2023年3月28日-29日，首届中国商用车论坛在湖北十堰举办。本届论坛由中国汽车工业协会、湖北省经信厅、东风公司和十堰市人民政府共同主办，以“应变 求变 谋变——共创商用车发展新局面”为主题，共设“1场闭门峰会+1个大会论坛+4个主题论坛”，旨在联合能源、交通、信息等各方力量，共同探讨商用车产业发展趋势，推动商用车高质量发展。其中，在3月29日下午举办的“商用车智能网联应用”主题论坛上，四维图新商用车业务总监黄绍忠主持了圆桌对话环节，同济大学汽车学院教授朱西产、东风商用车有限公司技术中心智能技术开发室主任李洋、苏州挚途科技有限公司副总裁张旭、运输车队运营资深专家季同等嘉宾围绕焦点话题展开热烈讨论。

以下内容为现场发言实录：

(资料图片)

黄绍忠（主持人）：大家好，我是来自四维图新商用车业务线的黄绍忠，今天非常高兴参与各位同仁交流，今天的主题是智能网联，我想智能网联，我想把网联提到前面来讲到网联这个事，我们还是有点发言权的，我们现在是到了有了基础建设、有数据，接下来怎么做以求更好地发展，我想简单地问问来自OEM的李博士和应用方的季总，两位站在网联基础建设的当下，有什么，好玩的、有趣的新的应用，或者说对这个行业有价值的基于网联的应用。

四维图新商用车业务总监 黄绍忠

李洋：我们商用车的网联，相比乘用车，商用车因为法规的一些要求，整个商用车的数据、通信、平台基础是挺好的，在这基础上实际上以前包括跟四维图新一起，针对大客户车队提供车队管理的数据或服务。在这基础上，做的4.0我们提供了其他的服务，比如说基于本身这些车辆数据软产品的开发。第二个是针对这些数据我们开发预见性维修保养服务，比如说针对发动机易损件、发动机的一些附件，基于整车的数据建立易损件的模型，作为预见性的保养、维护，保证一些大车队或及时性要求比较高车辆的出勤率或它实时性的要求，这是一类。

东风商用车有限公司技术中心智能技术开发室主任 李洋

还有一类，我们给客户提供后市场维修保养的服务，也是基于车辆本身在我们平台端数据作为基础，然后我们提供这些配件的服务，包括后市场维修的服务，做相关的应用。实际上面这是面向客户端的。有了这些数据对于产品的定义，对于产品设计端也做了很多工作，怎么更好定义目前给客户的这些细分市场的，还有产品的定义，哪些细分市场更侧重哪些特性，这是面向产品设计端怎么更好地服务这些客户。

黄绍忠（主持人）：从OEM的角度服务于造车，再到产品，再到后市场服务端。

李洋：把商用车已有数据的通道、技术能够更大更充分的发挥出它的价值。

黄绍忠（主持人）：季总，这个车交付到您的手上，您天天在用它，我们也管它叫车联网，车联网在您这个体系内是一个不可或缺的体系存在，作为大车队的运营方拥有者，对于网联的现状以及对于未来的期待是什么样的展望，或者说我们比如说跟主机厂它本身的数据是不是也有融合的诉求，或者说有车联网融合的可能性是不是有，您怎么思考这个问题？

季同：我们公司在2020年谋划车辆的运营模式，以前是把车承包给司机，之前前几年是应用非常普遍的，现在也是大规模使用的场景。后来也发现这种模式是一种轻资产运营，对车辆的调度和品质的保证是非常打折扣的，异常事件也是蛮多的。后来搞自营，跟董事会汇报这个问题为什么可以搞自营，我当时说了一个概念，随着车联网技术的技术，车队的管理会越来越透明，这个行业里有一种通勤的说法，司机难管，为什么？就是不透明导致的。车联网的车队是不可或缺的工具，解决了不透明的问题，根本不知道司机的情况，不知道司机这个车开得好不好，不知道司机的油耗和司机的档位使用。我们当时做了一个打分的系统，根据司机的驾驶行为进行打分，在行业里把油耗拨给司机的，是成本当中非常重要的成本项，我们没有拨给司机，司机影响油耗的因素就在他的脚上、刹车和油门，把司机的驾驶行为进行打分，根据司机的打分对司机的油耗做出一个奖惩。这是在车联网的应用，就是对油耗的控制方面，我们现在已经是非常普遍的一个工具。

运输车队运营资深专家 季同

还有就是安全，安全也是解决了一个透明的问题，在驾驶室里面有摄像头可以监控到他，司机打瞌睡、打电话的时候可以进行预警，解决了安全管理透明的问题。

对于未来的期待，在车辆的后市场和预防性的维修保养方面可以做，目前来说没有，目前对车队管理来说，在后市场的车联网应用当中还是一个空白区域。没有把车联网应用到车辆日常的维修保养当中，还是以厂家和车辆的使用状态，对车辆进行长周期的保养，或者被动式的维修、预防性的维修、提前性的维修是没有的。在保养上面是不是还有节约的空间，我现在是根据厂家统一一个保养里程来做保养，我的车联网是比较透明的，我能够监测到我的发动机或者变速箱后桥使用的状态，我是不是还可以继续延伸，根据不同车型、不同路况再适当的延长或者变更我使用的油品，达到降低保养成本的目的。

另外一个是维修成本，虽然维修成本一毛多钱，但是它非常关键，它关键在哪里呢？首先万一它出现问题，它会开在路上，造成的经济损失比较大，甚至还有安全隐患和风险。更关键的是保养做不好，维修做不好，会直接影响车辆的使用寿命。我们本来计划车辆使用三年到五年，是不是两年之后由于维修保养不得当，造成后面一批废铜烂铁，这是我们比较关心的一个议题。

黄绍忠（主持人）：我听下来对我们在场的所有的至少是车联网的从业者提出来一个特别好的方向，两位一个从前，一个从后都提出来对于保养这个领域的车联网应用的一个大方向。我也知道我们跟东风探讨这样的形态和落地的可能性，刚开始从前到后都有空间。网联相对比较成熟，我们往前走一步，走到智能化这个话题，智能化是很大的一个词，大家不同的人对于智能化的定义其实是不一样的，我们比如说乘用车，大家作为车主你能看到智能化，你能看到的这些屏，这些语音交互，这些辅助驾驶，其实在看不见的背后是我们这些参与的企业对一级架构开发的升级换代，对于背后的这些操作系统的优化迭代等等，这是看不见的，我认为这些都是属于智能化的部分。当下乘用车的智能化是搞得如火如荼，商业车领域里面我个人直观的感受还是刚刚开始，至少没有走太远，面临的挑战是很大的。

张总，想问问您，作为智能化这个领域深度的参与者，您直观感受到最直接的挑战是来自于哪里，是技术，还是上下游的合作，还是什么样其他的因素？

张旭：首先在提智能化之前，我想说说我对于智能化或说是智慧物流体系的理解。因为我觉得后面跟您的问题是相关的，其实它面临的挑战是在智能物流每一个相关环节。如果把智慧物流抽象成是一个系统，那么我的理解，它最顶层是硬件的终端，包括车端、路端，当然也包括IOT的终端设备。第二层就是刚刚说的车联网，智慧物流更多的是物联网，我们有很多企业在构建SAAS层，所有的操作、信息的收集，包括我们的处理，都在这一层里面，这里有很多的企业，包括四维图新也在做SAAS层的尝试。再往上一层是AI层，赋予了从硬件中断到IOT，以及操作系统的可操作性，最后用AI持续性的提升驾驶体验，这是构建智慧物流的四层。

苏州挚途科技有限公司副总裁 张旭

作为智能驾驶车队，在硬件中间层对产品的形态和赋能体现了价值，把它放言到更大的时候，你会发现想要让智能驾驶，会让一个智能车，不管是L2还是L4对整个智慧物流负责，或者作为最终买单的客户负责，对这四层都要有负责，这四层对我们做自动驾驶都有巨大的考虑。第一层，硬件终端层。从最前端的感知，包括激光雷达，它连感知最前沿的传感器设备目前都还没有完全定型，到它应用型的算法，到感知算法，再到下面乘用车不管是这些制动器等等，它的量，包括它技术的一些储备相对更成熟一些，商用车本身来讲这些核心零部件本身还缺乏成熟度，一台牵引车动辄49吨的满载，动力学的变化，包括它那么大18米的车身，以及会遇到很极端的条件，从硬件终端本身就给我们做自动驾驶造成了很多很多不可逾越的难度。

再往上做IOT，IOT要提5G，要提V2X，至少在车辆的实时控制端、实时安全性和可靠性上目前还有很多需要提升的地方，这些要随着通信行业发展不断进步。再往上做SAAS，SAAS平台更多在过去的十年我们感觉SAAS解决了车队运营管理数字化的问题，但是对于持续性降本增效，还有非常大的空间，恰恰是这些东西对于季总他们认为都是很有价值的，所以我认为未来这部分的价值空间也非常大。再往上是AI技术，包括车端智能，云端智能等等，包括最近的ChatGPT，很多企业已经在研究GPT在智能驾驶、智慧物流上的应用。

朱教授之前提了一个欧阳老师讲的课题，纯电动现在我的科技或者科学只剩下电池了，其他是工程化问题，在智慧物流的这个赛道上，这个大体系上，每一层都有太多科学课题没有解，每一层不只是存在工程化问题。而且又要考虑这些科学性解决的前提是工程化还要足够可靠。这些恰恰都构成宏观智能驾驶在智慧物流里如何应用、如何商业化、如何产业落地。

当然我刚刚说得相对宏观一些，可能有很多自动驾驶的行业人士会直接和你细钻到比如智能车本身会有什么问题。但是我恰恰觉得你如果没有从宏观角度去考虑智能车作为一个硬件终端所面临的挑战和你要服务的群体、产生的价值，我觉得可能它的形态、它最后呈现的这种功能跟价值可能是不完整的。

黄绍忠（主持人）：徐总，我确实听到了不少辛酸，这个链条确实很长，但是还是回到比如说我前面提到的智能化，自动驾驶是其中一个重头戏，自动驾驶跟智能化这个大的板块，李博士，作为东风，咱也是中国头部商用车企业，在智能化领域，您也接触过在自动驾驶和辅助驾驶的布局的未来计划，在整个智能化的方向里头，从东风的角度，从您的角度认为，产品形态应该是往哪个方向走。

李洋：产品刚才也在讲，一个是目前商用车的产品布局最高的就是法规那几项，商用车不管测试也好还是什么，跟乘用车的差异比较大，给季总他们挣钱才会有人做。

黄绍忠（主持人）：回到智能化的本质，乘用车、商用车，甚至商用车里重卡跟轻卡差异还蛮大的。

李洋：回到商用车这个本身的形态，它的目标就是要挣钱，不管是干线还是港口的场景也好，一切都是为了客户有收益，这是第一个目标。针对这个目标它的形态，现阶段能够注入这样目标的，就是像AEB，因为不说商用车，实际上乘用车的AEB，包括现在新闻上看的突发情况也保证不了安全，商用车本身的AEB在相关大客户里面，它的装配率也是比较低的。

我们刚才说到往下来说，干线物流的L2也好，干线物流的L3也好，目标至少是L3的干线物流明显有肉眼可见的价值。现在包括我们也好，包括行业的像嬴彻，为后面更多的目标积累技术的经验，还有产品落地的经验，包括商品模式经验等。所以说最终商用车这种模式，干线物流最终的目标肯定是L3或者是L4。封闭目标目前来说都是按L4的产品和L4的整体解决方案，包括车辆端的，包括车路协同，包括提供整个打包的解决方案。

所以说商用车目前，因为这个东西只有现在做了才有基础和积累，要不然根本就没有这样的空间。所以说我认为即使现在看不到明确价值的工作肯定是要做的，要不然你没有后面的成功。

黄绍忠（主持人）：还是回到张总提的大智慧物流，我们作为产业方一起服务好应用方。朱教授，您研究产业很多年，国内外、欧洲、美国，不管是商用车还是乘用车都很熟悉，您认为，中国商用车领域智能化真的要落地，或者要相对快速地赶上乘用车的脚步，它主要的挑战在哪里呢？

朱西产：从我角度觉得，对商用车自动驾驶挑战两个方面，一是市场需求的挑战。二是技术的挑战。市场需求挑战，大家觉得这还用说，自动驾驶用户肯定要的呀。真不一定，这个是比较可怕的，到了新能源，到了自动驾驶，这些需求它已经超出了市场的基本需求，我们把它叫做供给侧推动，不是市场侧推动。你觉得用户要一辆新能源车，你觉得用户要一辆自动驾驶汽车，这是你觉得，不是他觉得，这是我们非常担心的。在很多会上，包括国外大公司也担心的一件事情，就是我砸巨资开发一辆自动驾驶汽车，市场真的会接受吗，新能源汽车为什么中国上来了，大家说政府推的、政府补的，欧美日都没成，难道他们技术比我们差很多吗，他们就是犹豫。你这个需求，政府说汽车市场未来一定是新能源汽车，这个事情在十年前大家忐忑，五年前大家怀疑，要命的是到去年在中国市场爆发了。

同济大学汽车学院教授 朱西产

这个很有意思的，新能源企业的法宝，用户调查是产品定义的一个基础，在今天这个创新过程中，我们发现市场调查失灵了，新能源和自动驾驶是正好反过来的，当年的新能源，为什么欧美日这些都不做了，一调查都说不要不要，这个车几百公斤电池装在车上，动不动着火，找充电桩又烦，没想到中国坚持坚持，特斯拉出来，比亚迪出来，现在国内自主的新能源汽车市场接受了。用户还是会变的，如果做市场调查，你要问一辆自动驾驶汽车吗？我要。我花巨资真的做出来了，价格增加了40万，要不要？说要个什么，还不如我自己开呢。这个是有点担心的。

所以第一个，市场这个创新超过了市场的基本需求。

第二个，资金链远远超出了企业正常经营的范围。我进入汽车行业第一件事情，我们做碰撞的，我那时候很实际的，不会吹牛的，就是天天是做很具体的事情，碰撞实验是该怎么建，一个车身结构怎么什么样的要求，侧面碰撞哪几个部件，应该怎么加强，研究都是很具体的。但是今天我的报告明显在吹牛，为什么讲这么大这么空，没办法，这个牛要是吹得小了就完蛋了，就是钱不够。他们两位也是，本来老老实实做车的，非要谈智慧物流，大家都把牛吹得很大。我的报告还碰上了5G，5G是国家级战略。

我们一般来说开发费用是年产值2%到3%，后来说要新能源了，我们把开发费用提到年产值的5%，但在今天如果说我们要开发自动驾驶汽车，下午的报告当然都讲完了，一大堆东西，你就是把年产值的20%拿出来够不够？当然这个对IT企业来说，年产值20%拿出来做研发投入很正常，我们汽车有那么多高毛利吗，我们毛利都没有20%，你拿出来20%开发明天的饭在哪。融资，刚才解放的嘉宾说得很清楚，我们就是没融资也要干下去。传统汽车厂融资不行，人家都去做新的东西了，一看你是个打铁的，人家为什么投你。这是第二个难。第一个是资金需求。第二个是技术挑战。定价权不在我们汽车厂手里，英伟达人家说300美元就300美元，人家说400美元就400美元，就是没有讲价权的，你买到就不错了。AI的这些人工资多少，上来就是300万、400万年薪，我们哪见过，你们董事长都没这么高。这个多没办法，数据闭环，你要做一个数据闭环说得倾销，以10万公里来算多少钱，从采集、标注、存在云端，五六个亿是轻松花掉，你不要以为五六个亿花完就完了。

黄绍忠（主持人）：越来越感觉挖矿的不赚钱，卖铁锹的都赚钱了。

朱西产：ADAS相对会推，市场侧也不要犹豫，对商用车来说，乘用车没有AEB拿不了五星，不是五星的车咋办。交通部还有一个标准，弄不好准入证不发，没有准入证，你挂了个车牌子有啥用？ADAS没有问题，但到自动驾驶挑战还是巨大的。所以我认为一个是来自市场需求和资金的挑战，第二个是技术的挑战也不少。

对乘用车来说主要是IT部分，就是高新技术这块，就是感知、算法、域控制器、高算力芯片、AI挑战等。到了我们商用车还有个我们自己汽车行业自己的事，我们自己的屁股还没擦干净呢。乘用车至少线控没问题，乘用车要做自动驾驶，我们汽车行业自己熟悉的东西做完了，别说是ADAS的ACL-A、ACL-B，就是达到自动驾驶的ACL-D的自动线控转向不仅有方案，还有产品。但是张总，我也不是说你，你们在外边跑的那个车，敢做功能安全吗？

张旭：整车级的功能安全我认为现在全球也没谁能做。

朱西产：就你这句话，你敢说就好，要不我以为你要跟我吵架呢。全球现在商用车能达到功能要求ACL-B的线控就没有，关于商用车、关于重卡，我们现在就是想做出达到功能要求的一辆车，中国肯定做不出来。张总很狡猾，赶紧推到全球也做不出来，真的是这样，商用车做自动驾驶的技术挑战，还有个线控的难题。

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）

标签：