会被长期垄断，真正拉开差距的是工程
晚点：你们团队现在只有 600 多人，而很多自动驾驶公司在 2000 人甚至更多。
于骞：人多本身是一个 “很羞耻” 的事情。我希望人更少、更精简、更聚焦，理想状态是 200、300 人。
晚点：我们采访过沈劭劼，卓驭也擅长在中低算力下跑出高性能。你觉得你和他们的能力模型有何不同？
于骞：对，卓驭也很擅长 “识别”。
但我们跟其他家的一个差别是大家的标准不同。我们看了 TDA4 的方案，哪怕最早的 VM（Vision Model），后面的 VH（Vision + High），目前没有任何一个体验能跟我们 J6M 的体验接近的。 如果只是为了实现功能，降低安全性和稳定性，算力可以更低；但如果要做到完整、可用且安全的体验，128 TOPS 是一个相对合理的基准线。
晚点：如果追求安全和体验，为什么不直接用 Orin 开发，你们在 2022 年选择了地平线 J5 芯片，当业内普遍认为 J5 是一个在算力和带宽上有限制的产品。
于骞： 本质还是看中了国产化的确定性。我们判断，国产芯片在国内一定会有机会。在那个阶段，行业里绝大多数 L4 公司几乎清一色用的是英伟达方案，我们自己也用过双 Orin X，也登上过 GTC。
如果选 Orin，就要和所有主机厂在同一资源池里竞争。我一直觉得创业要选 “窄门”，去竞争不那么激烈、但确定性更强的地方。国产化选择很少，但方向确定，表面看是一条更 “窄” 的路，反而更容易形成竞争力。我们也擅长用相对有限的资源做出好的体验，这个选择当时是对的。
2022 年我们看了很多家国产芯片，各家都做过比较深入的研究和对比。综合判断之后，我们最终选择了地平线。我们最早选择 J5 的时候，我们当然清楚它的问题，但当时更重要的一点在于：我们选择的不是一颗芯片，而是一套国产化生态。
晚点：那当时为什么不选择更低算力的 J2、J3，或者 TI 的 TDA4？
于骞：我们做过很多工作。J2、J3 基本做不了 OTA，那是上一代的东西。但我们做自动驾驶，从长期目标来看，是要奔着完全无人驾驶去的。如果连 OTA 都做不了、数据也回传不了，那就是 “一锤子买卖”，这样的量再大，我们也不会做。
晚点：在开发 J5 方案的过程中，学习到了什么？
于骞：J5 的限制非常多。它的带宽不够，对 Transformer 支持也不好，CPU 能力弱。我们几乎是针对每一个限制点都单独做了优化。比如，既然 J5 不擅长 Transformer，我们就专门为它设计了一套 backbone，也就是主干网络，尽量采用它更适合的卷积结构；带宽不够，就改网络结构，降低传输压力；CPU 弱，就做大量系统优化和异步处理。基本每一个瓶颈我们都单独想办法解决，最后终于把高速 NOA 跑出来了，但就到这为止了。
晚点：轻舟有没有形成一套自己的方法论？
于骞：第一是尽量把事情一次做对。
这点我们是从 Waymo 学到的。做 J5 时，很多公司会先沿用原有方案，再往 BEV 过渡；但我们当时判断，J5 可以直接把 BEV 做到量产，所以一开始就走了这条路，最后也做成了。那个阶段做 J5 的公司不少，但真正做成的不多。很多团队什么都想选、什么都想优化，最后反而什么都没做好。
第二，是把自动驾驶当成工程问题，而不只是算法问题。背后其实是一整套工程体系，包括开发、验证和迭代流程。
晚点：很多智驾从业者会提到从规则时代切换到数据时代的艰难，你们经历过吗？
于骞：我们相对没那么痛苦，因为我们很早就相信机器学习是最核心的。刚开始做智驾时，我们已经把感知做成模型了。我当时判断，所有非数据驱动、非机器学习的部分都会越来越少，直到消失。
所以我们很早就开始做仿真，甚至一度被外界看成一家仿真公司。因为在我看来，自动驾驶不管算法怎么演进，最后都绕不过验证。
但仿真这件事非常难。车上跑的是一整套复杂的实时系统，里面有 GPU、CPU，还有各种控制单元；云端不可能把这套硬件原样复刻，所以仿真本质上是另一套系统，更像车端的 “镜像”。它不需要实时运行，但结果必须和车端一致。否则你在云端验证通过的东西，上车就可能不成立。这里面最难的是一致性和可复制性。
这也是为什么我一直觉得，自动驾驶真正的瓶颈，不只是模型本身，而是你有没有能力搭出一套有效的验证体系。现在很多头部主机厂，仿真其实做得一塌糊涂。
我经常举一个例子：AI 能在围棋上打败李世石，为什么自动驾驶到今天还这么难？因为围棋可以在虚拟环境里无限对局，但自动驾驶要在真实道路上跑。谁能把仿真做好，谁就能把大量真实道路测试搬到虚拟环境里做，大幅加快技术迭代。大家都在讲 VLA、VLM，但我觉得更本质的是世界模型。世界模型本质上是把仿真再往前推很多步：在虚拟世界里构造一个尽可能接近真实物理世界的环境。
一旦这件事成立，自动驾驶会出现一次非常陡峭的能力跃升。很多原来必须在路上完成的测试，都可以转到虚拟环境里。这件事的重要性，比今天很多人讨论的模型形态都要大。
如果这一层真的突破，自动驾驶会进入一个完全不同的阶段。
自动驾驶会先于更复杂的具身场景，成为世界模型落地的入口
晚点：你现在最大的 bet （判断）是什么？
于骞：我坚信 “世界模型 + 强化学习” 是未来。
晚点：特斯拉是强化学习吗？
于骞：我敢把这句话放在这，现在没有一家公司能真正做到纯强化学习，特斯拉也做不到。我认为特斯拉现在还是很多模仿学习，不是纯强化学习。
晚点：你怎么定义世界模型？和业界提到的有什么不同？
于骞：我说的世界模型，不是在车端跑一个更大的模型，而是在云端搭建一个足够接近真实世界的虚拟环境，让模型能在里面运行、验证和迭代。
它和业界说的世界模型，尤其是李飞飞所说的那种更完整的物理世界模型，不太一样。后者要处理更完整的空间、因果和物理交互，上限更高，可以解决更普遍的问题，但代价也非常高。
自动驾驶面对的，其实是一个被简化过的物理世界。它不需要处理那么多复杂交互，比如碰撞、摩擦、温度。所以我觉得，世界模型会先在自动驾驶里落地。如果四个轮的机器人都搞不定，你去搞那些非结构化的场景更难。
我觉得自动驾驶通向未来物理世界很重要的一个入口，这个入口必须要解决掉。
晚点：很多具身公司 CEO 会认为，他们直接做机器人也可以解决这个 “入口”。
于骞：我觉得还差很远。人类学习很多能力，依赖的是在物理世界里不断试错，尤其是强化学习意义上的试错。小朋友学走路，都是摔很多次才学会的，它是一个在失败中学习的过程。但机器人没有这么多低成本失败的机会。机器人如果在物理世界里反复摔，摔十次，本体可能就坏了。
晚点：也有人质疑自动驾驶里的 “世界模型”，认为端侧根本不需要那么大的模型。
于骞： 我觉得现在很多人说的 “端侧世界模型”，更多是个噱头。本质上，它只是一个更强的预测模型，仅此而已，我不认为那是最重要的。
真正重要的世界模型在云端，作用是训练和验证，你可以把它理解成新的训练基础设施，不是直接搬到车上跑，也不是简单蒸馏到车端。更准确地说，云端世界模型是训练车端模型的一种方法，它提供了一个更高效的训练环境，让你能更快训练出更好的端侧模型。车端最后只会保留其中一部分能力，比如一个简化版的短时预测能力，去预测未来几秒钟的情况，比如 3 秒、5 秒。
真正的云端世界模型，是对物理世界规律更完整的理解。它可以持续运行，生成很长时间尺度的连续序列。给它一段视频输入，再加上方向盘、刹车、油门这些控制信号，它就可以在虚拟物理世界里持续 “漫游” 下去，不断生成后续状态，这是连续的、开放的。但车端没必要做这件事，车端只需要关心未来几秒钟。
晚点：训练强大的云端世界模型，通常需要海量数据。你们怎么高效获得这些数据？
于骞：是，而且这种 “海量” 比普通感知模型要求更高，因为它学的是一个动态世界。
对我们来说，肯定是要找出最优的效率最高的方式。因为是建立了一个新的生产环境，如果这个生产环境比你去物理世界采集数据还贵，那就没有意义了。早期其实有很多方法，比如先把 3D 世界完整建模、生成、再筛掉不合理的部分。这样也能生成很真实的物理环境，但成本甚至比路测还高。
所以我们的目标，不只是把环境生成出来，而是更高效地生成，同时尽量减少那些不真实的数据和毛刺数据。
晚点：我感觉你看技术，带着很强的系统工程视角，同时有很强的成本意识。
于骞：是，这方面我们受谷歌影响很深。团队里很多人来自谷歌和 Waymo，所以在软件工程上，有一套比较完整的方法。
只要涉及到物理世界，就不是单纯比算法。算法更新太快了，没有谁能永远领先；真正决定差距的，是你能不能更快把算法变成产品能力，能不能在更小算力的平台上把体验做出来。
所以自动驾驶拼到最后，拼的不是某一个模型，而是一整套工程体系：开发怎么做，验证怎么做，迭代怎么做，部署怎么做。谷歌过去在软件工程上沉淀了很多 “最佳实践”，后来基本都成了行业共识。现阶段全世界最好的工程实践一大半是谷歌来推动实现的。
晚点：下一个你们要挑战的高峰是什么？
于骞：我们今年会量产一套 500 TOPS 以上的方案。这套方案的目标，是把城市 NOA 的体验做到接近 L4——不是 L4，但非常接近。
算力不是线性增长的，100、200、300、400 TOPS，这种提升用户是感知不到明显差异的。新方案一定要带来代际级的体验跃升。如果只是比现在好 20%、30%，是没有必要重新做一套方案的。我们内部的判断是：成本可能增加 50%，但体验至少要提升一倍甚至更多，这件事才有意义。
这个行业是往上走的，不是往下走的。去年大家在做高速 NOA，今年是城市 NOA，明年就是 500TOPS 的城市 NOA，会非常接近 L4 体验。做不到，就会被淘汰。
我们希望把这套能力放到 10 万到 20 万的车上，让普通用户也能用到现在高端车才有的体验。我相信我们的价值很快会被大家认识到，今年就会看到 “地大华魔” 的排名有变化。
“创始人雄心”
晚点：你和王兴都是清华 97 级的，你们在学校的时候认识吗？
于骞：我们应该同时住过新生楼，但不认识。
我上的清华计算机系。大学期间我在人人网打过工，后来慢慢发现，相比挣钱，做研究、琢磨问题对我来说更有吸引力。
晚点：一个很典型的 “学霸路径”，本硕清华、出国深造、进海外大厂，再回国创业。
于骞：我最开始其实特别想走学术路线，硕士进了清华的人工智能重点实验室，后来去美国读博士，我是想当老师的，只不过当时终身教职特别难找（笑）。
晚点：什么时候意识到自己应该创业？
于骞：我 2012 年的时候就想回国创业，那时候商汤还没有成立，我看了好多都是做安防的，觉得挺没劲的，所以又回美国打工了。
真正决定出来是在 2018 年。当时我在 Waymo ，感觉他们节奏太慢了，后来我也理解，它做的是一件 “徒手攀岩” 的事情，慢是合理的；但我觉得这件事在中国能更快实现。
我本来还挺希望代表 Waymo 外派回中国，但后来 Waymo 的中国计划没有真正成立，我多少也有点失落。所以索性出来创业做一家公司吧。
还有一个原因是，我在清华读硕士最开始就在移动机器人组，做的就是清华移动机器人五型车，本质上也是自动驾驶，所以这条线我其实兜兜转转走了很多年。我内心中觉得如果一辈子做一件事，能够把这件事做成，挺幸福的。
晚点：所以你当时创业是想比 Waymo 更快实现 L4？
于骞： 我觉得至少在中国，这件事可以更快实现。
而且我当时跟国内很多自动驾驶公司都聊过，就觉得很多人的理解其实还不到位。这个东西你一问就知道。比如仿真怎么做、测试怎么做、验证体系怎么建，很多公司其实没有真正想清楚，有些甚至几乎没有形成系统性的认识。
晚点：为什么 Waymo 可以一直坚持 L4，而中国所有本来做 L4 的公司都会转向 “沿途下蛋” 的渐进式路线？
于骞：我觉得来自创始人雄心。Waymo 当时有很多 Founders’ Challenge，就是 Sergey 和 Larry（Google 联合创始人） 给团队提出的挑战。当时 Sergey 经常跟我们一起开会，我感觉他们对这个事是非常坚信的。
像 Cruise，规模已经很大，但一次事故就可能让公司走到终局。它本身也有很多问题，包括研发问题、团队理念不一致等；更重要的是，背后缺少像谷歌创始人那种雄心壮志：不管有任何的理由挑战，必须把这事做成。
国内很多公司的一把手是不相信的。大概 2020 年左右，我和一位国内科技公司 CEO 面对面聊过，他当时觉得这件事投入无底洞，根本就做不出来。当然我觉得他在不同时间也会有不同的变化。
很多人讲第一性原理，好像 “两点之间最短”，就一定要直接去做 L4，不然就是偏离使命、背离信仰。但我不这么看。如果一条路径在现实中走不通，那反而会变成一个长期没有回报的投入。对我们来说，更重要的是找到一条可以逐步落地、不断验证的路径。
晚点：既然开始做了这么苦的 2B 生意，还会有心力去攀那个最高的山峰吗？
于骞：我觉得我们是技术狂热，现实务实。
这种苦对我们来说，其实也是一种磨炼。没有经历过这么苦的生意，你后面很多事情是做不成的。我一直相信技术能改变世界，但如果你的技术跟不上这个时代，吃再多苦也没有意义——搬砖也很苦。
我们不是为了去打那个最亮的技术点，不是为了证明自己在技术上最耀眼。说到底，这件事很简单：我要帮主机厂把车卖好。
晚点：你是什么时候变得这么务实的？
于骞： 对车厂来说，还有什么比卖车更重要的事情吗？
有一次活动上，大家拿李斌开玩笑，说你最近很忙啊，忙着卖车去了吧。李斌就回了一句：对啊，还有什么是比卖车更难的事？
题图来源：轻舟智航
热门跟贴