在自動駕駛領域，于騫是個頗具傳奇色彩的人物。他本碩就讀于清華大學計算機系，隨后赴美國南加州大學攻讀博士學位，畢業后先后在Google和Waymo從事機器學習相關研發工作，走的是一條典型的技術精英路線。然而，2018年，他卻毅然離開Waymo回到中國創業，原因是他認為當時中國大部分自動駕駛公司做得不夠好。
于騫給人的第一印象是隨和且富有秩序感，這或許與他的技術背景和職業經歷有關。對技術，他有著堅定的信仰，堅信無人駕駛最終會實現，甚至認真探討“讓機器人開車”的可能性；同時，他又極為務實，反復強調成本、效率、組織規模以及在有限算力下實現能力突破的重要性。與其他自動駕駛公司動輒兩三千人的規模不同，輕舟智航僅有600多人，卻能在極限算力下為用戶帶來更好的體驗。
輕舟智航此前在行業內并非最顯眼的存在，但2024年和2025年，它卻憑借一系列成果引起了廣泛關注。2024年，該公司在地平線J5芯片上實現了高速NOA，并在理想車型上量產；2025年，又基于地平線J6M芯片實現了城市NOA。這兩件事在當時都不被看好，因為J5被認為只能做基礎功能，J6M也難以支撐城市場景，但輕舟智航不僅做到了，還將J6M的體驗做到了對標Orin X的水平。
2025年3月23日，輕舟智航完成1億美元D輪融資。于騫表示，自動駕駛正處在一個分水嶺，輕舟接下來會把更多精力放在L4和更通用的物理AI上，同時加快海外布局。他坦言，自動駕駛是一條需要長期投入且充滿不確定性的道路，但他從上學到創業，一直在做自動駕駛，如果一輩子能把這件事做成，將是一件很幸福的事。
回顧輕舟智航的發展歷程，并非一帆風順。2024年底，公司就遭遇了重大難關。當時，給主機廠的智駕項目交付后體驗非常好，但產品卻賣不動，主機廠認為對銷量沒有幫助，這讓于騫感到十分痛苦。不過，2025年1月，比亞迪提出“智駕平權”，將主機廠市場引爆。輕舟智航在2025年底用比亞迪天神之眼C同樣的128 TOPS算力做出了城市NOA，實現了比亞迪吹的“牛”。
輕舟智航采用的算力方案與比亞迪相同，都是地平線J6M。該方案在體驗上對標甚至超過了英偉達的Orin X，于2025年4月發布，2026年1月在理想汽車上量產。于騫解釋說，對于主機廠來說，1000塊錢都是一個很大的成本項，比如整車的座椅按摩系統，加起來可能也就幾百塊錢。而輕舟智航能在單J6M上做到城市NOA，是因為他們是第一個識別出這款芯片能做到城市功能的人，這種識別能力基于對芯片的了解、對技術的判斷以及優化能力。
當被問及在單J6M上跑出城區智駕，地平線創始人余凱的反應時，于騫笑著說，余凱可能受到了不小的震動，后來地平線也跟進了。最初，地平線的方案是用雙J6M來做城市，但于騫判斷多SOC（芯片）的方案很難成功，堅持用一顆J6M來跑，最終取得了成功。他認為，多芯片方案復雜度高、成本高，而且算力不是線性疊加，芯片迭代快，多顆芯片的效果不一定比一顆好，現在和未來多SOC的系統都很難成功。
對于輕舟智航在單J6M上做出Orin X體驗的說法，有人提出質疑。于騫表示，如果合作方愿意認真評估，就會有答案。例如，某頭部主機廠就很清楚，通過各種測試數據對比，包括行車、泊車、主動安全等方面，輕舟智航的技術分非常好。他們在一兩百TOPS的算力水平上做到了極致，這個產品后面一定會大放異彩。
輕舟智航能取得這樣的成果，并非偶然。于騫透露，他們首先在J6M上實現了無圖和端到端。最早在J5上連無圖都做不到，因為J5對Transformer支持不好，在J6上做了Transformer架構后，才追齊了無圖和端到端。但要實現L4，這個算力還是不夠，所以2025年下半年開始加入強化學習，爭取2026年實現突破。
在競爭激烈的自動駕駛市場，主機廠要么自研，要么有深度綁定的智駕供應商，如長城和元戎、一汽和卓馭、吉利和千里等。面對這樣的格局，于騫認為輕舟智航仍有空間。他舉例說，2023年輕舟智航拿下理想的訂單，當時大部分人也不相信。輕舟智航靠的是產品和體驗，沒有和理想的人吃過一頓飯、喝過一頓酒，理想不間斷地派一百多人次來看產品體驗，每一次都能看到明顯的進步。他認為，客戶關系只是敲門磚，主機廠賣車承受著很大的C端競爭壓力，如果產品體驗不好，再好的關系也沒用。
輕舟智航團隊規模只有600多人，而很多自動駕駛公司有2000人甚至更多。于騫表示，人多并不是一件值得驕傲的事，他希望團隊更少、更精簡、更聚焦，理想狀態是200、300人。與卓馭等擅長在中低算力下跑出高性能的公司相比，于騫認為輕舟智航與其他家的一個差別是標準不同。他們看了TDA4的方案，目前沒有任何一個體驗能跟J6M接近。如果只是為了實現功能，降低安全性和穩定性，算力可以更低；但如果要做到完整、可用且安全的體驗，128 TOPS是一個相對合理的基準線。
2022年，輕舟智航選擇了地平線J5芯片，當時業內普遍認為J5在算力和帶寬上有限制。于騫解釋說，本質是看中了國產化的確定性。在那個階段，行業里絕大多數L4公司幾乎都用英偉達方案，輕舟智航自己也用過雙Orin X。但選Orin就要和所有主機廠在同一資源池里競爭，創業要選“窄門”，去競爭不那么激烈、但確定性更強的地方。國產化選擇少，但方向確定，更容易形成競爭力，而且輕舟智航擅長用相對有限的資源做出好的體驗，這個選擇當時是對的。他們選擇的不是一顆芯片，而是一套國產化生態。
為什么不選擇更低算力的J2、J3或者TI的TDA4呢？于騫表示，他們做過很多工作，J2、J3基本做不了OTA，那是上一代的東西。而輕舟智航做自動駕駛，長期目標是奔著完全無人駕駛去的，如果連OTA都做不了、數據也回傳不了，那就是“一錘子買賣”，這樣的量再大也不會做。
在開發J5方案的過程中，輕舟智航學到了很多。J5的限制非常多，帶寬不夠，對Transformer支持也不好，CPU能力弱。他們針對每一個限制點都單獨做了優化，比如為J5設計了一套更適合的主干網絡，采用卷積結構；改網絡結構降低傳輸壓力；做大量系統優化和異步處理來解決CPU弱的問題。最終把高速NOA跑出來了，但也僅限于此。
輕舟智航也形成了一套自己的方法論。第一是盡量把事情一次做對，這是從Waymo學到的。做J5時，很多公司會先沿用原有方案，再往BEV過渡，但輕舟智航判斷J5可以直接把BEV做到量產，一開始就走了這條路，最后做成了。第二是把自動駕駛當成工程問題，而不只是算法問題，背后是一整套工程體系，包括開發、驗證和迭代流程。
很多智駕從業者提到從規則時代切換到數據時代的艱難，輕舟智航相對沒那么痛苦。于騫表示，他們很早就相信機器學習是最核心的。剛開始做智駕時，就已經把感知做成模型了，判斷所有非數據驅動、非機器學習的部分都會越來越少，直到消失。所以很早就開始做仿真，甚至一度被外界看成一家仿真公司，因為在他看來，自動駕駛不管算法怎么演進，最后都繞不過驗證。
但仿真這件事非常難，車上跑的是一整套復雜的實時系統，云端不可能把這套硬件原樣復刻，所以仿真本質上是另一套系統，更像車端的“鏡像”。它不需要實時運行，但結果必須和車端一致，否則在云端驗證通過的東西，上車就可能不成立，最難的是一致性和可復制性。于騫認為，自動駕駛真正的瓶頸不只是模型本身，而是有沒有能力搭出一套有效的驗證體系，現在很多頭部主機廠，仿真其實做得一塌糊涂。
他經常舉例子說，AI能在圍棋上打敗李世石，為什么自動駕駛到今天還這么難？因為圍棋可以在虛擬環境里無限對局，但自動駕駛要在真實道路上跑。誰能把仿真做好，誰就能把大量真實道路測試搬到虛擬環境里做，大幅加快技術迭代。大家都在講VLA、VLM，但更本質的是世界模型。世界模型本質上是把仿真再往前推很多步，在虛擬世界里構造一個盡可能接近真實物理世界的環境。一旦這件事成立，自動駕駛會出現一次非常陡峭的能力躍升，很多原來必須在路上完成的測試，都可以轉到虛擬環境里，這件事的重要性比今天很多人討論的模型形態都要大。
于騫堅信“世界模型 + 強化學習”是未來。他認為現在沒有一家公司能真正做到純強化學習，特斯拉也做不到，特斯拉現在還是很多模仿學習，不是純強化學習。他所說的世界模型，不是在車端跑一個更大的模型，而是在云端搭建一個足夠接近真實世界的虛擬環境，讓模型能在里面運行、驗證和迭代。它和業界說的世界模型不太一樣，后者要處理更完整的空間、因果和物理交互，上限更高，可以解決更普遍的問題，但代價也非常高。自動駕駛面對的是一個被簡化過的物理世界，不需要處理那么多復雜交互，所以世界模型會先在自動駕駛里落地，自動駕駛是通向未來物理世界很重要的一個入口。
對于有人認為具身公司直接做機器人也可以解決這個“入口”的觀點，于騫認為還差很遠。人類學習很多能力依賴在物理世界里不斷試錯，尤其是強化學習意義上的試錯，小朋友學走路都是摔很多次才學會的，是一個在失敗中學習的過程。但機器人沒有這么多低成本失敗的機會，如果在物理世界里反復摔，摔十次，本體可能就壞了。
也有人質疑自動駕駛里的“世界模型”，認為端側根本不需要那么大的模型。于騫覺得現在很多人說的“端側世界模型”更多是個噱頭，本質上只是一個更強的預測模型，僅此而已。真正重要的世界模型在云端，作用是訓練和驗證，是新訓練基礎設施，不是直接搬到車上跑，也不是簡單蒸餾到車端。云端世界模型是訓練車端模型的一種方法，提供了一個更高效的訓練環境，能更快訓練出更好的端側模型，車端最后只會保留其中一部分能力，比如一個簡化版的短時預測能力，去預測未來幾秒鐘的情況。
訓練強大的云端世界模型需要海量數據，而且這種“海量”比普通感知模型要求更高，因為它學的是一個動態世界。于騫表示，要找出最優的效率最高的方式獲取數據，因為建立新的生產環境如果比去物理世界采集數據還貴，就沒有意義了。早期有很多方法，比如先把3D世界完整建模、生成、再篩掉不合理的部分，雖然能生成很真實的物理環境，但成本甚至比路測還高。所以目標是更高效地生成，同時盡量減少不真實的數據和毛刺數據。
于騫具有很強的系統工程視角和成本意識，他表示這方面受谷歌影響很深。團隊里很多人來自谷歌和Waymo，在軟件工程上有一套比較完整的方法。只要涉及到物理世界，就不是單純比算法，算法更新太快，沒有誰能永遠領先，真正決定差距的是能不能更快把算法變成產品能力，能不能在更小算力的平臺上把體驗做出來。所以自動駕駛拼到最后，拼的是一整套工程體系，包括開發、驗證、迭代、部署等環節，谷歌過去在軟件工程上沉淀了很多“最佳實踐”，現在全世界最好的工程實踐一大半是谷歌推動實現的。
輕舟智航下一個要挑戰的高峰是2025年量產一套500 TOPS以上的方案，目標是把城市NOA的體驗做到接近L4，不是L4，但非常接近。于騫認為算力不是線性增長的，新方案一定要帶來代際級的體驗躍升，如果只是比現在好20%、30%，是沒有必要重新做一套方案的。內部判斷是成本可能增加50%，但體驗至少要提升一倍甚至更多。他們希望把這套能力放到10萬到20萬的車上，讓普通用戶也能用到現在高端車才有的體驗。
于騫的創業之路并非一帆風順，他本想走學術路線，碩士進了清華的人工智能重點實驗室，后來去美國讀博士是想當老師，只是當時終身教職特別難找。2012年他就想回國創業，但當時商湯還未成立，看了很多做安防的公司覺得挺沒勁，就又回美國打工了。真正決定出來創業是在2018年，當時在Waymo感覺節奏太慢，而且本來希望代表Waymo外派回中國，但Waymo的中國計劃沒有真正成立，多少有些失落，所以索性出來創業。他內心中覺得如果一輩子做一件事，能夠把自動駕駛這件事做成，挺幸福的。
對于Waymo可以一直堅持L4，而中國很多本來做L4的公司都轉向“沿途下蛋”的漸進式路線的原因，于騫認為來自創始人雄心。Waymo當時有很多Founders’ Challenge，是Google聯合創始人給團隊提出的挑戰，Sergey經常跟團隊一起開會，感覺他們對這件事非常堅信。而國內很多公司的一把手不相信，大概2020年左右，他和一位國內科技公司CEO面對面聊過，對方覺得這件事投入無底洞，根本做不出來，當然不同時間也可能會有不同的變化。于騫認為不能只講第一性原理，如果一條路徑在現實中走不通，反而會變成長期沒有回報的投入，更重要的是找到可以逐步落地、不斷驗證的路徑。
雖然做的是2B生意，但于騫表示他們是技術狂熱，現實務實。這種苦對他們來說是一種磨煉，沒有經歷過這么苦的生意，后面很多事情是做不成的。他一直相信技術能改變世界，但如果技術跟不上時代，吃再多苦也沒有意義。他說到底就是要幫主機廠把車賣好，因為對車廠來說，沒有什么比賣車更重要的事了。
