易航智能陈禹行：自动驾驶的“向高之路”——从机械化到AI驱动的全面实践

12月8日-9日，地平线首届技术生态大会（Horizon Together 2025）在深圳召开。大会以“向高同行”为主题，汇聚全球汽车产业链头部公司，聚焦“加速全场景辅助驾驶量产普及”的阶段性使命，分享前沿实践，凝聚关键共识。

易航智能创始人兼董事长陈禹行系统回顾了自动驾驶技术从“机械化”向“拟人化”演进的核心脉络，并指出AI技术在驾驶领域的全面实践，正引领行业走向以“端到端方案+世界模型”为特征的终局。他强调，高阶智驾的开发范式已发生根本转变，其核心主导者正从传统的系统工程师转变为AI专家。

陈禹行从解决用户“扩大适用场景”和“体验更拟人化”两大核心需求出发，勾勒出自动驾驶技术发展的四个阶段：从十年前的CNN深度学习结合规则规控，到BEV感知方案，再到当前的端到端方案，最终将迈向所有模块融合为单一AI大模型的阶段。他认为，这标志着自动驾驶研发范式已从局部的AI技术应用，彻底转变为AI在驾驶领域的全面实践。他以人类学习投篮为例，生动说明了AI在处理无法穷举的复杂场景时的独特优势。

陈禹行进一步阐述了高阶自动驾驶发展的三大特点：一是开发方式的重构，AI已成为驾驶任务落地的核心；二是技术呈螺旋式上升，端到端和世界模型等技术理念历经波折后成为行业共识与最优解；三是模型、算力、数据的投入复杂度呈数量级提升，产品的主导权移交至AI专家手中。他同时提到，在转型期，易航智能将十年量产积累的传统算法经验与端到端模型进行交叉验证，并构建了通过国内外安全认证的主动安全模块，以筑牢系统安全底线。

在产业协作层面，陈禹行分享了与地平线深度协同的实践与思考。他指出，芯片厂商、算法Tier1和生产厂商的有机协同能大幅提升开发效率。易航智能自2022年与地平线打造“芯片+算法”共生模式以来，从基于征程2的前视一体机量产，到双征程5城市NOA项目，再到成为首批征程6算法合作伙伴，双方合作不断深化。面向未来，陈禹行认为“全栈可控的联合开发模式”非常契合高阶智驾，这种模式能平衡供应商追求规模一致性与车企要求产品独特性的矛盾。易航智能也将不局限于国内市场，致力于对标全球竞争，携手地平线共同开创AI时代。

易航智能创始人兼董事长陈禹行；图片来源：地平线

演讲正文：  

陈禹行：各位朋友，各位嘉宾，大家好！

我是易航智能的陈禹行。首先，非常感谢地平线搭建这样一个分享的舞台，这两天高朋满座，堪比智驾圈的年终大会，可见凯哥这几年也是把朋友搞得多多的。我也非常荣幸能参加这次活动。今天，我想和大家分享《自动驾驶量产的向高之路》，探讨 AI 时代智驾的未来，以及易航在自动驾驶向高之路上的思考。

首先，易航是一家成立了十年的公司，见证了自动驾驶在我国的发展方案变迁。自动驾驶的发展始终围绕 “解决用户痛点” 展开，我们总结出用户的两大核心需求：第一，希望扩大适用场景，解决城市高架、上下班通勤这类高频场景的出行痛点；第二，希望自动驾驶系统体验更拟人化 —— 如果系统像 “老司机” 一样，终端用户会更愿意使用，自动驾驶的商业价值能更好体现，出行体验也更安全。所以从体验上，终端用户希望自动驾驶系统能做得更加拟人化。

从 “场景” 和 “体验” 两个维度来看，自动驾驶经历了以下几个阶段：第一，十年前，CNN 深度学习刚被引入，结合 CNN 图像处理技术，再加上基于规则的规控算法开发，我们得以推出 L2 系统。第二，经过几年发展，为解决更多场景、提升体验拟人化，行业开发出 BEV 感知方案，搭配更复杂的规控算法，让系统体验更拟人、更安全，能呈现更多功能。第三，发展到现在，为进一步让系统更拟人化、把场景拓展到城市道路，行业又推出端到端方案 —— 不仅感知环节用深度学习、人工智能开发，规控环节也采用同样技术。第四，随着行业进一步发展，自动驾驶的感知、规控等所有模块会融合成一个大模型，进入真正的 AI 驱动阶段。

整个自动驾驶的发展与研发范式，就是从系统的 “机械化” 逐步过渡到 “拟人化”，从基于规则的开发方式，逐步转向 AI 驱动的模式。从自动驾驶发展态势来看，其从量产走向终局的路径已逐步清晰 —— 就是 AI 驱动的自动驾驶方案。现在，自动驾驶走向高阶有以下几个特点：

第一，从局部的 AI 开发，转变为 AI 在驾驶领域的全面实践。为什么这么说？十年前我刚创业时，可能有些朋友知道我的背景是研究驾驶员模型。从 1950 年开始的六七十年里，人们对人类驾驶行为已有诸多研究，但始终没能解决前端感知难题 —— 无法精准识别车辆前方的目标与障碍，所以只能停留在理论、学术研究甚至军方探索层面。深度学习出现后，我们将其引入自动驾驶感知领域，结合既有的人类驾驶行为研究，才诞生了自动驾驶的初步产品形态。

发展到现在，自动驾驶的开发方式已经进行了完全的重构。现在已经不再是将 AI 技术简单引入行业，而是 AI 技术在驾驶领域的深度落地。有人觉得车辆只有平面运动，形式相对简单；也有人认为驾驶无需过多思考、深厚背景知识，属于简单行为。因此大家达成共识：驾驶是当前人类社会中相对简单的任务，也成为 AI 技术在人类任务中最早尝试、最先落地的领域。从自动驾驶开发方式来看，已从局部的 AI 技术应用，转变为 AI 在驾驶领域的全面实践。

我想起两年前课题组的一次聚会，很多研究驾驶员行为的师兄、老师认为，自动驾驶规控方案必须基于驾驶员行为研究理论制定 —— 这样才能保证系统安全，且驾驶行为具备可解释性。但他们觉得引入人工智能做规控存在不少风险。我当时反驳道，面对如今驾驶场景的高度复杂性，我们无法通过理论完全归纳，深度学习就是绝佳解决方案。我举了个例子：就像学习篮球投篮，我们能造出百发百中的投篮机器人，但刮风时要考虑风速大小，篮球重量变化也要建立更复杂的模型；一个简单的抛物线模型，仅场景扩充就需要这么多复杂处理，而驾驶行为面临的路面场景更复杂，根本无法通过穷举解决。人类却不同：学习投篮时甚至不懂抛物线原理，经过一段时间练习，就能精准完成投篮动作；更重要的是，学会投篮后，就算把纸团扔进垃圾桶，无论风大风小都能应对 —— 这正是人工智能的优势：能处理那些无法穷举、包含大量复杂因素的场景。所以现在的自动驾驶开发，已从局部的 AI 应用变成 AI 在智能驾驶领域的全面实践。

第二，技术以螺旋式上升的方式发展到一个终局的状态。

十年前，不少公司探索端到端模型，比如知名的 Comader（音）AI 公司，他们训练的小型模型曾在旧金山高速实现一段时间的自动驾驶。当时马斯克对此严厉批评，认为该方案无法落地、隐患极大。如今行业技术足以支撑大模型端到端方案，驾驶行为处理的最优解正是端到端方案，而马斯克也最早将端到端方案落地到特斯拉自动驾驶系统中。

再举个例子：如今热议的世界模型，早年对应的是图像与自动驾驶仿真工具。2019 年，我们与一些国际车企合作时，一家以色列图像仿真公司也想参与项目，当时这些国际车企反复质疑：“你们如何证明软件能多大程度还原客观世界？” 因此当时即便国际车企，也对仿真工具、模型工具抵触强烈；如今，世界模型已成为行业共识。可见，AI 驱动的自动驾驶从量产到终局，核心路径就是端到端方案结合世界模型。

第三，模型、算力、数据的投入和复杂度比传统自动驾驶算法开发有数量级差异。

在传统开发中，产品的核心主导者是系统工程师，其负责协调感知算法、规控算法、软件与硬件，最终将各类算法集成，打造出自动驾驶产品。如今在高阶系统中，产品的核心主导者变成 AI 专家 —— 其需要将自动驾驶的规控、感知及其他功能，全部通过模型来实现。这也意味着，自动驾驶发展到高阶阶段，将成为完全由 AI 驱动的产品形态。

上述技术迭代过程中，我们处于转型期、刚迈入高阶阶段时发现：数据或 AI 驱动的自动驾驶产品，在某些极限场景下仍存在安全隐患。因此，引入传统算法进行交叉验证与比对，进一步提升安全性就尤为重要。为此，我们将十年量产积累的场景、算法经验，与如今的端到端模型比对，持续提升系统安全性。同时，为了保证安全性，在系统里有一个单独的主动安全的模块，这也是我们易航最重视的，也是最早就开始投入的一个功能。目前我们的主动安全模块已通过国内 CNCAP、欧洲 ANCAP 认证，在欧洲十几个国家测试后，误触发率可控制在百万公里低于 1 次。为进一步提升行人保护能力，针对部分低成本、无激光雷达的单视觉方案产品，我们同时开发了单视觉与融合方案，以此筑牢系统最后一道防线 ——AEB。

刚才说了很多技术上的，向高之路上的变化。在产业链的深度协同也会带来量产交付的合力。我们发现，我们发现，高阶智驾研发中，芯片厂商、算法 Tier1、生产厂商的有机协同，能大幅提升产品开发效率：芯片厂商能加速技术迭代，实现快速量产升级，甚至突破摩尔定律的限制；生产厂商则能聚焦扩大产能、降低成本；算法 Tier1 厂商则能专注于软件算法与 AI 技术研发，与芯片厂商开展更深层次、长期的合作探索。这能降低芯片切换频率，加速平台化进程，大幅提升投入产出比。

所以我们在2022年，和地平线一起，打造了“芯片+算法”共生模式的样板，在2022年，我们和地平线合作的征程 2 前视一体机当年就实现大批量出货。2023 年，启动双 征程5 城市 NOA 项目，完成多模态 BEV 部署；2024 年，我们成为地平线首批 征程6 算法合作伙伴；2025 年，我们与地平线进一步在算法、数据、业务、资本层面深化协同。这些年的成绩离不开地平线的大力支持 —— 地平线搭建了开放的生态，推动智驾平权，这对行业乃至整个产业意义重大。而且在这个过程中，地平线真心支持像我们这样的合作伙伴，真正做到了在向高之路上一路同行。

除了产业链的上下游开发，在高阶的方案上，作为供应商和车企之间，也会有更新的一种研发模式。车企以前的开发模式有几种，有一种是传统的零部件，我们只找供应商的模式。也有全栈研发，所有的都是自己去开发。但是这两种模式都会有些缺点，比如找供应商的模式，对车企来讲，他的产品或者智驾产品的感受没有一致性，没有延续性，对于全都自己开发来讲，车企的开发方式跟供应商的开发方式不太一样。作为车企来讲，既要做甲方，又要做乙方，会影响开发的效率和节奏。所以，我们一直在探索和车企的（合作）方式。作为供应商来讲，我们希望所有车企的产品做成越一致越好，这样可以把产品做到最大的规模化。作为车企来讲，他希望我们的产品有非常强的独特性，跟其他所有的厂商产品都不一样。作为供应商和车企来讲，就有一个先天的分歧，我们如何弥补这种分歧？我们和车企进行一种联合开发的模式，这样对于车企来讲，可以全栈可控，可以把核心、独特的功能，可以把算法交给车企，让他自己做开发。我们把更多的精力放在开发功能本身，我们也可以帮助车企去做一些与研项目，也可以把更少的精力投入在和车企交流项目的过程中。所以我们认为全栈可控的研发方式非常契合高阶智驾。

作为和车企的联合开发方式，作为高阶智驾的量产，要有三个全的能力：全栈技术的能力、全局经验的能力、全面服务的能力。

最后，我简单介绍一下易航智能。易航成立十年，是中国自动驾驶量产之路的缩影 ——2016 年开启量产，2019 年率先斩获 ENCAP 五星认证并出口欧洲，如今已逐步量产高阶自动驾驶系统。产品方案覆盖低阶智能前视一体机、中高阶笃行平台，可实现高速领航、城市记忆领航及全场景自动驾驶。

在海外市场的布局上，我们也是在积极布局。在国产化的时代，地平线从很多的竞争者里脱颖而出，如今，地平线已经引领了时代，引领了行业。作为地平线生态合作伙伴，易航也不会局限于国内市场，将对标全球高水平竞争，打造中国品牌。我们很荣幸与地平线合作，携手开发多款自动驾驶系统，为行业贡献力量。

最后，希望能和地平线一起，携手开创AI时代。谢谢大家！