出品 丨 搜狐汽車·汽車咖啡館

“經過我們的測量，和金牌司機相比，節油的上限只有7%。如果有人跟你說，他的節油率到10%。請問一下，他到底在和誰比？”在2022年9月1日嬴徹科技舉辦以“實踐出真知”為主題的首屆科技日，贏徹科技 CTO 楊睿剛對於自動駕駛卡車技術節油率資料標準模糊不清的問題直言不諱。

在重卡幹線物流場景下，成本、安全、效率被視為自動駕駛必須解決的剛性問題。其中，成本更是關乎自動駕駛卡車商業化前景的關鍵要素，也是自動駕駛技術公司給客戶算經濟賬、講故事的首要條件。

把資料問題放在明面上，此舉多少透露了贏徹科技的自信。楊睿剛對此頗為自豪：“我從學術界進入產業界，深刻體會到技術落地，解決實際問題的巨大價值。”

01 贏徹科技的自信

自動駕駛技術，從理論走向現實，一直面臨兩個基本問題：安全和商業。相對應的企業問題，便是自動駕駛技術能力與量產落地。

與乘用車自動駕駛相比，業界多數人士認為，商用車的商業化落地應該會更快。事實上，聚焦於港口、園區等封閉場景的自動駕駛解決方案成為最早商業化運營的專案。適用於幹線物流的自動駕駛解決方案也因其場景簡單，落地速度也逐漸加快。

嬴徹科技創始人兼CEO馬喆人

對比上述兩種場景，幹線物流卡車的自動駕駛量產難度更大。嬴徹科技創始人兼CEO馬喆人感嘆：“基於過去三年的實踐，我們強烈的感受到自動駕駛整車，而不是自動駕駛單一系統的前裝量產和系統級開發，是全行業的稀缺能力。”同時，他還強調：“說到量產能力，大家很容易聯想到產業資源、資源運作。其實完全不是這樣。量產的底層邏輯還是技術。自動駕駛整車的量產需要更前沿和創新的演算法，構建極其複雜的人工智慧系統和極致的工程能力。”

馬喆人介紹，在量產開發過程中，贏徹科技也感受到了流程和體系帶來的一系列全新挑戰。“整車量產流程的嚴謹性、軟體開發的敏捷性，還有深度學習的不可預測性，三者之間有很多衝突，需要對多個開發流程融合創新。”

贏徹科技執行副總裁黃剛透露，在這個系統且嚴謹的漫長過程中，贏徹科技先後生產了17批次超過百臺的樣車、完成了322個量產專用件的設計開發、經歷151次軟體快速迭代、解決了2769個軟體測試問題，並協助主機廠夥伴新增或改造40多個生產線工位，實現了超過180項自動駕駛相關的製造及質檢工藝最佳化。

在成立之初，贏徹科技秉承“全棧自研、量產導向、產業合作”的技術信仰。馬喆人將其稱之為“這是一個難但是正確的選擇”。目前，贏徹科技已經量產兩款車型，下線數量超過200臺，每臺車每天執行里程為600-1200公里。截至今天，贏徹科技量產卡車的自動駕駛狀態下的商業化運輸里程已經超過600萬公里。值得關注的一個重點是，2021年12月，贏徹科技全無人狀態的L4級重卡，在山東萊蕪順利完成中國最複雜的24公里封閉測試道路，而且L4車型與現在的量產車型使用相同的平臺。

02 清晰且有針對性的技術路線

儘管商業化方面，自動駕駛卡車快於乘用車，但是演算法進化上卻不算先進。

楊睿剛介紹，贏徹科技的技術路線按照三步走的節奏規劃，1。0階段量產萬臺級、2。0階段在研十萬臺級、3。0階段預研。其中，1。0階段，演算法方面的部署分別是超長距縱向+高精度橫向感知、自適應魯棒控制演算法ARC1。0、節油演算法FEAD1。0；2。0階段，多感測器前融合+時空一體感知、決策規控一體化+ARC2。0、節油演算法FEAD2。0；3。0階段，從監督式學習到無監督學習，實現自動駕駛系統基於資料的自我演化。

“為了滿足在感測器和計算平臺受限的條件下，我們正在建立一個基於Transformer的統一感知框架。我們使用Transformer把影象從透檢視變成鳥瞰圖。在做多感測器融合的時候，我們把Transformer用在不同感測器feature的有機結合上。這樣的模型，不僅對深度學習的精度有所提高，而且對小物體的監測有更好的表現。”楊睿剛提出，從1。0到2。0轉變的過程中，感知方面遇到的挑戰可以被新的演算法解決，比如小物體感知、卡車橫向位置、異型車超寬、冰雪路面和雨霧天氣。

目前，Transformer、鳥瞰圖在乘用車領域，特斯拉、毫末智行、地平線等企業已經將其應用實踐過程中。事實證明，這一方法在卡車領域的效果也比較明顯。楊睿將其稱之為是一種潮流，採用多模態多視角Transformer前融合感知架構，在將演算法模型輕量化之後，深度學習的計算量降低了50%。

不過，相對於乘用車，自動駕駛卡車有其特殊性，除了安全和舒適之外，還需要考慮經濟性和耐久性。楊睿剛認為，還有一個難點在於“這些因素往往是互相博弈的”。他介紹：“為了保持車輛的精確度，我們必須不算的調整車的轉向，會造成轉向機構壽命下降。另外，和乘用車相比，不同卡車之間的引數差異比較大，導致無法用一個靜態模型適配大量量產車型。因此，我們創造性的研發了一套規控一體化框架，實現規劃和控制的緊耦合，解決運營條件下重卡執行的諸多矛盾。”

另外，隨著自動駕駛能力的進一步升級，算力和資料的推進必須跟上。楊睿剛介紹，贏徹科技正在開發第二代車規級計算平臺，單板算力高達262KDMIPS+256TOPS，架構支援拓展至1000TOPS以上，具有尺寸更小、效能更佳、成本更低的優勢。

在資料閉環方面，贏徹科技採用影子模式，減少資料回傳帶來的巨大成本。楊睿剛介紹，贏徹科技採用的增強影子模式與傳統影子模式不同。傳統影子模式只是比較人類駕駛和機器駕駛。在增強影子模式裡，系統執行兩個獨立的演算法驅動實際卡車執行和虛擬卡車，對比實際卡車和虛擬卡車之間的行為差異，進而記錄資料。該方式的優勢在於，第一，提供長時間的行為記錄，比如油耗；第二，實現實時的AB測試，提升演算法迭代的效率；第三，提升資料採集精度，降低資料採集成本。

至此，贏徹科技在算力、演算法、資料三個關鍵要素上完成系統部署，自動駕駛能力提升具備資料驅動的基礎，量產規模將成為下一步發展的重點，也是第二階段的目標。