虽然轻舟智航的产品将性价比作为一个非常重要的卖点，但是安全性也是轻舟智航非常重视的地方。
轻舟智航总裁侯聪认为，在安全方面，轻舟智航有三大优势：
一是源于L4级自动驾驶的技术基因，轻舟智航的所有创始人都来自Waymo，初创团队也来自Uber，早些年一直在做L4系统，从产品设计初始就将安全作为核心。
二是轻舟智航目前已经实现了50万+行业领先的大规模量产交付，可以基于大量的用户数据和问题反馈，持续利用数据闭环及问题修复流程，提升软件质量，形成有效的安全正循环。
三是轻舟智航以安全为导向的开发流程和质量管理体系。
▲轻舟智航的安全基因
从实际结果上来看，轻舟智航的表现也非常出色，其NOA的各项量产安全指标均已跻身业内最高水准梯队。在量产车上面，轻舟智航的高速NOA安全接管里程超过1000公里，AEB误触发率是40万公里小于1次，行业的平均值大概是在10万—15万；搭载轻舟智航方案的车型在CIASI中国保险汽车安全指数评价中也获得了最高的优秀+的评价。
▲轻舟智航智驾系统表现处于行业前列
尽管在安全方面已经取得了显著的成绩，但是轻舟智航团队认为这还不够，还需要进一步拉高智驾系统的安全性。
轻舟智航CTO李栋则详细拆解了轻舟智航如何进一步提升智驾系统的安全性。
▲轻舟智航对于智驾系统安全性的进一步思考
目前轻舟智航已经把对于安全的思考和行业非常火热的端到端进行了结合思考，设计了One Model的端到端模型，再在在线模型训练上独创性地引入了安全对齐机制，同时在离线训练中采用了基于运动模拟的世界模型。
轻舟智行在安全机制中充分借鉴了时空联合规划的规则和限制，融入到网络训练中。在轨迹生成过程中，借鉴图文生成中条件生成的方法，将安全规则作为“教师”，引入额外的指导信号，自动化地去评价端到端模型产生的轨迹，不断给它feedback，惩罚碰到其他障碍物不完全的轨迹，以增加对生成过程的控制，通过这样强化学习的方法反复迭代，引导轨迹朝特定方向发展，使模型越来越去规避生成危险的结果。
同时，轻舟智航基于大语言模型的训练过程，将安全规则作为奖励函数，对模型进行微调，进一步增加模型的安全性。
传统世界模型会直接通过模型生成仿真视频，可控性、一致性比较难以保证，而且需要对物理世界的底层非常了解，才能生成比较一致性的视频。相对而言，其成本也会比较高。
轻舟智航结合智驾行业特点，提出了基于运动模拟的世界模型。这样做的好处是，一方面可以生成大量的长尾场景和罕见的安全临界场景加入模型训练，提升模型的安全性。另一方面，可以直接把模型放在这个环境里去迭代和仿真。
通过这些方式，轻舟智航确保了整个端到端模型既可以充分发挥灵活、上限高的优势，又可以做到下限高、更安全。
端到端的研发迭代离不开高效的数据闭环，轻舟智航在这方面也做了很多工作，实现了数据闭环和数据挖掘。
此外，轻舟智航也建立了更加完善的安全冗余机制和主动的安全反馈，提升人机交互，进一步保证智驾系统的安全性。