在过去的十年里，自动驾驶的发展经历有一个非常有趣的地方。在整个行业还没有真正起色的时候，最先冲在行业前面的，是国内国外一大堆上来就宣称要落地 L4 的公司。而他们实现 L4 的方式也都殊途同归，就是一边进行长期的技术研发，一边在技术还不够成熟的时候用最贵、最好、最多的各种传感器来做好安全冗余。

虽然确实也被一些公司做到了，但背后也带来了巨大的成本压力，比如 Waymo 每台车的自动驾驶硬件改造成本就远远超过了车本身，这相当于在试图用奔驰 S 级做大范围的网约车推广，听起来也并不符合商业逻辑。所以从今天的结果来看，几乎所有在试运营自动驾驶网约车的公司也都只是在区域试点。

除了一家公司，那就是特斯拉。特斯拉在很早期就有一个非常与众不同的路线选择。大部分人熟悉的是马斯克常说的纯视觉路线，但实际上，这背后除了纯视觉路线之外，基于极致降本目的选择自研芯片和极其克制的传感器方案，才是特斯拉今天能站在头部位置的核心原因之一。也在前段时间，特斯拉正式推出了 Robotaxi，虽然还没有真正大规模铺开，但是已经落地得非常好的 FSD 和成本控制让所有人都相信规模化只是时间问题。

并且特斯拉也从 2018 年至今都标配了 FSD 的硬件，对于一个最爱「抠成本」的品牌来说，标配很多人并不会用到的 FSD 硬件显得匪夷所思。但特斯拉这么做的思路也非常简单，就是一切都为了实现自动驾驶的普及，而降本就是实现规模化最重要的核心课题之一。

所以，「降本」在今天的自动驾驶行业有什么新的进展吗？

算力的魔术

舱驾一体方案是一套非常特别的路线，简单来看，就是这几年经常提及的跨域融合的其中一个分支，指的就是智能驾驶和智能座舱合并为一个整体，从整车的角度看减少了布置的复杂度。也因为原来车里面需要两个硬件盒子变成了一个，就像是原来车里装了两台电脑各自分工，现在只需要一台电脑就能做所有事了，很显然减少复杂度必然会带来成本的优化。

目前第一套落地的舱驾一体方案，是来自卓驭最近在极狐 阿尔法T5 上首发的基于高通骁龙 8775 平台的方案。非常厉害的是，在 8775 这套平台上，不仅能用上卓驭最新的高悟性端到端模型，还能在这基础上再同时运行一套座舱系统，这个算力利用率可以说非常厉害了。毕竟大部分品牌还在为了算力不足而发愁， 而 8775 本身就是一个中算力平台，还被要求同时挑上两根担子。

那么这套方案成本控制得有多优秀呢？虽然并不知道具体的数字，但是在一次交流会上卓驭科技副总裁齐贵宝透露，整套方案 bom 成本低于一万。和其他智驾方案的成本放在一起看可能没有特别大的亮点，但是如果理解成在这套智驾平台的基础上会白送一个座舱的计算平台，这样就会更直观地感受到舱驾一体成本控制的冲击力了。

极狐 阿尔法T5 的智驾版和非智驾版本相比，虽略有其它配置差异，但是差价也就大约是一万元，所以成本比这一万元低是理所当然的。

所以降本是可以直接带来更低的门槛，车企可以在不增加太多售价的前提下增加更多的配置，而用户也可以买到更便宜的智驾车型。这样的逻辑闭环带来的结果非常直接，那就是规模效应。

当然，除了计算平台之外，感知硬件部分也依然延续了卓驭自己过去的研发成果。

整套感知硬件采用了 7V3R12U 的布局，比较特别的是，这 7 颗感知摄像头当中，包含了 4 颗环视摄像头，相比大多数的 7V 智驾方案，侧向感知直接复用环视摄像头，不仅对系统的整体带宽需求更低，综合的成本也自然会更低一些。另外在前向感知上采用了卓驭早已推出的惯导双目模组，这个惯导双目通过视差获取深度信息，可以生成稠密视觉点云，同时运用了双目增强 OCC 算法，对通用障碍物的检测会有所优化，在已经量产的成行平台的多款车型上也已经证明了它的感知性能。

基于这样的硬件，在这套平台上能够实现无图的端到端城区、高速 NOA 和自动泊车辅助还有跨层记忆泊车等功能，并且在主动安全功能上也都没有落下。而且除了前面这些之外，同样是基于这套中算力的 8775 的舱驾一体平台，之前卓驭就官方剧透过端到端世界模型版本也能够在后期通过 OTA 升级。

当然，综合来看除了成本优势之外，因为前面讲到的这些特点，这套方案还会带来很多其它优势，比如因为少了一套域控，所以整体功耗会有明显下降，尤其是在长期泊车的场景下， 哨兵模式的运行不再需要同时激活两个域控来实现。这个功能在很多现有车型上还是因为能耗带来的续航焦虑和电费成本劝退了不少用户，这方面的用户价值体现得很直接。

再比如，智能座舱本身就有一些功能需要和智能驾驶域相结合。比如车外摄像头的调用，泊车辅助相关的功能，原来需要两个域之间通过千兆以太网来通信，现在两个都域在一块 SoC 上，那系统延迟就会有非常大幅的降低了。

所以看起来，因为系统的集成化和简化，带来的好处就是多维度的。就像一个人本来只是为了减肥，但是因为少吃 + 运动的结合，既节约了食物又提升了个人形象，干活还更有劲儿。

把风险拆开，把性能合上

但是随之而来的是一个所有人都会担心的问题，如果两个系统同时运行在一块芯片上，那么当车机或者辅助驾驶系统出现问题死机的时候，不就会连带引发座舱和智驾两个部分一起出问题吗？

这个疑虑对于大部分人来说不无道理，确实到今天有一些智能车还会在驾驶过程中出现故障，从客观角度说也很难保证 100% 不会出问题，但是从技术的角度来看，问题总是有解法的。

就拿很多现有车型来说，单就一个座舱的系统，它的系统结构设计也并不是单一的。比如很多车看起来都运行着高度定制的安卓系统，但实际上为了确保安全性，整个座舱的系统设计也不是围绕着安卓单一系统运行的，在更底层也有着非常安全的 QNX 系统的配合，来确保即使上层的安卓系统崩溃，也不会在行驶过程中影响底层系统和行车安全。

所以理论上，卓驭这套舱驾一体方案采用类似的系统设计也能够做到，让智驾和座舱其中一个部分出问题不会影响另一个模块。

我从卓驭的资料中找到了关于这套方案的系统架构设计示意图。从图上看智能座舱的安卓系统运行在非常上层，并且和智驾是完全独立的系统，它们下层有着安全性稳定性更高的 QNX 和 AUTOSAR，而上层系统更像是作为虚拟机运行。再加上骁龙 8775 平台本身就是一个 ASIL-D 标准研发的芯片，这样看这套方案确实从软件和硬件上都做到了车规级的安全标准。

那么既然过去一颗芯片只要负责一份工作，现在负责两份工作之后原来的本职工作会不会有什么不好的影响呢？

我首先想到的是关于座舱这边会不会有适配问题和算力的牵制。高通在对骁龙 8775 研发阶段就向双域融合的方向进行了整合，而且目前汽车座舱平台中骁龙车载系列处理器几乎是唯一解，所以相比之前英伟达提出的基于 Thor 的集中域控，骁龙平台的普及度不会给这个方案带来特别大的前期适配工程量。另外卓驭目前虽然并没有打算跨行去做智能座舱系统，而是选择半开放合作生态的方式，在研发阶段和合作伙伴联调智能座舱的部分。比如在车机屏幕和仪表的交互界面和应用层，可以由其它合作伙伴来定义。并且可以在前期研发阶段在底层调整平台算力的分配比例，比如在座舱有多屏需求时就可以多分配算力给座舱部分，来根据整车定义来调配座舱和智驾功能的权衡。

另一方面，从今天行业对算力的需求来看，2025 年整个行业都对英伟达的 Thor 芯片投以怀抱，这背后有多个原因，其中一个非常简单，就是当今的智驾技术路线体现出了对算力的强需求，尤其是 VLA 和世界模型两条技术路线还没有完全跑通，在模型架构和模型训练上共同构成了瓶颈，所以也自然需要更强的算力来支撑阶段性的模型性能爬坡。那么骁龙 8775 平台和 Thor 的算力相比，从纸面上看确实是不太够看了。

但是就和 DeepSeek 用几分之一的训练成本就能追平行业顶尖模型的事一样，算法和性能优化在行业里本就是一项难并且重要的工作，而模型本身也可以有很多方式实现性能的优化。

前年卓驭推出的基于 7V 感知的中算力方案成行平台也是如此，在当时仅仅依靠 32 TOPS 的算力就能跑通城市记忆 NOA，今年还在这个 32 TOPS 平台上推送端到端城市 NOA ，这对于大部分品牌来说是非常困难的。之前卓驭也在他们的公众号分享过，他们大致是从算法和模型优化、计算加速、系统优化等多个方面着手做的性能优化。

所以这样看下来的结论，算力其实只是个纸面数据，最终通过软硬协调全局优化交到用户手里的，才是真正用户花钱买到的体验。

而且从已经透露出来的图片来看，基于骁龙 8775 平台来做舱驾一体方案其实也是经过了卓驭前期考察的。

这张图是卓驭内部对多个平台进行性能测试后大致得出的结论，其中也包含了卓驭在后期舱驾一体方向上的路线规划。高算力智驾方案平台除了之前提过会基于 Thor 做之外，也还会基于骁龙 8797 来做舱驾一体的版本，毕竟后期 VLA 模型中大语言模型的加入还是会增加对算力的需求。

在图中，8775 平台的舱驾一体方案大致可以等同于座舱域 120% 的 8155 性能以及智驾域 120% 的 J6M 性能。而基于 8797-A 的方案，甚至可以实现 150% 的 8295 性能再加 100% 的 Thor-U 性能。也就是说，在 8797-A 平台上，卓驭能够实现超过目前行业内旗舰车型的性能，并且前面提到的舱驾一体的所有优势依然能够体现。

通过这张图，打消了我前面的很多关于算力的疑虑。也说明舱驾一体方案其实并不单纯只有成本优势，不会只限于低端车型才会搭载，在旗舰车型上同样也具有竞争力，毕竟也没有人规定一颗芯片一定打不过两颗芯片。

最后

其实在了解舱驾一体方向之前，我更多质疑的来源是这个方向结果的不明确，这个行业之前并没有跑出来过一套落地的方案，很多所谓的优势都停留在理论层面。但是目前卓驭首发把这个方向落地了，而且还直接落地在了不到 15 万的车型上，除了那些大大小小的优势之外，也更加证明了这条路线的成本优势。

但回到客观角度，降本其实对于技术发展来说是一个被动发生的必然结果，那么像卓驭这样的又是怎么更早把这件事做好的呢？

当我往前看过去这几年卓驭的技术发展之后，答案才逐渐清晰。

在早期大疆车载方案上，就通过双目视觉实现了优秀的障碍物感知能力，也极大地压低了成本，再到后来双目视觉升级到惯导双目，也就是把 IMU 和双目视觉做在一个模组上来继续增加视觉感知的性能。并且在侧向感知上，也从当时就一直坚持采用广角环视镜头。当其他智驾方案都在学习特斯拉的传感器布置方案的时候，当年的大疆车载到今天的卓驭，从 3 年多以前就开始坚持自己的技术路线，这不仅需要非常强的技术前瞻洞察能力，也对软硬件定义能力提出非常高的要求。

所以智驾行业从硬件到软件似乎从来都没有标准答案，有的只是不断地创新，思考如何把硬件、软件、模型成本之间，用最适合并且优雅的方式结合在一起。需要持续思考如何在有限的资源下做出极致的系统整合，让每一份算力、每一颗元件都被充分发挥，这不仅是技术优化的胜利，更是一种工程美学的体现。