领骏科技杨文利：自动驾驶商业化破局，从无人巴士降维落地

随着多地相继开放无人化道路测试与首部智能网联汽车法规出台，自动驾驶正迈向商业化深水区。然而，技术愿景与落地现状之间的落差依然存在。曾任百度自动驾驶团队早期核心架构师、现为领骏科技创始人兼 CEO 的杨文利指出，自动驾驶正在回归工业制造本质，行业亟需告别互联网式的投融资模式。

自动驾驶的三个周期与第一性原理

杨文利将自动驾驶的演进划分为三个阶段：

1. 2014—2020 年（基础产业成熟期）：积累核心算法，推动线控底盘、激光雷达及计算芯片等供应链从高昂走向平价与成熟。
2. 2021—2025 年（小规模商业化阶段）：重点在于打通技术到产品的转化，形成商业闭环。
3. 2025—2030 年（大规模商业化重塑期）：政策与公众认知就绪，以产品力和实际价值展开全面竞争。

自动驾驶兼具软件和重工业制造双重属性，受制于客观的工业生产周期。如果套用互联网流量节奏盲目扩张，极易在硬件迭代过快时形成庞大的无效资产与无效研发。在底层供应链成熟前保持轻量化研发、深耕高维算法，待时机成熟再推动量产，才是稳健的产业逻辑。

场景降维：从开放乘用车到无人巴士

高维场景如 Robotaxi 短期内难以完全拿掉安全员，经济模型难以自洽；而乘用车量产领域主要集中于辅助驾驶，底层技术栈与高阶无人驾驶存在差异。领骏科技选择了一条“高维切入、降维落地”的路径：主攻无人巴士与城市支线物流。

相较于乘用车，无人巴士运行在线路固定、车速较低（20~60 km/h）的环境中，大幅降低了场景复杂度。但由于仍处在开放道路中，系统仍需与人类驾驶员博弈，最核心的规划与决策算法要求并未降低。低速场景的快速落地不仅能尽早实现自我造血，运营积累的数据也能反哺乘用车算法，构建“下得去、回得来”的技术闭环。

除无人巴士外，领骏科技还将算法迁移至城市支线物流配送车。两类场景均运行于固定路线，算法复用度极高，能够为智慧交通提供规模化运人与运货服务。

车路协同与高效仿真构建核心壁垒

针对长尾场景（Corner Cases），杨文利强调车路协同是国内产业的最优解之一。例如“鬼探头”等视觉盲区难题，单靠车载传感器成本极高且存在物理极限。路端智能灯杆具备高视点感知能力，直接将信号同步给车辆，成为车载视觉的高效延伸。

在研发效率方面，领骏科技依托工业级仿真系统加速模型迭代。团队借鉴硬盘制造等精密工业的设计思想，仿真平台不盲目消耗算力于游戏级画质渲染，而是高度抽象道路博弈态势。这种设计支持在单机上进行高并发的超实时仿真，在虚拟空间内以数倍于现实的时间跨度完成决策与控制算法验证。

当前自动驾驶行业远未进入存量博弈的红海阶段。脱离无序烧钱后，如何以系统工程思维平衡软硬件配合、控制单车成本并实现真实商业价值，将是行业下一阶段分水岭的核心所在。