
炒股配资开户网站

“L4 的本质是冗余保障,而不是赌概率。”
作者丨张进
编辑丨李雨晨
2017 年,自动驾驶迎来全面爆发,此时,崔迪潇在西安交通大学担任一名普通讲师,虽然大学校园的教职安逸稳定,但难以平息他内心对自动驾驶的冲动。因为他明白自动驾驶落地的时机来了,担心错过这一波自动驾驶浪潮,崔迪潇有了离开校园、自主创业的想法。
不久,从事重卡自动驾驶技术研发的初创公司“智加科技” CEO 刘万千飞到西安,邀请崔迪潇加入智加科技。两人在西安大雁塔附近的威斯汀酒店,从下午三点聊到晚上八点,在那五个小时里,刘万千向崔迪潇介绍了他的创业过程、智加的优势以及智加的梦想——智加想要从无人驾驶卡车切入,致力推进中国的干线物流实现 L4 级自动驾驶,而他们还需要一个自动驾驶技术负责人。
当时,如崔迪潇这样,兼具丰富理论与实践经验的高校博士、教授是当时自动驾驶行业疯抢的人才。刘万千之所以找崔迪潇,不只是因为他在自动驾驶领域“根正苗红”——他拥有西安交通大学控制科学与工程专业博士学位,师从中国自动驾驶泰斗郑南宁院士,还是帕尔马大学 VisLab 实验室联合培养博士。
最重要的是在此期间,崔迪潇参与了多个无人车项目的研发:作为创始成员和车队队长,参与了历代“夸父号”无人车的研发,带领西安交大自动驾驶车队在中国智能车未来挑战赛上崭露头角;他还前往意大利帕尔马大学 Vislab 实验室联培,参与了 BRiVE(全球最早于2013 年便完成了郊区、高速、城区混合道路公开直播的自动驾驶测试的车型)、Deeva(全球首个 360° 立体视觉感知的车型)等无人车的研发。
十天后,崔迪潇答应了此次邀请,离开工作生活了 13 年的城市西安,加入总部位于苏州相城的智加科技,担任智加科技首席科学家,负责 L4 级无人驾驶重卡技术研发和落地应用。由此开启了他近十年的自动驾驶从业生涯。

崔迪潇
时间转瞬即逝。七年后,2025 年,崔迪潇正式宣布离开了智加科技。这七年里,中国的自动驾驶发生了翻天覆地的变化,春天、寒冬周而复始,智加科技也成长为自动驾驶领域的独角兽企业。
在崔迪潇担任技术负责人期间,智加取得了不俗的技术突破和商业化进展:自 2021 年起,智加与多家主机厂合作实现了量产智能重卡交付,包括与一汽解放合作实现前装量产智能重卡交付、联合江淮汽车为快递快运市场打造的智能重卡 K7+ 实现量产交付;搭载了智加全栈自研的“智加领航系统”的智能重卡在中国邮政、中通快运、安能物流等企业线路上投入商业运营;公司与中国重汽合作,实现了搭载智加领航系统的豪沃 TS7 高阶辅助驾驶重卡的量产交付,并完成了国内首个“仓到仓”L4 级全无人重卡运营测试。
七年时间足以改变一个人甚至于一家公司,回忆当初那个怀揣雄心壮志、坚定地踏入“实现 L4 理想”浪潮的年轻人,崔迪潇坦言当时“低估了自动驾驶的复杂度”。他认为,L4 的本质是冗余保障,但现在绝大多数人把客户生命安全压在自认为能无限高的算法系统上,靠单点系统赌概率,而非多种系统冗余手段确保系统安全,这是大家核心设计思路和思想的差异。
如果要总结智加科技这段旅程,崔迪潇坦言“有遗憾”,而这种遗憾应该是当今还拥有自动驾驶理想的人所共有的。崔迪潇还喜欢摇滚乐,有鲜艳的纹身。在和他访谈的过程中,能感受到其掺杂了摇滚人和技术从业者的特质,严谨不乏真实。
崔迪潇的朋友圈背景是他最爱的乐手黄贯中,朋友圈签名是“无人驾驶的摇滚重卡”,重卡跟摇滚的结合,掺杂着一丝浪漫和天真。如今,七年前的那个年轻人已近中年,摇滚乐队也很久没能组起来了,但他对自动驾驶的信仰依然坚韧,仍然还有梦想。

近日,我们跟崔迪潇聊了聊自从他多年前躬身入局自动驾驶江湖,致力推进中国的干线物流实现 L4 级自动驾驶,七年后,这个行业又是如何重塑他的认知,以及他未来的打算。
以下是雷峰网与崔迪潇的对话实录,经过不改变原意的编辑整理:
01
重新探索一种有助于 L4 落地的组织形式
雷峰网:你为什么离开智加科技?
崔迪潇:这是一个基于行业现状与自身思考做出的自然选择。
过去很多智驾公司选择 L2 和 L4 双线并行策略,这一模式在理念上较为理想:企业一方面押注最高阶的 L4 级自动驾驶,另一方面希望通过 L2 辅助驾驶快速实现商业化、形成营收,反哺长期难以落地盈利的 L4 研发。
但在实际执行中,这一路径面临显著的现实困境:企业普遍存在资源约束,双线并行很难长期持续。同时,L2 辅助驾驶的商业化并不顺利。
简单来说,想用 L2 辅助驾驶的盈利支撑 L4 高阶自动驾驶的研发,本质上如同 “用自行车产业的收益去支撑航天航空领域的投入”,很难持续。
我离开智加,正是因为在任职期间,针对上述行业共性难题,始终没有找到清晰、可行的解决方案。离开后,我可以以更独立的身份,与行业展开开放、透明的交流,反而更有可能探索出适合 L4 技术稳步落地、可持续发展的组织模式与发展路径。
雷峰网:你想要的是什么样的组织形式?
崔迪潇:我所期待的,是一家能够对 L4 自动驾驶进行稳定、持续的资源投入,并且将 L4 定位为公司最高乃至唯一核心战略的组织。
过去行业很长一段时间里,大家大多从技术角度出发思考 L4,但 L4 其实并非单纯的技术问题,而是一个道路、货源、车辆本体、软件算法、能源补给等多维度深度融合的系统性问题。
以重卡场景为例,L4 自动驾驶的核心价值首先是节省人力成本;在此基础上,再通过持续优化软硬件架构、运营调度体系,提升车辆整体周转率,部分线路甚至可以实现 24 小时不间断运营,进一步创造增量收益。
因此,我真正想要寻找的,是结合具体应用场景、路权、货源以及补能体系,把 L4 当作一整套生态来落地运行,而不是仅仅停留在技术研发或 Demo 展示层面。
雷峰网:你未来打算创业还是加入一家公司?
崔迪潇:我优先选择创业,且仍从物流行业切入,核心基于三方面考虑:
第一,物流行业有刚性定价逻辑,会倒逼团队在供应链、研发等环节持续做成本优化,行业参与者均严格核算投资回报率,这种严苛的商业环境能打磨出团队最扎实的底层核心能力。
第二,从技术与工程落地来看,物流场景对时效、安全、货物特性有明确要求,可直接转化为清晰可量化的工程设计指标,如加速度、转向变化率均有严格上限,能形成安全可控、可标准化的工程规范,对特定 B 端客户可实现高程度标准化。
第三,物流是数万亿级超大市场,当前高度碎片化的场景未来有望通过技术打通,行业会出现物流机器人企业,以一套底层技术覆盖不同运载吨位和速度区间,进而整合物流链路、收敛碎片化现状。
此外,现有运输流程中的末端配送、装卸货等非运输环节,若能实现无人化,可在单一场景内实现场景与作业任务的深度垂直整合,这也是物流行业的核心瓶颈与机会。因此我计划从软件、硬件及交付形态布局,且始终认为:自动驾驶公司最终应成为运力服务公司。
雷峰网:听起来是具身智能赛道,你不做自动驾驶卡车了?
崔迪潇:我大概率不会直接从自动驾驶卡车切入,目前还没有完全确定的结论,但最终会通过合适的路径绕回来。好比换了一条新路前往罗马,终点是一致的,最终还是会和行业在同一个目标上汇合。
雷峰网:你从智加出来后,有其他自动驾驶公司或其人员邀请你加入他们吗?
崔迪潇:有的,曹旭东之前找过我,邀请我去做无人卡车相关业务。
雷峰网:为什么没去?
崔迪潇:在我看来,人生本身是一场修行与体验。在智加担任高管、作为早期成员的经历,已经给了我很完整的历练。我更希望跳出原本偏技术的视角,重新审视整个行业,探索个人职业发展的新可能,所以我当前更倾向于自主创业。
02
冗余之于 L4 的重要性
雷峰网:在自动驾驶行业这么些年,你有哪些反共识吗?
崔迪潇:与其说是反共识,不如说是我们技术出身的人,对自身认知的一种批判与 “自我否定”—— 那就是要放弃 “算法溢价”“算法核心壁垒” 的执念。行业内不同团队的算法或许有性能上的优劣之分,但很难构成绝对的竞争壁垒。
但同时,对于 L4 级自动驾驶来说,背后还有大量 “不打粮食”、看似看不到即时成果,却不可或缺的工作。
雷峰网:比如哪些?
崔迪潇:为什么到现在,我们还没能真正去掉安全员。
雷峰网:是啊,为什么呢?
崔迪潇:核心症结在于,我们还没能构建起真正安全、可靠的冗余系统。我以前在公司,就一直呼吁要加大对冗余设计的资源投入,也建议参考航空航天领域的成熟经验 —— 比如三冗余、四冗余以及非相似性冗余设计。
雷峰网:足够的冗余设计意味着什么?
崔迪潇:这种冗余设计在航空领域有成熟的参考数据,核心逻辑其实很朴素,就像 “一个好汉三个帮”“三个臭皮匠顶个诸葛亮”—— 简单来说,不同的、具备一定可靠性的独立观测源和决策源越多,整个系统的可靠性就越高,发生失效的概率也就越低。
但冗余设计也有现实困境:它会直接增加车辆的硬件成本,而且冗余做得越好,上层越难体现出它的价值 —— 因为车辆会一直保持平稳运行,大家感受不到冗余系统的作用,仿佛它是 “多余” 的。
雷峰网:低速 Robovan 需要冗余吗?
崔迪潇:判断低速 Robovan 是否需要冗余,核心前提是:若没有冗余,系统失控带来的代价是否难以承受,即便该失控是极低概率事件。
因此专注低速 Robovan 的企业,核心是做成本权衡:对比加装冗余的软硬件研发成本,与系统失效可能造成的货损、车损、人员伤亡等潜在损失,哪个更可控、成本更低。
当前行业对 L4 的思考,已从单纯技术探索转向商业成本测算:若有成熟软硬件方案,且通过大规模运营摊薄软件研发成本,当失效的预期损失远低于加装冗余的成本时,这件事在商业上便具备可行性。特斯拉目前走的,正是这条基于数学计算的商业化路径。
雷峰网:你一直在强调冗余设计的重要性,从而做到真正的安全无人,过去你有做过哪些相关研究?
崔迪潇:我在智加科技期间曾推进过一项相关研究,但最终并没有做完。
我们当时做的事情,是论证商用车场景里的 “双变单” 问题 :在 800 公里及以上的长途干线运输中,按照法规要求,单人驾驶 4 小时就必须休息,所以为了提升运输效率,行业普遍会配备两名司机轮换驾驶。我们想探讨的是:在还无法完全去掉两名司机的阶段,能否先通过自动驾驶技术,把两名司机减少为一名,我们内部把这个项目称为 D2S(Double to Single)项目。
我当时系统研究了驾驶员疲劳的成因,最终将其归纳为两类:身体疲劳(physical fatigued)与认知疲劳(cognitive fatigued)。基于此做了大量实验:早期尝试用脑电波监测,分析不同波段在驾驶过程中的变化规律;后来采用了更落地的方案 —— 通过眼动仪、生物电、皮肤电、呼吸、心率、呼吸深度、眨眼频率等多维度数据,结合驾驶员对道路目标的关注度,综合判断在自动驾驶介入之后,驾驶员的认知负荷与身体疲劳能否被显著降低。
我们采用定量对比的方式:以人工驾驶 4 小时后的疲劳指标作为基准,对比开启辅助驾驶后,单人连续驾驶的疲劳程度变化。举个例子:如果人工驾驶 4 小时的疲劳程度,和开启辅助驾驶后连续驾驶 10 小时的疲劳程度相当,那就意味着车辆可以一次性行驶 10 小时,而不需要额外增加司机。
在整个研究过程中,我们还深入思考了一个关键问题:辅助驾驶的 MPI(人机交互 / 接管强度)是否要做得足够高?我们最终得出的结论是:MPI 不能过高。
雷峰网:为什么?
崔迪潇:辅助驾驶缺少对系统失效的完整处置机制,一旦出现失效,理论上需要驾驶员立即接管。但人本身是具有惰性的:如果系统长期稳定、极少触发风险提示,驾驶员的安全意识和注意力会持续下降。可能行驶 1000 公里、2000 公里才会遇到一次需要接管的场景,而这类场景往往是极端罕见的 corner case,即便人工介入处置难度也极高。
这就意味着驾驶员很难从完全松懈、无驾驶意识的状态,瞬间切入高复杂度场景,快速做出准确判断并安全接管车辆。这也是我认为L2 阶段不能盲目追求极高 MPI,并将其当作安全指标的原因 —— 本质上是在赌概率。
沿着这一思路,我们的研究重点还包括:如何让驾驶员在辅助驾驶过程中,维持对道路环境的基本警觉性。
为此我们做了专门的认知实验:在驾驶员身上安装微型电极后,测试人员使用微弱电流进行刺激,要求驾驶员立刻做出指定动作,我们再精确测量其从接收到信号到执行动作的反应时延。如果反应速度显著偏离正常区间,系统就会通过算法干预,把驾驶员的警觉性拉回到安全水平。
雷峰网:该领域此前有过相关研究吗?
崔迪潇:行业里绝大多数人其实并没有真正深入思考这类问题,大家更多是在赌概率—— 把用户的生命安全,寄托在自己认为可以无限提升的算法系统上,依靠单一系统去赌风险,而不是通过多系统冗余的方式从根源上保障安全,这是我们和行业主流思路在底层设计理念上的核心差异。
03
国内 L4 为什么还未 Driver out (主驾无人常态化)?
雷峰网:在你看来,现在国内 L4 处于什么状态?
崔迪潇:国内 L4 领域已经发展了很多年,但至今没有任何一家企业实现常态化的主驾无人运营 Driver out,如今陷入了行业预期与资本信心不断被透支的窘境。行业里所有人都逐渐意识到,自动驾驶的复杂度远超最初的想象,而未来能走到哪一步,最考验的就是企业的战略定力。
但是,国内对长周期技术研发的容忍度太低。这并不是工程师不想做、不愿意做,而是资本方以及一、二级市场,在资金支持和周期包容上远远不够,让我们很难有足够的耐心,去穿越这种长周期、高投入、慢产出的技术研发过程。
雷峰网:那么要如何解决这个问题呢?
崔迪潇:未来如何解决这一问题,或许要靠国有资本介入,我不确定,目前还没看到好的路径和方法。跳出来看,Robotruck 领域那些选择资源性运输而非商业化运输模式是大家比较认可的。
雷峰网:资源性运输跟商业化运输的无人化核心差异在哪里?
崔迪潇:中国干线运输分为资源性运输和商业化运输两类,二者场景、需求不同,无人化的核心挑战和实现难度也存在本质区别。
资源性运输是生产资料从原产地到加工地的转运,如有色金属、煤炭等原材料的运输,路线固定、运量充足,新疆、内蒙等资源集中片区年运输产能可达几千万吨,稳定的场景为无人驾驶测试落地提供了良好基础。且其对时效要求低,可适当降低车速,因此系统失效的风险和损失成本会呈指数级下降,能更好地保障大吨位车辆安全。
商业化运输则截然不同,以 “三通一达” 等快递运输为代表,是商品从工厂到终端消费者的流转,对时效要求高,强调次日达、当日达,车辆需保持高车速行驶在常规高速,技术难度大幅提升;且系统失效的风险极高,一旦发生安全事故,不仅会造成直接的人财损失,更可能引发行业性信任危机,导致行业发展停滞甚至部分企业关停。
同时,时效压力让行业常见的编队行驶模式在商业化运输中几乎不可能实现。因为车辆没有多余时间去组队调整,无人驾驶只能依靠单车自主运行,进一步提升了技术难度。
雷峰网:除了编队,还有其他可行性吗?
崔迪潇:之前国家层面其实提出过一些我认为很有可行性的方案,只是没有完全推行开来 —— 就是专门为自动驾驶重卡设立专用道路,将有人驾驶车辆和无人驾驶车辆实现物理分流。从社会层面来看,这种分流模式,或许是破解当前无人重卡落地困境的可行路径。
雷峰网:如果大面积开放路权,会极大推动无人卡车规模化吗?
崔迪潇:不能简单认为开放路权就能实现无人卡车规模化,因为规模化需要多维度生态协调,路权只是其中一环。路权问题的核心是政策不明朗,而根源是企业未实现常态化无人运营,无法为政府提供足够的运营证明、安全证据和真实数据,支撑其扩大试点范围,最终形成路权开放与企业落地的相互等待僵局。
卡尔动力的做法,其实给行业提供了一个很好的参考范本。其与政府深度绑定,在技术可行范围内稳步探索,不盲目炒作商业化运输,而是聚焦更易落地的资源性运输场景,通过切分场景降低技术难度和失效风险,让政府愿意开放路权、支持试点。企业主动后退一步,不追求一步到位,反而能推动行业稳步发展。
04
“把 L2 和 L4 都做好的公司,凤毛麟角。”
雷峰网:今天,如何评价一家 L4 公司的技术能力?
崔迪潇:评价 L4 公司的技术能力,没有任何一个单一指标能做到,它本质上是一个复合性的复杂评价体系。
以前行业里大家常提 MPI(每干预里程,Miles per intervention),但我现在和一些号称做 L4 的公司聊天,如果他们还在拿 MPI 作为核心指标,我就觉得这家公司已经走偏了,甚至可以说 “完蛋了”。
因为MPI 根本不是评价 L4 系统的指标。“intervention(干预)” 的核心是需要人介入,而 L4 的核心是无人化系统,用 “需要人介入” 的指标来评价 “无人化系统”,本身就很矛盾、很奇怪。人在事故发生后接管车辆,这是一个事后指标,意味着此时已经出现了系统无法处理的不可控场景,只能靠人来补救,这才是 MPI 的本质。
之前大家讨论的部分头部特斯拉、小鹏、理想这些车企,说它们的车辆在离障碍物还有 0.3 秒、1 秒甚至 3 秒时,突然退出自动驾驶,强制让人接管,所以即便发生撞车,表面上看是人在操作。但从 L4 追求绝对安全的终局视角来看,这种 L2 极限场景下的责任交接机制,其实就是 “耍流氓”。
真正的 L4,应该是前置性的风险判断 —— 在系统即将失效、风险出现之前,就察觉异常并及时制止,而不是等到事故发生后再补救。打个比方,我要做的是拉响防空警报,提前防范风险,而不是等飞机轰炸结束后,才通知大家发生了什么。
这背后是一种核心的思想转变。过去很多人其实是自欺欺人,总觉得只要把 MPI 做得无限高,就离 L4 不远了,但这其实是对 L4 的误解。
雷峰网:过去几年里,很多公司选择 L2 和 L4 两条腿走路,走得怎么样?
崔迪潇:整体来看,L2、L4 双线并行的路并不好走,这本质上是行业的无奈之举,如同用自行车产业的收益支撑航天航空级研究,难度极大。核心原因是多数公司低估了自动驾驶问题的复杂性。
我有个消极的猜测:部分公司在有限的资本窗口期,借双线并行做投机性布局 —— 通过 L2 辅助驾驶获取订单、积累数据实现短期增长,再用 L2 的高毛利收入、可观数据量,搭配小范围的 L4 Demo 演示和试运营,包装 “技术领先、未来可期” 的故事获取资本溢价,最终目标是登陆二级市场。
但现实中,L2 持续盈利、L4 落地突破这两个核心目标,在 5 到 10 年的周期里均未有效实现。当资本看清真相后,这些公司再想从一级市场拿到融资,就变得难上加难了。
很多公司因此陷入了两难困境:既想通过 L2 的营收证明自身商业化能力,逐步实现盈利;又不愿放弃 L4 这个 “高估值抓手”,担心失去资本关注。最典型的例子就是小马智行,有一段时间他们也尝试切入辅助驾驶领域,但最终还是放弃了,这也证明了双线并行的难度有多高。现在整个行业里,真正能同时把 L2 和 L4 都做好、做深的公司,真的是凤毛麟角。
雷峰网:那为什么大家还在坚持做 L4 ?
崔迪潇:现在行业里还有人敢相信 L4 能落地、愿意坚持做下去,核心原因其实是马斯克 ,他给整个行业建立了信心。
但我对特斯拉 Robotaxi 背后的核心设计思路并不了解,所以一直有个担心:他或许也是在靠 “赌概率” 的方式做 L4。具体来说,就是通过技术优化,让整个系统的失效概率尽可能降低,在不额外增加过多冗余设计的前提下,无限逼近具备完整冗余的 L4 系统。
这种思路从商业角度来看,其实没有问题,能最大程度控制成本、追求商业化效率,但它绝对不是科学定义上的 L4 系统 —— 因为科学意义上的 L4,核心是冗余保障,而这种 “赌概率” 的模式,很可能存在冗余不足的问题。不过这只是我的猜测,我目前还无法做出确切判断。
雷峰网:现在很多智驾公司例如 Momenta、轻舟也开始布局无人卡车,乘用车到商用车,两者的技术复制性高吗?
崔迪潇:如果只看纯算法、模型这类技术层面,我认为乘用车到商用车的复制性其实不低,坦白说,这中间并不存在绝对不可逾越的壁垒。小马智行、Aurora 都是典型例子,他们同时做乘用车与卡车,也印证了技术本身具备迁移性。
但商用车团队真正的核心优势,在于对物流作业场景与实际运营环境的深度理解。比如和不同物流公司沟通你就会发现,有的企业优先追求节油,有的更看重运输效率,需求差异非常明显。这些对场景、运营、客户诉求的深刻理解,最终会直接体现在工程化实现与产品定义上。
这个领域真正的核心,还是体系化的落地能力。甚至说得更直白一点:能否和物流企业建立深度信任、维护好客户关系、在行业里掌握更多话语权,本身也会成为非常关键的竞争壁垒。
05
“可能无法实现全国范围的 L4 无人重卡,最终以区域性玩家为主。”
雷峰网:为什么去年下半年开始无人卡车赛道涌入一堆新玩家?
崔迪潇:无人卡车赛道涌入新玩家,背后存在积极和消极两方面核心原因。积极层面,部分团队主营业务扎实,积累了充足的资源和技术储备,有富余能力拓展新赛道、探索新可能;消极层面,当前乘用车市场基本盘存在不确定性,部分企业布局无人卡车,本质是为自己 “买保险”,寻找新的业务增长点和退路,这两种情况同时存在。
雷峰网:你跳出智加,站在更客观、全面的角度来看,自动驾驶卡车赛道哪几家能率先跑出来?
崔迪潇:我目前缺乏足够的核心数据,没法给出绝对准确的判断。毕竟,车辆在正常运行、表现良好的时候,我无法确定它是否真正达到了 L4 的标准 —— 我们看不到它在失效、失控等 “跑得不好” 的状态下,到底能表现如何。
所以,与其纠结于技术层面的判断,不如跳出来看:哪家企业在商业上,具备更长周期的穿越能力,能扛过行业的低谷期。
深向科技或许有机会。它本身就有整车销售业务,至少能拥有相对稳定的营收支撑。如果深向能进一步整合供应链资源,打通国内外的销售渠道,形成持续的自我造血能力,那么它就具备了穿越行业周期的基础。
再从 “货源稳定性” 和 “场景落地性” 这两个关键维度来看:小马智行背后有中国外运提供稳定货源,卡尔动力有鄂尔多斯当地的场景和资源支撑,智加科技则有满帮的资源加持。这几家企业,都掌握了不止一个影响行业落地的关键性要素,因此也都有机会率先跑出来。
这里有个核心逻辑:无人卡车本质上是一种生产工具,它的落地离不开两个核心条件 —— 稳定的货源和开放的路权。而这两个因素,本质上都是区域性的,会天然把业务分割成不同的区域板块。
所以我的判断是:L2 + 级别的辅助驾驶重卡,未来有可能出现全国性的玩家;但 L4 级别的无人重卡,由于受货源、路权等区域性因素的限制,很可能会形成 “区域性玩家林立” 的格局,很难出现一家独大的全国性企业。
雷峰网:你想寻找能将 L4 系统 driver out 的理想化组织,当前有公司接近这一理想状态吗?
崔迪潇:在 Robotaxi 领域,小马智行和百度做得相对不错,但我对他们的核心技术内核并不了解,所有判断都基于外围的运营情况和车辆试乘体验。
雷峰网:我比较好奇萝卜快跑后台是否有安全员操作?
崔迪潇:后台大概率是有安全员的,但我没法给出确切答案。这其实涉及到 L4 自动驾驶的核心环节 —— 包含失效安全(fail safe)和失效运行(fail operational)两种模式,其中失效安全指车辆失控时,可请求人员现场接管或通过远端操控处置。
说到这里,又要回到重卡的问题上:如果重卡想要通过远程监管系统实现完全无人运营,核心是要在系统层面做冗余,而不是只在单车上做冗余。但远程操控系统的搭建难度极大,因为重卡的运输路线往往很长,比如从珠三角开到新疆、内蒙。假设未来实现长途无人运营,如何保证车辆在全程范围内都能被远程接管?这是一个关键难题。至少我目前还没想出可行的解决办法。
因此,这就会出现一个很大的悖论:以前干线无人卡车公司都宣称自己面对的是万亿级的中国市场,但如果最终只能做区域型公司,那么企业的估值就必须大幅下调,这和最初的市场预期相去甚远。
雷峰网:你对你新公司有怎样的愿景?
崔迪潇:我的愿景很明确,随着自动驾驶技术的不断迭代成熟,未来一定会出现具备 “基模” 能力的自动驾驶公司,我也希望自己的新公司,能成为这样的企业 —— 通过基模的方式,将移动能力打造成一种基础服务,就像现在的水、电、气、网络一样,成为人类生活不可或缺的 “第五要素”。
其实我一直认为,移动能力的本质从未改变,核心就是把货物或者特定的作业任务,从 A 点安全、高效地运送到 B 点,这是自动驾驶行业的核心逻辑,无论技术如何升级,这个本质都不会变。
现在行业里有个很有意思的现象,很多自动驾驶公司,比如文远知行、小马智行,均同时布局物流和出行两大领域。既然物流(运货)和 Robotaxi(运人),本质上都是 “点对点的运输”,只是运输的载体(货物 / 人)不同,那么两者的技术是否有可能实现打通、复用?这是否也意味着,未来一些深耕物流领域的公司,也有机会跨界进入 Robotaxi 市场?这些都还不确定,让我们拭目以待。
本文作者关注自动驾驶、AI。欢迎各位跟作者(vx:IFLOW2025)建联。
易速宝配资提示:文章来自网络,不代表本站观点。