轻舟智航日前展示了其城市领航辅助驾驶(NOA)系统在高通SA8650P骁龙Ride平台量产车上的实际运行效果,标志着这家自动驾驶企业正稳步推进今年的全球量产计划。
此次演示于6月5日在高通汽车技术与合作峰会上举行,地点位于中国无锡。与会嘉宾乘坐搭载SA8650P芯片的量产车,在真实城市交通环境中进行了现场体验。
据轻舟智航介绍,演示车辆在行驶过程中从容应对了无保护左转、人车混流路段、隧道通行、主干道与支路切换,以及拥堵环境下的精细操控,整体表现流畅自然、接近人类驾驶水准。
此次里程碑式进展,距轻舟智航与高通于2025年9月正式建立战略合作关系,仅过去约九个月时间。
在此期间,轻舟智航表示已在SA8775P和SA8650P两款骁龙Ride平台上,完成了高速及城市NOA功能的开发与道路验证工作,并计划于2026年面向全球交付。此外,基于高通QAM8797P平台的高算力解决方案目前正处于双方联合开发阶段。
轻舟智航首席技术官李栋博士表示:"轻舟智航在骁龙Ride平台上的研发工作已全面驶入量产快车道。"
在量产推进方面,轻舟智航以大规模车队数据作为有力支撑。旗下QPilot智能驾驶辅助系统目前已在近30款量产车型上实现搭载,预计2026年还将新增超过50款车型。
从整体车队数据来看,该系统已累计支持用户行驶超过35亿公里,泊车辅助使用次数突破1亿次,同时将自动紧急制动误触发率控制在每50万公里不超过一次的极低水平。
轻舟智航估计,该技术每年可协助用户规避超过14.6万起潜在事故。
在峰会主题演讲中,李栋博士指出,行业正处于从自动驾驶向通用物理AI演进的关键拐点,世界模型与强化学习将成为这一跨越的核心桥梁。
他重点介绍了轻舟智航基于云端的世界模型——该模型可实现可控、符合物理规律的视频生成,并配备零样本引擎,支持通过自然语言生成训练场景。
上述布局折射出自动驾驶开发领域的整体趋势:越来越多的企业开始将自身的驾驶技术栈定位为物理AI首个大规模商业落地场景,而非将其视为独立的终极目标。
对于高通而言,此次演示进一步印证了其在汽车领域的战略雄心——骁龙Ride芯片已能够在量产车辆中支持城市级智能驾驶辅助功能。而在这一赛道上,英伟达与地平线机器人同样正积极争夺合作订单。
轻舟智航表示,基于高通平台的解决方案全球量产进程仍按2026年既定时间表推进。
Q&A
Q1:轻舟智航的城市NOA系统在高通SA8650P平台上能实现哪些驾驶功能?
A:轻舟智航的城市NOA系统在高通SA8650P骁龙Ride平台上,已能够处理无保护左转、人车混流路段、隧道通行、主干道与支路之间的切换,以及拥堵路段的精细操控,整体表现流畅自然,接近人类驾驶水平。此次演示于2025年6月5日在无锡高通汽车峰会上通过真实城市道路的现场乘车体验完成。
Q2:轻舟智航QPilot系统目前的实际落地规模有多大?
A:轻舟智航的QPilot智能驾驶辅助系统目前已搭载于近30款量产车型,预计2026年将新增超过50款。在数据积累方面,系统已支持用户行驶超过35亿公里,泊车辅助使用超1亿次,自动紧急制动误触发率低于每50万公里一次,每年估计可帮助用户规避超过14.6万起潜在事故。
Q3:轻舟智航提到的世界模型和零样本引擎具体是什么?
A:轻舟智航的云端世界模型能够生成可控且符合物理规律的视频内容,用于模拟真实驾驶场景。零样本引擎则支持通过自然语言描述直接生成训练所需的驾驶场景,无需人工逐一标注,可大幅提升训练数据的生成效率。这两项技术是轻舟智航布局物理AI、推动自动驾驶技术向通用化演进的关键基础。
好文章,需要你的鼓励
Savi Security由Patrick和Ryan Coughlin兄弟创立,融资700万美元,并正式推出iOS和Android应用。该应用可实时筛查短信、语音邮件和来电,识别AI生成的诈骗内容。其核心功能是通话实时监控,用户可在可疑通话中邀请AI助手同步监听,分析行为特征。产品以家庭为单位收费,每月8美元,不限用户数量。FTC数据显示,2025年冒充诈骗造成损失高达35亿美元,是2020年的三倍。
香港中文大学(深圳)与字节跳动联合提出FlexiSLM,首个支持动态与可控帧率的语音大模型,在输入输出两端均实现自适应帧合并,6.25赫兹下推理速度提升一倍,语音对话质量超越同规模固定帧率模型。
安全公司Synacktiv披露了Argo CD中一个未修复的高危漏洞,影响其repo-server组件的未认证gRPC端点。攻击者若能访问该端点及Redis数据库端口,可执行恶意命令、篡改部署数据,并在启用Auto Sync时自动推送恶意配置。由于Helm chart部署默认未启用网络策略保护,集群内任意受损Pod均可触发攻击。专家建议企业将Argo CD视为零级控制平面组件,实施严格的东西向流量隔离与特权访问管控。
这项研究提出DataEvolver框架,把被丢弃的"不合格训练图片"转化为改进数据收集策略的反馈,让AI文字图像生成训练数据的构建流程能自我进化,在相同数据量下显著提升文字渲染质量。