《普適產(chǎn)品進(jìn)階 | Nullmax 一體機(jī)/小域控的“超感視覺(jué)”》中，我們介紹了在視覺(jué)感知維度，Nullmax如何以突破技術(shù)賦能普適產(chǎn)品：通過(guò)持續(xù)突破視覺(jué)感知上限，Nullmax賦予了智能駕駛系統(tǒng)更精準(zhǔn)的“眼力”，以理解復(fù)雜的行車(chē)環(huán)境，并在此基礎(chǔ)上開(kāi)發(fā)出實(shí)用、好用的智駕功能。

那么，面向行業(yè)對(duì)智能前視一體機(jī)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(shì)？

Nullmax的解題關(guān)鍵在于——以感知算法平臺(tái)化為核心路徑，實(shí)現(xiàn)領(lǐng)先智駕算法在量產(chǎn)部署上的“化繁為簡(jiǎn)”。通過(guò)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(shí)現(xiàn)跨車(chē)型的快速功能落地，為一體機(jī)、小域控方案的量產(chǎn)提速提質(zhì)。目前，在多個(gè)Nullmax高性?xún)r(jià)比產(chǎn)品的量產(chǎn)推進(jìn)中，該平臺(tái)化能力正持續(xù)釋放其規(guī)模效應(yīng)。

在此過(guò)程中，Nullmax同步解決了兩大核心命題：既要實(shí)現(xiàn)全棧自研的感知算法在不同車(chē)型、芯片平臺(tái)上的高效部署，以速度響應(yīng)市場(chǎng)；也要在有限的算力與成本條件下，堅(jiān)守“簡(jiǎn)而優(yōu)”的產(chǎn)品技術(shù)底線(xiàn)，確保一體機(jī)、小域控的功能體驗(yàn)優(yōu)異，并具備持續(xù)迭代進(jìn)化能力。

降本增效，量產(chǎn)普適如何“化繁為簡(jiǎn)”

作為最關(guān)鍵的上游環(huán)節(jié)，感知的平臺(tái)化是整體技術(shù)平臺(tái)成功構(gòu)建的基礎(chǔ)，同時(shí)也是一項(xiàng)難度極大的系統(tǒng)性工程。Nullmax將其定義為：設(shè)計(jì)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(gè)可以支持各種需求的平臺(tái)。針對(duì)一體機(jī)、小域控方案，它能夠快速、低成本地輸出針對(duì)不同傳感器和芯片的軟件包，在不同車(chē)型上實(shí)現(xiàn)智能駕駛的相關(guān)功能。

平臺(tái)化需充分考慮需求和硬件差異

其核心價(jià)值在于，通過(guò)平臺(tái)化的技術(shù)路徑，有效避免重復(fù)開(kāi)發(fā)，提升系統(tǒng)質(zhì)量與落地速度，實(shí)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(tái)化可將量產(chǎn)的邊際成本壓縮到極致。尤其對(duì)于硬件規(guī)格相對(duì)統(tǒng)一的一體機(jī)與小域控產(chǎn)品，平臺(tái)化的感知架構(gòu)能夠?qū)崿F(xiàn)算法模塊的標(biāo)準(zhǔn)化輸出，顯著降低不同項(xiàng)目的定制化開(kāi)發(fā)成本。在技術(shù)層面，則有助于匯集不同項(xiàng)目、不同級(jí)別、不同任務(wù)的智能駕駛數(shù)據(jù)，促進(jìn)彼此效果，提升整個(gè)感知平臺(tái)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(tái)化感知架構(gòu)，可以支持大算力、小算力的不同計(jì)算平臺(tái)，也能自動(dòng)適配不同的傳感器配置，為一體機(jī)/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(guò)“化繁為簡(jiǎn)”，平臺(tái)可在算力受限場(chǎng)景中精準(zhǔn)裁剪，僅保留必要任務(wù)分支，甚至通過(guò)模型剪枝實(shí)現(xiàn)極簡(jiǎn)感知方案，在低成本硬件上保障 AEB、ACC、LCC 等 L2 級(jí) ADAS 核心功能的可靠運(yùn)行。這一策略尤其契合一體機(jī)、小域控方案的特性，確保Nullmax在有限資源下實(shí)現(xiàn)感知效能的最大化。

靈活部署，One Model驅(qū)動(dòng)小算力進(jìn)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(chē)道線(xiàn)檢測(cè)、障礙物檢測(cè)，到高階功能需要3D檢測(cè)算法、稠密深度圖，乃至軌跡參考線(xiàn)、360°障礙物檢測(cè)等特色功能，并跨越不同車(chē)型的硬件差異，正是多項(xiàng)目量產(chǎn)部署中的主要難點(diǎn)。感知平臺(tái)化不僅要系統(tǒng)性地解決跨車(chē)型、跨芯片的快速部署問(wèn)題，更要確保一體機(jī)、小域控等性?xún)r(jià)比方案的功能體驗(yàn)不妥協(xié)，并具備持續(xù)優(yōu)化能力。

Nullmax感知平臺(tái)化的實(shí)現(xiàn)，離不開(kāi)一套堅(jiān)實(shí)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(jì)。為此，Nullmax打造了平臺(tái)化的BEV-AI自動(dòng)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(gè)可以靈活適配的模型支持所有感知任務(wù)，滿(mǎn)足不同智能駕駛應(yīng)用的感知需求，從而實(shí)現(xiàn)整個(gè)感知系統(tǒng)的平臺(tái)化。

Nullmax感知平臺(tái)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(mǎn)足主流L2+功能需求的中低算力版本。關(guān)鍵的是，通過(guò)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(yàn)的同時(shí)，能夠與高階方案共享技術(shù)演進(jìn)成果，實(shí)現(xiàn)持續(xù)進(jìn)化。對(duì)于僅配置前視相機(jī)的低算力場(chǎng)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(shí)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(guò)保留2D車(chē)道線(xiàn)與2D目標(biāo)檢測(cè)任務(wù)，并對(duì)主干網(wǎng)絡(luò)進(jìn)行剪枝，構(gòu)建出一套極簡(jiǎn)而可靠的感知系統(tǒng)。

此外，Nullmax的感知模型架構(gòu)具備一項(xiàng)重要特點(diǎn)：集成多個(gè)功能重復(fù)的任務(wù)分支，從而幫助網(wǎng)絡(luò)取得更好的訓(xùn)練效果，從而實(shí)現(xiàn)更好的算法性能。比如，基于CNN的2D目標(biāo)檢測(cè)、3D目標(biāo)檢測(cè)和基于Transformer的BEV目標(biāo)檢測(cè)，基于CNN的2D車(chē)道線(xiàn)檢測(cè)、3D車(chē)道線(xiàn)檢測(cè)和基于Transformer的BEV車(chē)道線(xiàn)檢測(cè)、BEV分割，這些任務(wù)之間高度相通，那么共同訓(xùn)練時(shí)可以在知識(shí)上互通有無(wú)，幫助彼此達(dá)到更好性能，為一體機(jī)與小域控的持續(xù)升級(jí)奠定了核心技術(shù)基石。

通過(guò)系統(tǒng)化的平臺(tái)戰(zhàn)略與靈活的模型設(shè)計(jì)，Nullmax在推進(jìn)高性?xún)r(jià)比方案量產(chǎn)的同時(shí)，持續(xù)夯實(shí)技術(shù)的通用性與擴(kuò)展性，不僅讓智能駕駛以更低的門(mén)檻走向更多車(chē)型，也為旗下一體機(jī)、小域控方案后續(xù)的功能升級(jí)與體驗(yàn)優(yōu)化奠定了堅(jiān)實(shí)基礎(chǔ)。