智加科技崔迪潇：L4会带来生产关系调整，端到端不怕资源“恐吓”

作者 ｜  R
编辑 ｜  志豪

车东西1月23日消息，日前，由智一科技旗下智猩猩、车东西共同发起的第四届全球自动驾驶峰会在北京中关村国家自主创新示范区展示交易中心-会议中心成功举办。

智加科技首席科学家崔迪潇登台演讲，主题为《走向更安全更智能的干线物流》。

崔迪潇指出，中国的干线物流是一个万亿级别的巨大市场，卡车的存有量达到800万台。然而在这个巨大的市场背后，一系列结构性的问题正日益凸显。一方面，干线物流安全事故频发，另一方面，人力与燃油成本攀升挤占利润空间，降本增效需求显著。

▲自动驾驶重卡可有效解决安全和成本两大挑战

值得关注的是，崔迪潇也就业内盛行的端到端热潮作出回应。他指出，端到端在某种程度上可谓是一种资源“恐吓”，尤其对于部分初创型企业而言更是如此。

与此同时，他也提到，尽管资源有限，但这些创业团队同样面临着机遇。当技术发展至一定阶段后，能够以十分之一的成本达成同样出色的效果。这是因为在端到端智能驾驶中，大量冗余的标注与计算实际上并无必要。

最后，崔迪潇总结说：“L4级自动驾驶是我们的终极目标，在朝着这一目标前进的过程中，我们势必会遇到各种变化和挫折，也会发现一些新的技术方向。不过，这些新的技术方向仅仅是我们实现目标的手段，而非目标本身。不能走了太远，忘了为何而出发。为达成无人化这一目标，还有很多更重要的工作要大家一起坚持继续去做。”

崔迪潇表示，中国干线物流市场巨大，卡车保有量达800万，但背后存在严峻的结构性问题。首先，重型卡车事故率较高，每百万公里发生1.9起事故，原因涉及人为、环境及车辆监管。

其次，商用车作为生产工具，需进行成本核算。随着人力和燃油成本上升，物流行业利润空间压缩，导致降本增效需求未得到满足，进一步加剧安全事故，形成恶性循环。

▲自动驾驶重卡可有效解决安全和成本两大挑战

自动驾驶技术从辅助驾驶到全无人驾驶，将重塑生产力并改变生产关系。掌握该技术的企业将在新物流体系中占据主导地位，并赢得更大市场份额。

企业需制定可持续发展策略，按阶段推进，全面核算成本，如折旧、燃油和人力开支，并通过技术创新与研发投入，实现从L2到L4的渐进式发展。

实现L4自动驾驶后，生产力飞跃将带来深刻的生产关系变革。无人驾驶车辆将成为运输体系的核心，结合无人化调度系统，提升物流效率，降低成本，最终实现长期战略目标。

崔迪潇表示，智加科技把愿景拆分成可实现的路径，完成了分解。

智加领航1.0在2021年已经投放市场，也完成了和荣庆物流的交付，实现了在高速主路上的高比例自动驾驶。

从2022年开始到现在，智加科技完成了高速路收费站到收费站区间的高级别辅助驾驶系统的量产和交付，这也是智加科技投放给客户的主流产品。

▲智加领航已投入头部物流企业实际运营

随着产品软硬件的不断升级，自动驾驶的安全性和可靠性将提升，最终实现仓到仓的无人化运营。这一愿景的实现不仅依赖技术突破，还需在成本控制和服务对象之间找到平衡。

崔迪潇指出，商用卡车自动驾驶的挑战不仅在复杂场景，还在于卡车驾驶的高难度。尽管人类具备高度智能，驾驶卡车仍需十多年经验，反映了其操控和场景理解的复杂性。

从技术角度看，自动驾驶涵盖感知、定位、规划和控制等多个技术难题，智加科技坚持量产车型原则，与OEM厂商合作，确保车辆主体结构和外观不变，传感器采用车规级智加领航系统，已更新至第三代。

智加科技的技术方案与行业主流一致，采用多传感器融合技术，并复用乘用车赛道的供应链资源。这不仅降低研发成本，提高可靠性，还能将资源集中于重型卡车的定制需求，推动技术、商业和法规快速打通，最终实现高效闭环运作。

崔迪潇认为自动驾驶使用比例是比较直观普遍的能够反映出系统性能的指标。目前智加科技客户真实运营的自动驾驶比例为96.7%，相关的变道，微调，避让等等各项指标均是在百分之95到100%之间。

▲真实物流运营的自动驾驶场景

该功能在司机用户中获得较高接受度。以换道为例，司机确认或取消变道反映了系统与司机主观判断的一致性，智加科技通过模型迭代优化决策时机，提高了用户体验。

高比例方案表明自动驾驶产品具备安全、省力和节油特点。节油本质是复杂的非线性优化问题，关键在于减少不必要的制动，保持速度稳定，降低外部环境对巡航速度的影响。

智加科技的研究证明，自动驾驶辅助系统有效减轻司机的认知和身体负荷，同时确保突发事件的应对能力。

商用车运行的挑战是24小时不停歇的状态，经常会有晚上凌晨两三点发车，所以对于传感器、算法、感知能力和执行器在不同工况和不同场景下的普遍的适应能力和处理能力会提出更高的要求。

崔迪潇认为，L4是研发的核心，而L2则是量产工程化的基础。L4的目标是扩大覆盖范围，尽量接近100%的作用域；L2则通过工程化提高系统的可靠性、安全性和稳定性，降低成本，实现当前作用域的高自动化比例。二者相乘，最终实现仓到仓的无人驾驶。

崔迪潇将数据利用和产生能力分为两个维度，从L4角度看，L2需要与L4共享架构和工程资源。他强调，L4并不一定比L2更高级，因为自动驾驶的技术、法规和商业相互依赖，L4同样需要L2来解决问题。

L4需要强大算力，但产业演进是渐进的，从Xavier到Orin再到Thor，业界已开始使用双Thor方案进行POC验证。因此，L4的发展需跟随产业链的成熟，不能一蹴而就。

▲L4研发和L2+量产如何协同

商业化运营体系需通过大规模运营才能成熟，因此可以在L4场景中使用不完善的产品进行试运营，通过人接管系统的最低标准验证和完善无人化运营体系。L4和无人化运营是对位关系，L4是产品概念，无人化运营则是商业化概念，需要通过大规模商业化解决。

以两个例子为例：首先，业内普遍认为高阶自动驾驶需配备激光雷达，以提高方案灵活性和实现更多功能。摄像头可作为主要输入，但毫米波雷达不可缺少。如果侧向和后向摄像头失效，系统将关闭相关功能并通知司机。

其次，L2对L4的帮助体现在“数据闭环”上，虽然这一目标看似简单，但实际操作可能需要多年时间。在未接触PB级数据之前，崔迪潇认为没有信心保证自动驾驶系统在如此大数据量下的高效性，必须伴随大规模运营逐步完善。

崔迪潇认为，端到端研发不应成为对初创企业的资源“恐吓”，若算力不足，可通过算法优化解决。他最近的工作利用导航命令学习场景稀疏表征，目前已上车，但尚未量产。该方法在算力和数据使用上约为主流方法的十分之一，却能提升两倍效果。

崔迪潇相信，技术达到一定阶段后，可以以十分之一的成本实现相同或更好的效果，这为小型创业团队提供了机会。核心思路是减少冗余标注和计算，例如，左转时无需关注后方车辆。算法应根据特定任务自适应学习，而非依赖大量不必要的信息，减少对transformer的使用。

他一直在思考如何节约资源，通过人类驾驶行为和指令引导模型，学习关注关键内容。这种方法使训练时间减少十分之一，推理时间更短，最终实现端到端训练，依赖人类行驶轨迹。

崔迪潇强调，L4不仅仅是数据驱动或端到端技术，它是产品形态，而无人驾驶重卡或Robotaxi是商业形态。这三者是递进关系，端到端是实现L4和无人化运营的工具之一，但不能单一依赖，需兼容并举。

▲L4不仅仅是数据驱动和端到端

所以崔迪潇认为依然要关注对于冗余架构的设计，依然要关注对于失效场景下如何进行失效场景的识别和处理这样一套完整的安全功能的工作，这也是智加科技过去一直在坚持的。

崔迪潇最后总结到，L4是终极的目标，在朝着这个目标走的过程中，会遇到一些变化，遇到一些挫折，可能会看到一些新的技术方向。但是大家意识意识到，这些新的技术方向是手段而不是目标，最终的目标是要实现无人化，一定还有更重要，更多的工作要做好。