知行科技如何用小算力跻身第一梯队

“那辆测试车哐哐地撞击围栏。天亮就是客户演示，没办法，团队集体留在现场通宵解决。”

当时当刻，量产Deadline、模型算法高上限低下限的特性，还有全行业追高阶、追标配的焦灼气氛都沉沉地压在知行科技泊车团队每个同学心头，天还没亮，每个人都在咬牙坚持。

2025年，知行科技成功量产业内首个8TOPS BEV感知泊车解决方案，性能表现对齐业内头部，成为平台化高性能泊车辅助拳头产品，并在年内获多个主机厂、多个车型项目定点。

但知行科技泊车团队的每个人都记着那个承载所有“量产痛苦”的不眠之夜。没有一劳永逸的银子弹，只有日拱一卒的笨功夫——量产，是天亮之前一直坚持的故事。

01欢迎来到新周期

计划没有变化快。有技术代差的量产产品，还值得继续做下去吗？

是规则算法还是模型算法，是燃油车还新能源，是纯电、插混还是增程式？电动智能化技术革命一举推翻了汽车产业四年中期改款，八年整车换代的固有周期。层出不穷的新技术不仅带来突破，也意味着痛苦的关键选择：

选择新方向，意味着选择不确定性；

放弃旧体系，意味着放弃前期成本和当前优势。

这是2024年初知行科技管理层要面临的课题。作为小算力泊车的领跑企业，知行科技刚交付一款泊车产品，但同期市场上有了新的“Benchmark”：

头部玩家在开城大战的同时“卷”起了泊车——大算力+强算法，快速将泊车辅助的功能体验从“能用”拉向“好用”。

此时，尽管已量产的感知和计算硬件方案对比头部玩家差距极大，但客户和知行科技都不想在泊车新赛事中落后于人。很快，知行科技管理层做出决策：放弃具有优势的成熟CNN算法，直接在8TOPS计算平台上部署BEV（鸟瞰图）感知方案提升系统性能上限，并通过十万量级的规模市场检验。

“选择在已交付项目上部署BEV是要勇气的，”全程参与项目的感知模块系统工程师朝河说起14个月前，仍有些“心有余悸”：“当时我个人是非常焦虑的。这么小的算力上去部署BEV是否可行？我们的软件开发工具包（TSDK）能否支持在售项目规模所需的稳定性？8TOPS芯片本身没有适用于BEV的深度学习框架工具，所有的坑只能我们自己趟。”

02BEV感知，在8TOPS上做取舍

BEV范式本身具有“多传感器数据并行处理、大尺度BEV空间卷积、多任务解码头”的特点，对计算和内存资源高需求。在决策当时，知行科技刚完成0到1的自研BEV模型架构搭建，要成为业内首个部署在8TOPS小算力芯片上的BEV并服务量产项目，既要有技术突破，还要做好资源的取舍。

为切换到8TOPS平台，知行科技感知团队先将模型调整为"三合一"架构，由一个模型输出占据栅格（OCC）、障碍物检测（OD）、车位检测（PSD）的感知结果，从架构层节省计算和存储资源；之后，针对泊车任务特性对模型进行场景化裁剪压缩。

同样是BEV感知，行车功能要“看得远”，泊车场景要“看得准”，近处障碍物的漏检错检都会影响泊车功能表现。通常，业内通过增加BEV grid网格密度，让模型“看”得更清楚。但只有8TOPS，如何负担更高网格密度的计算需求？

为给神经网络提供“高清”BEV grid，感知模型工程师开心四处找人“聊天”：

与后端项目聊，“功能当然希望什么都要，但有限资源下，我必须去聊清楚他们的真需求”；

与前端数据聊，“我和超哥天天聊，哪些需求是能用数据实现的，哪些又是必须由模型来解决的。”

穿透需求后，感知团队重新为模型划重点，不再追求“什么都有”，而是基于下游需求，提供“应有尽有”的感知结果。

开心并不只做减法。

为进一步强化近处障碍物的感知精度，团队在感知模型中加入变分辨率模块——通过“变焦”动态调整远近障碍物的OCC格栅输出精度，大幅提升近处格栅分辨率。但要找到合适的变分辨率范式，需要大量验证过程。在此期间，团队通过设计多种小量实验，利用少量时间和训练资源成功完成新模块和整体模型的功能验证。

“必须解的问题，再难、再增加资源也要实现，着力实现高优的需求。”这是开心的取舍之道。

03全量A星，规控做加法

要对标头部玩家的泊车性能，仅增强感知还不够，“要上全量混合A星时，我心里是打鼓的，毕竟很大。”负责下游规控算法的锦羽在项目之初同样不安。

全量混合A星参数量大、逻辑过滤多，能够基于更多要素在更大空间内求解，实现全场景快速、丝滑泊入。但“全量”也意味着更大的计算、存储和通 信资源需求。

为在小算力平台上部署全量A星，锦羽带领团队进行三个月的技术攻关：进行规划时，休眠部分无关节点让出更多片上资源；采用针对专门场景的规划器，“术业专攻”，缩短规划时间；开发动态规划和碰撞算法，并引入传统几何算法，提升泊入效率和对极限场景的应对能力。

“办法总比困难多，但把算法跑起来只是开始。”在硬件资源限定的“螺丝壳”里做出水陆齐全的道场后，锦羽团队还需要不断提升“道场”的运行效率。

全量A星跑起来后，规划团队立刻着手建立针对规划模块的仿真数据库，同时在测试车内部署团队开发的数据解析工具，录制每个问题案例数据，形成“错题集”。

新版本的规划模块在基础数据库和“错题集”中进行单独测试，实现本地调参和逻辑优化。

这不仅显著降低了整体泊车算法的迭代成本，也让锦羽团队能够更从容地增加针对不同场景的规划器，高效解决复杂场景问题。

“现在，我们规划算法占用的loading比较小，适合轻量化的控制，应用场景广泛，平地坡道、砖草水泥，鲁棒性和适应性很好。”经过十多个月的鏖战，之前让锦羽担心的混合A星，成了泊车团队趁手的“刀”。

04日供一卒，数据炼金

“拼尽全力交付第一版OTA版后，在我看来是个工程奇迹。但客户看到的是BEV上线后，终端客诉增多。”时隔一年，朝河言辞间仍有压力，但也有骄傲， “当时压力非常大，还好我们的团队凝聚力是在上升的，大家都在坚持，静下心，把之前的规划一步一步地做完。”

先突破的是规划能力，全量A星上线后，泊车能力直线跃升，窄通道、窄车位、死角车位都能停，用户端开始传来正向反馈，团队也开始看到希望。

但要让“能用”变“好用”，还得靠高质量数据从根本上提升模型性能。

目前，量产辅助驾驶系统仍是基于模仿学习的预训练模型，其即要求数据规模，以尽可能覆盖现实场景；更要求数据质量，否则泥沙俱下、鱼龙混杂的“教材”会严重影响模型表现。

事实上，高质量数据是辅助驾驶开发最“烧钱”的部分——采集、筛选、标注、训练、评测、反馈的全链路数据闭环成本不菲，但每个环节，甚至环节间的衔接都充满了未知陷阱，以直接或间接的方式影响最终的模型表现。

为确保数据质量，知行科技从源头开始放弃低成本的第三方数采车，搭建起内部真值数据采集系统，摄像头、激光雷达、定位模块及车身信号等核心传感器精度更高；重新开发的动态补偿和时间同步方案保证了多模态、多数量传感器的高精度空间同步，和毫秒级时间同步，自研的自动化工具链可实现“一键采集”，只需一人即可完成操作。

有高质量的原数据还不够。开发过程中，团队遭遇激光点云杂点叠帧后导致的OCC栅格“假”凸出，对路沿、墙壁等“横平竖直”障碍物的感知准确性造成很大影响。对此，团队一方面通过技术手段将杂点进行结构化处理，同时看数据找规律，寻找能够消除传感器标定误差的正确参数。

“基础数据库有200万帧，感知的同学差不多有一半时间是在看数据分布，数据表现"。在开心看来量产就是一个问题接一个问题的日拱一卒。

有时，“错误”甚至不在数据本身。BEV模型裁剪部署后，泊车系统的空间车位释放率发生明显下降。团队通过大量数据和模型分析发现，是车辆yaw角和立柱这两个看似独立的感知目标，基于传统规则标注后数据二义性过大，进而引发模型学习冗余，性能下降。大量试验验证后，团队找到了适用的标注方法，两者误差减少90%，空间车位释放率和边角车位泊入成功率得到大幅提升。

“但单项误差减小在系统层面不会立刻带来性能提升。”开心的量产过程是一次次考试：“一周一版，每周末都是‘期末考试’。每发一次版我们就把数据、评测、训练过程、代码改动都总结一遍，然后看哪里可能存在问题，继续改。”

数据负责人超哥和开心坐前后排，“当时的要求非常高，感知和我们（数据）一起去抠，对模型训练来说，哪些是有价值的，哪些是无价值甚至产生干扰的。”

精细调整重建底图的标定参数；对齐点云图像曝光时间，弥补固有误差对于标注精度的影响；将PSD标注方案进行三次升级……做统计、找规律、做验证，知行科技模型和数据团队一层层地抠、一遍遍试，寻找到最合理、最适用的数据生产方式，将改变落到实处。

日拱一卒无有尽，功不唐捐终入海。目前，知行科技每周能生产10万PSD和7万OCC数据，数据质量甚至得到了友商认可。

“我们试过去外部寻找高质量数据，但最终发现同样成本下，我们自己标的数据质量最高，又能保证通过率。”超哥在一年之后，终于站在了阶段性节点上：“又快又好。”

05背靠背，安全冲突的量产开发

“经此一役，我们成为一个真正的整体。”

做出此番感慨的朝河是知行科技“老人”，但开心、锦羽、超哥在项目之初都是刚进公司的“新人”，各自技术、体系，乃至企业文化背景都大不相同。

人员流动在高速发展的科技行业极为常见，但对量产落地却是不小的挑战。在趟坑过坎的量产过程中，无人发言的会议，没有反对意见的讨论，往往是项目延期的开端，新队友则可能进一步强化“沉默分歧”带来的风险。

“量产过程中也有很多争执和不同意见，但大家都能畅所欲言，最终以项目为导向，客户第一为导向来解决问题。”作为系统和半个项目经理，朝河见证了许多次冲突。“我们在多部门融合的开放环境中攻坚，大家更多还是从自身责任心、求知欲出发去深入探讨问题。”

多部门融合，各环节都主动承担分外的工作。项目、系统、质量承担了客户大部分怒火；模型组和数据组一道找数据问题，做数据处理；后处理、规控在感知性能爬坡阶段，兢兢业业为上游兜底，在本模块修正；匹配在日复一日、风吹日晒的测试外，还会尽心尽力分析感知规控问题，提出自己的建议。

数采车标定方案的修改，图像输入方式的变化，模型优化维度的调整……在安全沟通的氛围内，团队一次次迎接冲突，穿越冲突。

“泊车辅助是系统性工程，从最开始的传感器到最后的执行器，误差在这个复杂系统中是逐渐累积的，很难凭单一模块去独立消除误差。”开心总结道：“坚持主动背靠背的氛围，每一个环节大家都愿意去多做一些，保持共同的目标并且包容。这是技术方案外，我们能把这个泊车项目做到领先水平真正的原因。”

至2025年下半年，之前只“保垂直”的知行科技8TOPS泊车产品，垂直泊入仅需20秒，各种老司机也不愿停的车位也能自如泊入，稳定应对，不仅能停，而且停得好 。

不依赖天才个人的顿悟，而是靠系统的组织能力，让无数小创新相互叠加，形成自我加强的结构性进步和强大韧性。这是技术方案以外，知行科技日拱一卒，以小博大的量产秘诀。