中国智能卡车“遥遥领先”：卡车 NOA 落地 5000 万公里 0 事故，全球首个

智能车参考 | 公众号 AI4Auto

成熟的“擎天柱”，已经可以自己出去赚钱了。

此时此刻，遍及华东、华北、华南、西北…几乎全国所有主要货运干线上，都有智能重卡承运商单。

高速路段由卡车智能驾驶系统完全承担驾驶任务，自主控制油门、刹车，自主车道保持、自动巡航。

以及根据实时路况自主或拨杆变道：

与乘用车“领航辅助驾驶”功能基本一致，但服务的是物流行业核心诉求——安全和降本。

卡车 NOA 功能，搭载的是嬴彻科技轩辕智能驾驶系统。

实际上，嬴彻卡车 NOA 投入商业运营一年半之久，已经积累超过 5000 万公里里程且在智驾状态下，0 事故、0 保险赔付纪录。

同时在运营中平均节油 2-10%、平均节省人工成本 20-50%。

商业化绝对里程和落地模式探索深度，在全球智能卡车赛道独一无二。

自动驾驶格局中，Robotaxi 呈现出中外你追我赶的态势。而在商用车领域，最新的进展表明，中国成了高地、中心。

卡车 NOA？

“NOA”，是这两年乘用车领域很流行的概念，准确的名称应该是“领航辅助驾驶”。

与以往普通的 L2 辅助相比，NOA 本质的进步和不同，是能根据导航路线，宏观上自主选择行进策略，微操上根据实时路况自主应对各种场景。

比如何时变道、跟车距离、上下高速匝道等等，都不再需要人类司机直接操作，用户的角色也从驾驶员变成安全员。

NOA 的价值由此体现：大大减少开车人的疲劳和负担。

而“卡车 NOA”，主要功能、场景与乘用车较为相似：目前在高速路实现 L3 级智能驾驶。

卡车 NOA 在降低司机负担之外，还有新的功能和重要意义，也是商业化的主要抓手：把驾驶任务交给系统，会在车辆的能耗、安全性上有更优的表现。

具体来看，嬴彻卡车 NOA 实现的功能包括：

自动巡航，包括自适应巡航、车距/车速调节…其功能，是在高速路况下，系统能按照导航路线自主行进。

智能横向控制，包括智能变道，可以用拨杆发出变道指示，也能自主变道，另外还有车道保持居中、智能避让等等。

智能节油，通过分析导航路线，首先规划全局车速，然后根据实施情况动态调节车速，“取经”了优秀的人类卡车司机，尽量全程匀速，避免急刹和急加速。

最后是安全功能，包括法规强制的 AEB 等，也包括嬴彻车云一体的主动安全功能。

支撑卡车 NOA 功能的，其实和乘用车智能驾驶方案高度相似。

1-3 颗激光雷达、5 个毫米波雷达、7 个 800 万像素环视摄像头，以及底层算力支持，AI 算力最高达 256TOPS，可灵活配置。

实际上从实现的功能来看，嬴彻这套卡车 NOA 方案，并不算“重”，反而在激光雷达的数量、底层算力上，与乘用车 NOA 相比“轻”了很多（乘用车常见数百 TOPS 算力）。

这也是商用车赛道不同于乘用车的核心逻辑——成本控制。而为了满足量产要求，嬴彻在自动驾驶技术栈上，也形成了一套“方法论”。

卡车 NOA 背后核心技术分为三个大的部分：带安全护栏的端到端网络、“超级司机”，以及嬴彻自研智驾平台。

普遍自动驾驶解决方案主要以模块化的架构为主，通常会包括感知模块、定位模块、决策模块、路径规划模块、控制模块等等。

但缺点在于每个模型都需要单独训练与优化迭代，需要的研发投入大，且误差有可能会被逐级放大，以及各个模块之间容易出现重复计算，浪费算力资源。

端到端网络则始于 2016 年发表论文《End to End Learning for Self-Driving Cars》，将多个小模型整合成了一个“大模型”，通过传感器采集到原始数据（raw data），并将原始数据输入到一个统一的深度学习神经网络（大模型），并直接输出驾驶命令。

但传统端到端网络由于其不可解释性及可靠性不足，缺乏安全保证，难以大规模应用到真实场景。

嬴彻科技则提出了“带安全护栏的端到端网络”，把传统的端到端网络分解成数个可微分的子网络，建立可解释的端到端网络，并构建安全护栏进行约束。

嬴彻科技 CTO 杨睿刚介绍，所谓安全护栏，可以理解为同时进行两套系统，一套基于端到端的模型，这是主系统。采用占用网格技术（Occupancy Grid Map - OGM)在三维空间中进行表征，实现对异形物体及复杂场景有效识别。

此外，针对重卡感知距离长对 OGM 算力和内存消耗大的挑战，嬴彻开发出高效 OGM 技术，采用自适应颗粒度与稀疏算法，降低 55%的算力消耗与 70%的内存消耗。

另外，安全护栏在端到端模型中间有一些小模块，小模块会生成可解释的结果，可解释的结果形成一些规则性的方案，然后再和主系统的输出结果进行权衡和比对。

而且杨睿刚还强调，嬴彻在训练端到端网络时，采用真实数据训练。

“超级司机”则是嬴彻为重卡特殊使用场景和需求研发的驾驶行为大模型——TruckGPT。

TruckGPT 将驾驶行为与场景数据在天气、路面材质、光照、道路结构、交通流量、车型、载重等 300 多个维度上进行原子化细分，并自然语言化；同时结合人工标注与自动标注形成正样本和负样本的驾驶行为原子集，对 LLM 模型进行精调，力争在油耗、安全及驾乘舒适度上全面超越老司机。

最后，嬴彻率先选择全栈自研智能驾驶硬件模块，其中既有为量产成本的考虑，也有自动驾驶软硬一体的内在规律驱动。

嬴彻最新的 ADCU 计算平台，针对卡车长途弱网、多变工况对数据闭环造成的挑战，新平台提供了大容量的存储能力及数据管理系统，通过数据压缩，智能断点续传等技术确保高价值数据回传成功率达到 99.9%。

新的 ADCU 也达到了 ASIL-B 级的功能安全等级及 ISO 21434 认证的信息安全级别，充分应对卡车苛刻严酷的运行和维护环境。

全球卡车首个卡车 NOA 的落地，背后的技术突出 3 个特点：首先强调功能安全性；其次是成本和工程化可行性；最后是紧密贴合商用车赛道的节油、平稳特性。

没有激进强调全无人或 L4，也不刻意展示“XX 里程不接管”Demo，务实到有点“朴实”。

但这正是嬴彻做智能卡车量产积累的 know how，也是能快速开启商业化落地，并在一年多时间内实现运营里程超 5000 万公里的核心。

卡车 NOA 如何落地？

首先快速说明一下智能卡车与乘用车或 Robotaxi 赛道的最大也是最本质的差别。

乘用车服务 C 端用户，产品可以千姿百态，智驾方案有高有低，功能亮点各有差异化。

但商用车服务的核心对象是物流行业，是 B 端，唯一关注的只有成本。

说白了商用车是拉货挣钱的，成本越低价值就越大，省下一点，车队或司机就能多赚一点。

商用车全周期成本（TCO）成了关键指标，包括司机成本，约占 1/3 左右；燃油成本，占 1/4—1/5 左右。其余还包括维修保养、事故保险等等。

给一个直观的数据概念：一般一辆重卡的报废极限是 100-150 万公里左右，跑得勤的车队或司机，一般两到三年就能干到这个里程，总成本约 250-350 万元。

无论是在人工或燃油或维修等等方面，就算能节省 1%的成本出来，司机一年也能多赚好几万，节省的更多，自然客户就越愿意买单。

而围绕这个核心诉求，嬴彻执行副总裁阿玉顺介绍了目前的商业化进展：

商业运营里程超过 5000 万公里，智能重卡数量接近 700 辆。覆盖了全国 7 大核心经济区的 340 多条干线高速运营线路。

累计发运近 5 万趟次，全部由单驾（一个司机）完成。

600 多天运营中，自动驾驶里程占比超过 90%。自动驾驶里程内，0 事故 0 保险赔付。

这样的描述中，就能看出嬴彻智能卡车落地的主要逻辑。

卡车 NOA 带来的省油。是直接商业化优势。

阿玉顺介绍，华东、华南、华北、华中等干线货运核心流向上，嬴彻智能重卡的节油表现均优于客户油耗考核标准，百公里节油平均可达 1 至 3 升。

相较于人类优秀司机节油可达 3%-7%。其中 30%常态化运营线路可实现 7%-10%的油耗下降。

其次，卡车 NOA 让司机“省力”，是第二个商业化优势的前提。

北京理工大学航天人因工程团队跟踪研究数据显示，使用嬴彻卡车 NOA 的智能卡车驾驶员的生理疲劳度，比使用传统卡车的司机下降约 35%，心理疲劳度下降约 11%。

这也就使得长途货运场景下，以往需要两个或多个司机的任务，现在一个司机就能完成。

比如快递快运、合同物流、零担和整车专线等各个干线物流细分场景，嬴彻的客户目前都实现了人车比的显著下降，可节省人力成本 20%~50%。

这就是“省人”。

另外，嬴彻智能卡车产品落地的另一个优势，就是卡车 NOA 运行的平稳性、安全性，带来货物运损下降，以及车辆保险费用的降低。

总结嬴彻的商业落地探索，展现出这样的进展：

强技术底座，以“省油”和“两个司机变一个”、“安全成本”为主要竞争优势，已经获得了物流行业的认可。

并且在销售端，也覆盖了快递快运，合同物流及零担等多场景客户。

在整个行业中，大部分智能重卡玩家还在攻克前装量产难题，有的甚至尚未找到合适落地场景。

而嬴彻的商业化是目前规模最大，程度也最深的，更是第一个初步探索出落地模式的。

在整个赛道中，嬴彻科技展现出一马当先的态势。

嬴彻模式的“稀缺性”

如何看待嬴彻的卡车 NOA 和商业化进展？

于普遍状况，整个智能卡车竞速格局，发生了改变。

智能卡车创业，一直有三种故事：造车、L4 和嬴彻所在的从 L3 起步渐进式走向 L4。

L4 目前遇冷，尤其是在海外。其重要原因一是法规不予放行，二是前装量产难以实现。

实际上，“卡车新势力”之所以诞生，就是因为 L4 模式量产受阻，以高阶自动驾驶技术入局的玩家，希望通过重新设计底层平台，实现 L4 的降维。

不过造车这条路牵扯资质、重资产投入等等，能否跑通仍有待验证。

而以合作车企推动 L3 量产起步的嬴彻，则因其商业上的务实，和技术上的强投入，首先跑通了商业模式——逻辑已成立，客户已认可，剩下的就是降低成本了。

这也是嬴彻卡车 NOA 5000 万公里的第二重意义：

智能卡车转折点到来，嬴彻首次证明了智能卡车的必要性和商业价值，给整个赛道重新注入信心，打消了政策、资本、舆论的质疑。

当然，也给行业提供了一种“嬴彻模式”的参考。

嬴彻科技创始人兼 CEO 马喆人认为，所谓“嬴彻模式”并不存在“独特性”，甚至可以说是“明牌”：

前装量产+全栈自研+深度运营。

前装量产，指和车企深度合作，把智能驾驶套件加上去，达到车规，且成本可控，提供落地的基础。

全栈自研，体现在如今嬴彻能在 AI“生产力工具”一端完全自给自足，也体现在统一的硬件平台上搭配不同方案，满足各种客户的需求等等方面。

深度运营，使得嬴彻早期尽快投入商业闭环，可以迭代产品，获得客户。在中长期探索“货运机器人”对运输模式的变革。

其实拆开来看，每一条都有玩家之前强调过。但马喆人认为，三者深度结合而且一直坚持下来，是具有稀缺性的，这是嬴彻模式的真正内涵。也是目前商业化进展最快的核心原因。

纵向观察，嬴彻科技的商业进展也展现出更值得关注的趋势：

坚持正确的战略数年，在技术、市场、产业链成熟的背景下，摸索出商业模式雏形，而又远远领先赛道其他玩家，这些因素使得嬴彻走到了一个巨大的增长周期开端。

一如 2022 年的理想，和 2021 年的比亚迪。

在行业横向视角下看，嬴彻科技率先探索的商业化公式，也毫无疑问会成为行业的公式准则，开启全球新的产业竞速。