10月10日,四维图新用户大会在上海成功举办。此次大会上,四维图新重点发布了轻量版领航辅助驾驶系统NOP Lite。NOP Lite定位于入门级行泊一体智驾平台,帮助车企在实现NOP功能的基础上,也能拥有极致性价比的智驾方案。

NOP Lite 入门级行泊一体智驾平台
当前汽车市场上,入门级新车型中L2辅助驾驶功能的渗透率已经达到较高水平,相比之下,NOP功能的渗透率还处在较低水平上。而30万元以下车型在新车市场上的占有率恰恰在居于首位,在汽车智能化的概念越来越被消费者接受并重视的当下,车企打造智驾功能方面的差异化就成了接下来市场竞争的关键点之一。
四维图新CEO程鹏在大会主题演讲中表示,地图在现阶段依旧是自动驾驶能力攀升不可或缺的超视距传感器。经过多次道路实测证明,高精地图方案可以让体验感实现越级提升。无图将进一步提升系统对传感器与高算力计算平台依赖,导致总体成本不可控。程鹏认为,目前问题真正的症结在于市面上缺少足够打动车企的“轻地图”解决方案。
目前来看,车企可接受的智驾系统总包价格约占整车售价的3%~5%。现有可实现NOP功能的智驾系统价格高,行业渴求低成本高体验的极致性价比方案。

NOP Lite 入门级行泊一体智驾平台
为了提供适合市场价格需求的智驾方案,四维图新推出了轻量版领航辅助驾驶系统 NOP Lite。在地平线征程3芯片的5TOPS算力下,四维图新NOP Lite能够实现行泊一体以及轻量版NOP功能。该方案以5V5R传感器配置,实现极简成本,为业内最具性价比方案。目前,四维图新已在业内率先实现基于地平线单征程3的行泊一体产品量产上车,为单征程3业内首发。依托强大工程能力,以极短的时间已成功助力客户产品落地。
四维图新与地平线于今年7月达成战略合作,双方以全面战略合作伙伴关系,推动众源更新、ADAS、行泊一体,以及基于芯片能力互补打造的驾舱一体等多领域业务融合,开发与落地市场领先的技术产品,目前双方合作产品已覆盖从L2/L2+智能驾驶到舱行泊一体,以高性价比高成熟度硬件方案和创新算法能力,为更多用户带来高阶功能体验,同时为行业高速发展贡献力量。
NOP Lite可根据导航规划及四维图新HD Lite地图数据提供变道参考信息,在接近主路出/入口时系统自动开启转向灯准备变道,并智能调节车速,辅助车辆驶入或者驶离当前高速主路或切换至下一高速。这套解决方案可以在小算力方案下实现基于导航信息的点对点通行功能,从而为车企提供成本领先的智能驾驶解决方案。

完整的智驾产品矩阵
四维图新以根本性创新来降低研发成本、来提升性能,并通过灵活配置功能应用、算力及地图模块,与供应链协同合作。程鹏表示,四维图新目前已建立完整的智驾产品矩阵,以高性价比高成熟度硬件方案+创新算法能力,追求高阶功能体验。
目前,四维图新智能驾驶包含三条产品线,L2行车产品、L2+行泊一体产品和双域合一舱行泊一体产品。三条产品线都已达到量产成熟的状态,并且获得主流主机厂定点,其中L2行车产品已经完成量产交付。四维图新智能驾驶系统致力于通过技术创新,给客户提供极致性价比的产品,在实现客户对功能预期的前提前,严格控制产品成本。
四维图新坚定聚焦“汽车智能化”主赛道、明确“新型Tier1”身份定位的基础上,进一步明确了以“智驾”为龙头解决方案提供商的业务主线。四维图新将持续以智驾为前进主线,聚焦软硬一体化产品形态,稳定研发投入,积极关注客户需求,以提供可信赖的高性价比的落地量产方案为终极目标,持续深耕汽车智能化主赛道。
好文章,需要你的鼓励
Savi Security由Patrick和Ryan Coughlin兄弟创立,融资700万美元,并正式推出iOS和Android应用。该应用可实时筛查短信、语音邮件和来电,识别AI生成的诈骗内容。其核心功能是通话实时监控,用户可在可疑通话中邀请AI助手同步监听,分析行为特征。产品以家庭为单位收费,每月8美元,不限用户数量。FTC数据显示,2025年冒充诈骗造成损失高达35亿美元,是2020年的三倍。
香港中文大学(深圳)与字节跳动联合提出FlexiSLM,首个支持动态与可控帧率的语音大模型,在输入输出两端均实现自适应帧合并,6.25赫兹下推理速度提升一倍,语音对话质量超越同规模固定帧率模型。
安全公司Synacktiv披露了Argo CD中一个未修复的高危漏洞,影响其repo-server组件的未认证gRPC端点。攻击者若能访问该端点及Redis数据库端口,可执行恶意命令、篡改部署数据,并在启用Auto Sync时自动推送恶意配置。由于Helm chart部署默认未启用网络策略保护,集群内任意受损Pod均可触发攻击。专家建议企业将Argo CD视为零级控制平面组件,实施严格的东西向流量隔离与特权访问管控。
这项研究提出DataEvolver框架,把被丢弃的"不合格训练图片"转化为改进数据收集策略的反馈,让AI文字图像生成训练数据的构建流程能自我进化,在相同数据量下显著提升文字渲染质量。