在智能驾驶架构不断演进的背景下，感知系统的 " 可靠性 " 已从辅助模块指标问题，转化为整个系统闭环能否稳定运行的根本性挑战。特别是在城区等高复杂度场景中，面对 GNSS 遮挡频发、路况动态剧烈、语义推理日益复杂等因素，感知系统不仅要 " 看得见 "，更要 " 看得稳、看得准、持续看 "。

在 "2025 第八届智能辅助驾驶大会 · 感知融合专场 " 上，MCT 毫厘智能业务总监胡洋发表题为《软硬结合、AI 赋能，支撑 VLA 时代的可靠可信绝对定位与姿态感知》的主题演讲。他指出，随着 Vision-Language-Action（VLA）架构成为新一代智能驾驶技术发展的重要方向，姿态感知和绝对定位能力已不再是感知链条的边角环节，而是 AI 系统进行空间理解、路径决策与动作执行的底层支点。

胡洋强调，要在复杂城市环境中实现持续、稳定的空间状态输入，需以 GNSS 与 IMU 的深度协同为核心支撑，通过软硬件一体化设计，将芯片、模组与融合算法打通，构建具备量产可落地能力的组合导航系统。

在本次演讲中，MCT 系统展示了其围绕 " 可靠感知 " 构建的三大技术平台与全栈式方案，提出 " 软硬结合、数据驱动 " 的方法论路径，为行业提供了面向未来 AI 架构的空间感知能力构建思路。

以下为本场演讲的核心内容纪要，供行业同仁交流探讨。

胡洋 | MCT 毫厘智能业务总监

VLA 时代的姿态感知与绝对定位需求

智能辅助驾驶的架构演进主要经历了以下几个阶段：

首先是 2010 年代初期至中期的 " 两段式架构 "。该架构采用模块化设计，将感知、规划与决策分为两段，各模块独立进行开发。典型的案例是特斯拉的 Autopilot 1.0。

紧接着是 2010 年代中后期的 " 一段式架构 "。此架构的特点在于感知与决策相融合，通过神经网络对感知结果进行优化，不过规划环节仍依赖于规则引擎。典型的方案是特斯拉的 HW 3.0。

随后是 2020 年代初的 VLM（Vision-Language Model）架构。其特点是引入了自然语言理解，将视觉信息与语义信息相结合。典型的方案是华为的盘古大模型。

再是 E2E（End-to-End）架构，也就是我们如今常提及的 " 端到端 " 架构，从 2020 年延续至今。该架构采用全栈神经网络，从传感器输入到最终输出，无需人工设计规则。典型案例是特斯拉的 FSD V12。

最后是 2023 年至今的 VLA（Vision-Language-Action）架构。实际上，VLA 架构是大模型技术、多模态需求以及算力基础设施三者共同作用、协同发展的产物，并且可能成为下一代通用人工智能的核心组件。其特点在于实现多模态的闭环控制，将视觉、语言理解与行动生成相结合。

图源：MCT 毫厘智能

架构的演进必然会引发一系列变化。从增量角度来看，必然需要更高的算力、更多数量的摄像头以及更高密度的激光雷达。

同时，还会引发需求的变化以及技术整合。以 GNSS 为例，最初客户的需求是支持片上 RTK 算法的双频 GNSS，而如今则需要三频车规级输出原始观测量的 GNSS。在 IMU 方面，也从独立的 IMU box 拆分、集成至板上的精标 IMU 模组。

除了需求发生变化，客户的应用也在不断整合。同样以 GNSS 为例，GNSS 不仅要服务于域控，还需同时为座舱提供服务。IMU 亦是如此，不仅要为域控服务，还要为底盘、安全气囊控制器提供服务。

行业的关注点也在发生转变。最初，行业关注的是在 CEP 68、CEP 95 条件下的定位精度，而如今客户期望的是实现全场景的定位兜底能力。

在诸多变化之中，唯一不变的，是可靠性。技术架构越先进，对组合导航算法和硬件的可靠性要求就越高。

VLA 架构绝对位置和姿态感知的需求，若用一句话概括，便是：精准定位是 VLA 模型开展语言理解与动作执行的前提。

接下来，将从五个方面展开来讲。

首先，定位精度的重要性。高精度定位能够为 VLA 模型提供可靠的空间信息，这是实现环境语义理解与智能决策的基石，直接关乎驾驶的安全性与稳定性。简而言之，就是 " 定位要准 "。

其次，关于绝对位置、姿态感知的数据来源。VLA 架构依赖 GNSS 与 IMU 等多源融合技术来获取绝对位置和姿态信息，以此确保车辆在复杂场景下仍能保持精准定位能力。这可概括为 " 典型依赖 "。

再者，实时性对定位的要求。VLA 模型在执行驾驶任务时，需要实时更新车辆位置信息，以保障感知、规划与控制模块之间的高效协同，进而提升智能辅助驾驶的响应速度。这可用 " 实时位置 " 四个字来概括。

接下来，是多模态数据同步与精准定位的关系。精准定位需与视觉、语言等模态数据实现同步融合，以此增强系统对周围环境的理解能力，实现更准确的语义理解与动作执行。这可总结为 " 数据同步 "。

第五点，是定位误差的影响。定位误差可能导致 VLA 模型对环境信息产生误判，进而影响路径规划和行为决策。因此，必须通过校正机制来提高整个系统的可靠性。这句话可概括为 " 必须可靠 "。

进一步而言，GNSS 提供空间认知的全局一致性，即在有卫星信号的情况下，GNSS 定位需足够精准。而 IMU 则保证时序推理的局部连续性，即在无卫星信号的情况下，IMU 的推演也需足够准确。两者共同构成 VLA 系统，感知输入的稳定基座。

在 VLA 体系中，GNSS 与 IMU 的协同作用体现在三层架构中。第一层为感知层，其功能是获取空间状态，典型依赖包括 GNSS、IMU 和激光雷达。第二层为认知层，其作用是实现世界模型的构建，典型依赖是 GNSS 坐标系下的动态轨迹建模。第三层为决策层，其功能是动作规划与控制，依赖基于可靠的姿态和速度输入。基于这些需求，MCT（毫厘智能）能够提供全栈式的解决方案。

MCT 软硬 AI 三位一体，赋能 VLA 全场景可靠可信绝对定位与姿态感知

随着架构的演变，车厂的需求也在持续变化，这要求供应商必须作出相应的调整。MCT（毫厘智能）自成立之初，便打造了一套全栈式解决方案和完备的开发平台来塑造公司的核心竞争力。

MCT（毫厘智能）拥有三款核心产品：其一，IMU 产品系列，名为 SUMACO；其二，MOJANDA 是我们自主研发的车规级 GNSS 产品系列；其三，REVENTADOR 则是我们自主研发的组合导航算法。除了这三款产品，还构建了一套完备的开发平台，并借助 AI 技术进行赋能，从而提升整体产品性能，缩短开发周期，降低研发与生产成本。

在开发套件 / 中间件方面，Ambae 是面向辅助驾驶，专业开发者的卫星定位模块开发套件，提供嵌入式 SDK、GNSS/INS 算法适配等核心功能，支持开发者基于场景需求，快速定制算法方案，实现生态协同开发与落地。

算法工具链方面，Dempo 是基于 MOJANDA 和 SUMACO 硬件平台，自主研发的智能算法工具链，集成了模块化算法库，具备回归、调优及可视化分析三大核心功能，能够显著提升传统算法优化效率低、调优效果差等问题。

平台工具方面，Yasur 是面向智能辅助驾驶汽车仿真测试，打造的智能化工具平台，集成路测采集、高精后处理、与仿真测试全流程工具链，助力车企及生态伙伴构建完整的仿真验证体系。

SUMACO IMU 系列产品能够满足 OEM 对产品形态多样化的需求，可实现大于等于 1000Hz 的高频率输出。此外，它还支持多域融合，有助于降本增效。同时，还可以根据客户需求，提供定制或半定制服务。随着定点项目的增多、出货量的扩大，MCT（毫厘智能）与主流 IMU 芯片厂家的合作日益紧密，在技术和商务层面均已实现深度融合，这也是能够大力支持客户、树立信心的来源之一。

  图源：MCT 毫厘智能

精标 IMU 模组的性能检测包括全面零偏、标度因数、零偏稳定性等典型性能指标。在这些参数指标上，MCT（毫厘智能）精标 IMU 优于行业标杆性能。

公司在常州武进区的数字智能制造中心，占地面积达 3000 平米。今年产能为 100 万套，明年因需交付已定点的项目，将扩产至 300 万套。

MCT（毫厘智能）拥有两颗全栈自研的车规级 GNSS 芯片：第一颗名为 MOJANDA 320，是一款全新打造的双频 GNSS 芯片；第二颗是 MOJANDA 330，为全新研发的三频 GNSS 芯片。

其中，MOJANDA 330 采用了先进的车规级工艺，是国内唯一正向开发的三频车规级芯片产品，性能稳定可靠。它具备全系统三频段的特点，能够在复杂场景下实现精准定位。

    图源：MCT 毫厘智能  

我们知道，定位性能受多种环境因素影响，如工况、太阳风暴等，而三频设计则显著增强了产品的鲁棒性和可用性。在 GNSS 单点解算，即我们所说的原始观测量输出方面，其最高频率可达 20Hz。该芯片支持片上的 RTK/PPP/INS 算法，能够提供高时效性的高精度定位结果。同时，采用低功耗设计，在三频全功能运行时，功耗仅为 175mW，这一功耗甚至低于部分双频产品，有效保障了产品的使用寿命。此外，它还支持片上的完好性算法，并具备深耦合和 L band 星基增强能力，改善复杂场景及无网环境的定位体验。

基于以上两颗芯片，MCT（毫厘智能）定制开发了一整套 GNSS 模组的路线图。以 M1K-207S-V1 为例，命名规则如下：M1K 代表产品系列，2 代表双频，0 代表内部无 IMU，7 代表 17*22 封装，这是行业内的主流封装形式。V1 版本配备片上算法，而 V2 版本则提供原始观测量。同样，对于三频产品，后续还将推出内部集成 IMU 的 317 版本，主要面向后装市场需求。

图源：MCT 毫厘智能  

除此之外，MCT（毫厘智能）产品还将覆盖更多座舱和 TBOX 应用，采用 12*16 封装实现 L1 频、全系统、或带 INS 等功能。所有产品均与主流封装兼容，能够满足国产化率要求，提升定位性能，并降低系统成本。

关于 MCT（毫厘智能）GNSS 的优势，可归纳为以下几点：

其一，自主可控。实现了从芯片设计、模组设计、驱动开发到固件算法的全栈可控与全栈调试，确保了技术的独立性与灵活性。

其二，软硬协同。上层软件与底层软件深度协同，算法能够直接获取最底层信息，从而实现了定位精度与可靠性的最佳平衡。

其三，供应链安全。采用全国产供应链，从晶圆生产、封装测试到模组生产，均使用国产供应链及自有芯片，能够全面覆盖客户整个生命周期的需求。

其四，国产化北斗支持。支持单北斗和北斗优先模式，且依托全国产化供应链。同时，采用 RISC-V 架构，是纯正的国产化方案。

其五，顾问式交付与本地化支持。提供顾问式的交付服务，并确保本地化支持，以满足客户的个性化需求。

多源融合算法平台 REVENTADOR

REVENTADOR 具有极强的适用性，能够在提升性能和缩短客户开发周期方面为客户赋能。

其核心底层优势在于，采用了先进的技术架构与能效平台，确保算法优势长期领先，并面向未来更高级别的城市智能辅助驾驶进行优化。

在性能方面，算法具有行业领先的性能优势，并覆盖了更多的极端情况，提升了城市 NOA 可用率。为了打磨算法， MCT（毫厘智能）在国内已进行了超过 10 万公里的实际路测（未包括仿真测试部分），覆盖了极热、极寒及复杂路况地区。

在应用方面，算法成熟稳定，已获得多家车厂的定点，并与主流硬件实现了适配。该算法可大幅降低研发投入，缩短研发周期，具有显著的应用优势。

图源：MCT 毫厘智能   

测试结果显示，隧道内精度小于 0.2%，DR 推算精度小于 0.5%，空旷环境的固定解率大于 99%。这些指标均达到了行业领先水平，充分展示了 MCT（毫厘智能）的算法能力。

关于 MCT（毫厘智能）

MCT（毫厘智能）是一家专注于 AI 时代的空间智能解决方案创新公司，以人工智能为核心技术，采用 " 数据驱动、软硬结合 " 的策略，开发并提供全面的空间智能软硬件及解决方案，服务于具身智能、城区辅助驾驶、低空经济、机器人、智能设备等领域。

公司的使命是 " 让世界因空间智能更美好 "。这不仅是公司的使命，也是整个行业从业者的共同心声。尽管行业竞争激烈，但当我们看到研发的技术应用于路上行驶的车辆时，那种成就感难以言表。而愿景是 " 成为最值得信赖的空间智能创新伙伴 "，希望在细分行业中提供更可靠、更安全、更精准的量产定位解决方案

公司业务涵盖三大核心能力，即三条产品线：一是车规级自研的 GNSS 芯片和模组；二是 IMU 解决方案；三是多元融合定位算法。

面对竞争激烈的汽车市场，MCT（毫厘智能）作为行业的新晋参与者，提出了 "MCT 速度 " 的概念。其中，MCT 三个英文字母分别代表 millimeter（毫米级静态精度）、centimeter（厘米级动态精度）以及 timing（纳秒级授时）。无论是商业化速度还是融资速度，公司都取得了不错的成绩。

从商业化速度来看，MCT（毫厘智能）是一家成立不到三年的公司。过去一年，公司聚焦头部主机厂，主打精品项目，已获得一系列 IMU、GNSS、组合导航算法项目的定点。19 个月获 L4 Robotaxi IMU 定点，20 个月获头部车企组合导航产品定点，23 个月获头部车企 IMU 平台定点，30 个月获头部车企 GNSS 平台定点，32 个月获头部车企 IMU 平台定点，33 个月获头部车企 GNSS 平台定点。

在融资方面，得益于商业化速度的进展，资本市场对公司青睐有加。目前，公司已完成 6 轮融资，获得了武岳峰、厚雪资本、弘晖基金、镇海产投、国经资本、滨湖基金等多家主流机构的投资。MCT 对汽车行业怀有深深的敬畏之心，已具备 AEC-Q100、AEC-Q104 等一系列汽车行业所需的资质认证，并在品质能力提升方面投入了大量精力。

图源：MCT（毫厘智能）

胡洋谈到：" 城市环境复杂多变，感知系统必须更加可靠。我们希望通过 MCT（毫厘智能）的产品与团队能力，让这个世界因空间智能而更加美好！"