不以量产为终点的自动驾驶，都是耍流氓？

「不以量产为终点的自动驾驶，都是耍流氓」，听上去好像一句废话，不求量产的话一款产品对于企业来说是毫无意义的。但在自动驾驶重卡这条赛道中，自动驾驶技术从算法到前装落地，并非一件易事。

不难发现的是，智能驾驶重卡赛道也已经格外拥挤了，但能真正投入量产的产品寥寥无几。前不久的嬴彻科技日上，嬴彻科技 CEO 马喆人就指出：

「自动驾驶行业进入新阶段，技术重点从算法软件探索迈进前装量产，正向设计、前装量产自动驾驶整车的技术、体系与经验成为行业的稀缺品。」

商用车自动驾驶技术落地有多难？

商用车的自动驾驶系统在商业化逻辑上与乘用车有着很大的不同。

首先，技术难度更高，商用车因为体量更大，便导致其视野盲区更多，需要布置更多的传感器。例如嬴彻科技目前与东风重汽合作的量产智能重卡为例，车上搭载了 7 个摄像头、5 个毫米波雷达和 3 个激光雷达。而东风天龙重卡也是全世界范围内最早搭载激光雷达的量产重卡。

更多的传感器意味着，处于决策层的智能驾驶运算平台会收到更多的数据，对算法及算力的需求也就更高。就拿已经量产的东风天龙来说，其搭载了赢彻科技自研架构的，ADU 智能驾驶平台，能够兼容多种自动驾驶芯片，最高算力可达 245TOPS，同时可以实现 L2-L4 级的自动驾驶功能配置。

第二点，需要进行长期测试，以保证更强的自动驾驶系统的泛化能力。商用车平均每年的运行里程是乘用车的数倍，损耗更大的同时，相对应的机械部分的能力也会随之下降，机械素质的衰退会为自动驾驶技术带来极大的考验。

在嬴彻轩辕自动驾驶系统量产前期就已经跑过了数百万公里的测试，北到极寒的黑河，南到酷热的海南岛。因此嬴彻的系统能够保证 150 万公里的生命周期内的正常运作。

第三点也是最重要的一点，需要商用车企业的配合 。商用车市场环境与乘用车最大的不同就在于，没有「新势力」也没有「造车潮」，真正掌握重卡核心产业技术的企业屈指可数，在相对较小的市场中，竞争是格外激烈的，所以能够拿到重卡企业的资源也是一种能力的证明。

这也是马喆人所说，算法已不再是竞争的终点，前装量产所带来的整车技术和经验才是目前行业中最稀缺的原因 。

从量产走向「无人」

伴随着嬴彻轩辕系统 1.0 的量产落地，嬴彻全栈自研技术迈入 2.0 阶段，并在核心技术上取得重大突破。

算法进化方面，嬴彻开发了多模多视角 Transformer 的前融合感知框架、紧耦合的规划与控制一体化架构、以及多时间尺度的节油体系三项突破性技术；硬件迭代方面，全自研的第二代车规级计算平台成本更低；数据资产方面，采用创新性的增强影子模式的数据闭环扩大技术领先优势。

感知层面，嬴彻采用多模多视角 Transformer 的前融合感知框架，从透视视图切换至 BEV 视角，并将不同数据源的特征图充分融合，然后利用长短期记忆 (LSTM) 的时序融合网络获得视频流的感知结果。可有效应对干线物流重卡的独特挑战，如感知远距离的小物体、异型车等。同时，通过模型轻量化将计算量降低 50%，运用 NPU 加速传统 CV 算法（用于预处理），提速达 100 倍。

规划和控制的难点在于要同时满足安全、精准、舒适、耐久、经济 5 大商业运营要求，这不可避免会带来 3 大矛盾，包括精准建模与一车一调、精准控制与耐久经济、规划控制分层与融合之间的矛盾。嬴彻创造性地开发了规控一体的 PNC 架构，实现了预测、决策、规划和控制的紧耦合，在苛刻的运营要求中找到最优解。

节油算法层面，嬴彻从亚秒级、秒级、分钟级、小时级对油耗进行全面优化。特别在小时级的车云协同全局速度规划算法上取得突破，在云端建立以关键途径点为节点的 GNN（Graph Neural Network），利用历史经验数据和即时交通数据，实现最优的速度推荐。在实际运营中比金牌司机平均节油 2-5%，逼近 7%的节油上限。

核心硬件层面，嬴彻自研的计算平台已进入第二代开发，尺寸更小、性能更佳、成本更低。单板算力高至 256 TOPS，架构支持拓展至 1000TOPS 以上。平台基于 TSN 协议，可以实现 30ns 的时间同步精度，业界领先。

数据闭环层面，随着规模化生产和运营投放节奏加速，自动驾驶行驶里程快速攀升，嬴彻建立了行业首个自动驾驶卡车数据闭环体系，将数据资产转化为技术优势。

嬴彻的创新性增强影子模式，相比传统影子模式，提供面向 L4 级技术迭代所需的长时间行为（如油耗相关行为等）的采集和评估能力，实现实时 A/B Test 高效算法迭代，降低数据采集成本同时提升数据有效性和精准度。

随着这些核心技术突破，一个全面领先、高度可扩展的嬴彻轩辕自动驾驶系统 2.0 开始规划量产。

对于全无人驾驶技术，嬴彻科技认为当前的自动驾驶技术架构很有可能遭遇瓶颈。嬴彻轩辕自动驾驶系统 3.0 提出了一种全新的自动驾驶架构的构想，该架构可以拆除自动驾驶系统各子模块之间人为设计的边界，替代为端到端的深度神经网络，并通过结合深度强化学习（DRL）和神经辐射场（NeRF）技术 的 NeDFS (Neural Driving Field Simulator) 终极自动驾驶仿真器，训练端到端模型，实现自动驾驶能力的自我演进，最终走向无人。

领先之余

毫不吝啬地分享经验与同行和学子

基于三年量产的成功实践与探索，嬴彻科技发布《自动驾驶卡车量产白皮书》，以量产 8 大原则为指导，深度分享了自动驾驶卡车量产开发的方法论体系和技术创新。

拿到白皮书的文件后，我也简单地翻阅了一遍，能够明显感觉到，嬴彻此举并非传播层面上的作秀，每一个章节都出自工程师之手，是实打实的干货。

白皮书系统性分享了嬴彻科技的大量技术创新细节和产业融合实践，同时也是为了推动行业共享共创自动驾驶车辆量产方法论，消除量产相关经验知识碎片化对从业者的困扰。

当然，如此实在的做法，也值得我们为其打个广告。想进一步了解《自动驾驶卡车量产白皮书》，可以关注嬴彻科技的官方微信公众号「嬴彻科技 Inceptio」，回复「白皮书」或者 「whitepaper” 就能获取完整版。

与此同时嬴彻科技致力于为行业长期发展发掘优秀人才，本次携手清华大学智能产业研究院（AIR），发起「嬴彻-清华 AIR 杯自动驾驶技术挑战赛」，这是国内首个同时覆盖干线物流和城市道路双赛道的大赛。

首届赛事聚焦于决策规划算法，邀请全球自动驾驶爱好者一起来解决真实世界中的技术难题，在量产约束条件下挑战算法极限。大赛提供高速干线重卡和复杂城市道路的场景和数据，赛题数据全部来源于真实场景。

最后

目前，围绕干线物流、港口物流的自动驾驶赛道是相对拥挤的，入局的创业公司很多，但落地的产品很少。

相较之下，嬴彻是一家在产品规划节奏感很强的自动驾驶公司，技术到达怎样的水平可以推进量产？未来产品怎样进行迭代从而推进功能、体验上的升级？这些问题他们想的都很清楚，或许正因如此才有汇总经验与同行分享的勇气。