--Nullmax纽劢：Transformer与量产行泊一体

　　随着汽车"新四化"进程的不断深入，汽车智能化的趋势日益明显，汽车厂商纷纷将自动驾驶技术作为当前研发的重点工作，先进软件算法和大算力芯片的集成方案迎来了广泛关注。在黑芝麻智能举办的"2023智能汽车芯片高峰论坛"上，纽劢科技(上海)有限公司（以下称"Nullmax"）首席科学家成二康博士发表主题演讲"Transformer与量产行泊一体"，分享了该公司基于BEV + Transformer技术架构的领先研究成果，以及面向行泊一体的量产落地实践与经验。

　　Nullmax主张使用机器学习优先的自动驾驶技术路线，通过先进的计算机视觉、深度学习及人工智能技术，打造以视觉为主、多传感融合感知的自动驾驶全栈解决方案。Nullmax与黑芝麻智能在2021年即达成战略合作，共同打造自动驾驶算法集成解决方案。

　　对于自动驾驶的主力需求领域ADAS，Nullmax打造了车端、云端两大系统。车端系统主要包括感知、规划、控制在内的MaxStack上层应用；云端系统提供高效数据闭环。目前Nullmax产品矩阵包括MaxDrive行泊一体和MaxVision视觉感知算法两个产品线，都可以覆盖高、中、低端的算力需求。

　　在行泊一体方案的探索方面，成二康介绍，Nullmax提出了行泊一体1.0到4.0形态演变的概念，1.0形态是独立的分离式域控，2.0形态是集成式域控制器，3.0形态可以在一个SOC芯片上完成行车和泊车。目前Nullmax打造了真正融合的行泊一体4.0形态方案MaxDrive，具有传感器深度复用，芯片资源共享的优势。

　　凭借领先的自动驾驶技术体系与数据驱动的自主成长系统，Nullmax形成了核心的技术壁垒，通过视觉算法和深度学习的网络，形成了目前的BEV-AI技术架构。成二康表示，开发BEV架构的目的是支持一"芯"两用，同时能够适配不同算力。Nullmax希望BEV-AI基础设施架构具备三大属性，第一是支持所有的平台，第二是支持所有的产品线，第三是具备产品化的性能。

　　在具备三大属性的同时，Nullmax还着力解决了BEV架构在实际量产应用中的难点、痛点，例如，提出基于Transformer的3D车道线检测方法CurveFormer，高效满足复杂城市道路等场景下的车道线检测要求；面向任意相机配置（单个或多个）的BEV语义分割算法BEVSegFormer，可用于实时构建稠密的高精度局部地图，并拓展到了目标检测、时序等任务当中；所打造的BEV-AI整体架构，涵盖感知、预测、规划任务，能够通过平台化应用快速完成定制化方案的开发、部署和升级，具有面向部署优化和超远距离感知等特点。

　　Nullmax开发了业内唯一能够在单TDA4上完成行泊一体的平台化方案，国内首个双TDA4独家定点周视方案，还率先将Transformer神经网络运用实现基于局部实时构建地图的城市级自动驾驶。目前，Nullmax已经与多家汽车厂商、一级供应商、芯片厂商建立了深入的量产合作，携手上下游伙伴共推先进技术的商业化落地。