當前，高階智駕的供需關系尚未達到平衡點。

隨著智能駕駛功能的不斷成熟、消費者接受度提升、成本降低，L2已經成為主要的駕駛輔助方案。據蓋世汽車研究院統計，2024年1-3月新能源乘用車市場L2級別（含L2、L2+、L2++）市場滲透率已超過53%。其中，20萬以上價格區間車型L2滲透率均已經超過89%以上。未來10萬以下車型也將迎來ADAS的增長。

與此同時，以城市NOA為代表的高階智駕功能加速落地。隨著城市NOA需求的爆發，行泊分體的硬件設計將逐步退出市場，更具性價比的行泊一體方案會成為主流。

在智駕滲透率持續提升的趨勢下，兼顧“成本可控”和“功能好用”的智駕系統，才是真正值得擁有的高階智駕。

作為一家硬科技企業，幾何伙伴(G-PAL)在推動智駕平權中給出了“解題之法”：基于軟硬件一體的解決方案能力，并通過“菜單式交付”的模式，為主機廠和用戶帶來極具智價比的高階智駕產品。

除了通過視覺+4D毫米波成像雷達（以下簡稱為“4D成像雷達”）融合的技術路線顯著降低感知系統成本，幾何伙伴還提出了“輕量化分段式端到端”理念并將其成功落地——借助高效的輕量化模型架構和算力優化方案，將端到端架構部署至中算力SoC上，為高階智駕的量產應用探索出了一條新路徑。

在智能駕駛技術日新月異的今天，幾何伙伴憑借其自主研發的行泊一體解決方案，正引領著行業向更高效、更智能的方向發展。

G-PAL行泊一體智駕解決方案：性能安全與成本平衡的更優解

智能網聯汽車的智駕安全問題一直是行業熱議的話題。對用戶而言，真正安全的智駕，就是要能夠保證在復雜路況、極端天氣下，車輛能夠有足夠的反應識別能力和控制響應能力。

而G-PAL行泊一體解決方案能夠實現高階智能駕駛的全天時、全天候運行，其核心便在于獨特的視覺+4D成像雷達融合感知系統。其中，視覺傳感器提供豐富的紋理和顏色信息，而幾何伙伴自研的高分辨率4D成像雷達則擁有出色的測距測速能力和對弱光、惡劣天氣環境的適應性，兩者相輔相成，共同構建了高精度、高魯棒性的環境感知模塊——這種融合感知技術大幅提升了系統對復雜場景的識別能力。

此外，這一種多傳感器融合技術也為行泊一體復用軟硬件提供了有力支撐。在泊車時，360°“視覺+4D成像雷達”融合感知系統實現了對車身周圍無盲區的感知區域覆蓋，因而能夠無縫替代傳統的超聲波雷達，打造環境適應性更強、性價比更高的記憶泊車、自主代客泊車等高階智駕功能。

▲幾何伙伴行泊一體智駕系統感知FOV示意圖（3.0版本）

這套方案不僅代表著幾何伙伴在智能駕駛領域的深厚積累，更是對“智價比”這一概念的生動詮釋——即基于先進的智能化技術，以“人有我優”的方式，實現產品力與價格的高比值，為用戶帶來超越期待的駕駛體驗。

相較于市場上其他產品，G-PAL行泊一體解決方案在性能與成本上展現出卓越的“智價比”優勢，這也是國內首款能夠實現全天時全天候城市場景應用的輕圖高階智駕方案。

該系列產品根據硬件配置可劃分為7V5R低算力方案、11V5R中高算力方案和面向未來L3/4自動駕駛的高算力方案。

以基于幾何伙伴行泊一體3.0系統架構的11V5R中高算力方案為例，這套進階版行泊一體解決方案面向L2++高階智駕，以城市NOA為核心功能，基于幾何伙伴自研核心算法、高性能域控制器、11V5R傳感器配置，可安全高效地應對左右轉博弈、人車混行、異形障礙物、鬼探頭等復雜城市通行場景。結合360°“視覺+4D成像雷達”融合感知，該系統將智駕應用場景的適用性拓展至全天時、全天候范圍，即便在雨雪霧霾等復雜天氣下，也能為用戶帶來優質的駕乘體驗。

在3.0系統架構的基礎上，幾何伙伴已形成Lite、Pro、Max三個版本的領航輔助駕駛方案，可分別實現輕量城區NOA、進階城區NOA和全場景城市NOA。

幾何伙伴這條技術路線以多模態、全天候、低成本、易量產為特色，其核心優勢在于能夠基于合理的算力消耗和高性價比傳感器配置，實現L2++級別的城市NOA、城際NOA、記憶行車、記憶泊車以及代客泊車等一系列功能，而系統成本也更貼近實際需求，讓用戶在不同級別的車型中都能體驗到絲滑流暢的高階智駕功能。

可見，G-PAL行泊一體智能駕駛解決方案為高階智駕功能的規模化上車開辟了一條更易落地的技術路徑。

輕量化分段式端到端：實現場景理解更精準、決策更擬人的高階智駕

智能駕駛的性能表現除了受制于傳感器的精度與可靠性，還取決于算法優化、算力適配、數據質量這三大底座。

實際上，“端到端”的要義并非盲目追逐高算力或堆砌龐大的模型參數。幾何伙伴深諳此道，秉持著面向量產的實用主義，基于市場的真實需求和智駕實際使用條件的考量，選擇在主流中算力智駕SoC上高效部署端到端架構，同時嵌入必要的安全冗余設計，旨在為消費者帶來超越預期的智駕使用體驗，加速智駕能力的迭代進化。

因此，在過去幾年中，幾何伙伴除了不斷挖掘硬件的潛力，還通過先進的算法架構和軟件優化能力，開發出一套通用感知端到端、預測決策一體化框架。

這套算法架構把原本基于多個神經網絡模型的感知任務，收攏到一張全面互聯的感知網絡上，極大提升了信息的整合效率和處理的協同性；同時，預測和決策也得以無縫銜接，加之可解釋性規劃控制，便形成了一張認知網絡。通過前后兩張網完成所有駕駛任務，這就是分段式端到端。

▲幾何伙伴行泊一體智駕系統方案算法架構

●通用感知網絡GGPNet(GGPNet,全稱G-PAL General Perception Net)

在感知階段，視覺攝像頭和4D成像雷達的數據通過深度學習模型進行融合。這種融合并非是在特征層面上進行簡單疊加，而是通過神經網絡中的特定融合模塊，深度提取和整合來自視覺攝像頭的高分辨率圖像信息與4D成像雷達提供的點云、方位角、俯仰角、深度和速度信息，實現了數據特征的深度交融。

通用感知網絡GGPNet通過Transformer架構中的交叉注意力機制，能夠有效處理視覺和4D成像雷達數據之間的復雜關系，尤其是能夠融合對小型目標或部分遮擋目標的感知能力，以及捕捉到更細膩的物體表面特征，使得感知系統可以在復雜環境下更精準地進行目標檢測、分類和追蹤。

幾何伙伴GGPNet是國內首個可在量產計算平臺上實現視覺+4D成像雷達多模態異構特征融合的感知模型，以一張神經網絡即可實現4D成像雷達與相機聯合輸出多任務結果，形成動、靜態環境感知多任務合一。相較于傳統方案，GGPNet能顯著增強多個感知任務之間的一致性，確保了系統整體性能的提升，同時能夠有效降低算力資源的消耗。

具體而言，GGPNet能夠執行包括全域通用障礙物檢測、在線建圖以及交通標志識別等在內的多任務處理，全面提升了系統對周圍環境的準確識別與理解能力，為下游的預測決策提供了堅實的感知基礎，從而讓系統得以從容應對異形障礙物、鬼探頭、加塞并線等復雜場景。

●預測決策網絡GPDNet(GPDNet,全稱G-PAL Prediction Decision Net)

幾何伙伴預測決策網絡GPDNet可以讓車輛的各場景應對表現更為智能，駕駛軌跡與速度規劃更擬人化，在復雜場景中的通行也會更加順暢。

GPDNet創新性地將預測過程和決策過程整合在一個網絡模型內，旨在消除常見的智駕方案中預測與決策解耦導致的信息損失與交互缺失。幾何伙伴使用同一個模型輸出車輛未來狀態序列（決策）及推演環境中其他交通參與者的未來狀態序列（預測），并通過注意力機制，使預測決策模型的交互博弈能力更強，有效化解傳統預測-決策解耦方案存在的諸如響應延遲、前后頓挫等弊端。這一設計顯著提升了智駕系統的擬人化表現，大幅提高了通行效率。

此外，可解釋性規劃控制過程也有力確保了該方案的可落地性，它以大模型輸出的多智能體聯合策略輸出為參考，輸出可解釋的控制指令，從而確保必要的安全性和合理性。

值得一提的是，幾何伙伴GPDNet是業內首個引入4D成像雷達感知結果的預測決策端到端方案，在兼顧系統量產性的同時，也減少了感知-規控的信息損失，進一步提升了分段式端到端方案的性能天花板。

多模態異構信息融合與分段式端到端架構的結合，既確保了高計算效率和低延遲，讓系統在毫秒級別內完成感知-決策-執行的閉環處理；同時也讓系統的決策規劃能力整體增強，不僅能夠“預測”，還能執行更為精準的“預判”。此外，這套系統還配備了從硬件到底軟再到算法的安全降級策略，嚴守安全底線。

在先進的感知系統、數據驅動和安全機制支持下，用戶可以通過G-PAL新一代行泊一體智能駕駛系統盡享全天候安全智駕。

數據驅動算法迭代，打造越用越聰明的智駕系統

端到端無疑將加速全場景NOA的規模化落地。在此過程中，高質量、多樣化的數據積累與分析將是增強端到端場景泛化能力、提升性能體驗的關鍵驅動力。

對此，幾何伙伴構建起超千萬幀專業級“4D毫米波成像點云+視覺圖像”的多模態數據集。其原始數據里程超10萬公里，全天時全天候的數據積累涵蓋城區、快速道路及高速公路等近千個場景。

這套數據閉環彌補了當前業內此類數據集的空缺，并打通從數據采集到模型部署的閉環鏈路，打造出高效智能化數據閉環系統，有力支撐算法的快速迭代和場景泛化。

▲幾何伙伴數據平臺

幾何伙伴還建立了智算中心，同時提出基于算力約束和需求驅動的模型分布式訓練方法。這種方式能夠迅速對采集數據進行4D場景目標的精準自動化標注，與傳統訓練方法相比，效率顯著提升。結合云端高并發、大算力、易擴展的優勢，將進一步加速高階智駕感知、決策、規劃和控制等算法的閉環迭代進程。

在數據驅動的迭代模式下，G-PAL行泊一體智能駕駛系統經過車端駕駛數據的打磨，將會愈發貼合用戶的駕駛習慣，從而越開越好用、越用越聰明。

高性能行泊一體域控制器：高集成、易拓展設計滿足多樣化需求

如前文所述，ADAS和部分L2+功能正在向經濟型車型滲透，這部分車型的智駕訴求表現為：以更低成本滿足用戶對更多城市智駕體驗的期待。

對此，G-PAL新一代行泊一體解決方案致力于通過極具性價比的軟硬件方案以及更合理的算力配置，來滿足主機廠和用戶的實際需求。

幾何伙伴車規級行泊一體域控制器采用高性能SoC，能夠處理大量復雜的計算任務，如感知、決策和控制算法等。它支持攝像頭、4D成像雷達等多種傳感器數據的并行處理和融合，從而確保車輛能夠對周圍環境進行準確感知并高效處理。該域控制器具備高帶寬的數據傳輸能力和實時操作系統，能夠確保各個部件之間實現快速信息交流與實時響應，以從容應對快速變化的交通場景。此外，還結合了軟硬件安全冗余設計，確保系統在各種極端條件下的可靠運行。

不僅如此，在軟件架構上，幾何伙伴域控平臺搭載的自研中間件符合功能安全和實時性要求，能夠對常見的車載通訊方式進行統一封裝，且通訊模塊支持安全加密，提高系統的安全性和可配置性。

這些軟硬件特性使得幾何伙伴車規級行泊一體域控制器能夠基于合理算力配置，處理復雜的實時數據和算法，實現高級別的自動駕駛功能，并在性能和可靠性方面達到行業標準。

▲幾何伙伴車規級行泊一體域控制器

此外，幾何伙伴行泊一體域控制器的硬件架構設計還充分考慮了易拓展性。對于更高價位的車型以及未來系統的功能迭代，這套行泊一體域控制器可拓展算力至200+TOPS，并支持攝像頭、4D毫米波成像雷達、激光雷達等多傳感器接入，增強安全冗余，提升城市NOA、城際NOA等L2+功能的舒適體驗，覆蓋從入門級到高算力平臺。同時，該架構還提供豐富的總線接口支持，能夠輕松接入車載網絡，實現與車輛其他系統的無縫集成。

基于傳感器、算法、系統架構的協同創新，幾何伙伴將以一套感知性能可靠、算法扎實、功能豐富的系統，讓智駕產品從“可用、夠用的系統”進化為“更聰明的伙伴”。

開箱即用，菜單式交付模式打造全棧可控智駕系統

基于軟硬件高度協同的能力和戰略布局，幾何伙伴可在智駕系統研發的多個環節提供技術解決方案，覆蓋感知-決策-控制全鏈路，并以軟硬件技術服務支持的方式深化合作。

這種模式以幾何伙伴強大的系統架構能力為基礎，支持客戶按需選擇傳感器陣列、域控制器配置并組合定制成最契合自身需求的智駕系統解決方案。如此一來，極大提高了交付的靈活性和效率，同時有效縮短了產品研發周期并降低成本。

為實現“菜單式交付”，幾何伙伴實施了模塊化設計、標準化接口協議及云端管理平臺等一系列技術創新舉措，確保模塊間無縫集成與高度協同；此外，還提供HIL、SIL測試部署工具鏈，可進一步提高交付效率與質量。

當前G-PAL行泊一體解決方案已然能夠做到“開箱即用”。其中的核心模塊“視覺+4D成像雷達”可作為L2+至L4級智駕在極端情況下的托底感知系統，為系統架構設計提供了一種成本效益更高、全天候性能更優、感知精度更準確、泛化能力更強、更易于維護和升級的智駕解決方案。

得益于從研發到量產的全棧可控能力，目前幾何伙伴在系統級解決方案上已經與多家主機廠客戶展開深度合作。其中，國內多家頭部主機廠客戶已完成POC驗證，2025年將實現該方案的量產落地。

智行四海展宏圖，行泊一體辟新路。從G-PAL行泊一體解決方案2.0到3.0的成功落地，再一次有力彰顯了幾何伙伴的軟硬實力。下一步，幾何伙伴必將全力以赴，以堅定的步伐加快行泊一體智駕系統從中高端到經濟型車型的全面覆蓋，圍繞更好地平衡性能與成本這一目標，持續打造消費者真正關注、愿意買單的智能駕駛功能，踐行智駕平權的使命，引領智能駕駛新時代的蓬勃發展。

審核編輯 黃宇