斯年智驾港口自动驾驶：自动驾驶实际场景的商业化落地，如何实现？

斯年智驾在港口自动驾驶领域的探索和实践，展示了自动驾驶技术在实际场景中的商业化落地。面对港口等封闭场景的挑战，斯年智驾通过定制化算法模型和迭代，实现了自动驾驶技术的适应和优化。在36氪数字时氪的TOB下午茶沙龙上，斯年智驾产品总监包旭超分享了公司在港口自动驾驶领域的定位、现状和未来发展机遇。包旭超指出，港口自动驾驶的需求快速增长，主要驱动因素包括内需和外因。港口作为传统行业，面临碳排放问题，推动电动化转型。同时，专业司机流失率高，自动化设备转型需求迫切。社会物流总费用占GDP比重较高，需要智慧高效的运输解决方案。斯年智驾在港口自动驾驶领域，注重安全运营，避免疲劳驾驶，同时满足市场需求和解决行业痛点。在自动驾驶技术落地方面，包旭超认为，封闭场景的商用车将是首先落地的场景，然后逐步向公开道路的乘用车拓展。港口自动驾驶感知主要依赖激光雷达，辅以摄像头进行车道线识别。港口环境对车辆定位精度和横向控制要求高，需要定制化算法模型和算法迭代。在车路协同方面，大型码头的基建投入与单车智能成本相当。斯年智驾在港口自动驾驶领域，更关注安全问题，然后才是效率最大化。公司也在考虑业务转型和拓展，以应对市场竞争和客户需求。斯年智驾已经开始布局海外市场，与德国汉堡、沙特等港口进行交流合作。在自动驾驶技术方面，公司也在探索国产替代方案，推动上下游供应链和生态圈的自动化进程。面对芯片问题，斯年智驾通过自研硬件平台和算法，降低”芯片卡脖子”问题对产品的影响。总之，斯年智驾在港口自动驾驶领域的探索和实践，为自动驾驶技术在实际场景中的商业化落地提供了有益借鉴。公司注重安全、效率和市场需求，通过技术创新和模式探索，推动自动驾驶技术在港口等封闭场景的应用和发展。斯年智驾港口自动驾驶：自动驾驶实际场景的商业化落地，如何实现？自动驾驶实际场景的商业化落地斯年智驾：自动驾驶实际场景的落地，更需要一种组合、调整、应变的能力。比如定位信号可能会被屏蔽掉、硬件无法完全适配，这就需要搭建、迭代更多的定制化算法模型来适应实际场景。2022年3月21日晚19:00-21:00，36氪旗下数字化产业研究及服务平台数字时氪第四期TOB下午茶在线上举办，以“智动驾驶”为主题，聚焦自动驾驶领域，探讨其在高速干线、矿区、港口等多元场景的拓展和商业化试点运营，从而深入探讨自动驾驶行业所蕴含的发展机遇。自动驾驶各个多元场景的落地，给未来提供了无限的畅想，但这一切都离不开自动驾驶技术的探索、突破和商业化落地。斯年智驾产品总监包旭超受邀出席沙龙，分享自动驾驶赛道当前现状、港口细分场景下的公司定位以及未来的发展机遇。以下为沙龙讨论摘录，经36氪编辑整理：主持人(张麟)：自动驾驶无论是在现在，还是在未来可预期范围内，都会是一个比较火热的赛道。在开场前和Ben老师也简单聊到关于自动驾驶的产业情况和发展变化，Ben老师给我的答案是，高开中走。然后大家也都感受得到，从一个很高高在上甚至神坛的位置，市场对其有无限期许，到现在逐渐走到一个更为冷静、清晰、客观的发展路线。面对这种发展变化，各位在自己的细分领域，或者说细分赛道有一些什么实际的感受么，或者说对这种发展态势有没有一些看法？包旭超：斯年智驾主要是做港口的，和矿山场景也是比较像的一个赛道。目前在商用车封闭场景的无人驾驶，有很强的内需和外因驱动。而且港口和矿商都是属于比较传统行业，碳排放也是比较高的，所以首先推动电动化。刚需主要在于，港口驾驶集卡一般需要B照以上专业驾驶的司机，但现在每年这类司机的流失率大概在百分之十几到二十这个区间。所以对于自动化设备的转型的需求还是比较大的。近一年到两年开始，对港口自动驾驶的需求也是出现了一个快速的增长。2021年社会物流总费用14.6万亿元，费用占到了GDP的14.6%。欧美市场的物流成本占GDP的9%。这就需要更多的智慧高效的运输解决方案来满足市场需求、解决行业痛点。当然方案的最大一个前提是我要安全运营，不能疲劳驾驶。所以对于疲劳预警、自适应等方面的一些自动驾驶功能，也是市场的一个需求所在。主持人：自动驾驶的落地步骤会遵循先在商用车上进行大规模技术验证、技术迭代，然后逐步向乘用车的场景拓展这样一个发展趋势么？各位是怎么理解自动驾驶的发展路径问题呢？包旭超：从个人的角度来看，首先落地的场景应该是封闭场景的商用车，然后是公开道路的乘用车，再然后是公开道路的乘用车。因为涉及到自动驾驶，安全问题是备受关注的一个问题。而商用车的货物运输，相对于乘用车来讲，是安全角度下更容易落地的一个场景。主持人：咱们已经聊到了很多关于激光雷达，或者说自动驾驶传感的问题。想问一下，目前在港口领域自动驾驶感知，主要用的是一些激光雷达，还是会采取一些其他的感应措施呢？包旭超：在港口领域的自动驾驶感知，主要也是以激光雷达为主。因为港口里集装箱、作业设备是金属材质的，毫米波雷达在港口场景其实不太适用。除此之外，还会补充一些摄像头来做车道线识别，因为港口作业涉及到很多标识，这部分可以用视觉来警醒补充。因为港口是一个7*24小时全年无休的状态，而且会遇到很多的极端环境，这也会相应配备更高级别的激光雷达来适应环境。就像刚才提到的，对于特定场景的商用车，最重要的是降本增效。而且港口需要面对多个路段、多个车辆的调度配置问题，如果配置不好，一方面是消耗了能源，一方面是浪费了时间，所以场景内的路径规划和车辆调度是很重要的。主持人：在这样一个协同的环境中，车端和路端，哪一侧投入会更大呢？或者如何均衡两者的投入呢？包旭超：从目前接触到的车路协同方案来说，如果是一个较大型的码头，它可能要投入超过50到60辆车。整个基建，包括车路协同和单车智能的成本其实基本上是相当了。因为现在单车路协同这一块，成本还是偏高的。主持人：顺着这个话题，还想问您的一个问题是，无论自动驾驶有多么的先进，它的事故发生率都是会一直存在的。而且干线物流上的卡车如果在高速公路上发生事故，事故后果可能是更严重的，您是怎么看待这个问题呢？包旭超：在码头场景下，有非常多集装箱，而且金属材质的桥或者是船会对卫星信号造成遮挡。港口这种较为封闭环境的安全问题，更考验的是一种综合的感知能力，比如摄像头、激光SLAM建图对一些石墩、灯柱等做一些识别来提升定位的精度。而且港口内的车道的相对来说是比较窄的，比如车大概在2.8到2.9米，整个车道可能只有大概3米宽，所以港口环境对于车辆的定位精度和横向的控制都是要求非常高的。面对这样一种高要求，没办法完全靠高性能的硬件来解决问题，因为有些场景的信号可能被屏蔽掉了，这时就需要针对场景做更多定制化的算法模型和算法迭代。主持人：在港口这个场景里面，更关注的也是效率，或者说效率的最大化吗？包旭超：港口最基础的问题还是安全。因为港口处于生产作业的一个环境，如果出现人员伤亡，可能会定性为一个生产事故。如果定性为生产事故，这对企业而言是一个非常大的问题，甚至会涉及刑事上的责任承担。所以首先是保证安全，然后才是效率的最大化。主持人：目前也会有一些做码头落地的自动驾驶公司，他们可能更倾向于做一个软硬件的打包，类似于一个技术服务的方式，您是怎么看待这种模式的？包旭超：首先从市场来看，目前的大港在买单意愿上是更高的，因为这些大客户更关注可能是未来的转型或者未来的布局。中小港相对而言，成本问题是一个需要跨过的坎，因为它需要在几年内消化这个数字化的成本。再回到我们自身，公司经营管理问题其实也是一种造血问题。中国大港数量是有限的，未来公司该如何发展也是我们在思考的问题。我觉得如果要转型，首先是要有好的产品和技术，其次是需要承担转型带来的资金压力。如果可行，做业务的转型或者说拓展是公司肯定会考虑的方向。主持人：斯年现在有做一些海外业务么？包旭超：今年刚和德国汉堡、沙特的港口做了一些交流，因为目前世界范围内无人驾驶都是很热的。尤其在疫情冲击下，无人驾驶对于港口场景的重要性更加显著，也是基于这个大背景，我们已经开始海外市场的布局。主持人：比如L4这样的高阶自动驾驶方案，目前国内的方案相对比如英伟达等龙头的方案，在多大比例上可以实现国产替代呢？包旭超：行业内用英伟达平台的比例还是较高的，比如它有车规级，还有通用的，在驱动适配上做的还是比较好的。目前确实也出现了国产化这样的市场需求，比如我们这边和国内的一些计算平台也是有对接和了解的。这个差距的补足，还是需要上下游整个供应链、生态圈共同推动自动化的进程。主持人：还有一个观众提问，是关于芯片问题。问题是，芯片对激光雷达领域的发展趋势、技术发展速度有什么样的影响，或者说地位如何，目前的缺芯问题是否会对整个行业的发展速度造成影响？包旭超：芯片问题最终还是要回归到算法上，我们要清楚自己的核心是算法。如果出现“芯片卡脖子”的问题，或者国产芯片无法完全适应场景需求，那么一块芯片不够，我们就上两块，芯片更多还是为产品服务的。目前公司的芯片也在往国产替代的方向上去走，整个计算平台、融合定位的板卡、传感器驱动接口都会应用到自研的硬件平台上，为国产平台做更多的预留。现阶段国产芯片无法满足全部的性能要求，我们的做法就是先满足一部分，未来国产芯片的性能提升上来了，公司的算法空间也将会有更大的想象空间。面对缺芯的问题，我们要做的是去拥抱变化，通过供应链的合理配货去尽可能降低“芯片卡脖子”问题对公司产品带来的风险。主持人：现在有很多的港口也在做数字孪生系统，未来比如会在数字孪生系统和港口内的一些检测点，还有终端的一些车辆会打通，做一个控制闭环么？包旭超：这其实非常依赖港口本身的基建情况。在港口场景下，可能有些车辆需要做的是接受指令、然后执行。落地方案设计还是要基于港口本身的情况去做的。遇到一些困难的场景，算法上会做加法，比较简单的会做减法。主持人：目前来讲是大港和小港的场景不同点有哪些呢？包旭超：大港是更有自动化的驱动力，但在决策流程上也会更审慎一点。如果是小港，成本问题是要考虑进去的，但决策链相对来说更短一下。园区里面的规划上，目前也会将港口和附近的一些港口和工厂做连通。港口之间、港口与外部通道的连通也是公司会在未来两三年会主要关注的事情。

自动驾驶实际场景的商业化落地

斯年智驾：自动驾驶实际场景的落地，更需要一种组合、调整、应变的能力。比如定位信号可能会被屏蔽掉、硬件无法完全适配，这就需要搭建、迭代更多的定制化算法模型来适应实际场景。

2022年3月21日晚19:00-21:00，36氪旗下数字化产业研究及服务平台数字时氪第四期TOB下午茶在线上举办，以“智动驾驶”为主题，聚焦自动驾驶领域，探讨其在高速干线、矿区、港口等多元场景的拓展和商业化试点运营，从而深入探讨自动驾驶行业所蕴含的发展机遇。自动驾驶各个多元场景的落地，给未来提供了无限的畅想，但这一切都离不开自动驾驶技术的探索、突破和商业化落地。斯年智驾产品总监包旭超受邀出席沙龙，分享自动驾驶赛道当前现状、港口细分场景下的公司定位以及未来的发展机遇。

以下为沙龙讨论摘录，经36氪编辑整理：

主持人(张麟)：自动驾驶无论是在现在，还是在未来可预期范围内，都会是一个比较火热的赛道。在开场前和Ben老师也简单聊到关于自动驾驶的产业情况和发展变化，Ben老师给我的答案是，高开中走。然后大家也都感受得到，从一个很高高在上甚至神坛的位置，市场对其有无限期许，到现在逐渐走到一个更为冷静、清晰、客观的发展路线。面对这种发展变化，各位在自己的细分领域，或者说细分赛道有一些什么实际的感受么，或者说对这种发展态势有没有一些看法？

包旭超：斯年智驾主要是做港口的，和矿山场景也是比较像的一个赛道。目前在商用车封闭场景的无人驾驶，有很强的内需和外因驱动。而且港口和矿商都是属于比较传统行业，碳排放也是比较高的，所以首先推动电动化。刚需主要在于，港口驾驶集卡一般需要B照以上专业驾驶的司机，但现在每年这类司机的流失率大概在百分之十几到二十这个区间。所以对于自动化设备的转型的需求还是比较大的。近一年到两年开始，对港口自动驾驶的需求也是出现了一个快速的增长。2021年社会物流总费用14.6万亿元，费用占到了GDP的14.6%。欧美市场的物流成本占GDP的9%。这就需要更多的智慧高效的运输解决方案来满足市场需求、解决行业痛点。当然方案的最大一个前提是我要安全运营，不能疲劳驾驶。所以对于疲劳预警、自适应等方面的一些自动驾驶功能，也是市场的一个需求所在。

主持人：自动驾驶的落地步骤会遵循先在商用车上进行大规模技术验证、技术迭代，然后逐步向乘用车的场景拓展这样一个发展趋势么？各位是怎么理解自动驾驶的发展路径问题呢？

包旭超：从个人的角度来看，首先落地的场景应该是封闭场景的商用车，然后是公开道路的乘用车，再然后是公开道路的乘用车。因为涉及到自动驾驶，安全问题是备受关注的一个问题。而商用车的货物运输，相对于乘用车来讲，是安全角度下更容易落地的一个场景。

主持人：咱们已经聊到了很多关于激光雷达，或者说自动驾驶传感的问题。想问一下，目前在港口领域自动驾驶感知，主要用的是一些激光雷达，还是会采取一些其他的感应措施呢？

包旭超：在港口领域的自动驾驶感知，主要也是以激光雷达为主。因为港口里集装箱、作业设备是金属材质的，毫米波雷达在港口场景其实不太适用。除此之外，还会补充一些摄像头来做车道线识别，因为港口作业涉及到很多标识，这部分可以用视觉来警醒补充。因为港口是一个7*24小时全年无休的状态，而且会遇到很多的极端环境，这也会相应配备更高级别的激光雷达来适应环境。就像刚才提到的，对于特定场景的商用车，最重要的是降本增效。而且港口需要面对多个路段、多个车辆的调度配置问题，如果配置不好，一方面是消耗了能源，一方面是浪费了时间，所以场景内的路径规划和车辆调度是很重要的。

主持人：在这样一个协同的环境中，车端和路端，哪一侧投入会更大呢？或者如何均衡两者的投入呢？

包旭超：从目前接触到的车路协同方案来说，如果是一个较大型的码头，它可能要投入超过50到60辆车。整个基建，包括车路协同和单车智能的成本其实基本上是相当了。因为现在单车路协同这一块，成本还是偏高的。

主持人：顺着这个话题，还想问您的一个问题是，无论自动驾驶有多么的先进，它的事故发生率都是会一直存在的。而且干线物流上的卡车如果在高速公路上发生事故，事故后果可能是更严重的，您是怎么看待这个问题呢?

包旭超：在码头场景下，有非常多集装箱，而且金属材质的桥或者是船会对卫星信号造成遮挡。港口这种较为封闭环境的安全问题，更考验的是一种综合的感知能力，比如摄像头、激光SLAM建图对一些石墩、灯柱等做一些识别来提升定位的精度。而且港口内的车道的相对来说是比较窄的，比如车大概在2.8到2.9米，整个车道可能只有大概3米宽，所以港口环境对于车辆的定位精度和横向的控制都是要求非常高的。面对这样一种高要求，没办法完全靠高性能的硬件来解决问题，因为有些场景的信号可能被屏蔽掉了，这时就需要针对场景做更多定制化的算法模型和算法迭代。

主持人：在港口这个场景里面，更关注的也是效率，或者说效率的最大化吗？

包旭超：港口最基础的问题还是安全。因为港口处于生产作业的一个环境，如果出现人员伤亡，可能会定性为一个生产事故。如果定性为生产事故，这对企业而言是一个非常大的问题，甚至会涉及刑事上的责任承担。所以首先是保证安全，然后才是效率的最大化。

主持人：目前也会有一些做码头落地的自动驾驶公司，他们可能更倾向于做一个软硬件的打包，类似于一个技术服务的方式，您是怎么看待这种模式的？

包旭超：首先从市场来看，目前的大港在买单意愿上是更高的，因为这些大客户更关注可能是未来的转型或者未来的布局。中小港相对而言，成本问题是一个需要跨过的坎，因为它需要在几年内消化这个数字化的成本。再回到我们自身，公司经营管理问题其实也是一种造血问题。中国大港数量是有限的，未来公司该如何发展也是我们在思考的问题。我觉得如果要转型，首先是要有好的产品和技术，其次是需要承担转型带来的资金压力。如果可行，做业务的转型或者说拓展是公司肯定会考虑的方向。

主持人：斯年现在有做一些海外业务么？

包旭超：今年刚和德国汉堡、沙特的港口做了一些交流，因为目前世界范围内无人驾驶都是很热的。尤其在疫情冲击下，无人驾驶对于港口场景的重要性更加显著，也是基于这个大背景，我们已经开始海外市场的布局。

主持人：比如L4这样的高阶自动驾驶方案，目前国内的方案相对比如英伟达等龙头的方案，在多大比例上可以实现国产替代呢？

包旭超：行业内用英伟达平台的比例还是较高的，比如它有车规级，还有通用的，在驱动适配上做的还是比较好的。目前确实也出现了国产化这样的市场需求，比如我们这边和国内的一些计算平台也是有对接和了解的。这个差距的补足，还是需要上下游整个供应链、生态圈共同推动自动化的进程。

主持人：还有一个观众提问，是关于芯片问题。问题是，芯片对激光雷达领域的发展趋势、技术发展速度有什么样的影响，或者说地位如何，目前的缺芯问题是否会对整个行业的发展速度造成影响？

包旭超：芯片问题最终还是要回归到算法上，我们要清楚自己的核心是算法。如果出现“芯片卡脖子”的问题，或者国产芯片无法完全适应场景需求，那么一块芯片不够，我们就上两块，芯片更多还是为产品服务的。目前公司的芯片也在往国产替代的方向上去走，整个计算平台、融合定位的板卡、传感器驱动接口都会应用到自研的硬件平台上，为国产平台做更多的预留。现阶段国产芯片无法满足全部的性能要求，我们的做法就是先满足一部分，未来国产芯片的性能提升上来了，公司的算法空间也将会有更大的想象空间。面对缺芯的问题，我们要做的是去拥抱变化，通过供应链的合理配货去尽可能降低“芯片卡脖子”问题对公司产品带来的风险。

主持人：现在有很多的港口也在做数字孪生系统，未来比如会在数字孪生系统和港口内的一些检测点，还有终端的一些车辆会打通，做一个控制闭环么？

包旭超：这其实非常依赖港口本身的基建情况。在港口场景下，可能有些车辆需要做的是接受指令、然后执行。落地方案设计还是要基于港口本身的情况去做的。遇到一些困难的场景，算法上会做加法，比较简单的会做减法。

主持人：目前来讲是大港和小港的场景不同点有哪些呢？

包旭超：大港是更有自动化的驱动力，但在决策流程上也会更审慎一点。如果是小港，成本问题是要考虑进去的，但决策链相对来说更短一下。园区里面的规划上，目前也会将港口和附近的一些港口和工厂做连通。港口之间、港口与外部通道的连通也是公司会在未来两三年会主要关注的事情。

以上内容由58汽车提供。如有任何买车、用车、养车、玩车相关问题，欢迎在下方表单填写您的信息，我们将第一时间与您联系，为您提供快捷、实用、全面的解决方案。