11月1日，輕舟智航正式發布自動駕駛解決方案品牌名稱“輕舟乘風”。“輕舟乘風”取自詩句：長風破浪會有時，直掛云帆濟滄海。這兩句詩出自唐代大詩人李白的《行路難》，表達的是一種歷經坎坷，但仍然無比堅定的信念，也充分彰顯了輕舟智航的價值主張：基于數據，成于感知，用最強的PNC引領城市NOA的新高度;攜手生態伙伴，打造使用范圍最廣的自動駕駛解決方案 。

在近日舉辦的輕舟智航技術工坊媒體溝通會上，輕舟智航公布了其在感知、數據、預測等多方面的最新技術進展，其中，大模型OmniNet最為驚艷。OmniNet取名自omnipotent，象征「無所不能的感知融合能力」，它將作為輕舟智航的感知主模型，支持核心感知功能。

據介紹，基于「超融合」感知方案，為助力加速城市NOA前裝量產，輕舟智航在行業內首次將時序多模態特征融合的大模型OmniNet部署在量產平臺上，以一個神經網絡即可實現視覺、激光雷達、毫米波雷達在BEV(Bird’s Eye View)空間和圖像空間上輸出多任務結果。相較傳統方案，OmniNet在實際應用中可節省2/3的算力資源，并擁有更高的感知融合精度和模型迭代效率，而且可以低成本適配不同廠家的傳感器配置，更輕量、更高效、更靈活地滿足城市NOA的量產需求。

輕舟智航此次提出的OmniNet是應用于前中融合階段、實現數據/特征融合的全任務大模型，也是首個可在量產計算平臺上實現時序多模態特征融合的大模型。利用一個神經網絡模型，將視覺、毫米波雷達、激光雷達等數據通過前融合和BEV空間特征融合，讓本來獨立的各個計算任務通過共享主干網絡(backbone)和記憶網絡(memory network)進行高效多任務統一計算，最終同時在圖像空間和BEV空間中輸出不同感知任務的結果，為下游的預測和規劃控制模塊提供更豐富的輸出。

與傳統方案相比，OmniNet感知更精準，提供豐富且準確的環境感知結果，有效提升感知的精度和準確性;車端更適配，以更高的算力資源利用率，更低的遷移成本，更好地滿足車企泛化需求;迭代更高效，更適宜使用數據驅動的算法開發模式，有效解決實際道路場景面臨的長尾問題。

輕舟智航聯合創始人、首席技術官侯聰表示，城市NOA是輔助駕駛的天花板，但未來一定會逐步成為消費者的主流需求。實現“能用、好用、愛用”的城市NOA，正是輕舟智航對于用戶及客戶的價值，助力主機廠實現智能駕駛突圍。

關鍵詞： 輕舟智航 自動駕駛