来源：盖世汽车
         2023年5月9日—10日，在由捷途汽车主办，盖世汽车承办的2023捷途汽车电子架构与智能驾驶论坛上，Nullmax纽劢创始人/COO宋新雨表示，Nullmax致力于以技术创新推动智能驾驶实现更大规模的应用普及，打造了全球领先的技术架构与产品矩阵，赋能行泊一体方案加速落地。

         Nullmax全自主研发的高级别自动驾驶辅助方案涵盖车端、云端，包括完整上层应用MaxStack、中间件MaxOS以及云端数据系统MaxCloud。基于领先的自动驾驶全栈技术，Nullmax可提供丰富的量产化应用，现已推出 MaxDrive 行泊一体和 MaxVision 视觉感知算法等解决方案，产品矩阵全面覆盖高、中、低算力要求。

         其中，MaxDrive作为目前市面上极少有的真正融合的行泊一体4.0形态方案，得益于Nullmax的BEV-AI技术架构，兼顾技术性能和部署成本的双重需求，在前装量产领域获得了广泛认可。携手多家传统车厂、造车新势力和Tier1合作伙伴，Nullmax在不同算力区间的芯片平台上实现了落地，走在业内商业化提速的前列。

宋新雨 | Nullmax纽劢创始人/COO

以下为演讲内容整理：

针对市场痛点Nullmax诞生

         2017年，Nullmax将总部设立在上海张江，开启了自动驾驶的落地之路，之后不断在技术路线上更新迭代，延续以视觉为主、多传感融合感知的技术理念，针对中国市场和客户痛点，探索行车、泊车一体化的方案。此前我在美国经历了特斯拉Autopilot 1.0到2.0落地的全过程，相信在视觉为主的这条路线上不断突破和发展，可以推进自动驾驶领域的落地进程。

         泊车功能在国外还较少，因为国外的停车位位置宽阔，所以相关需求几乎没有，而在中国却是刚需，并且场景程度也更为复杂。我们首先选择在中国落地自动驾驶，因为在行车场景上的挑战与门槛难度较高，同时泊车场景也在同步推进，包括行泊一体的方案。

         Nullmax选择了深度学习为主的技术路线，并在现实中的工程化过程中，不断探索如何在资源和算力有限的情况下实现更高的性能。

云端车端两大场景助力行泊一体化发展

         Nullmax方案涵盖云端和车端两块场景，云端以可视化和分析、数据筛选及标注，模型训练和评估为主；车端系统是从公司创立延续至今，以包括感知、规划、控制在内的上层应用软件为主。

图源：演讲嘉宾材料

         行车这块我们有自己一套自研系统，在不断解决基础的ADAS功能的同时，打造更高阶的NOC自动领航功能。接下来，Nullmax将在中低算力平台上实现该功能的量产交付。同时，泊车场景也会在后续提升更多高级的功能。

         我认为行泊一体大概经历了四个阶段的形态：一是行泊一体1.0形态，域控制器是分离式的；二是行泊一体2.0形态，行车、泊车集成式域控制器形成了一体化，但采用双SOC子系统；三是行泊一体3.0形态，采用行泊一体单SOC的系统，但传感器无法深度复用；四是行泊一体4.0形态，实现了传感器深度复用，行泊一体在单SOC上实现性价比更高的解决方案。这种方案的优势是在行车场景中，可以高度复用泊车场景传感器，带来性能的提升，这也是我们正在量产和实践的点。

         我们产品分为两条线，一是上层应用算法，在车端实时运行、易于部署的感知、预测、规划一系列量产应用。二是单独视觉感知的产品线。Nullmax在与国内不同的tier1，包括主机厂有这方面的合作，已经在去年交付了周视感知模块。

         中国的场景具有复杂性，在实践过程中，如果覆盖全部场景，就要满足不同的ODD范围，并且对场景的定义都要做大量的验证。比如对摄像头的要求、算法感知的要求，包括雨天、雾天相关的特殊场景等。所以现在大多数客户或者合作伙伴可能会选择大算力的芯片去实现，但我们可以在极具性价比的芯片上，率先在中国实现NOC自动领航功能的落地。

独有的BEV-AI技术架构，加速行泊一体应用落地

         我们打造了一套平台化BEV-AI技术架构。一是不局限于英伟达、Orin的芯片，可以适配任何的芯片，包括国产芯片；二是面向所有主机厂，不管传感器的配置、芯片选型，包括不同的FOA，这套BEV-AI架构可以解决不同客户的定制化需求，还可以实现不同的配置；三是我们这套框架能实现超远距离的感知，并且还可以面向产品部署。就好像我们这套BEV-AI框架是一棵大树，针对不同的芯片产品，可以抽出来不同的解决方案。

图源：演讲嘉宾材料

         在BEV中，从一个摄像头到另一个摄像头需要很精确的感知技术，不同摄像头识别的车辆，能完整地定位成一辆，而不是出现多辆的显示，对于技术的要求较高。

         Nullmax在BEV 3D检测的工作中，可以在复杂的城市十字路口感知大量的车流，在城镇的复杂十字路口完成感知任务，还可以识别大卡车、特种车辆等难点目标。

         业界谈及BEV，大多数集中在感知领域，而我们在规控中也做了一些工作，比如把深度学习延伸到规控，学习人驾驶的行为习惯等。比如去年我们做到了全视觉稠密地图定位，是不依赖高精度地图的方案。接下来我们会部署这套不依赖高精度地图的BEV方案实现工程化落地。

         数据确实是AI驱动技术落地的关键，对数据的依赖程度较高。我们不仅做好了自己的算法，也在云端形成了一套数据闭环体系，不管是主机厂还是tier1，共同打造云端的平台。如何高效利用和回收数据是关键点，更高效地帮助主机厂在量产时，实现更高的性能。

         不仅如此，Nullmax自建并开源全球唯一特殊目标数据集，填补业界缺失数据空白，助力全球感知算法精进，解决业界缺少特殊目标数据的问题。通过大规模的自动化生成虚拟样本，可以有效且快速地满足数据的需求。

         （以上内容来自于Nullmax纽劢创始人/COO宋新雨于2023年5月9-10日在捷途汽车主办，盖世汽车承办的2023捷途汽车电子架构与智能驾驶论坛上发表的《面向量产的行泊一体技术架构与产品矩阵》主题演讲。）