《普適產(chǎn)品進階 | Nullmax 一體機/小域控的“超感視覺”》中，我們介紹了在視覺感知維度，Nullmax如何以突破技術(shù)賦能普適產(chǎn)品：通過持續(xù)突破視覺感知上限，Nullmax賦予了智能駕駛系統(tǒng)更精準的“眼力”，以理解復雜的行車環(huán)境，并在此基礎(chǔ)上開發(fā)出實用、好用的智駕功能。

那么，面向行業(yè)對智能前視一體機及小域控方案的迫切普及需求，Nullmax如何將這套領(lǐng)先的感知技術(shù)能力，高效轉(zhuǎn)化為可大規(guī)模落地的量產(chǎn)“普適”優(yōu)勢？

Nullmax的解題關(guān)鍵在于——以感知算法平臺化為核心路徑，實現(xiàn)領(lǐng)先智駕算法在量產(chǎn)部署上的“化繁為簡”。通過構(gòu)建一套能夠靈活適配不同傳感器與芯片的軟件架構(gòu)，Nullmax可實現(xiàn)跨車型的快速功能落地，為一體機、小域控方案的量產(chǎn)提速提質(zhì)。目前，在多個Nullmax高性價比產(chǎn)品的量產(chǎn)推進中，該平臺化能力正持續(xù)釋放其規(guī)模效應(yīng)。

在此過程中，Nullmax同步解決了兩大核心命題：既要實現(xiàn)全棧自研的感知算法在不同車型、芯片平臺上的高效部署，以速度響應(yīng)市場；也要在有限的算力與成本條件下，堅守“簡而優(yōu)”的產(chǎn)品技術(shù)底線，確保一體機、小域控的功能體驗優(yōu)異，并具備持續(xù)迭代進化能力。

降本增效，量產(chǎn)普適如何“化繁為簡”

作為最關(guān)鍵的上游環(huán)節(jié)，感知的平臺化是整體技術(shù)平臺成功構(gòu)建的基礎(chǔ)，同時也是一項難度極大的系統(tǒng)性工程。Nullmax將其定義為：設(shè)計一套感知基礎(chǔ)架構(gòu)，將感知所需的軟件算法整合成一個可以支持各種需求的平臺。針對一體機、小域控方案，它能夠快速、低成本地輸出針對不同傳感器和芯片的軟件包，在不同車型上實現(xiàn)智能駕駛的相關(guān)功能。

平臺化需充分考慮需求和硬件差異

其核心價值在于，通過平臺化的技術(shù)路徑，有效避免重復開發(fā)，提升系統(tǒng)質(zhì)量與落地速度，實現(xiàn)高效、優(yōu)質(zhì)的大規(guī)模量產(chǎn)。在商業(yè)層面，感知平臺化可將量產(chǎn)的邊際成本壓縮到極致。尤其對于硬件規(guī)格相對統(tǒng)一的一體機與小域控產(chǎn)品，平臺化的感知架構(gòu)能夠?qū)崿F(xiàn)算法模塊的標準化輸出，顯著降低不同項目的定制化開發(fā)成本。在技術(shù)層面，則有助于匯集不同項目、不同級別、不同任務(wù)的智能駕駛數(shù)據(jù)，促進彼此效果，提升整個感知平臺的各方面任務(wù)性能。

為此，Nullmax打造了涵蓋L2+及L4感知任務(wù)的平臺化感知架構(gòu)，可以支持大算力、小算力的不同計算平臺，也能自動適配不同的傳感器配置，為一體機/小域控、艙駕/行泊一體乃至端到端高階智駕等產(chǎn)品應(yīng)用的高效落地提供核心的技術(shù)支撐。

通過“化繁為簡”，平臺可在算力受限場景中精準裁剪，僅保留必要任務(wù)分支，甚至通過模型剪枝實現(xiàn)極簡感知方案，在低成本硬件上保障 AEB、ACC、LCC 等 L2 級 ADAS 核心功能的可靠運行。這一策略尤其契合一體機、小域控方案的特性，確保Nullmax在有限資源下實現(xiàn)感知效能的最大化。

靈活部署，One Model驅(qū)動小算力進化

算法服務(wù)于具體功能，而如何讓一套感知算法高效適配從基礎(chǔ)功能需要的2D車道線檢測、障礙物檢測，到高階功能需要3D檢測算法、稠密深度圖，乃至軌跡參考線、360°障礙物檢測等特色功能，并跨越不同車型的硬件差異，正是多項目量產(chǎn)部署中的主要難點。感知平臺化不僅要系統(tǒng)性地解決跨車型、跨芯片的快速部署問題，更要確保一體機、小域控等性價比方案的功能體驗不妥協(xié)，并具備持續(xù)優(yōu)化能力。

Nullmax感知平臺化的實現(xiàn)，離不開一套堅實的技術(shù)架構(gòu)，而其中最為核心的，便是模型架構(gòu)的設(shè)計。為此，Nullmax打造了平臺化的BEV-AI自動駕駛技術(shù)架構(gòu)，為感知提供One Model形態(tài)的模型架構(gòu)，用一個可以靈活適配的模型支持所有感知任務(wù)，滿足不同智能駕駛應(yīng)用的感知需求，從而實現(xiàn)整個感知系統(tǒng)的平臺化。

Nullmax感知平臺化的模型架構(gòu)示意

基于這一架構(gòu)，Nullmax既能提供高算力端到端解決方案，也能輸出滿足主流L2+功能需求的中低算力版本。關(guān)鍵的是，通過統(tǒng)一的One Model模型架構(gòu)，確保低算力方案在保障優(yōu)秀功能體驗的同時，能夠與高階方案共享技術(shù)演進成果，實現(xiàn)持續(xù)進化。對于僅配置前視相機的低算力場景，系統(tǒng)可僅保留主干網(wǎng)絡(luò)及關(guān)鍵任務(wù)分支，去除冗余模塊，實現(xiàn)前視感知與融合。在極端資源受限的情況下（如2T算力芯片），仍可通過保留2D車道線與2D目標檢測任務(wù)，并對主干網(wǎng)絡(luò)進行剪枝，構(gòu)建出一套極簡而可靠的感知系統(tǒng)。

此外，Nullmax的感知模型架構(gòu)具備一項重要特點：集成多個功能重復的任務(wù)分支，從而幫助網(wǎng)絡(luò)取得更好的訓練效果，從而實現(xiàn)更好的算法性能。比如，基于CNN的2D目標檢測、3D目標檢測和基于Transformer的BEV目標檢測，基于CNN的2D車道線檢測、3D車道線檢測和基于Transformer的BEV車道線檢測、BEV分割，這些任務(wù)之間高度相通，那么共同訓練時可以在知識上互通有無，幫助彼此達到更好性能，為一體機與小域控的持續(xù)升級奠定了核心技術(shù)基石。

通過系統(tǒng)化的平臺戰(zhàn)略與靈活的模型設(shè)計，Nullmax在推進高性價比方案量產(chǎn)的同時，持續(xù)夯實技術(shù)的通用性與擴展性，不僅讓智能駕駛以更低的門檻走向更多車型，也為旗下一體機、小域控方案后續(xù)的功能升級與體驗優(yōu)化奠定了堅實基礎(chǔ)。