百万量产后，轻舟智航定下新目标：城市NOA杀入10万级，L4规模落地

为量产难题找到底层答案：轻舟智航闯入自动驾驶第一梯队。

作者 | 郑浩钧

编辑 | 吴 彤

汽车智能驾驶的竞争，已经决出了阶段性的胜负。

中国智能驾驶供应商的格局，正快速从群雄并起走向 “一超多强”。华为凭借智选车与HI模式的双重布局，在技术方案、搭载量和车企合作上确立了“一超”地位。轻舟智航、地平线、Momenta等公司，则凭借各自优势构成了“多强”阵营，跻身到自动驾驶第一梯队。

格局集中的背后，是市场的加速普及与门槛的急剧提高。2025年前三季度，中国L2级乘用车新车渗透率已达64%。当功能成为标配，自研成本高企，弱势供应商正被快速出清。

在这个新格局中，轻舟智航（QCraft）选择了一条不同的路：做“普及者”。它通过将高阶功能塞进低算力芯片，把智驾门槛拉低到8万元级别（上至40万元级别），并即将让城市NOA进入10万元区间。

如今，这家有Waymo背景的公司，让L4与L2业务的数据和技术相互反哺，也迈出重要一步。在今年1月23日举办的QCraft DAY上，轻舟发布了 “VLA+世界模型” 架构，目标很直接：让系统不仅能“看懂”世界，还要能“预测”未来几秒的变化。

智能驾驶的“上半场”普及战接近尾声，以“一超多强”为标志的“下半场”技术战，已经开始了。

PART 1

轻舟的扩张公式：

单芯NOA量产 + 工程标准化 + 全球化适配

轻舟智航正在成为智能驾驶市场的关键变量。

截至 2026 年 1 月，其 “轻舟乘风” 辅助驾驶系统累计搭载量已突破 100 万台。这个数字的背后是加速的节奏——从 0 到 50万台用了3年（2021年初），但从 50 万到 100万台仅用了8个月。2026年将正向更大量产规模快速攀升。

目前搭载该系统的已上市车型有 23 款，覆盖理想、奇瑞等近 10 家主机厂。按照计划，2026 年轻舟还将新增超过 50 款量产车型，且绝大部分支持城市 NOA。

规模快速扩张的关键，在于轻舟在 2025 年 4 月做了一次关键判断：他们宣布，单颗地平线征程 6M 芯片（算力 128TOPS）即可实现城市 NOA。这在当时几乎没人相信，包括不少合作伙伴。

“行业内大部分人持怀疑态度。” 轻舟智航联合创始人、董事长兼 CEO 于骞对雷峰网说。但 2026 年 1 月 21 日，基于该方案的城市 NOA 在理想 L 系列智能焕新版上通过 OTA 推送上车，轻舟成为行业里第一个将其量产的公司。内部测评显示，该方案与一些采用单颗甚至双颗英伟达 Orin-X 芯片的方案体验接近。

“首先，意识到‘单芯就能实现城市NOA’的可能性本身就不易，当初就像马斯克提出不用激光雷达一样备受质疑。”于骞说，“但我们是第一个将其发现并量产的中国公司。这没有捷径，靠的是实打实的创新。”

技术统一与工程标准化，是轻舟能快速覆盖多价位、多车型的另外两个原因。

基于同一套技术架构，轻舟完成了在高通、英伟达、地平线三大主流芯片平台上的城市 NOA 适配。在工程交付上，轻舟也做了大量平台化工作，将可变与不可变的部分拆解，大幅压缩了不同车型的适配周期。

于骞表示，轻舟的方案已具备很强的泛化能力：无论是7颗或11颗摄像头，是否搭载激光雷达，车型大小如何，都无需大幅调整即可适配。“很多同行曾因传感器布局的微小变动，就要重新采集数据和训练模型，但我们依靠底层工具与模型解决了这个问题。”

CTO李栋补充道，轻舟自首次量产起便推动交付标准化，将固定流程平台化，并压缩可变部分的开发周期。这使团队规模未大幅增长，却能支持车型从1款扩至23款。

适配多芯片平台、交付高度标准化，也让轻舟具备了规模出海的基础。

早在两年多前，他们就开始筹备海外业务，包括在德国设立欧洲总部、参加慕尼黑车展等。目前，轻舟已在欧洲、新加坡等地拓展 L2 与 L4 业务。

于骞把海外市场策略分成了两条线。L2 业务围绕主流汽车市场展开，如欧洲、中东。“我相信市场机会虽然会晚到，但一定会到来。人们对优质 NOA 的需求是一致的，就是安全、舒适、便捷。”L4 业务则更关注人力成本高的地区，比如欧洲等发达地区。“那里劳动力短缺，商业闭环可能更快。”

他强调，出海不是简单复制国内模式，而是与当地伙伴深度合作，适应本地法规与需求。“我们希望结合合作伙伴的优势，互相分享经验，共同拓展市场。”

PART 2

一套技术

驱动量产L2与前沿L4规模落地

除推动城市NOA普及外，轻舟智航在L4无人物流领域也正加快布局。

2025年11月，轻舟与奇瑞商用车达成深度合作，正式进入物流赛道。目前双方合作的无人物流车已在金华、芜湖、宁波等多个城市投入运营。

作为一家以“将无人驾驶带进现实”为使命的公司，轻舟从未放弃L4业务。于骞透露，2021年底公司决定进入量产辅助驾驶领域前，曾认真讨论过究竟该专注量产车还是无人物流。

最终轻舟判断，无人物流要实现大规模商业化，同样需要经历“量产”过程——只有通过规模制造才能显著降低传感器、算力等成本。因此公司选择先进入量产辅助驾驶领域，为L4业务铺路。

如今轻舟的无人物流车完全采用量产思路设计，车顶不再有旋转式机械雷达。“我们未来的Robotaxi方案也会为量产而生，不会顶着夸张的激光雷达，外观会和普通量产车一样。”于骞说。

关于L2与L4的关系，轻舟从创业初期就认为二者底层技术架构本质相同。两者共享AI模型底座，差异主要在产品逻辑层面。

“L2和L4只有产品功能范围的差异，但技术底层是高度一致的。”于骞解释说，“产品逻辑上，L4需要传感器冗余、计算冗余、软件兜底策略甚至远程辅助；L2则需考虑成本，明确ODD范围。但底层都需要提升驾驶能力，追求安全、舒适、便捷。技术演进的方向都是数据驱动——从早期深度学习到BEV、VLA，再到未来技术，L2和L4都走在这条路上。”

他同时强调，轻舟不会为了市场规模去做中低阶L2功能，例如前装一体机方案。“这不符合我们‘将无人驾驶带进现实’的使命。我们不做没有体验的产品，不做用户从买车到报废基本不用的‘配置表勾选项’。我们要做有真实体验、常用常新、越用越好的产品，做底层技术与无人驾驶完全兼容的产品。”

除技术架构外，数据的兼容性也是L4与L2业务能相互促进的关键。

李栋透露，公司从创立起就注重数据前后兼容。“做L2时我们用了大量L4数据，因为此前有Robotaxi业务；现在做无人物流等L4产品，也可以复用L2数据，甚至直接使用L2模型。”

这种兼容性源于提前规划——规模量产的L4产品的传感器布置、选型会与L2高度一致，数据标注规范也前后统一。

此外，轻舟还通过仿真世界模型生成极端场景数据，如暴雨暴雪、侧翻车辆等，以提升模型应对长尾情况的能力。

PART 3

技术如何向“通才”进化？

轻舟给出解法

值得注意的是，在这次发布会上，轻舟正式推出了“VLA+世界模型”统一架构。

该架构以量产验证过的端到端模型为基础，构建统一的世界表征框架，并引入大语言模型形成VLA模型，用于处理行车环境中的文本、复杂场景与语音指令。同时，借助世界预测模型，系统可推演未来3～5秒周围物体的变化，从而规划出更合理的行驶轨迹。

引入VLA后，于骞认为轻舟的智驾模型实现了从“知其然”到“知其所以然”的跨越。模型不仅能解释操作背后的逻辑，还具备举一反三的能力，在泛化性、可解释性上更强，也更贴近人类理解物理世界的方式。

“VLA的核心作用，是把语言模型的方法引入自动驾驶。”李栋说，“就像文盲开车会有困难——他看不懂路牌。司机也需要理解社会文化，有时还得推理该怎么做。”引入VLA后，系统可结合环境文本与常识进行判断。

同时，世界模型的加入，则让系统能通过更通用的特征——如视觉分割、OCC（占用网络）甚至部分RGB信息，来理解场景，而不只是依赖目标框的位置监督。“模型对世界演进有了推理能力。”李栋表示。

于骞非常看好世界模型的发展前景，认为它是物理世界通用AI演进的关键。在真实世界中，AI系统无法像AlphaGo那样完全在虚拟环境中迭代，必须通过实车测试验证，这严重制约了演进速度。

“如果世界模型能完全反映物理世界，我们就能在仿真环境里大幅提升自动驾驶能力。”但他也指出，在虚拟环境中实现完全真实的物理仿真极具挑战，“这不是简单生成一段视频，而是要理解背后的物理规律与逻辑。这可能比自动驾驶本身还难。”

总的来看，无论是率先实现单颗征程6M实现城市NOA，还是以同一技术底座支撑L2与L4业务，或是引入“VLA+世界模型”，如今的轻舟智航，始终试图从技术而非资源层面实现超越——因为资源，几乎是所有创业公司的短板。

这也是为什么，当被问及“如何在不具备华为那样大规模资源投入能力的情况下保持模型竞争力”时，于骞会这样做解释：

“如果只看资源，那这个世界就太无趣了。那样就不会有OpenAI，它成立时资源远少于谷歌；也不会有DeepSeek，它的资源也比大厂少得多。创新从来不只是资源的比拼。”

如今这个AI时代，创新再次从边缘地带崛起。就像当年的微软、苹果从车库出发，今天的OpenAI、DeepSeek同样始于有限的资源。它们的成功证明了一个事实：创新的核心不是拥有多少，而是创造什么。

当然，轻舟智航也走在这条路上。