2024 年 9 月 13 日，在第四届商用车自动驾驶大会上，三一集团副总裁、智能驾驶研究院院长、海星智驾科技 CEO 王发平指出，尽管商用车市场看似波澜不惊，实则亟需技术引领与商业模式创新。

王发平强调，在乘用车领域自动驾驶已成为标配的背景下，商用车智能化转型迫在眉睫。他进一步阐述了商用车自动驾驶发展的四大基石——轻传感、强计算、自生图与极致 AI，并探讨了 AI 赋能商用车自动驾驶迎来商业拐点的可能性。 

王发平   | 三一集团副总裁、智能驾驶研究院院长、海星智驾科技 CEO

以下为演讲内容整理：

商用车市场难 " 卷 " 起波澜

每一个时代的发展都有几个关键的时代主题，比如安全驱动、法规驱动、网联驱动、智驾驱动，还有如今的机器学习驱动、AI 大模型驱动等。在乘用车领域，每一个时代都有着一段深刻的记忆。但在商用车行业，似乎没有一个代表性企业或组织能够进行技术引领。我们常说，商用车智驾的发展是无名片、无记忆的，始终是卷卷不休。

纵观乘用车智能驾驶发展，自动驾驶功能已成为车辆必选。从基本功能看，ADAS 的市场渗透率已经超过了 60%。曾经车联网并不被行业看好，没有商业模式，也找不到特别好的互联网应用场景。但目前来看，车联网在新车的市场渗透率几乎为 100%。座舱更是发展成了人类生活的第三空间。人机云交互、车内沉浸式氛围、记忆座椅、HUD 等都已在车内得以应用。尤其是随着 AI 和互联网、通信行业的发展，更加推动了智能座舱在乘用车里的快速发展，新车市场上搭载智能座舱的车辆超过了 50%。

图源：演讲嘉宾素材

乘用车领域，自动驾驶更是成为了炙手可热的话题，每个车企都在寻求通过自动驾驶进行突破。将乘用车与商用车进行对比后，我们发现商用车依然存在诸多痛点，如用户反映车上装了一车盒子，却无一可用。因为商用车的生产资料经常要受到各级政府的监管和管理，许多地方经常会出现这种情况。经常是在这个地区装这种盒子，到了另一个地区又装另一个盒子，车上装各种各样的 GPS 定位盒子、监管盒子、Tbox 盒子、video 盒子，各种盒子聚集在一起，但没有一个盒子的功能是让用户觉得有价值、有体验、有帮助的。许多用户在把车开到某个地方后甚至会把所有盒子关掉，认为各种提醒和报警非常多余。

另外，车上装了大量传感器，但基本上无法启用，有时是随机可用，并非可持续、高可靠稳定能用的，只是一个标榜级的功能，或者说是广告级的功能，主打卖点，并不关注用户到底有没有用、能不能启用、启用过程如何。

随着软件定义汽车时代的到来，汽车里的代码量越来越多，有的总代码量甚至超过几十亿行。在商用车内，中央域控制器的功能基本还没有规模化应用和搭载，车上还是通过多个 ECU、分离式 MCU 实现一些功能。ECU 的这种分布式功能导致算力过度冗余，甚至还没有 AI 算力，只是传统的算力。

我们所呼吁的中央式域控在商用车领域基本没有规模使用，而在乘用车领域则发展得非常快。我们希望商用车能够有许多功能，但并不具备这样的土壤，我们期待嵌入式、高效率和大算力、低功耗功能。

对于商用车的技术路线，我们如果仅仅是规划，却不将其进行落地为用户带来价值，就只是吹牛。如何让商用车改变现状？我们在多年探索中有一些总结。

首先，我们要有轻传感。传感器越多，其防水、防潮、防震、可加工、可装配、可维修性就越难，可用性不高。因此我们需要通过轻传感解决高可用、高可靠问题。

第二，通过强计算，商业车的发展越来越软件化，需要更强的计算大脑，形成高效率和高推理能力。高效率即 AI 的计算能力，利用效率很高；推理是指边缘模型、车载模型直接在车上完成推理工作，而不是在云端。

第三，地图的应用。商用车是区域性工作的生产工具，最远运行 700-800 公里，因此商用车运行有一定的地图依赖性。它的地图依赖不像乘用车对整个城市、乡村所到之处的地图都可以依赖，只是对作业地图有依赖。在此情况下，我们可以通过在车辆运行过程中自建图的模式，减少对高精度地图、普世地图的依赖，让车辆随意运行，形成低依赖和低成本。

第四，商用车应该通过小数据和小模型构建行业的小模型。每一个商用车在其应用行业里都有特定的场景，这些场景的模型是大模型无法触及和学习到的地方。通过小模型的回归、拟合、训练，可以形成商用车在不同场景下的差异化，不断迭代提升。

通过这四个方面，可以形成清晰的商用车落地基础路线，实现轻传感、强计算、自生图和极致 AI。

商用车尽头是智驾还是降价

未来我们是要通过智驾改变产品特性、提升竞争力，还是继续卷价格？这个问题并不难回答。我们必须要通过智能化和附加的高价值提升能力。过去，我们形成了一些经验。

首先，我们要打破过去对芯片、算力资源复用率较低的模式，通过高复用、多合一芯片算力的应用，提升算力可用性，降低采购成本。

第二，当前软件的开发代价过高，任何一个新功能都需要定制开发，尤其是商用车，不同行业的应用场景都有所不同。由于软件开发代价太高，定制也非常难，开发工程师还需要在远程运维或现场运维中，运维成本极高，很不方面。为了改变这种现状，让商用车不再通过降价这种模式求生存，我们需要给商用车建立平台化的能力。

我们经常说，商用车行业其实是电动化乘以平台化，再乘以智能化，等于真正的规模产业化。软件平台化主要聚焦在把整个数据融合的接口标准化、软件开发工具链标准化，升级模式通道标准化、接口协议标准化，这主要是基于我们有一个非常好的架构逻辑。

商用车的本质架构逻辑其实就是 " 芯算软云 " 四个字。" 芯 " 是指要有非常恰当的芯片和算力，" 算 " 是指要有一个合适的软件大脑，" 软 " 是要有一套可迭代、基线化、可持续提升的软件，" 云 " 是不断推动 OTA 和数据的上传下达能力。

平台化中有一个很重要的方面，我们希望为商用车的智能开发装上一个 Windows 级体验，像商用笔记本一样，追求商务体验、快应用，具有商业属性、行业属性。因此在其操作系统的选择上，我们要选择轻量化的 OS。我们基本会在应用编程接口里做超过 150 个应用编程接口，代码复用例较高，大于 70%，应用服务数量超过 20 个，算法插件也有近 50 个。对此我们正在进行探索，并且在做好架构规划之上快死开发货架级产品，通过搭建好这个货架，形成规则，通过代码的标准化、军规、服务化能力，构建算法，随需而取、随需而买、随需而用、随需组合。基于此，当软件工程师离职或工作变动时，不会对我们的功能产生影响。

AI 赋能商用车自驾迎来拐点

当前，AI 时代已经来临，并且已探索出商用车智能驾驶开发发展的基本架构。在此架构中，AI 如何赋能？我们有一些思路。

首先，要 " 选对芯，做好算 "。AI 时代离不开芯片，更离不开 AI 算力比较恰当的芯片。我们如果对于 AI 的推理计算、训练计算，感知计算、融合计算等没有好的规划，不论是乘用车还是商用车，所实现的功能都是空中楼阁，因为所有的代码和运行都要在芯片和计算上实现。我们对于芯片和计算机的要求就是模型要轻量化，而不是一开始就提到几千亿参数的大模型。

第二，可扩展、高信任度、高可靠性。在选对芯做好算的同时，我们还要靠伙伴。我们知道路径如何走，但任何东西都是难以独自实现的。在探索如何把算力做到高性价比后，可以设置好一套架构和方法。对于行业内做得好的产品，也可以直接使用。

过去我们做了几款产品，一款可以支持 L4，通过跨品牌和跨品牌异构的模式，将小算力芯片堆叠起来，这样就不用去买大算力芯片。大算力场景通过小算力拼接，再把 AI 模型压缩减支和整流做好，以解决问题。通过这种办法，我们相当于构建了一套轻量化 AI 生产工具，能够实现多种功能。

我们也尝试做了一套计算，能够轻松集成舱、驾、控。过去车里要装 3 个控制器，智驾一套控制器，座舱一套控制器，甚至还要做一套 t box 的控制器，且控制器里都带有冗余算力。我们通过一套可异构、可扩展的算力控制器，通过虚拟化方式，在内部可以把所有功能都支撑起来。

除了芯、算、软这些基本能力外，云的能力也十分重要。如果把芯片比喻成地壳，计算比喻成丰富营养的黑土地，软件比喻成庄稼，那云就是阳光雨露。没有阳光雨露，任何庄稼都不能生长。我们的做法是车队在哪里，边缘云就在哪里。我们直接把过去的公有云、混合云和私有云的方法进行借鉴，通过 5G Edge 的模式，做出了一套边缘云。这套边缘云是完整的云的架构，但它可移动、可搬迁、随处可用、随处可连接。我们通过计算的大地、软件的庄稼、云的阳光雨露，真正实现了商用车生态的发展。

（以上内容来自三一集团副总裁、智能驾驶研究院院长、海星智驾科技 CEO 王发平于 2024 年 9 月 13 日在第四届商用车自动驾驶大会发表的《自动驾驶加持，商用车发展唯一自洽的底层逻辑和竞争力》主题演讲。 )