“那輛測(cè)試車哐哐地撞擊圍欄。天亮就是客戶演示，沒辦法，團(tuán)隊(duì)集體留在現(xiàn)場(chǎng)通宵解決。”

當(dāng)時(shí)當(dāng)刻，量產(chǎn)Deadline、模型算法高上限低下限的特性，還有全行業(yè)追高階、追標(biāo)配的焦灼氣氛都沉沉地壓在知行科技泊車團(tuán)隊(duì)每個(gè)同學(xué)心頭，天還沒亮，每個(gè)人都在咬牙堅(jiān)持。

2025年，知行科技成功量產(chǎn)業(yè)內(nèi)首個(gè)8TOPS BEV感知泊車解決方案，性能表現(xiàn)對(duì)齊業(yè)內(nèi)頭部，成為平臺(tái)化高性能泊車輔助拳頭產(chǎn)品，并在年內(nèi)獲多個(gè)主機(jī)廠、多個(gè)車型項(xiàng)目定點(diǎn)。

但知行科技泊車團(tuán)隊(duì)的每個(gè)人都記著那個(gè)承載所有“量產(chǎn)痛苦”的不眠之夜。沒有一勞永逸的銀子彈，只有日拱一卒的笨功夫——量產(chǎn)，是天亮之前一直堅(jiān)持的故事。

01歡迎來到新周期

計(jì)劃沒有變化快。有技術(shù)代差的量產(chǎn)產(chǎn)品，還值得繼續(xù)做下去嗎？

是規(guī)則算法還是模型算法，是燃油車還新能源，是純電、插混還是增程式？電動(dòng)智能化技術(shù)革命一舉推翻了汽車產(chǎn)業(yè)四年中期改款，八年整車換代的固有周期。層出不窮的新技術(shù)不僅帶來突破，也意味著痛苦的關(guān)鍵選擇：

選擇新方向，意味著選擇不確定性；

放棄舊體系，意味著放棄前期成本和當(dāng)前優(yōu)勢(shì)。

這是2024年初知行科技管理層要面臨的課題。作為小算力泊車的領(lǐng)跑企業(yè)，知行科技剛交付一款泊車產(chǎn)品，但同期市場(chǎng)上有了新的“Benchmark”：

頭部玩家在開城大戰(zhàn)的同時(shí)“卷”起了泊車——大算力+強(qiáng)算法，快速將泊車輔助的功能體驗(yàn)從“能用”拉向“好用”。

此時(shí)，盡管已量產(chǎn)的感知和計(jì)算硬件方案對(duì)比頭部玩家差距極大，但客戶和知行科技都不想在泊車新賽事中落后于人。很快，知行科技管理層做出決策：放棄具有優(yōu)勢(shì)的成熟CNN算法，直接在8TOPS計(jì)算平臺(tái)上部署B(yǎng)EV（鳥瞰圖）感知方案提升系統(tǒng)性能上限，并通過十萬量級(jí)的規(guī)模市場(chǎng)檢驗(yàn)。

“選擇在已交付項(xiàng)目上部署B(yǎng)EV是要勇氣的，”全程參與項(xiàng)目的感知模塊系統(tǒng)工程師朝河說起14個(gè)月前，仍有些“心有余悸”：“當(dāng)時(shí)我個(gè)人是非常焦慮的。這么小的算力上去部署B(yǎng)EV是否可行？我們的軟件開發(fā)工具包（TSDK）能否支持在售項(xiàng)目規(guī)模所需的穩(wěn)定性？8TOPS芯片本身沒有適用于BEV的深度學(xué)習(xí)框架工具，所有的坑只能我們自己趟?！?/p>

02BEV感知，在8TOPS上做取舍

BEV范式本身具有“多傳感器數(shù)據(jù)并行處理、大尺度BEV空間卷積、多任務(wù)解碼頭”的特點(diǎn)，對(duì)計(jì)算和內(nèi)存資源高需求。在決策當(dāng)時(shí)，知行科技剛完成0到1的自研BEV模型架構(gòu)搭建，要成為業(yè)內(nèi)首個(gè)部署在8TOPS小算力芯片上的BEV并服務(wù)量產(chǎn)項(xiàng)目，既要有技術(shù)突破，還要做好資源的取舍。

為切換到8TOPS平臺(tái)，知行科技感知團(tuán)隊(duì)先將模型調(diào)整為"三合一"架構(gòu)，由一個(gè)模型輸出占據(jù)柵格（OCC）、障礙物檢測(cè)（OD）、車位檢測(cè)（PSD）的感知結(jié)果，從架構(gòu)層節(jié)省計(jì)算和存儲(chǔ)資源；之后，針對(duì)泊車任務(wù)特性對(duì)模型進(jìn)行場(chǎng)景化裁剪壓縮。

同樣是BEV感知，行車功能要“看得遠(yuǎn)”，泊車場(chǎng)景要“看得準(zhǔn)”，近處障礙物的漏檢錯(cuò)檢都會(huì)影響泊車功能表現(xiàn)。通常，業(yè)內(nèi)通過增加BEV grid網(wǎng)格密度，讓模型“看”得更清楚。但只有8TOPS，如何負(fù)擔(dān)更高網(wǎng)格密度的計(jì)算需求？

為給神經(jīng)網(wǎng)絡(luò)提供“高清”BEV grid，感知模型工程師開心四處找人“聊天”：

與后端項(xiàng)目聊，“功能當(dāng)然希望什么都要，但有限資源下，我必須去聊清楚他們的真需求”；

與前端數(shù)據(jù)聊，“我和超哥天天聊，哪些需求是能用數(shù)據(jù)實(shí)現(xiàn)的，哪些又是必須由模型來解決的?！?/p>

穿透需求后，感知團(tuán)隊(duì)重新為模型劃重點(diǎn)，不再追求“什么都有”，而是基于下游需求，提供“應(yīng)有盡有”的感知結(jié)果。

開心并不只做減法。

為進(jìn)一步強(qiáng)化近處障礙物的感知精度，團(tuán)隊(duì)在感知模型中加入變分辨率模塊——通過“變焦”動(dòng)態(tài)調(diào)整遠(yuǎn)近障礙物的OCC格柵輸出精度，大幅提升近處格柵分辨率。但要找到合適的變分辨率范式，需要大量驗(yàn)證過程。在此期間，團(tuán)隊(duì)通過設(shè)計(jì)多種小量實(shí)驗(yàn)，利用少量時(shí)間和訓(xùn)練資源成功完成新模塊和整體模型的功能驗(yàn)證。

“必須解的問題，再難、再增加資源也要實(shí)現(xiàn)，著力實(shí)現(xiàn)高優(yōu)的需求?！边@是開心的取舍之道。

03全量A星，規(guī)控做加法

要對(duì)標(biāo)頭部玩家的泊車性能，僅增強(qiáng)感知還不夠，“要上全量混合A星時(shí)，我心里是打鼓的，畢竟很大。”負(fù)責(zé)下游規(guī)控算法的錦羽在項(xiàng)目之初同樣不安。

全量混合A星參數(shù)量大、邏輯過濾多，能夠基于更多要素在更大空間內(nèi)求解，實(shí)現(xiàn)全場(chǎng)景快速、絲滑泊入。但“全量”也意味著更大的計(jì)算、存儲(chǔ)和通 信資源需求。

為在小算力平臺(tái)上部署全量A星，錦羽帶領(lǐng)團(tuán)隊(duì)進(jìn)行三個(gè)月的技術(shù)攻關(guān)：進(jìn)行規(guī)劃時(shí)，休眠部分無關(guān)節(jié)點(diǎn)讓出更多片上資源；采用針對(duì)專門場(chǎng)景的規(guī)劃器，“術(shù)業(yè)專攻”，縮短規(guī)劃時(shí)間；開發(fā)動(dòng)態(tài)規(guī)劃和碰撞算法，并引入傳統(tǒng)幾何算法，提升泊入效率和對(duì)極限場(chǎng)景的應(yīng)對(duì)能力。

“辦法總比困難多，但把算法跑起來只是開始?！痹谟布Y源限定的“螺絲殼”里做出水陸齊全的道場(chǎng)后，錦羽團(tuán)隊(duì)還需要不斷提升“道場(chǎng)”的運(yùn)行效率。

全量A星跑起來后，規(guī)劃團(tuán)隊(duì)立刻著手建立針對(duì)規(guī)劃模塊的仿真數(shù)據(jù)庫，同時(shí)在測(cè)試車內(nèi)部署團(tuán)隊(duì)開發(fā)的數(shù)據(jù)解析工具，錄制每個(gè)問題案例數(shù)據(jù)，形成“錯(cuò)題集”。

新版本的規(guī)劃模塊在基礎(chǔ)數(shù)據(jù)庫和“錯(cuò)題集”中進(jìn)行單獨(dú)測(cè)試，實(shí)現(xiàn)本地調(diào)參和邏輯優(yōu)化。

這不僅顯著降低了整體泊車算法的迭代成本，也讓錦羽團(tuán)隊(duì)能夠更從容地增加針對(duì)不同場(chǎng)景的規(guī)劃器，高效解決復(fù)雜場(chǎng)景問題。

“現(xiàn)在，我們規(guī)劃算法占用的loading比較小，適合輕量化的控制，應(yīng)用場(chǎng)景廣泛，平地坡道、磚草水泥，魯棒性和適應(yīng)性很好。”經(jīng)過十多個(gè)月的鏖戰(zhàn)，之前讓錦羽擔(dān)心的混合A星，成了泊車團(tuán)隊(duì)趁手的“刀”。

04日供一卒，數(shù)據(jù)煉金

“拼盡全力交付第一版OTA版后，在我看來是個(gè)工程奇跡。但客戶看到的是BEV上線后，終端客訴增多。”時(shí)隔一年，朝河言辭間仍有壓力，但也有驕傲， “當(dāng)時(shí)壓力非常大，還好我們的團(tuán)隊(duì)凝聚力是在上升的，大家都在堅(jiān)持，靜下心，把之前的規(guī)劃一步一步地做完?！?/p>

先突破的是規(guī)劃能力，全量A星上線后，泊車能力直線躍升，窄通道、窄車位、死角車位都能停，用戶端開始傳來正向反饋，團(tuán)隊(duì)也開始看到希望。

但要讓“能用”變“好用”，還得靠高質(zhì)量數(shù)據(jù)從根本上提升模型性能。

目前，量產(chǎn)輔助駕駛系統(tǒng)仍是基于模仿學(xué)習(xí)的預(yù)訓(xùn)練模型，其即要求數(shù)據(jù)規(guī)模，以盡可能覆蓋現(xiàn)實(shí)場(chǎng)景；更要求數(shù)據(jù)質(zhì)量，否則泥沙俱下、魚龍混雜的“教材”會(huì)嚴(yán)重影響模型表現(xiàn)。

事實(shí)上，高質(zhì)量數(shù)據(jù)是輔助駕駛開發(fā)最“燒錢”的部分——采集、篩選、標(biāo)注、訓(xùn)練、評(píng)測(cè)、反饋的全鏈路數(shù)據(jù)閉環(huán)成本不菲，但每個(gè)環(huán)節(jié)，甚至環(huán)節(jié)間的銜接都充滿了未知陷阱，以直接或間接的方式影響最終的模型表現(xiàn)。

為確保數(shù)據(jù)質(zhì)量，知行科技從源頭開始放棄低成本的第三方數(shù)采車，搭建起內(nèi)部真值數(shù)據(jù)采集系統(tǒng)，攝像頭、激光雷達(dá)、定位模塊及車身信號(hào)等核心傳感器精度更高；重新開發(fā)的動(dòng)態(tài)補(bǔ)償和時(shí)間同步方案保證了多模態(tài)、多數(shù)量傳感器的高精度空間同步，和毫秒級(jí)時(shí)間同步，自研的自動(dòng)化工具鏈可實(shí)現(xiàn)“一鍵采集”，只需一人即可完成操作。

有高質(zhì)量的原數(shù)據(jù)還不夠。開發(fā)過程中，團(tuán)隊(duì)遭遇激光點(diǎn)云雜點(diǎn)疊幀后導(dǎo)致的OCC柵格“假”凸出，對(duì)路沿、墻壁等“橫平豎直”障礙物的感知準(zhǔn)確性造成很大影響。對(duì)此，團(tuán)隊(duì)一方面通過技術(shù)手段將雜點(diǎn)進(jìn)行結(jié)構(gòu)化處理，同時(shí)看數(shù)據(jù)找規(guī)律，尋找能夠消除傳感器標(biāo)定誤差的正確參數(shù)。

“基礎(chǔ)數(shù)據(jù)庫有200萬幀，感知的同學(xué)差不多有一半時(shí)間是在看數(shù)據(jù)分布，數(shù)據(jù)表現(xiàn)"。在開心看來量產(chǎn)就是一個(gè)問題接一個(gè)問題的日拱一卒。

有時(shí)，“錯(cuò)誤”甚至不在數(shù)據(jù)本身。BEV模型裁剪部署后，泊車系統(tǒng)的空間車位釋放率發(fā)生明顯下降。團(tuán)隊(duì)通過大量數(shù)據(jù)和模型分析發(fā)現(xiàn)，是車輛yaw角和立柱這兩個(gè)看似獨(dú)立的感知目標(biāo)，基于傳統(tǒng)規(guī)則標(biāo)注后數(shù)據(jù)二義性過大，進(jìn)而引發(fā)模型學(xué)習(xí)冗余，性能下降。大量試驗(yàn)驗(yàn)證后，團(tuán)隊(duì)找到了適用的標(biāo)注方法，兩者誤差減少90%，空間車位釋放率和邊角車位泊入成功率得到大幅提升。

“但單項(xiàng)誤差減小在系統(tǒng)層面不會(huì)立刻帶來性能提升。”開心的量產(chǎn)過程是一次次考試：“一周一版，每周末都是‘期末考試’。每發(fā)一次版我們就把數(shù)據(jù)、評(píng)測(cè)、訓(xùn)練過程、代碼改動(dòng)都總結(jié)一遍，然后看哪里可能存在問題，繼續(xù)改?！?/p>

數(shù)據(jù)負(fù)責(zé)人超哥和開心坐前后排，“當(dāng)時(shí)的要求非常高，感知和我們（數(shù)據(jù)）一起去摳，對(duì)模型訓(xùn)練來說，哪些是有價(jià)值的，哪些是無價(jià)值甚至產(chǎn)生干擾的?！?/p>

精細(xì)調(diào)整重建底圖的標(biāo)定參數(shù)；對(duì)齊點(diǎn)云圖像曝光時(shí)間，彌補(bǔ)固有誤差對(duì)于標(biāo)注精度的影響；將PSD標(biāo)注方案進(jìn)行三次升級(jí)……做統(tǒng)計(jì)、找規(guī)律、做驗(yàn)證，知行科技模型和數(shù)據(jù)團(tuán)隊(duì)一層層地?fù)?、一遍遍試，尋找到最合理、最適用的數(shù)據(jù)生產(chǎn)方式，將改變落到實(shí)處。

日拱一卒無有盡，功不唐捐終入海。目前，知行科技每周能生產(chǎn)10萬PSD和7萬OCC數(shù)據(jù)，數(shù)據(jù)質(zhì)量甚至得到了友商認(rèn)可。

“我們?cè)囘^去外部尋找高質(zhì)量數(shù)據(jù)，但最終發(fā)現(xiàn)同樣成本下，我們自己標(biāo)的數(shù)據(jù)質(zhì)量最高，又能保證通過率。”超哥在一年之后，終于站在了階段性節(jié)點(diǎn)上：“又快又好?！?/p>

05背靠背，安全沖突的量產(chǎn)開發(fā)

“經(jīng)此一役，我們成為一個(gè)真正的整體?！?/p>

做出此番感慨的朝河是知行科技“老人”，但開心、錦羽、超哥在項(xiàng)目之初都是剛進(jìn)公司的“新人”，各自技術(shù)、體系，乃至企業(yè)文化背景都大不相同。

人員流動(dòng)在高速發(fā)展的科技行業(yè)極為常見，但對(duì)量產(chǎn)落地卻是不小的挑戰(zhàn)。在趟坑過坎的量產(chǎn)過程中，無人發(fā)言的會(huì)議，沒有反對(duì)意見的討論，往往是項(xiàng)目延期的開端，新隊(duì)友則可能進(jìn)一步強(qiáng)化“沉默分歧”帶來的風(fēng)險(xiǎn)。

“量產(chǎn)過程中也有很多爭(zhēng)執(zhí)和不同意見，但大家都能暢所欲言，最終以項(xiàng)目為導(dǎo)向，客戶第一為導(dǎo)向來解決問題?！弊鳛橄到y(tǒng)和半個(gè)項(xiàng)目經(jīng)理，朝河見證了許多次沖突。“我們?cè)诙嗖块T融合的開放環(huán)境中攻堅(jiān)，大家更多還是從自身責(zé)任心、求知欲出發(fā)去深入探討問題?！?/p>

多部門融合，各環(huán)節(jié)都主動(dòng)承擔(dān)分外的工作。項(xiàng)目、系統(tǒng)、質(zhì)量承擔(dān)了客戶大部分怒火；模型組和數(shù)據(jù)組一道找數(shù)據(jù)問題，做數(shù)據(jù)處理；后處理、規(guī)控在感知性能爬坡階段，兢兢業(yè)業(yè)為上游兜底，在本模塊修正；匹配在日復(fù)一日、風(fēng)吹日曬的測(cè)試外，還會(huì)盡心盡力分析感知規(guī)控問題，提出自己的建議。

數(shù)采車標(biāo)定方案的修改，圖像輸入方式的變化，模型優(yōu)化維度的調(diào)整……在安全溝通的氛圍內(nèi)，團(tuán)隊(duì)一次次迎接沖突，穿越?jīng)_突。

“泊車輔助是系統(tǒng)性工程，從最開始的傳感器到最后的執(zhí)行器，誤差在這個(gè)復(fù)雜系統(tǒng)中是逐漸累積的，很難憑單一模塊去獨(dú)立消除誤差?！遍_心總結(jié)道：“堅(jiān)持主動(dòng)背靠背的氛圍，每一個(gè)環(huán)節(jié)大家都愿意去多做一些，保持共同的目標(biāo)并且包容。這是技術(shù)方案外，我們能把這個(gè)泊車項(xiàng)目做到領(lǐng)先水平真正的原因?！?/p>

至2025年下半年，之前只“保垂直”的知行科技8TOPS泊車產(chǎn)品，垂直泊入僅需20秒，各種老司機(jī)也不愿停的車位也能自如泊入，穩(wěn)定應(yīng)對(duì)，不僅能停，而且停得好 。

不依賴天才個(gè)人的頓悟，而是靠系統(tǒng)的組織能力，讓無數(shù)小創(chuàng)新相互疊加，形成自我加強(qiáng)的結(jié)構(gòu)性進(jìn)步和強(qiáng)大韌性。這是技術(shù)方案以外，知行科技日拱一卒，以小博大的量產(chǎn)秘訣。