摘要：Nullmax，创始人为特斯拉Autopilot团队早期成员，首次亮相上海车展，接受对外采访，从“油电同智”的10万元方案谈到2027年L3高速NOA落地。
马斯克门徒归国创业，首次亮相上海车展。
Nullmax，创始人为特斯拉Autopilot团队早期成员，首次亮相上海车展，接受对外采访，从“油电同智”的10万元方案谈到2027年L3高速NOA落地。
马斯克的中国门徒，仍是纯视觉的拥趸，尝试用“渐进式路线+数据闭环”推动智能辅助驾驶走向全民化。
以下为采访对话实录，经编辑
Q：Nullmax首次亮相上海车展，希望向行业传递哪些核心信息？
徐雷：我们确实是第一次参加上海车展，我们其实参加的展览也比较多，包括去年的CES，包括明年的CES也都会参展，上海车展确实是国内参加的第一次比较重要的展会，我们是一家以AI驱动的科技公司，通过软件平台化的方式打造针对不同市场、不同需求的方案。大家也可以看到我们的方案覆盖了不同算力的芯片，不同类型和数量的传感器，包括从一体机的市场，到行泊一体域控方案，到舱驾一体域控方案，还有端到端大模型纯视觉、真无图方案，我们这些方案可以覆盖从几万块钱到几十万块钱的不同价位车型，可以符合国内、国外不同的法律法规需求，包括国外更多是法律法规驱动的市场，我们有一些基于海外芯片打造的方案。在国内更多的是基于体验及性价比的方案，包括应用端到端大模型更加拟人化的城市NOA的方案。我们主要还是基于比较独特的视觉感知技术和数据驱动的闭环系统，打造了针对不同细分市场有竞争力的方案，这是我们想通过这次车展传递给合作伙伴和客户的信息。
Q：渐进式自动驾驶发展的内涵是什么？
徐雷：基于SAE的分级，从L0到L5级，L5级就是人可以开车的地方，车就可以自动开。我们选择的是渐进式的方向，渐进式主要是从两个维度解释：
第一个维度就是刚才咱们说的SAE的分级，从L2往L3、L4方向走，这是第一。L2级别，从技术积累包括产品落地，我们觉得车安全是非常重要的一点，我们需要有足够多实车的积累和数据的验证，才能保证我们能够从L2往L3，甚至往L4方向发展，这个路线的发展相对来说就是跨越式的路线，比如说Waymo、Cruise这种，使用了重激光、重地图的单车智能方案，希望一步到位可以把司机拿掉。
第二个就是ODD可运行设计范围和OEDR，就是对各种物体和事件的反应，以前是做高速、高架城区快速路的功能，现在拓展到城市的场景，这是我们从可运行设计范围和对各种事件、物体的反应。
我们觉得从解决问题的渐进性上面，从商业化的“沿途下蛋”的方向来讲，我们还是选择渐进式的路线。
Q：我们在展台宣传中看到Nullmax致力于为产业链提供“普适价值”，您如何看待这句话？这一理念如何通过MaxDrive解决方案和新一代端到端的NI技术来实现？和其他竞争对手相比，辅助驾驶方案的产品竞争力是什么？
Nullmax 创始人、CEO、CTO徐雷：普适价值从两个维度来讲，我们的产品并不直接面对终端消费者，我们带来的价值一方面是为了OEM，TIer1，另一方面是终端用户。从第一个维度来讲，我们希望我们的方案，组合辅助驾驶功能给客户带来的意义，一个是安全性的提升，减少事故的发生，还有就是整个效率的提升，同时也建立在大家用得起，买得起的基础之上，有更多的人群使用。基于这点考虑，我们的方案需要能够快速、高效、成本非常低的，从一个车型移植到另外一个车型，每一个车型就像手机一样，有一些低端手机，也有一些旗舰手机，我们能够更快速地把方案移植到不同的平台上，基于每一个细分市场打造最有竞争力的方案。
回答你第二个问题，我们的方案相较于市面上一些同质化的方案来说，我们不是仅基于某一款芯片打造的功能，我们是针对国内国外不同细分市场，每一个Segment，去打造不同的产品方案，从一体机的国产方案和海外方案，到行泊一体域控及舱驾一体域控方案，还是有非常多的差异化优势。有的是最具性价比，有的是满足法律法规，有的是端到端体验更出色，可能价格贵一些。我们针对每一个市场的特点都会有相应满足市场需求的方案，并且建立Nullmax全栈自研的基础上，包括从感知，特别是视觉感知。视觉感知的实时性非常强，我们做到了接近30frame/帧，比激光的10 frame/帧要高很多。所以我们整个对环境感知能力非常强。
另外一点，我们打造了整套的数据闭环系统，包括从数据的采集、标注、训练到部署、验证到量产的打磨，基础设施的能力也是非常强的，至少我看了很多同类的公司还是有一些不一样的地方。
另外一点，我想表达的一点我们是AI驱动的公司，并不是传统意义汽车产业链的Tier1，我们不做硬件的生产设计和制造。
Q：认为什么样的数据才是高质量的数据，怎么样拿到数据才更合理？
Nullmax首席科学家 成二康：我来说一下我们目前做的概况，因为我们也做了很长时间，我们觉得除了数据之外，架构设计也很重要，这个架构设计也和数据强相关。我们现在做的数据主要有两种，一种是真实的实测数据，二是虚拟的数据，我给一个轨迹，可以把交通场景重建出来。有的宣传说不同的数据或者人类驾驶数据是没用的，我觉得这些数据可以倒推到端到端的设计中。我们这次车展在26日有一个技术分享，讲关于端到端的技术设计，其中就包括不同驾驶人类的习惯或者风格怎么被端到端设计处理。
大家现在目前所做的端到端的设计基本上都是基于Decoder技术架构的设计，除了Decoder本身设计之外，还有Query，Planning Query的设计，我们现在在做的Planning Query设计可以兼容不同驾驶的风格，这样就可以更好地把不同人驾驶习惯的风格设计上去，我们也在验证过程中发现更好的Planning Query的设计，尤其是能够把不同驾驶风格的Query融合在设计里面，这样就可以处理不同人类，不同驾驶习惯的数据，发挥得更好，这是我们目前做出来的如何兼容不同人类驾驶习惯数据上面的使用方法，细节我们会在26日下午做分享。
Q：我再问一个和端到端相关的话题，春节的时候，大家都被同一件事情震惊，DeepSeek的意外火爆，用一种全新的方式实现了类似于OpenAI相同的性能，当时有一种论调是在大语言模型领域，算力的需求没有像之前大家预估的那么高，如果我们做一种线性外推的话，是不是在自动驾驶领域，端到端的自动驾驶领域，对于云端和车端的算力需求也不是那么高？在您看来有没有什么趋势？
成二康：我可以介绍一下我们端到端设计的思路，刚好和你的问题很相关。
现在大家在推的包括VLM+端到端，或者现在大家用的最火爆的VLA。不管是VLM还是VLA本质上都是借用了目前语言的架构设计，从语言来说，语言从ChatGPT火起来之后，已经过渡到以Decoder-only为主的技术架构设计。我们觉得既然语言在做Decoder技术架构设计在自动驾驶领域是否能够存在自己的Decoder-only的技术架构设计，这个也是我们目前端到端设计的重点。
这里面有一个核验证的结论是在自动驾驶里面，如果能够很好的设计Decoder-only的技术架构，比如说现在设计的大概是9000万，或者下到3000万的参数量，可以同样等价于1B、7B VLM或者是VLA同样的效果。我们总结下，在自动驾驶里面，当然可以借鉴VLA或者大模型VLM的已有的技术架构和参数，可以在更高的算力上面，比如说超过500T或者1000T算力上面使用。如果在中高阶算力，比如说100T（稠密算力）左右的上面，更好的设计这个Decoder，它可以实现和类似大语言结构一样的效果，Decoder-only的技术架构在纯自动驾驶形态里面是可以被设计出来的。
Q：3000万参数量可以等价差不多7B？
成二康：我们验证可以等于7B或者是1B，使用公开的VLM或者VLA的参数。
Q：开春之后，比亚迪先是开了发布会，说“全民智驾，智驾平权”，后面长安、吉利、奇瑞陆续开了发布会，大家认为2025年是组合辅助驾驶全面开花的一年，但是接下来有一个问题就是供应链能不能跟得上？之前业内传出说800万摄像头里面CS的芯片有可能出现缺货，在您看来有没有这种可能性？或者除了摄像头的芯片，其他的零部件有没有可能出现缺货？
量产工程部高级总监 张帆：是有可能的，您刚才说的情况，是不可避免的。另外就是8Max摄像头是未来城市场景使用必须的配置，周视和后视可以用2Max或者3Max的，8Max前视是必须的，不管是30度还是120度的，它可以帮助我看得更远、更宽。2Max和3Max也会有这种趋势。
徐雷：这有可能是阶段性的挑战，以中国的供应链和生产制造能力，这个不是不可逾越的挑战，我相信整个供应链跟进的速度会更快。
张帆：每次往上跃级，中国智驾从供应链到下游的算法，到芯片供应商，到算法供应商，到Tier1整体迈上一个台阶，这是一个必然的趋势。
Q：大家好，我准备了三个问题，我看我们的合作伙伴上面有爱芯元智这家公司，他们刚宣布了出海战略，想问一下对于当前的自动驾驶而言，还是L2的配置率相对来说比较高，我刚刚了解到咱们是渐进式的发展路线，这个对于海外市场是不是更加契合？我们海外市场的规划怎么样的？现在海外市场对自动驾驶的标准要求比较严，我们如何做一个匹配？
徐雷：我们基于爱芯元智有一些合作，在国内国外都有量产的项目即将落地，此外与包括瑞萨、高通、TI等不同芯片公司合作，针对全球不同市场打造多款方案。
刚刚您提到的海外更多的是法律法规驱动的市场，特别是对前向视觉感知的能力要求比较高，我们的方案性能表现都很出色，因此与海外的Tier1共同推进项目合作落地。
另外一点，除了一体机市场法律法规驱动以外，高速NOA今年在欧洲那边也会有法律法规出来，我们基于不同芯片打造的方案也可以落地海外市场。
Q：第二个问题是工信部对于智驾做了规范，芯片厂商表示说对下游的厂商和主机厂宣传口径做出一个管理，我不知道咱们这边怎么看这个问题，是不是也会有同样类似的行为？
徐雷：首先第一点我们还是非常支持工信部的规定的，第二，其实在没有工信部规定出来之前我们所有的宣传还是以客观事实为基础的，并没有出现“全国都能开、有马路都能开”，这句话对等下来就是对应的SAE第五级，人开的地方车就能开。我们现在的组合辅助驾驶技术没有达到这个程度。在没有工信部规定的时候，我们一直与合作伙伴和用户讨论的都是系统边界的问题，所以我们觉得整个组合辅助驾驶还是以安全为第一位的。提高效率是在安全的基础之上希望实现的功能，所以我们所有的方案，包括从最低阶到高阶的方案，在安全的基础上扩大它的可使用范围，让用户知道这个系统的边界在什么地方，充分发挥系统的作用，但是所有的前提还是建立在安全的基础之上。
Q：第三个小问题是华为今天提出了“油电同智”，其实很多芯片厂商也有这样的理念，就是“油电同智”，我想问一下对于油车和电车而言，对于自动驾驶这些解决方案和技术实现的路径有没有什么不一样的区别？
徐雷：我们有量产过油车的组合辅助驾驶方案，也量产过电车的组合辅助驾驶方案，油车和电车有一些区别吧。比如油车的控制，包括延时肯定比电车慢一些，电的话，踩一下马上会有反应。这也是我们为什么要打造不同类型的方案去适合不同的车。在我们看来，不管中国还是全世界范围，油车有一定的比例，而且会存在很长时间，这也是为什么我们有一些更加低功耗的方案，对油车也很友好。
Q：我们从去年开始看到了很多新的名词的涌现，从技术驱动到数据驱动，从VLM到VLA，这种技术方案或者技术路线在快速迭代和不停演化过程当中，咱们怎么去做技术路线的预研和判断，以保证我们在技术到来的时候有足够多的准备。
徐雷： 从研发的角度来讲，其实大家也知道在很多年前，不管是Microsoft都会有单独的研究院，后来这种模式慢慢会有一些变化，特别是在AI发展过程当中，更多的不是说选择技术路线，而是说我们在做的过程当中面临新的挑战和认识，比如说从高速、高架的NOA做到城市，从APA做到记忆泊车，做到代客泊车，在做的过程中同时加深我们对这些问题的理解，真正的挑战在什么地方，基于这些我们提出相应的解决方案，这驱动我们不断地往前发展。这个就好比最早2012年、2013年出来的CNN，到最近的Transformer，到大模型，AI还是不断地往前发展，本质上还是因为我们对AI的使用更加深入，我们希望通过AI解决更多的问题，同时也对边界或者说这个问题的性质挑战有更深入的理解，所以有新的技术的出现。所以我觉得要跟上，还是要保证在大规模量产的同时平衡好对AI研发投入的关系，这是我的理解。
成二康：我稍微补充一下，我们Nullmax还是坚持自动驾驶自主研发的技术，因为计算机视觉进展很快，感知进展很快，从2021年开始，我们每年都有原创的论文在发表，现在我们也拥抱开源社会，从2024年起，所有公开发表的paper都会开源，以这种姿态迎接更快技术的迭代，这是一点。
第二，技术发展非常快，有研究者就提出说“新的AI发展这么快，很多创新是来自于企业的”，我们作为辅助驾驶AI企业，也希望从量产当中发现更多真实的问题，很多复杂的场景，我们希望以场景来做AI，来解决自动驾驶里面的难点问题，提前识别问题，提前做预研，在量产过程中做实践，做技术不断地迭代。
徐雷：我们成立以后还是坚定地在AI方向做投入，做难而正确的事情。做自动驾驶最难的还是从最上游的感知，特别是视觉感知，到底用哪些数据训练，整个算力的投入还是非常大的，我们还是坚持不懈地在这个方向投入，包括整套打造的视觉为主的方案，前向360度的感知，在行车、泊车上面都有量产落地。
Q：我想问一下现在的AI技术主要强调无图、多模态端到端的口号，现在业内喊出这些口号的企业也很多，我想请各位领导给我们总结一下Nullmax的竞争优势。
成二康：因为这次的车展我们展示了不同的芯片算力的域控，不同的行车和泊车的场景，我们技术方案的优势就是有一套平台化的软件技术架构，这个技术架构包括两方面。第一方面是有平台化的感知方案，它可以覆盖动态场景识别、静态场景识别，也包含时序场景识别，也包含更复杂的拓扑识别，我们有一套平台化的软件架构，这个里面的感知可以适配到不同的算力，比如说一套平台化架构可以下探到2T算力，向上升级到32T、100T、200T，包括我们和黑芝麻智能合作的可以升级到更高算力，一套软件架构可以适配不同的芯片。除此之外，平台化的集成方案 MaxOS，它可以使平台化软件的stack可以快速移植到不同的芯片上面去，我们能够快速地为不同的客户，或者是不同的车厂服务，客户会选择不同的算力，也会选择的芯片平台，有了这个平台化的解决方案之后就可以更好的为客户服务。
Q：我想请教各位老师综合考虑政策因素和行业成熟度等等各种因素，L3在我国大概真正的落地是什么节点？这个时间节点上我们Nullmax大概在什么位置？主要竞品是谁，主要客户有哪些？
徐雷：从L3来讲，L3高速NOA比L3城市早一些，L3在海外已经有一些量产落地，只是ODD的限制相对多一些，对速度和环境有各种限制。你讲的是大规模的落地，其实这个问题我们的理解是这样的，刚才我提到有两个维度在提升，一个维度是ODD，一个维度级别，现在我们做的很多事情是把ODD从高速往城市扩，但是本质上还是L3以下的智能驾驶。我们做的事情是在渐进式路线里通过量产里程的积累，比如说这是ODD，这是级别L2、L3，ODD从高速往城市扩，因为我有很多里程的积累，会把ODD往回收，但是我的级别会往上涨，这个就是L3高速NOA到来的时候，这个时间点大概是2027年左右吧。就是现在L2的级别把ODD变大，经过数据的积累，我们会把ODD变小，回到高速，但是级别会往上走。从这儿开始再往L3大的ODD，包含城市的范围走。
Q：您刚刚介绍到说会继续做投入，做难而正确的事，我想问一下待披露的投融资计划有吗？
Nullmax COO沈隆：基于我们未来的发展需要，我们仍然是在准备融资方面的工作，现在有些产业合作伙伴，包括产业合作者都有在接触，包括未来还有更高的资本市场的规模，我们正在推进中。
Q：我想问一下去年提到的类脑有没有经过规模化的验证，量产怎么样？
成二康：我们现在应用的基于岩山科技开发的类脑，现在有大规模数据在做验证，有一些成果在实车上面做部署。
徐雷：其实从去年开始整个大模型非常火，包括你提到的DeepSeek，各种我们都看过，大模型或者是端到端的这种方式，其实也有一些问题，现在的大模型在网上不断地学习一些问题，当你问他一些问题，它也是从网上看的虚假信息给你回答。回到车或者回到大模型上面，我们整个世界是有一些基础的运行规则，包括物理规则，包括法律法规，包括政策法规，所以我们信号大模型是会让我们变得更强，同时有一些弊端，我们希望通过其他的技术和方法，包括仲裁的方式，其他的方式规避到AI方向，在提升上限的同时，保证我们做大模型的时候不要有幻觉，不要有完全不合乎常识的回答。
Q：咱们出海方面，现在贸易环境有很多不确定性，这个会不会影响我们出海或者是通过影响到主机厂，间接地对我们产生影响，如果有的话，我们可以有哪些措施应对？
徐雷：出海的法规也分情况，比如说欧洲就是法律法规要求比较高的地方，还有地缘政治的因素，所以我们要打造不同的方案，包括我们在海外也有研发中心，在当地就可以做开发和支持，所以这个也是我们希望把整个这套技术，不仅仅是在中国落地，包括海外，包括高法规国家、低法规国家，希望都能落地我们的方案。
Q：之前百人会论坛上出现了很多车企不要自研的声音，我们怎样看待自研和依赖第三方供应商的？
徐雷：这个问题从我们成立这家公司开始，大家就一直在讨论这个问题，就是车企要不要自研，本质上还是取决于不同类型的车企到底要不要自研，到底要自研到什么程度，要不要自研芯片，以及要不要自研自动驾驶的技术。至少在我们看来，不同的车企有不同的选择吧，从实际结果来看，现在好像选择第三方方案的车企越来越多。
Q：您认为未来智驾方案有可能成为一个标准化的方案？因为标准化的方案更加考验的是制造能力，智驾方案未来有可能有这样的趋势吗？
徐雷：至少在我们现在看到的趋势是智驾其实是AI在具身智能方面的重要应用场景，毕竟还是以AI的技术为基础打造的一套应用。我们觉得不管是智驾或者是大模型，远远还没有达到殊途同归的方式，即使是实现同样的功能，每家选择用什么样的数据，怎么训练，架构什么样的，如何验证，每家还是非常的不一样，在AI快速迭代的发展过程当中，而且技术不断地更新，而且这个问题本身也是非常有挑战的问题，我们最终还是希望车可以有一个虚拟驾驶员可以开，我觉得在可预见的短期不太可能变成以制造为见长。
Q：今年价格战还在持续，主机厂给供应商的成本压力也是越来越大，Nullmax一直强调的是通过成本可控的技术推动辅助驾驶在更多的车企上普及，越来越大的成本压力之下，咱们怎么平衡性能和安全，会不会存在过度追求性价比导致功能阉割的情况。
徐雷：我觉得讨论性价比还是要建立在安全的基础之上。成本包括很多方面，整个系统的成本、研发这套系统的投入成本，以及这套系统能够以多大规模的平台化，分摊到不同的层面上。传统的车是机械制造的产物，现在整个智能驾驶或者辅助驾驶是希望通过软件平台化的方式，把我们开发的成果，能够复用到不同的解决方案上。通俗的说我就种一棵树，针对不同的需求，在这棵树上面可以打造不同的方案，而不是种很多棵树。你刚才提到的非常对，成本很关键，这里的成本也包括研发投入，一旦方向选择错误，你所有的投入基本会打水漂，所以这里面更考验一个企业在做产品的时候，组织架构的技术判断和执行能力，但是这个并不影响我们这套产品一定要建立在安全的基础上，因为这是我们可持续发展的基础。
Q：第二个问题是今年同样年初的时候，特斯拉FSD入华炒得很火，无论是从您的职业经验还是Nullmax自己的技术路线来看，特斯拉纯视觉路线和咱们的技术有同源性的，咱们的本土化经验和特斯拉FSD相比，是否有差异化的优势？未来会不会寻求一些合作？
徐雷：我们确实不了解特斯拉的技术细节，但是从公开的技术评测可以看到，当然特斯拉来中国之后，对中国的法律法规，也缺少实际道路数据的训练，有一些压单黄线、压单实线，这个在海外是可以的，但是在中国法规是不可以的。但是他的一些基础能力，比如说跟其他车的交互博弈的能力，我们看到还是非常强的，这也是为什么我们比较坚定地走以视觉为主的路线，当然这件事情肯定要比激光难很多，但是最终实现天花板的高度会高。
Q：刚才您提到了车企是否应该自研的问题，作为智驾的方案商，我们有没有自研芯片的问题？这两三年我们看到作为辅助驾驶里面软硬结合的趋势，比如说英伟达、地平线都在做自己的软件方案，比如说Momenta在往上游做自己的芯片，其实蔚小理新势力车企自研芯片也是类似的，所以有些人认为智驾技术发展特别快，我做软硬之间的结合可能更有利于我更快地推出更先进的方案，但是长远来看，可能软硬之间的解耦才是趋势，所以想请教一下您对这个问题是什么看法？
徐雷：从商业和技术上两点来回答这个问题，以前高通做芯片，举个很简单的例子，做人脸识别，以前也没有单独的人脸识别的芯片，以前用DSP或者其他的方案去做，当这个方案人脸识别成熟度足够之后做成一个芯片，成本更低，做一个ASIC芯片。现在从商业上来讲，芯片本质上是一个相对比较传统的business，芯片是需要有足够的量支撑，才能形成商业的闭环，不断地迭代新的芯片。
从组合辅助驾驶或者AI的角度来讲，我们觉得这个方案还是不断地进化过程当中，我们认为远远没有达到殊途同归的方式。其实做芯片本质上还是希望降低成本，但是目前我们还没有看到这个芯片对整个方案，可能对成本上面有帮助，所以这种方案没有收敛之前，至少从我们企业来讲，我们还是做好我们该做的事情，非常专注的把AI的技术不断地往前推进，当然我们也有一些非常好的合作伙伴，包括国外的合作伙伴和国内的合作伙伴非常专注的把芯片做好，我们还是各自做好各自领域最专业的事情。
来源：智能车参考