圆桌论坛：商用车智能化时代到来了吗

黄绍忠（主持人）：把我们本来就很焦虑的同仁，按在地上在摩擦了。我觉得我们还是希望能够冬天里看到一把火，这把火极有可能来自技术，资金讨论不了这么大的事，技术永远是往前进步的，技术在人类的脑袋里是很有可能突破的，我觉得这个是有希望的。资金我们不聊，这一把火想听听季总的意见，在需求侧，应用方就不想让L3、L4的车辆为您提供服务吗？对您来说是不是有价值的？

季同：我们之前畅想过这个话题，我们也做过公司车队要不要直营，公司有4000多台车，有6000多个挂，这个体量在中国看似很大，在快递快运里面都是这个体量，包括三通一达。我们设想过这样一个场景，某一天实现无人驾驶之外，这个车跟乘用商用有什么关系，这个车是谁来拥有、谁来运营的关系，从这个车终极级角度来看是不是应该直营。再畅想一下，全部实现L2、L3之后甲方车队是不是也不需要拥有这个资产。

我想到这个问题，为什么我要买这个资产，为什么车辆租赁的模式到现在没有出现？因为车的驾驶方这个司机是我，这个车产生的经济价值，它的成本控制，油耗是我的司机控制的，安全涉及到后面保费的赔付，也是司机控制的，所以这个车理应算我的，我应该拥有这个资产，我来运营这个资产。

当真正实现无人驾驶之后，是不是会有大的第三方出来，这个车经济性、油耗价值跟我没关系，无人驾驶、安全性跟我也没关系，它碰不碰我也决定不了，但是不是这个车就不属于我甲方了，或者我就不拥有这个车了？

出现这样一个大的第三方来运维的时候，这个话题就变得非常有意思，就是我们想象的一个问题，大家在车队管理当中都没解决的一个问题就是人和车的绑定，对于个体散户来说，一个夫妻档他必须来购买这个车，拥有这个车。对于我们车队管理来说，我必须一个车上摁上一个司机，长途的话我可能摁上两个司机。我必须人车绑定，我才能管车。否则我就明确不到责任人。但是你会发现未来没有责任人了，会出现运营模式的变化，会出现第三方。

另外一个更有价值的事情出现了，它的行驶里程会极大提高，不要考虑人休息的因素了，把车的使用效率提高。大家可以去看一个数据，现在个体散户每月平均的里程数只有1.2万~1.3万公里之间，普通的大车队可以做到每月2.3万公里，提升使用效率，节约成本，资产使用效率产生的经营价值是远远大于油耗的一点节省或者说保费的一点降低的。当真正的无人驾驶到来后后，大大提升车辆的使用效率，可以真正做到人歇车不歇，换一个安全员，提高车的使用效率，这是真正的价值，是乐意为他买单的。到那一步，甲方需要买单的成本是比较低的。

黄绍忠（主持人）：还是希望我们把这个车干出来。不管怎么说这个路肯定是很漫长的，一步一步往前走，我们管车叫设备，设备方的各种从业者，在漫漫长路当中，我想分别请教朱教授和李博士，我们作为OEM，基本上是提供整套完整车辆最大的一个角色，您觉得怎么样一步一步落实，向季总交付一辆车？

李洋：刚才我说的在干线物流行业畅想的目标，就是把车和人做好分离管理，能够不用像现在这样采用车人绑定化管理方式，肯定是需要车辆跟人可以解耦管理，需要自动驾驶，保证本身产品的一致性，包括产品，包括整个特性的达成，能够实现季总要求的整个系统方案的可靠、安全、可持续，才能够实现这种目标。

基于这样的最终目标，从我们的角度，第一，这个目标是需要所有伙伴一起才能达成，基于这样协同开发或生态合作方式，首先肯定是组合式方式，包括后面的基础建设不是一蹴而就的，都是慢慢地探索。针对这样的目标，目前至少能让我们活下去的辅助驾驶产品，让我们有空间可以做。第二为我们后面做L3、L4，有可能现在看它的价值有没有产品L2高，或者过渡到所谓的L2+，，以整个产业链和整个行业的积累和产品的突破，最后有可能能达成季总要求这种产品形态。所以说最终的目标肯定是可以达成客户需求的，在做这个目标的过程中，有可能需要最开始做技术积累的阶段，要做好前期的，不管是投入上还是技术上的沉淀期，需要这样一个周期。

黄绍忠（主持人）：我觉得特别务实，特别像我们干这个行业的，脚踏实地，工程师一步一步干下来。

朱西产：我们说这次的新能源智能化变革，，带头大哥应该是特斯拉，特斯拉对怎么做这件事情影响是巨大的，这个带头大哥是把你带到正确的道路上还是沟里，我看到的至少是特斯拉把中国的乘用车带到沟里了。我们误读特斯拉，把特斯拉解读成烧钱或高端，今年才看到特斯拉的真面目——降价，玩命地降价，所以我们终于看到一个中式特斯拉，就是极致地创新、极端的成本控制。再怎么变，商业模式很难改变，只有降价才能拿到市场，这个商业逻辑很难搞。高大上的高科技产品也得靠价格战才能争夺市场，所以这块对我们是有启迪的，我觉得特斯拉在智能化这块把我们国内的乘用车带沟里了。抄作业，就抄不下去了，抄不动了。商用车不错，成本控制你们是深入骨髓的，就是你们的DNA，商用车价格比较卷。商用车走无人驾驶的时候并没有走单车路线，还是按照车路云一体智能，商用车做这件事情我觉得蛮好，有自己创新的方案。我也看了一下国内现在域控制器和传感器的配置，乘用车这块堆料堆得不像样子，已经用了四针OLED芯片了，还要放一张Mobileye芯片，但是他们说AEB算法我们不敢做，就这胆儿就不用出来创新了。

商用车这块，我刚才说好就好在怎么做这件事情上，在通向目标的路上有自己的创新方案，成本控制有点偏抠，我们说功能安全咋做，他们说下一代就Orin了，双Orin，我说双Orin又怎么能达到？两张Orin刚刚达到计算能力，冗余就没了。所以商用车这块的好处是成本控制蛮强，达不到的情况下，他说反正我现在安全员还在上边，应该说过渡期它的功能安全大概就是做到ACL-A，软件如果做得好一点，大概能做到ACL-B。

所以现在商用车既然安全员还没拿掉，现在的这代产品功能安全没有按ACL-D做的，但是从ACL-A到ACL-D整个系统的成本估计是要翻倍的。所以成本控制这块既然是尝试，堆料可以，但是堆上去的每一块材料要说明它的合理性，投资人的钱也不是大风刮来的，虽然有了第一笔钱，你的第二笔钱就可能赚不到了，甚至拖累到整个行业都赚不到了。这不是短跑，可能真的要做好马拉松的准备，既然马拉松，你得不断融资，你要不断融资你就要有信誉，最大的信誉的就是要有极致的创新，你要为投资人负责。这是我们说该怎么做的一个相对宏观的想法。

黄绍忠（主持人）：我个人直观感受，跑马拉松特别适合商用车的同仁，我们特别接地气，特别能吃苦耐劳，所以适合跑马拉松。

最后简单收个尾，请张旭总和季总，一个来自学校的专家，另外一位来自OEM的，可以随便挑一位，提一个想探讨的问题，以这样一个形式开展。

张旭：我接着朱教授刚刚说的话，我先说说我的感受，经常在各个论坛跟朱老师碰面，商用车自动驾驶不管是技术能力，还是成熟度，肯定是有很多限制，但并没像您说得那么摩擦。我们认为我们商用车不管是对于客户的把握，对于车辆，尤其是现在车辆一些客观的物理属性，包括一些技术成熟度的克服，商用车自动驾驶不只是挚途，包括我知道的一些优秀的企业，优秀的算法团队，他们积累了很多工程经验。这些工程经验恰恰我认为乘用车还真不具备。这是第一点，我们现在从一些乘用车的科技公司挖来的很好的人才，我们发现他们基础能力很好，基础理论很熟，但是他得先学习，他至少得学习一年左右才能够把商用车一些现实的工程问题在他的工作层面上解决。这是第一点理解。

第二点，特别同意朱教授讲的成本跟技术。我认为技术和成本一定是并行且同向的，成本控制不足一定是你的技术不好，不深。这里不只是产品技术，还有管理技术，就是你的物料足够低了，可能你的人工摊销很高。你把企业一不小心做成“二八法则”了，20%的人干80%的活了，这是管理技术。所以一个企业的成本控制能力，恰恰说明了它各方面技术的能力。所以这里面要跟朱教授说：1.挚途没有用过工控机。2.挚途的L3是在30tops车规级芯片上做的，是全中国做L3、实现L3功能里芯片算力最低的，这也是我们当时做产品定义的时候第一个要啃的硬骨头。

今天上午虽然我在火车上面，听不到是朱教授还是哪位教授在讲，他说Mobileye EQ4太牛了，在那么小的算力上面做得那么稳定，功能那么丰富，这个太厉害了，这个全球可能都没有人超过它。我们也希望我们的L3在30tops的算力上做得这么稳定，做到这样的功能丰富，全球可能远点，我希望中国没有超越我的。这是第二个我要接着朱教授说的。

黄绍忠（主持人）：这个得给您鼓个掌。

张旭：最后就是要提问题了，最后提问题就是ChatGPT，这个确实是我特别特别关心的，而且是我特别特别担忧的，我是很拥抱这个产业的，同时我也觉得有一些我们想不到的或者是我感觉在我的知识储备和团队能力储备能力方面，比如说怎么去做更加复杂规划类的控制，比如怎么在智慧物流上做整体化的解决方案，ChatGPT给我们提供了一个很好的解决方案和思路。

这里面再说点私货，借着跟朱教授沟通的机会，我干自动驾驶这些年，不管跟投资人还是跟我们自己团队，我是坚定的渐进式发展方向的支持者。一，我在做每件事情我要为发起人创造价值，二，我知道可能我的能力，包括我的存在，我可能要不断沿途下单、沿途变现。但是现在随着ChatGPT，我这一两个月我也有变化，我在去年ChatGPT2的时候就接触过这个产品，我认为它是很不错的聊天机器人。但是在今年ChatGPT 3突然出来的时候，你会发现它有点吓人了，在ChatGPT 4出来的时候要变革了。

我现在要说对自动驾驶的态度就是，无论是你选择哪条路径，坚持下去，渐进式也好，跃进式也好，积累的数据不够，ChatGPT 2的时候可能才千万级或者千亿级的训练量，可能现在到万亿级的训练量，突然发现有拐点了，突然发现有跃升了。所以我希望不管是哪条路线，我们的产业、我们的投资人给我们足够的钱，给我们足够的机会，让我们能够当长期主义者，帮我们发展，我认为存在肯定是有它合理性的。

好，把我的问题抛给朱教授。

朱西产：上个月的时候有一个研讨会上，我正好坐在主持人的位置上，把现在做AI算法的几个创业公司的老总就这个问题问了个遍，我们知道现在我们的自动驾驶，现在的AI在我们汽车领域用的还是谷歌开源的DeepMind模型，DeepMind模型要命在什么地方呢？要用精准的标注数据训练出来一个专用模型。所以我跟他们说，人工智能人工智能，你充分地让我感觉到了什么叫人工智能，就是大量的人工，得到了我一个不太满意的智能。他说对，没有人怎么智能。但是我说你的需要的人工是大大出乎我的意料，你得到的智能是远远没有达到我们的期待。今天我们使用DeepMind模型的人工智能AI算法，可能解决不了我们的问题。

有可能是这样，ChatGPT应该说是整个AI界的又一次狂欢，谷歌落，Open AI上，开辟了一个新时代，PT模型，我们说叫Pre-Chain transform。Pre-Chain这个大模型训练的时候并不需要精准的数据，它用大数据标注。然后通过Pre-Chain的过程有了知识，形成了知识体系，如果不能形成知识体系，就不可能重振。所以PT模型是我们需要的。

ChatGPT可能对我们汽车的影响是在智能座舱，我们自动驾驶需要PT模型，要做Pre-Chain的大模型，然后用少量的精准标注数据，通过transform模型迁移过来。原来transform模型一直在用，知识迁移，比如说传感器融合，我们现在多目标融合，一个毫米波雷达，一个摄像头，其实融不出啥东西来的。但是我去年毕业的一个博士，他做的是用毫米波雷达提供的点作为一个关注，在这个关注点的附近，把它作为一个信息迁移到摄像头那边，它叫注意力机制下的摄像头的一个计算机视觉算法，通过毫米波雷达提供的注意力机制，提升了它的正确识别率，这也是一种transform模型。transform模型其实我们早就在讨论。

过去存在一个问题，你要transform要迁移的那个知识从哪来？去年毕业的这个博士论文，他通过毫米波雷达提供的信息来给它一个迁移的信息。这次PT模型终于告诉我们说这个知识来自于Pre-Chain的那个大模型。

所以近期尤其是今年你可以看到，整个自动驾驶又是一次重新堆料过程，200万像素的摄像头不行了，上500万、800万。上次在那个会上我就问他们第二件事，我说你这个系统变了，原来的数据咋办，是删掉还是继续用？他说你净找我腰眼子戳。我说我在主持人位置上，我不戳你腰眼戳你哪儿？我说你说一说到底咋办？你说删掉哪那么容易。你说不删掉，存在那儿，热存储一年80到100万一个TB，冷存储也得10万，他说就先冷存储先冻在那。就跟我们吃不完先冻冰箱，就冻在那儿。

这些数据我们说如果要是继续使用DeepMind模型，这些数据不要了，这个时候我们说上一轮积累的那些数据我觉得拿去做Pre-Chain大模型训练是可以的吧，拿来做新一代新摄像头的DeepMind模型是不行的，又得重新采，这是肯定的。

第二个，有了大模型牵手以后，我希望新一代800万像素的摄像头不要再采100万公里了，过去一个200万像素的摄像头采了100万公里已经20个TB了，再用800万象素的摄像头如果采100万公里，80个TB，那费用受得了。在这个时间恰恰是从DeepMind模型转向PT模型的一个必要的时间。否则你对投资人真的没法交代。

美国华尔街去年所有做自动驾驶的要不倒闭，要么根本不是拦腰砍，直接照着脚脖子砍了一刀，言下之意告诉投资人说，对不起了，我不玩了，我要换着玩了，这种总不合适吧。

我们也不得不承认DeepMind模型可能走不下去，赶紧转PT模型，用原有的数据做出一个大训练，然后再采。我是希望能够把新一代的系统，有了Pre-Chain大模型的支持以后，迁移过去以后，那个专业模型能够相对使用少一点的数据，比如说从100万公里，因为AI训练没有足够的数据是不行的，如果100万公里降到10万公里，我们从这次的硬件提升，硬件提升肯定需要的，这次的硬件提升在AI上就提到了一个非常好的无缝的链接。这个正好上个月研讨会的时候正好争论过。

黄绍忠（主持人）：谢谢朱老师，收获特别大，我感觉有点插不进话，太专业了。我们拉回到应用层，季总您问一下ChatGPT的事，您看看您是发个问还是怎么样？

季同：ChatGPT我们就不聊了，这是两位专家级的。我们非常赞同朱教授说的这个话题，商用车就是为了赚钱的，随着现在中国物流行业的发展，尤其这两年商用车可以看到，整体来说车供大于求，大车队的车也是大规模闲置，你们可以看到这个行业里在不停内卷，甚至出现了劣币逐良币的趋势。从公路运输行业大家都在比谁更加违规，谁的货箱更长更宽，没有比拼谁的管理更牛。大宗运输也没有用新能源或者用智能驾驶降低成本。现在这个领域拼的就是你用一辆车，我就用子母车。这种内卷我觉得都是一种无效的内卷。现在市场还是基于有规范车型存在，有优势才存在。当大家都是不合规的车型的时候，又站在同一起跑线上，最终还是要靠新的技术和管理的比拼。

现在从车队上来讲，我认为车辆装备上，从油耗，从维保、从安全管控来说，大家短期内可能不一样，但是从稍长的时间来说，大家都可以拉到同一个水平。但是真正PK的还是车辆使用效率，我的跑1万公里，你的车跑2万，他的车能跑3万，这非常考验一个车队、一个公司的管理能力。一个是你的技术装备，再一个是管理，还有货源组织管理的问题。

从现在的油耗控制、安全控制来说，也不是单点去做，我打个比方，现在的油耗控制，我们智能驾驶的车也很关注油耗，你想你给司机降油耗，它不是一个单点的油耗的问题，有的车队我给司机的工资相对来说高一点，我在油耗上就使命往你那儿压。有的车队，我在工资等其他行政待遇上比较低，但是我在油耗上给你放得比较多一点，让司机在这里面去挣一点，达到留住司机的目的。

所以你会发现控制油耗也好，控制安全也好，是一个体系的问题。如果是一个单点的智能驾驶的公司去跟他PK这一点，你很难去打败他的。我抛砖引玉，我还是认为真正的自动驾驶公司，是不是可以为客户客户提供整体的解决方案，而不是一个简单的工具和装备，你真正解决客户痛点，能够让他的资产使用效率极大提高，渗透到他的经营当中，这才是真正的成本节约，你的优势才能更加凸显。而不是一群博士生、一堆高科技公司，跟客户PK谁更违规，谁去加好油，谁去加差的油等，这种无效的竞争是非常低端的，也没有必要踏入这种竞争。真正是要提供技术解决方案给客户降本，这是自动驾驶公司的意义，这是他们存在的价值。

黄绍忠（主持人）：您是对李博士有一个什么样的问题吗，您别光只提供一部车给我，你最好带着一整套方案给我。

季同：现在主机厂确实往这个方向来做。

黄绍忠（主持人）：您怎么看不只是给一部车，我还要给一套方案过去。

李洋：最开始讲网联，为什么商用车智能网联的应用，智能本身至少从目前来看，更偏向于单车智能或者是加车路协同。但是对大车队，刚才季总也说了，是全方位地提供解决方案，降低整个运营管理的成本，提高整个运营效率，实际上就包括了车、车端。为什么刚才说到挂车，包括最开始做自动驾驶，我们说标准法规要求都是标准化，干线物流都是用的非标化，对于我们做自动驾驶的挑战，直接提升了很多。因为我们要适应不同的挂车，我要适应不同的差异。我的自动驾驶结合它挂车的标准化，创造更多的价值，按照标准化的形式，挂车带一点，有的是不带一点，有的连ABS都没有，对整个自动驾驶的实现影响是比较大的。

所以说如果真是要做整个方案，除了车，相关联的挂车一致性、关联性的保证，我说的前提是达成L3或L4之后，这些挂车的一致性能更有效地提高效率，或者是能够降低运营的成本，这是车端。第二个就是平台端，刚才说到我们车现在的平台能够基于T-box提供基本的车联网数据，车辆智能网联的开发要在车上装这种传感器，有的是希望获得轮胎的状态，包括路面的状态，基于自动驾驶之后整车数据的量和有效数据的应用，是比我们现在这些车辆的数据量大的。基于这样的基础，网联的应用，数据的网联，对车队来说能提供更有效的管理数据，更有效的形成整个车队运营方案。所以说刚才季总也说现在商用车这种形态就是一体化的方案，包括单车，包括数据的服务，包括平台的服务，只不过基于智能之后有可能做得更深入、更广泛，提供的方案更完整更系统。

黄绍忠（主持人）：李博士把我们这个题很好地点回来了，智能和网联连在一块，为市场和需求方提供更好的服务。也感谢现场陪我们聊天的朋友。整个智能网联、智能化这个赛道是一场马拉松，从现在的状态来看，车联网这件事来看，无论主机厂还是应用方，我们跑了可能十几公里了，跑到中间段了，找一些应用方向、亮点、兴奋的点了，在智能化特别在自动驾驶这个领域，我觉得L2以下的跑了七八公里了，但是真正的自动驾驶，越是投入越大的L3、L4领域才刚刚起步。我们还聊到D模型往P模型去改，技术还有迭代的层级，是一个长远的马拉松行动。

我们自己要有足够的信心，不管是三年还是五年，还是十年，我们一起为这个目标努力，谢谢大家！

（注：本文根据现场速记整理，未经演讲嘉宾审阅）