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

不難發現的是，智能駕駛重卡賽道也已經格外擁擠了，但能真正投入量產的產品寥寥無幾。前不久的嬴徹科技日上，嬴徹科技 CEO 馬喆人就指出：

「自動駕駛行業進入新階段，技術重點從算法軟件探索邁進前裝量產，正向設計、前裝量產自動駕駛整車的技術、體系與經驗成為行業的稀缺品。」

商用車自動駕駛技術落地有多難？

商用車的自動駕駛系統在商業化邏輯上與乘用車有著很大的不同。

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

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據，對算法及算力的需求也就更高。就拿已經量產的東風天龍來說，其搭載了贏徹科技自研架構的，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 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的泛化能力。商用車平均每年的運行里程是乘用車的數倍，損耗更大的同時，相對應的機械部分的能力也會隨之下降，機械素質的衰退會為自動駕駛技術帶來極大的考驗。

在嬴徹軒轅自動駕駛系統量產前期就已經跑過了數百萬公里的測試，北到極寒的黑河，南到酷熱的海南島。因此嬴徹的系統能夠保證 150 萬公里的生命周期內的正常運作。

第三點也是最重要的一點，需要商用車企業的配合 。商用車市場環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業技術的企業屈指可數，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，前裝量產所帶來的整車技術和經驗才是目前行業中最稀缺的原因。

從量產走向「無人」

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

算法進化方面，嬴徹開發了多模多視角 Transformer 的前融合感知框架、緊耦合的規劃與控制一體化架構、以及多時間尺度的節油體系三項突破性技術；硬件迭代方面，全自研的第二代車規級計算平臺成本更低；數據資產方面，采用創新性的增強影子模式的數據閉環擴大技術領先優勢。

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，并將不同數據源的特征圖充分融合，然后利用長短期記憶 (LSTM) 的時序融合網絡獲得視頻流的感知結果。可有效應對干線物流重卡的獨特挑戰，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 CV 算法（用于預處理），提速達 100 倍。

規劃和控制的難點在于要同時滿足安全、精準、舒適、耐久、經濟 5 大商業運營要求，這不可避免會帶來 3 大矛盾，包括精準建模與一車一調、精準控制與耐久經濟、規劃控制分層與融合之間的矛盾。嬴徹創造性地開發了規控一體的 PNC 架構，實現了預測、決策、規劃和控制的緊耦合，在苛刻的運營要求中找到最優解。

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

核心硬件層面，嬴徹自研的計算平臺已進入第二代開發，尺寸更小、性能更佳、成本更低。單板算力高至 256 TOPS，架構支持拓展至 1000TOPS 以上。平臺基于 TSN 協議，可以實現 30ns 的時間同步精度，業界領先。

數據閉環層面，隨著規?；a和運營投放節奏加速，自動駕駛行駛里程快速攀升，嬴徹建立了行業首個自動駕駛卡車數據閉環體系，將數據資產轉化為技術優勢。

嬴徹的創新性增強影子模式，相比傳統影子模式，提供面向 L4 級技術迭代所需的長時間行為（如油耗相關行為等）的采集和評估能力，實現實時 A/B Test 高效算法迭代，降低數據采集成本同時提升數據有效性和精準度。

隨著這些核心技術突破，一個全面領先、高度可擴展的嬴徹軒轅自動駕駛系統 2.0 開始規劃量產。

對于全無人駕駛技術，嬴徹科技認為當前的自動駕駛技術架構很有可能遭遇瓶頸。嬴徹軒轅自動駕駛系統 3.0 提出了一種全新的自動駕駛架構的構想，該架構可以拆除自動駕駛系統各子模塊之間人為設計的邊界，替代為端到端的深度神經網絡，并通過結合深度強化學習（DRL）和神經輻射場（NeRF）技術的 NeDFS (Neural Driving Field Simulator) 終極自動駕駛仿真器，訓練端到端模型，實現自動駕駛能力的自我演進，最終走向無人。

領先之余

毫不吝嗇地分享經驗與同行和學子

基于三年量產的成功實踐與探索，嬴徹科技發布《自動駕駛卡車量產白皮書》，以量產 8 大原則為指導，深度分享了自動駕駛卡車量產開發的方法論體系和技術創新。

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，每一個章節都出自工程師之手，是實打實的干貨。

白皮書系統性分享了嬴徹科技的大量技術創新細節和產業融合實踐，同時也是為了推動行業共享共創自動駕駛車輛量產方法論，消除量產相關經驗知識碎片化對從業者的困擾。

當然，如此實在的做法，也值得我們為其打個廣告。想進一步了解《自動駕駛卡車量產白皮書》，可以關注嬴徹科技的官方微信公眾號「嬴徹科技 Inceptio」，回復「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長期發展發掘優秀人才，本次攜手清華大學智能產業研究院（AIR），發起「嬴徹-清華 AIR 杯自動駕駛技術挑戰賽」，這是國內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難題，在量產約束條件下挑戰算法極限。大賽提供高速干線重卡和復雜城市道路的場景和數據，賽題數據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，入局的創業公司很多，但落地的產品很少。

相較之下，嬴徹是一家在產品規劃節奏感很強的自動駕駛公司，技術到達怎樣的水平可以推進量產？未來產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驗與同行分享的勇氣。

審核編輯 ：李倩