“那輛測試車哐哐地撞擊圍欄。天亮就是客戶演示，沒辦法，團隊集體留在現場通宵解決?！?/p>

當時當刻，量產Deadline、模型算法高上限低下限的特性，還有全行業(yè)追高階、追標配的焦灼氣氛都沉沉地壓在知行科技泊車團隊每個同學心頭，天還沒亮，每個人都在咬牙堅持。

2025年，知行科技成功量產業(yè)內首個8TOPS BEV感知泊車解決方案，性能表現對齊業(yè)內頭部，成為平臺化高性能泊車輔助拳頭產品，并在年內獲多個主機廠、多個車型項目定點。

但知行科技泊車團隊的每個人都記著那個承載所有“量產痛苦”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，是天亮之前一直堅持的故事。

01歡迎來到新周期

計劃沒有變化快。有技術代差的量產產品，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？電動智能化技術革命一舉推翻了汽車產業(yè)四年中期改款，八年整車換代的固有周期。層出不窮的新技術不僅帶來突破，也意味著痛苦的關鍵選擇：

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前優(yōu)勢。

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跑企業(yè)，知行科技剛交付一款泊車產品，但同期市場上有了新的“Benchmark”：

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

此時，盡管已量產的感知和計算硬件方案對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)勢的成熟CNN算法，直接在8TOPS計算平臺上部署B(yǎng)EV（鳥瞰圖）感知方案提升系統性能上限，并通過十萬量級的規(guī)模市場檢驗。

“選擇在已交付項目上部署B(yǎng)EV是要勇氣的，”全程參與項目的感知模塊系統工程師朝河說起14個月前，仍有些“心有余悸”：“當時我個人是非常焦慮的。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的深度學習框架工具，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“多傳感器數據并行處理、大尺度BEV空間卷積、多任務解碼頭”的特點，對計算和內存資源高需求。在決策當時，知行科技剛完成0到1的自研BEV模型架構搭建，要成為業(yè)內首個部署在8TOPS小算力芯片上的BEV并服務量產項目，既要有技術突破，還要做好資源的取舍。

為切換到8TOPS平臺，知行科技感知團隊先將模型調整為"三合一"架構，由一個模型輸出占據柵格（OCC）、障礙物檢測（OD）、車位檢測（PSD）的感知結果，從架構層節(jié)省計算和存儲資源；之后，針對泊車任務特性對模型進行場景化裁剪壓縮。

同樣是BEV感知，行車功能要“看得遠”，泊車場景要“看得準”，近處障礙物的漏檢錯檢都會影響泊車功能表現。通常，業(yè)內通過增加BEV grid網格密度，讓模型“看”得更清楚。但只有8TOPS，如何負擔更高網格密度的計算需求？

為給神經網絡提供“高清”BEV grid，感知模型工程師開心四處找人“聊天”：

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

與前端數據聊，“我和超哥天天聊，哪些需求是能用數據實現的，哪些又是必須由模型來解決的。”

穿透需求后，感知團隊重新為模型劃重點，不再追求“什么都有”，而是基于下游需求，提供“應有盡有”的感知結果。

開心并不只做減法。

為進一步強化近處障礙物的感知精度，團隊在感知模型中加入變分辨率模塊——通過“變焦”動態(tài)調整遠近障礙物的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，需要大量驗證過程。在此期間，團隊通過設計多種小量實驗，利用少量時間和訓練資源成功完成新模塊和整體模型的功能驗證。

“必須解的問題，再難、再增加資源也要實現，著力實現高優(yōu)的需求。”這是開心的取舍之道。

03全量A星，規(guī)控做加法

要對標頭部玩家的泊車性能，僅增強感知還不夠，“要上全量混合A星時，我心里是打鼓的，畢竟很大?！必撠熛掠我?guī)控算法的錦羽在項目之初同樣不安。

全量混合A星參數量大、邏輯過濾多，能夠基于更多要素在更大空間內求解，實現全場景快速、絲滑泊入。但“全量”也意味著更大的計算、存儲和通 信資源需求。

為在小算力平臺上部署全量A星，錦羽帶領團隊進行三個月的技術攻關：進行規(guī)劃時，休眠部分無關節(jié)點讓出更多片上資源；采用針對專門場景的規(guī)劃器，“術業(yè)專攻”，縮短規(guī)劃時間；開發(fā)動態(tài)規(guī)劃和碰撞算法，并引入傳統幾何算法，提升泊入效率和對極限場景的應對能力。

“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后，錦羽團隊還需要不斷提升“道場”的運行效率。

全量A星跑起來后，規(guī)劃團隊立刻著手建立針對規(guī)劃模塊的仿真數據庫，同時在測試車內部署團隊開發(fā)的數據解析工具，錄制每個問題案例數據，形成“錯題集”。

新版本的規(guī)劃模塊在基礎數據庫和“錯題集”中進行單獨測試，實現本地調參和邏輯優(yōu)化。

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

“現在，我們規(guī)劃算法占用的loading比較小，適合輕量化的控制，應用場景廣泛，平地坡道、磚草水泥，魯棒性和適應性很好?！苯涍^十多個月的鏖戰(zhàn)，之前讓錦羽擔心的混合A星，成了泊車團隊趁手的“刀”。

04日供一卒，數據煉金

“拼盡全力交付第一版OTA版后，在我看來是個工程奇跡。但客戶看到的是BEV上線后，終端客訴增多?！睍r隔一年，朝河言辭間仍有壓力，但也有驕傲， “當時壓力非常大，還好我們的團隊凝聚力是在上升的，大家都在堅持，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，團隊也開始看到希望。

但要讓“能用”變“好用”，還得靠高質量數據從根本上提升模型性能。

目前，量產輔助駕駛系統仍是基于模仿學習的預訓練模型，其即要求數據規(guī)模，以盡可能覆蓋現實場景；更要求數據質量，否則泥沙俱下、魚龍混雜的“教材”會嚴重影響模型表現。

事實上，高質量數據是輔助駕駛開發(fā)最“燒錢”的部分——采集、篩選、標注、訓練、評測、反饋的全鏈路數據閉環(huán)成本不菲，但每個環(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。

為確保數據質量，知行科技從源頭開始放棄低成本的第三方數采車，搭建起內部真值數據采集系統，攝像頭、激光雷達、定位模塊及車身信號等核心傳感器精度更高；重新開發(fā)的動態(tài)補償和時間同步方案保證了多模態(tài)、多數量傳感器的高精度空間同步，和毫秒級時間同步，自研的自動化工具鏈可實現“一鍵采集”，只需一人即可完成操作。

有高質量的原數據還不夠。開發(fā)過程中，團隊遭遇激光點云雜點疊幀后導致的OCC柵格“假”凸出，對路沿、墻壁等“橫平豎直”障礙物的感知準確性造成很大影響。對此，團隊一方面通過技術手段將雜點進行結構化處理，同時看數據找規(guī)律，尋找能夠消除傳感器標定誤差的正確參數。

“基礎數據庫有200萬幀，感知的同學差不多有一半時間是在看數據分布，數據表現"。在開心看來量產就是一個問題接一個問題的日拱一卒。

有時，“錯誤”甚至不在數據本身。BEV模型裁剪部署后，泊車系統的空間車位釋放率發(fā)生明顯下降。團隊通過大量數據和模型分析發(fā)現，是車輛yaw角和立柱這兩個看似獨立的感知目標，基于傳統規(guī)則標注后數據二義性過大，進而引發(fā)模型學習冗余，性能下降。大量試驗驗證后，團隊找到了適用的標注方法，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。

“但單項誤差減小在系統層面不會立刻帶來性能提升?！遍_心的量產過程是一次次考試：“一周一版，每周末都是‘期末考試’。每發(fā)一次版我們就把數據、評測、訓練過程、代碼改動都總結一遍，然后看哪里可能存在問題，繼續(xù)改。”

數據負責人超哥和開心坐前后排，“當時的要求非常高，感知和我們（數據）一起去摳，對模型訓練來說，哪些是有價值的，哪些是無價值甚至產生干擾的。”

精細調整重建底圖的標定參數；對齊點云圖像曝光時間，彌補固有誤差對于標注精度的影響；將PSD標注方案進行三次升級……做統計、找規(guī)律、做驗證，知行科技模型和數據團隊一層層地摳、一遍遍試，尋找到最合理、最適用的數據生產方式，將改變落到實處。

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10萬PSD和7萬OCC數據，數據質量甚至得到了友商認可。

“我們試過去外部尋找高質量數據，但最終發(fā)現同樣成本下，我們自己標的數據質量最高，又能保證通過率?！背缭谝荒曛?，終于站在了階段性節(jié)點上：“又快又好。”

05背靠背，安全沖突的量產開發(fā)

“經此一役，我們成為一個真正的整體。”

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

人員流動在高速發(fā)展的科技行業(yè)極為常見，但對量產落地卻是不小的挑戰(zhàn)。在趟坑過坎的量產過程中，無人發(fā)言的會議，沒有反對意見的討論，往往是項目延期的開端，新隊友則可能進一步強化“沉默分歧”帶來的風險。

“量產過程中也有很多爭執(zhí)和不同意見，但大家都能暢所欲言，最終以項目為導向，客戶第一為導向來解決問題?！弊鳛橄到y和半個項目經理，朝河見證了許多次沖突?！拔覀冊诙嗖块T融合的開放環(huán)境中攻堅，大家更多還是從自身責任心、求知欲出發(fā)去深入探討問題?！?/p>

多部門融合，各環(huán)節(jié)都主動承擔分外的工作。項目、系統、質量承擔了客戶大部分怒火；模型組和數據組一道找數據問題，做數據處理；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；匹配在日復一日、風吹日曬的測試外，還會盡心盡力分析感知規(guī)控問題，提出自己的建議。

數采車標定方案的修改，圖像輸入方式的變化，模型優(yōu)化維度的調整……在安全溝通的氛圍內，團隊一次次迎接沖突，穿越沖突。

“泊車輔助是系統性工程，從最開始的傳感器到最后的執(zhí)行器，誤差在這個復雜系統中是逐漸累積的，很難憑單一模塊去獨立消除誤差?！遍_心總結道：“堅持主動背靠背的氛圍，每一個環(huán)節(jié)大家都愿意去多做一些，保持共同的目標并且包容。這是技術方案外，我們能把這個泊車項目做到領先水平真正的原因?！?/p>

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

不依賴天才個人的頓悟，而是靠系統的組織能力，讓無數小創(chuàng)新相互疊加，形成自我加強的結構性進步和強大韌性。這是技術方案以外，知行科技日拱一卒，以小博大的量產秘訣。