成熟的“擎天柱”，已經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完全承擔駕駛任務，自主控制油門、剎車，自主車道保持、自動巡航；

　　以及根據實時路況自主或撥桿變道；

　　與乘用車“領航輔助駕駛”功能基本一致，但服務的是物流行業核心訴求——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。

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

　　同時在運營中平均節油2-10%、平均節省人工成本 20-50%。

　　商業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 呈現出中外你追我趕的態勢。而在商用車領域，最新的進展表明，中國成了高地、中心。

　　卡車 NOA?

　　“NOA”，是這兩年乘用車領域很流行的概念，準確的名稱應該是“領航輔助駕駛”。

　　與以往普通的 L2 輔助相比，NOA 本質的進步和不同，是能根據導航路線，宏觀上自主選擇行進策略，微操上根據實時路況自主應對各種場景。

　　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：大大減少開車人的疲勞和負擔。

　　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 L3 級智能駕駛。

　　卡車 NOA 在降低司機負擔之外，還有新的功能和重要意義，也是商業化的主要抓手：把駕駛任務交給系統，會在車輛的能耗、安全性上有更優的表現。

　　具體來看，嬴徹卡車 NOA 實現的功能包括：

　　自動巡航，包括自適應巡航、車距/車速調節…其功能，是在高速路況下，系統能按照導航路線自主行進。

　　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。

　　智能節油，通過分析導航路線，首先規劃全局車速，然后根據實施情況動態調節車速，“取經”了優秀的人類卡車司機，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量、底層算力上，與乘用車 NOA 相比“輕”了很多(乘用車常見數百 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。而為了滿足量產要求，嬴徹在自動駕駛技術棧上，也形成了一套“方法論”。

　　卡車 NOA 背后核心技術分為三個大的部分：帶安全護欄的端到端網絡、“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為主，通常會包括感知模塊、定位模塊、決策模塊、路徑規劃模塊、控制模塊等等。

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

　　端到端網絡則始于 2016 年發表論文《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據(raw data)，并將原始數據輸入到一個統一的深度學習神經網絡(大模型)，并直接輸出駕駛命令。

　　但傳統端到端網絡由于其不可解釋性及可靠性不足，缺乏安全保證，難以大規模應用到真實場景。

　　嬴徹科技則提出了“帶安全護欄的端到端網絡”，把傳統的端到端網絡分解成數個可微分的子網絡，建立可解釋的端到端網絡，并構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，一套基于端到端的模型，這是主系統。采用占用網格技術(Occupancy Grid Map - OGM)在三維空間中進行表征，實現對異形物體及復雜場景有效識別。

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

　　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果，可解釋的結果形成一些規則性的方案，然后再和主系統的輸出結果進行權衡和比對。

　　而且楊睿剛還強調，嬴徹在訓練端到端網絡時，采用真實數據訓練。

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

　　TruckGPT 將駕駛行為與場景數據在天氣、路面材質、光照、道路結構、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，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，其中既有為量產成本的考慮，也有自動駕駛軟硬一體的內在規律驅動。

　　嬴徹最新的 ADCU 計算平臺，針對卡車長途弱網、多變工況對數據閉環造成的挑戰，新平臺提供了大容量的存儲能力及數據管理系統，通過數據壓縮，智能斷點續傳等技術確保高價值數據回傳成功率達到 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，充分應對卡車苛刻嚴酷的運行和維護環境。

　　全球卡車首個卡車 NOA 的落地，背后的技術突出 3 個特點：首先強調功能安全性;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油、平穩特性。

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

　　但這正是嬴徹做智能卡車量產積累的 know how，也是能快速開啟商業化落地，并在一年多時間內實現運營里程超 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的差別。

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

　　但商用車服務的核心對象是物流行業，是B端，唯一關注的只有成本。

　　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、事故保險等等。

　　給一個直觀的數據概念：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，就算能節省1% 的成本出來，司機一年也能多賺好幾萬，節省的更多，自然客戶就越愿意買單。

　　而圍繞這個核心訴求，嬴徹執行副總裁阿玉順介紹了目前的商業化進展：

　　商業運營里程超過 5000 萬公里，智能重卡數量接近 700 輛。覆蓋了全國 7 大核心經濟區的 340 多條干線高速運營線路。

　　累計發運近 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，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。是直接商業化優勢。

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

　　相較于人類優秀司機節油可達3%-7%。其中 30% 常態化運營線路可實現7%-10% 的油耗下降。

　　其次，卡車 NOA 讓司機“省力”，是第二個商業化優勢的前提。

　　北京理工大學航天人因工程團隊跟蹤研究數據顯示，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，現在一個司機就能完成。

　　比如快遞快運、合同物流、零擔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了人車比的顯著下降，可節省人力成本 20%~50%。

　　這就是“省人”。

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

　　總結嬴徹的商業落地探索，展現出這樣的進展：

　　強技術底座，以“省油”和“兩個司機變一個”、“安全成本”為主要競爭優勢，已經獲得了物流行業的認可。

　　并且在銷售端，也覆蓋了快遞快運，合同物流及零擔等多場景客戶。

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

　　而嬴徹的商業化是目前規模最大，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，嬴徹科技展現出一馬當先的態勢。

　　嬴徹模式的“稀缺性”

　　如何看待嬴徹的卡車 NOA 和商業化進展?

　　于普遍狀況，整個智能卡車競速格局，發生了改變。

　　智能卡車創業，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不予放行，二是前裝量產難以實現。

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

　　不過造車這條路牽扯資質、重資產投入等等，能否跑通仍有待驗證。

　　而以合作車企推動 L3 量產起步的嬴徹，則因其商業上的務實，和技術上的強投入，首先跑通了商業模式——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：

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

　　當然，也給行業提供了一種“嬴徹模式”的參考。

　　嬴徹科技創始人兼 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+全棧自研+深度運營。

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

　　全棧自研，體現在如今嬴徹能在 AI“生產力工具”一端完全自給自足，也體現在統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閉環，可以迭代產品，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過。但馬喆人認為，三者深度結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涵。也是目前商業化進展最快的核心原因。

　　縱向觀察，嬴徹科技的商業進展也展現出更值得關注的趨勢：

　　堅持正確的戰略數年，在技術、市場、產業鏈成熟的背景下，摸索出商業模式雛形，而又遠遠領先賽道其他玩家，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。

　　在行業橫向視角下看，嬴徹科技率先探索的商業化公式，也毫無疑問會成為行業的公式準則，開啟全球新的產業競速。

　　而在這一條賽道上，中國已經具備了成為技術、商業化全球中心的優勢。