中國智能卡車遙遙領(lǐng)先：卡車NOA落地5000萬公里0事故，全球首個

賈浩楠 發(fā)自 副駕寺智能車參考 | 公眾號 AI4Auto

成熟的“擎天柱”，已經(jīng)可以自己出去賺錢了。

此時此刻，遍及華東、華北、華南、西北…幾乎全國所有主要貨運干線上，都有智能重卡承運商單。

高速路段由卡車智能駕駛系統(tǒng)完全承擔(dān)駕駛?cè)蝿?wù)，自主控制油門、剎車，自主車道保持、自動巡航：

以及根據(jù)實時路況自主或撥桿變道：

與乘用車“領(lǐng)航輔助駕駛”功能基本一致，但服務(wù)的是物流行業(yè)核心訴求——安全和降本。

卡車NOA功能，搭載的是嬴徹科技軒轅智能駕駛系統(tǒng)。

實際上，嬴徹卡車NOA投入商業(yè)運營一年半之久，已經(jīng)積累超過5000萬公里里程且在智駕狀態(tài)下，0事故、0保險賠付紀錄。

同時在運營中平均節(jié)油2-10%、平均節(jié)省人工成本20-50%。

商業(yè)化絕對里程和落地模式探索深度，在全球智能卡車賽道獨一無二。

自動駕駛格局中，Robotaxi呈現(xiàn)出中外你追我趕的態(tài)勢。而在商用車領(lǐng)域，最新的進展表明，中國成了高地、中心。

卡車NOA？

“NOA”，是這兩年乘用車領(lǐng)域很流行的概念，準確的名稱應(yīng)該是“領(lǐng)航輔助駕駛”。

與以往普通的L2輔助相比，NOA本質(zhì)的進步和不同，是能根據(jù)導(dǎo)航路線，宏觀上自主選擇行進策略，微操上根據(jù)實時路況自主應(yīng)對各種場景。

比如何時變道、跟車距離、上下高速匝道等等，都不再需要人類司機直接操作，用戶的角色也從駕駛員變成安全員。

NOA的價值由此體現(xiàn)：大大減少開車人的疲勞和負擔(dān)。

而“卡車NOA”，主要功能、場景與乘用車較為相似：目前在高速路實現(xiàn)L3級智能駕駛。

卡車NOA在降低司機負擔(dān)之外，還有新的功能和重要意義，也是商業(yè)化的主要抓手：把駕駛?cè)蝿?wù)交給系統(tǒng)，會在車輛的能耗、安全性上有更優(yōu)的表現(xiàn)。

具體來看，嬴徹卡車NOA實現(xiàn)的功能包括：

自動巡航，包括自適應(yīng)巡航、車距/車速調(diào)節(jié)…其功能，是在高速路況下，系統(tǒng)能按照導(dǎo)航路線自主行進。

智能橫向控制，包括智能變道，可以用撥桿發(fā)出變道指示，也能自主變道，另外還有車道保持居中、智能避讓等等。

智能節(jié)油，通過分析導(dǎo)航路線，首先規(guī)劃全局車速，然后根據(jù)實施情況動態(tài)調(diào)節(jié)車速，“取經(jīng)”了優(yōu)秀的人類卡車司機，盡量全程勻速，避免急剎和急加速。

最后是安全功能，包括法規(guī)強制的AEB等，也包括嬴徹車云一體的主動安全功能。

支撐卡車NOA功能的，其實和乘用車智能駕駛方案高度相似。

1-3顆激光雷達、5個毫米波雷達、7個800萬像素環(huán)視攝像頭，以及底層算力支持，AI算力最高達256TOPS，可靈活配置。

實際上從實現(xiàn)的功能來看，嬴徹這套卡車NOA方案，并不算“重”，反而在激光雷達的數(shù)量、底層算力上，與乘用車NOA相比“輕”了很多（乘用車常見數(shù)百TOPS算力）。

這也是商用車賽道不同于乘用車的核心邏輯——成本控制。而為了滿足量產(chǎn)要求，嬴徹在自動駕駛技術(shù)棧上，也形成了一套“方法論”。

卡車NOA背后核心技術(shù)分為三個大的部分：帶安全護欄的端到端網(wǎng)絡(luò)、“超級司機”，以及嬴徹自研智駕平臺。

普遍自動駕駛解決方案主要以模塊化的架構(gòu)為主，通常會包括感知模塊、定位模塊、決策模塊、路徑規(guī)劃模塊、控制模塊等等。

但缺點在于每個模型都需要單獨訓(xùn)練與優(yōu)化迭代，需要的研發(fā)投入大，且誤差有可能會被逐級放大，以及各個模塊之間容易出現(xiàn)重復(fù)計算，浪費算力資源。

端到端網(wǎng)絡(luò)則始于 2016 年發(fā)表論文《End to End Learning for Self-Driving Cars》，將多個小模型整合成了一個“大模型”，通過傳感器采集到原始數(shù)據(jù)（raw data），并將原始數(shù)據(jù)輸入到一個統(tǒng)一的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（大模型），并直接輸出駕駛命令。

但傳統(tǒng)端到端網(wǎng)絡(luò)由于其不可解釋性及可靠性不足，缺乏安全保證，難以大規(guī)模應(yīng)用到真實場景。

嬴徹科技則提出了“帶安全護欄的端到端網(wǎng)絡(luò)”，把傳統(tǒng)的端到端網(wǎng)絡(luò)分解成數(shù)個可微分的子網(wǎng)絡(luò)，建立可解釋的端到端網(wǎng)絡(luò)，并構(gòu)建安全護欄進行約束。

嬴徹科技CTO楊睿剛介紹，所謂安全護欄，可以理解為同時進行兩套系統(tǒng)，一套基于端到端的模型，這是主系統(tǒng)。采用占用網(wǎng)格技術(shù)（Occupancy Grid Map – OGM)在三維空間中進行表征，實現(xiàn)對異形物體及復(fù)雜場景有效識別。

此外，針對重卡感知距離長對OGM算力和內(nèi)存消耗大的挑戰(zhàn)，嬴徹開發(fā)出高效OGM技術(shù)，采用自適應(yīng)顆粒度與稀疏算法，降低55%的算力消耗與70%的內(nèi)存消耗。

另外，安全護欄在端到端模型中間有一些小模塊，小模塊會生成可解釋的結(jié)果，可解釋的結(jié)果形成一些規(guī)則性的方案，然后再和主系統(tǒng)的輸出結(jié)果進行權(quán)衡和比對。

而且楊睿剛還強調(diào)，嬴徹在訓(xùn)練端到端網(wǎng)絡(luò)時，采用真實數(shù)據(jù)訓(xùn)練。

“超級司機”則是嬴徹為重卡特殊使用場景和需求研發(fā)的駕駛行為大模型——TruckGPT。

TruckGPT將駕駛行為與場景數(shù)據(jù)在天氣、路面材質(zhì)、光照、道路結(jié)構(gòu)、交通流量、車型、載重等300多個維度上進行原子化細分，并自然語言化；同時結(jié)合人工標注與自動標注形成正樣本和負樣本的駕駛行為原子集，對LLM模型進行精調(diào)，力爭在油耗、安全及駕乘舒適度上全面超越老司機。

最后，嬴徹率先選擇全棧自研智能駕駛硬件模塊，其中既有為量產(chǎn)成本的考慮，也有自動駕駛軟硬一體的內(nèi)在規(guī)律驅(qū)動。

嬴徹最新的ADCU計算平臺，針對卡車長途弱網(wǎng)、多變工況對數(shù)據(jù)閉環(huán)造成的挑戰(zhàn)，新平臺提供了大容量的存儲能力及數(shù)據(jù)管理系統(tǒng)，通過數(shù)據(jù)壓縮，智能斷點續(xù)傳等技術(shù)確保高價值數(shù)據(jù)回傳成功率達到99.9%。

新的ADCU也達到了ASIL-B級的功能安全等級及ISO 21434認證的信息安全級別，充分應(yīng)對卡車苛刻嚴酷的運行和維護環(huán)境。

全球卡車首個卡車NOA的落地，背后的技術(shù)突出3個特點：首先強調(diào)功能安全性；其次是成本和工程化可行性；最后是緊密貼合商用車賽道的節(jié)油、平穩(wěn)特性。

沒有激進強調(diào)全無人或L4，也不刻意展示“XX里程不接管”Demo，務(wù)實到有點“樸實”。

但這正是嬴徹做智能卡車量產(chǎn)積累的know how，也是能快速開啟商業(yè)化落地，并在一年多時間內(nèi)實現(xiàn)運營里程超5000萬公里的核心。

卡車NOA如何落地？

首先快速說明一下智能卡車與乘用車或Robotaxi賽道的最大也是最本質(zhì)的差別。

乘用車服務(wù)C端用戶，產(chǎn)品可以千姿百態(tài)，智駕方案有高有低，功能亮點各有差異化。

但商用車服務(wù)的核心對象是物流行業(yè)，是B端，唯一關(guān)注的只有成本。

說白了商用車是拉貨掙錢的，成本越低價值就越大，省下一點，車隊或司機就能多賺一點。

商用車全周期成本（TCO）成了關(guān)鍵指標，包括司機成本，約占1/3左右；燃油成本，占1/4—1/5左右。其余還包括維修保養(yǎng)、事故保險等等。

給一個直觀的數(shù)據(jù)概念：一般一輛重卡的報廢極限是100-150萬公里左右，跑得勤的車隊或司機，一般兩到三年就能干到這個里程，總成本約250-350萬元。

無論是在人工或燃油或維修等等方面，就算能節(jié)省1%的成本出來，司機一年也能多賺好幾萬，節(jié)省的更多，自然客戶就越愿意買單。

而圍繞這個核心訴求，嬴徹執(zhí)行副總裁阿玉順介紹了目前的商業(yè)化進展：

商業(yè)運營里程超過5000萬公里，智能重卡數(shù)量接近700輛。覆蓋了全國7大核心經(jīng)濟區(qū)的340多條干線高速運營線路。

累計發(fā)運近5萬趟次，全部由單駕（一個司機）完成。

600多天運營中，自動駕駛里程占比超過90%。自動駕駛里程內(nèi)，0事故0保險賠付。

這樣的描述中，就能看出嬴徹智能卡車落地的主要邏輯。

卡車NOA帶來的省油。是直接商業(yè)化優(yōu)勢。

阿玉順介紹，華東、華南、華北、華中等干線貨運核心流向上，嬴徹智能重卡的節(jié)油表現(xiàn)均優(yōu)于客戶油耗考核標準，百公里節(jié)油平均可達1至3升。

相較于人類優(yōu)秀司機節(jié)油可達3%-7%。其中30%常態(tài)化運營線路可實現(xiàn)7%-10%的油耗下降。

其次，卡車NOA讓司機“省力”，是第二個商業(yè)化優(yōu)勢的前提。

北京理工大學(xué)航天人因工程團隊跟蹤研究數(shù)據(jù)顯示，使用嬴徹卡車NOA的智能卡車駕駛員的生理疲勞度，比使用傳統(tǒng)卡車的司機下降約35%，心理疲勞度下降約11%。

這也就使得長途貨運場景下，以往需要兩個或多個司機的任務(wù)，現(xiàn)在一個司機就能完成。

比如快遞快運、合同物流、零擔(dān)和整車專線等各個干線物流細分場景，嬴徹的客戶目前都實現(xiàn)了人車比的顯著下降，可節(jié)省人力成本20%~50%。

這就是“省人”。

另外，嬴徹智能卡車產(chǎn)品落地的另一個優(yōu)勢，就是卡車NOA運行的平穩(wěn)性、安全性，帶來貨物運損下降，以及車輛保險費用的降低。

總結(jié)嬴徹的商業(yè)落地探索，展現(xiàn)出這樣的進展：

強技術(shù)底座，以“省油”和“兩個司機變一個”、“安全成本”為主要競爭優(yōu)勢，已經(jīng)獲得了物流行業(yè)的認可。

并且在銷售端，也覆蓋了快遞快運，合同物流及零擔(dān)等多場景客戶。

在整個行業(yè)中，大部分智能重卡玩家還在攻克前裝量產(chǎn)難題，有的甚至尚未找到合適落地場景。

而嬴徹的商業(yè)化是目前規(guī)模最大，程度也最深的，更是第一個初步探索出落地模式的。

在整個賽道中，嬴徹科技展現(xiàn)出一馬當先的態(tài)勢。

嬴徹模式的“稀缺性”

如何看待嬴徹的卡車NOA和商業(yè)化進展？

于普遍狀況，整個智能卡車競速格局，發(fā)生了改變。

智能卡車創(chuàng)業(yè)，一直有三種故事：造車、L4和嬴徹所在的從L3起步漸進式走向L4。

L4目前遇冷，尤其是在海外。其重要原因一是法規(guī)不予放行，二是前裝量產(chǎn)難以實現(xiàn)。

實際上，“卡車新勢力”之所以誕生，就是因為L4模式量產(chǎn)受阻，以高階自動駕駛技術(shù)入局的玩家，希望通過重新設(shè)計底層平臺，實現(xiàn)L4的降維。

不過造車這條路牽扯資質(zhì)、重資產(chǎn)投入等等，能否跑通仍有待驗證。

而以合作車企推動L3量產(chǎn)起步的嬴徹，則因其商業(yè)上的務(wù)實，和技術(shù)上的強投入，首先跑通了商業(yè)模式——邏輯已成立，客戶已認可，剩下的就是降低成本了。

這也是嬴徹卡車NOA 5000萬公里的第二重意義：

智能卡車轉(zhuǎn)折點到來，嬴徹首次證明了智能卡車的必要性和商業(yè)價值，給整個賽道重新注入信心，打消了政策、資本、輿論的質(zhì)疑。

當然，也給行業(yè)提供了一種“嬴徹模式”的參考。

嬴徹科技創(chuàng)始人兼CEO馬喆人認為，所謂“嬴徹模式”并不存在“獨特性”，甚至可以說是“明牌”：

前裝量產(chǎn)+全棧自研+深度運營。

前裝量產(chǎn)，指和車企深度合作，把智能駕駛套件加上去，達到車規(guī)，且成本可控，提供落地的基礎(chǔ)。

全棧自研，體現(xiàn)在如今嬴徹能在AI“生產(chǎn)力工具”一端完全自給自足，也體現(xiàn)在統(tǒng)一的硬件平臺上搭配不同方案，滿足各種客戶的需求等等方面。

深度運營，使得嬴徹早期盡快投入商業(yè)閉環(huán)，可以迭代產(chǎn)品，獲得客戶。在中長期探索“貨運機器人”對運輸模式的變革。

其實拆開來看，每一條都有玩家之前強調(diào)過。但馬喆人認為，三者深度結(jié)合而且一直堅持下來，是具有稀缺性的，這是嬴徹模式的真正內(nèi)涵。也是目前商業(yè)化進展最快的核心原因。

縱向觀察，嬴徹科技的商業(yè)進展也展現(xiàn)出更值得關(guān)注的趨勢：

堅持正確的戰(zhàn)略數(shù)年，在技術(shù)、市場、產(chǎn)業(yè)鏈成熟的背景下，摸索出商業(yè)模式雛形，而又遠遠領(lǐng)先賽道其他玩家，這些因素使得嬴徹走到了一個巨大的增長周期開端。

一如2022年的理想，和2021年的比亞迪。

在行業(yè)橫向視角下看，嬴徹科技率先探索的商業(yè)化公式，也毫無疑問會成為行業(yè)的公式準則，開啟全球新的產(chǎn)業(yè)競速。

而在這一條賽道上，中國已經(jīng)具備了成為技術(shù)、商業(yè)化全球中心的優(yōu)勢。