「不以量產(chǎn)為終點的自動駕駛，都是耍流氓」，聽上去好像一句廢話，不求量產(chǎn)的話一款產(chǎn)品對于企業(yè)來說是毫無意義的。但在自動駕駛重卡這條賽道中，自動駕駛技術(shù)從算法到前裝落地，并非一件易事。

不難發(fā)現(xiàn)的是，智能駕駛重卡賽道也已經(jīng)格外擁擠了，但能真正投入量產(chǎn)的產(chǎn)品寥寥無幾。前不久的嬴徹科技日上，嬴徹科技 CEO 馬喆人就指出：

「自動駕駛行業(yè)進入新階段，技術(shù)重點從算法軟件探索邁進前裝量產(chǎn)，正向設(shè)計、前裝量產(chǎn)自動駕駛整車的技術(shù)、體系與經(jīng)驗成為行業(yè)的稀缺品。」

商用車自動駕駛技術(shù)落地有多難？

商用車的自動駕駛系統(tǒng)在商業(yè)化邏輯上與乘用車有著很大的不同。

首先，技術(shù)難度更高，商用車因為體量更大，便導(dǎo)致其視野盲區(qū)更多，需要布置更多的傳感器。例如嬴徹科技目前與東風(fēng)重汽合作的量產(chǎn)智能重卡為例，車上搭載了 7 個攝像頭、5 個毫米波雷達和 3 個激光雷達。而東風(fēng)天龍重卡也是全世界范圍內(nèi)最早搭載激光雷達的量產(chǎn)重卡。

更多的傳感器意味著，處于決策層的智能駕駛運算平臺會收到更多的數(shù)據(jù)，對算法及算力的需求也就更高。就拿已經(jīng)量產(chǎn)的東風(fēng)天龍來說，其搭載了贏徹科技自研架構(gòu)的，ADU 智能駕駛平臺，能夠兼容多種自動駕駛芯片，最高算力可達 245TOPS，同時可以實現(xiàn) L2-L4 級的自動駕駛功能配置。

第二點，需要進行長期測試，以保證更強的自動駕駛系統(tǒng)的泛化能力。商用車平均每年的運行里程是乘用車的數(shù)倍，損耗更大的同時，相對應(yīng)的機械部分的能力也會隨之下降，機械素質(zhì)的衰退會為自動駕駛技術(shù)帶來極大的考驗。

在嬴徹軒轅自動駕駛系統(tǒng)量產(chǎn)前期就已經(jīng)跑過了數(shù)百萬公里的測試，北到極寒的黑河，南到酷熱的海南島。因此嬴徹的系統(tǒng)能夠保證 150 萬公里的生命周期內(nèi)的正常運作。

第三點也是最重要的一點，需要商用車企業(yè)的配合 。商用車市場環(huán)境與乘用車最大的不同就在于，沒有「新勢力」也沒有「造車潮」，真正掌握重卡核心產(chǎn)業(yè)技術(shù)的企業(yè)屈指可數(shù)，在相對較小的市場中，競爭是格外激烈的，所以能夠拿到重卡企業(yè)的資源也是一種能力的證明。

這也是馬喆人所說，算法已不再是競爭的終點，前裝量產(chǎn)所帶來的整車技術(shù)和經(jīng)驗才是目前行業(yè)中最稀缺的原因。

從量產(chǎn)走向「無人」

伴隨著嬴徹軒轅系統(tǒng) 1.0 的量產(chǎn)落地，嬴徹全棧自研技術(shù)邁入 2.0 階段，并在核心技術(shù)上取得重大突破。

算法進化方面，嬴徹開發(fā)了多模多視角 Transformer 的前融合感知框架、緊耦合的規(guī)劃與控制一體化架構(gòu)、以及多時間尺度的節(jié)油體系三項突破性技術(shù)；硬件迭代方面，全自研的第二代車規(guī)級計算平臺成本更低；數(shù)據(jù)資產(chǎn)方面，采用創(chuàng)新性的增強影子模式的數(shù)據(jù)閉環(huán)擴大技術(shù)領(lǐng)先優(yōu)勢。

感知層面，嬴徹采用多模多視角 Transformer 的前融合感知框架，從透視視圖切換至 BEV 視角，并將不同數(shù)據(jù)源的特征圖充分融合，然后利用長短期記憶 (LSTM) 的時序融合網(wǎng)絡(luò)獲得視頻流的感知結(jié)果。可有效應(yīng)對干線物流重卡的獨特挑戰(zhàn)，如感知遠距離的小物體、異型車等。同時，通過模型輕量化將計算量降低 50%，運用 NPU 加速傳統(tǒng) CV 算法（用于預(yù)處理），提速達 100 倍。

規(guī)劃和控制的難點在于要同時滿足安全、精準(zhǔn)、舒適、耐久、經(jīng)濟 5 大商業(yè)運營要求，這不可避免會帶來 3 大矛盾，包括精準(zhǔn)建模與一車一調(diào)、精準(zhǔn)控制與耐久經(jīng)濟、規(guī)劃控制分層與融合之間的矛盾。嬴徹創(chuàng)造性地開發(fā)了規(guī)控一體的 PNC 架構(gòu)，實現(xiàn)了預(yù)測、決策、規(guī)劃和控制的緊耦合，在苛刻的運營要求中找到最優(yōu)解。

節(jié)油算法層面，嬴徹從亞秒級、秒級、分鐘級、小時級對油耗進行全面優(yōu)化。特別在小時級的車云協(xié)同全局速度規(guī)劃算法上取得突破，在云端建立以關(guān)鍵途徑點為節(jié)點的 GNN（Graph Neural Network），利用歷史經(jīng)驗數(shù)據(jù)和即時交通數(shù)據(jù)，實現(xiàn)最優(yōu)的速度推薦。在實際運營中比金牌司機平均節(jié)油 2-5%，逼近 7%的節(jié)油上限。

核心硬件層面，嬴徹自研的計算平臺已進入第二代開發(fā)，尺寸更小、性能更佳、成本更低。單板算力高至 256 TOPS，架構(gòu)支持拓展至 1000TOPS 以上。平臺基于 TSN 協(xié)議，可以實現(xiàn) 30ns 的時間同步精度，業(yè)界領(lǐng)先。

數(shù)據(jù)閉環(huán)層面，隨著規(guī)模化生產(chǎn)和運營投放節(jié)奏加速，自動駕駛行駛里程快速攀升，嬴徹建立了行業(yè)首個自動駕駛卡車數(shù)據(jù)閉環(huán)體系，將數(shù)據(jù)資產(chǎn)轉(zhuǎn)化為技術(shù)優(yōu)勢。

嬴徹的創(chuàng)新性增強影子模式，相比傳統(tǒng)影子模式，提供面向 L4 級技術(shù)迭代所需的長時間行為（如油耗相關(guān)行為等）的采集和評估能力，實現(xiàn)實時 A/B Test 高效算法迭代，降低數(shù)據(jù)采集成本同時提升數(shù)據(jù)有效性和精準(zhǔn)度。

隨著這些核心技術(shù)突破，一個全面領(lǐng)先、高度可擴展的嬴徹軒轅自動駕駛系統(tǒng) 2.0 開始規(guī)劃量產(chǎn)。

對于全無人駕駛技術(shù)，嬴徹科技認為當(dāng)前的自動駕駛技術(shù)架構(gòu)很有可能遭遇瓶頸。嬴徹軒轅自動駕駛系統(tǒng) 3.0 提出了一種全新的自動駕駛架構(gòu)的構(gòu)想，該架構(gòu)可以拆除自動駕駛系統(tǒng)各子模塊之間人為設(shè)計的邊界，替代為端到端的深度神經(jīng)網(wǎng)絡(luò)，并通過結(jié)合深度強化學(xué)習(xí)（DRL）和神經(jīng)輻射場（NeRF）技術(shù)的 NeDFS (Neural Driving Field Simulator) 終極自動駕駛仿真器，訓(xùn)練端到端模型，實現(xiàn)自動駕駛能力的自我演進，最終走向無人。

領(lǐng)先之余

毫不吝嗇地分享經(jīng)驗與同行和學(xué)子

基于三年量產(chǎn)的成功實踐與探索，嬴徹科技發(fā)布《自動駕駛卡車量產(chǎn)白皮書》，以量產(chǎn) 8 大原則為指導(dǎo)，深度分享了自動駕駛卡車量產(chǎn)開發(fā)的方法論體系和技術(shù)創(chuàng)新。

拿到白皮書的文件后，我也簡單地翻閱了一遍，能夠明顯感覺到，嬴徹此舉并非傳播層面上的作秀，每一個章節(jié)都出自工程師之手，是實打?qū)嵉母韶洝?/p>

白皮書系統(tǒng)性分享了嬴徹科技的大量技術(shù)創(chuàng)新細節(jié)和產(chǎn)業(yè)融合實踐，同時也是為了推動行業(yè)共享共創(chuàng)自動駕駛車輛量產(chǎn)方法論，消除量產(chǎn)相關(guān)經(jīng)驗知識碎片化對從業(yè)者的困擾。

當(dāng)然，如此實在的做法，也值得我們?yōu)槠浯騻€廣告。想進一步了解《自動駕駛卡車量產(chǎn)白皮書》，可以關(guān)注嬴徹科技的官方微信公眾號「嬴徹科技 Inceptio」，回復(fù)「白皮書」或者「whitepaper”就能獲取完整版。

與此同時嬴徹科技致力于為行業(yè)長期發(fā)展發(fā)掘優(yōu)秀人才，本次攜手清華大學(xué)智能產(chǎn)業(yè)研究院（AIR），發(fā)起「嬴徹-清華 AIR 杯自動駕駛技術(shù)挑戰(zhàn)賽」，這是國內(nèi)首個同時覆蓋干線物流和城市道路雙賽道的大賽。

首屆賽事聚焦于決策規(guī)劃算法，邀請全球自動駕駛愛好者一起來解決真實世界中的技術(shù)難題，在量產(chǎn)約束條件下挑戰(zhàn)算法極限。大賽提供高速干線重卡和復(fù)雜城市道路的場景和數(shù)據(jù)，賽題數(shù)據(jù)全部來源于真實場景。

最后

目前，圍繞干線物流、港口物流的自動駕駛賽道是相對擁擠的，入局的創(chuàng)業(yè)公司很多，但落地的產(chǎn)品很少。

相較之下，嬴徹是一家在產(chǎn)品規(guī)劃節(jié)奏感很強的自動駕駛公司，技術(shù)到達怎樣的水平可以推進量產(chǎn)？未來產(chǎn)品怎樣進行迭代從而推進功能、體驗上的升級？這些問題他們想的都很清楚，或許正因如此才有匯總經(jīng)驗與同行分享的勇氣。

審核編輯 ：李倩