熱門搜詞：宇通徐工福龍馬上海金盾一汽勁旅環(huán)境鄭州紅宇

產(chǎn)學(xué)研用多方對話：低速無人駕駛的技術(shù)突圍與場景進階之道

發(fā)布時間：2025-07-16 10:44:35來源：低速無人駕駛產(chǎn)業(yè)聯(lián)盟作者：茜茜

2025年7月3日，由低速無人駕駛產(chǎn)業(yè)聯(lián)盟主辦，新戰(zhàn)略低速無人駕駛?cè)襟w、新戰(zhàn)略低速無人駕駛產(chǎn)業(yè)研究所承辦的“2025(第五屆)低速無人駕駛場景生態(tài)共建拓展大會”在杭州盛大舉行！

本次大會特設(shè)2場圓桌論討，邀請了學(xué)術(shù)專家、主流企業(yè)代表、產(chǎn)業(yè)研究學(xué)者等多方對話，從“前瞻技術(shù)”和“市場探索”雙角度，圍繞數(shù)個核心熱點話題，深度探討了低速無人駕駛產(chǎn)業(yè)發(fā)展的當下與未來。

其中，圓桌論壇一（技術(shù)前瞻）由低速無人駕駛產(chǎn)業(yè)聯(lián)盟副主席、海神機器人創(chuàng)始人&董事長于明坤主持。

特邀嘉賓：

麥迪克智行汽車董事長/吉林大學(xué)汽車工程學(xué)院教授靳立強

盟識科技副總裁沈俊

中科智馳董事長江如海

昆明理工大學(xué)副教授/未來交通創(chuàng)新研究院執(zhí)行院長沈世全

華中科技大學(xué)人工智能與自動化學(xué)院教授陶文兵

盈峰環(huán)境智能技術(shù)中心副主任、博士方小永

低速無人駕駛產(chǎn)業(yè)聯(lián)盟副主席、海神機器人創(chuàng)始人&董事長于明坤

隨著人工智能、大模型技術(shù)與自動駕駛算法的快速發(fā)展，低速無人駕駛作為率先落地的場景之一，正站在產(chǎn)業(yè)化的關(guān)鍵拐點。本次圓桌邀請六位來自產(chǎn)業(yè)界與學(xué)術(shù)界的重量級嘉賓，圍繞“突破感知與決策瓶頸”與“聚焦AI技術(shù)與大模型應(yīng)用，實現(xiàn)技術(shù)降本”兩大議題展開深度探討，洞察低速無人駕駛系統(tǒng)的核心演進路徑與未來創(chuàng)新方向。

突破感知與決策瓶頸：下一代低速無人駕駛系統(tǒng)的核心技術(shù)融合與演進自動駕駛系統(tǒng)通常由多個技術(shù)模塊構(gòu)成，包括環(huán)境感知、精準定位、決策規(guī)劃、控制執(zhí)行、高精地圖、車聯(lián)網(wǎng)協(xié)同等。在這些模塊中，感知與決策是整個系統(tǒng)中最復(fù)雜、最核心，也是目前技術(shù)突破難度最大的兩大環(huán)節(jié)。它們直接決定了自動駕駛系統(tǒng)所能達到的智能等級和安全邊界。如何提升傳感器融合的效率，如何優(yōu)化決策系統(tǒng)在復(fù)雜場景下的穩(wěn)定性，也是企業(yè)重點關(guān)注的方向。同時，業(yè)界在探索各種技術(shù)路徑，包括輕量化多傳感器融合方案、基于AI大模型的感知增強、決策與感知協(xié)同優(yōu)化、云端算法迭代更新等。這些探索正在推動技術(shù)走出實驗室，邁向更廣泛、更復(fù)雜的真實場景應(yīng)用。盟識科技副總裁沈俊

盟識科技副總裁沈俊表示盟識科技專注于無人礦山領(lǐng)域，盟識的初衷不僅是用技術(shù)替代人力，更希望通過智能化手段在整個產(chǎn)業(yè)鏈中創(chuàng)造更大價值。特別是在國家關(guān)鍵礦產(chǎn)資源的開采環(huán)節(jié)，公司致力于通過自動化與智能化提升其安全性、效率與可持續(xù)性。圍繞這一目標，盟識構(gòu)建了面向礦山場景的無人駕駛平臺，不僅解決了礦區(qū)“缺人、少人”的現(xiàn)實問題，更重要的是推動礦產(chǎn)資源開采向著更加安全、高效、持續(xù)的方向發(fā)展。
麥迪克智行汽車董事長/吉林大學(xué)汽車工程學(xué)院教授靳立強

麥迪克智行汽車董事長/吉林大學(xué)汽車工程學(xué)院教授靳立強在談感知與決策時，表示當前企業(yè)往往只關(guān)注算法本身，卻忽視了決策必須以車輛動態(tài)性能為前提這一根本事實。當前低速無人車大多沿用傳統(tǒng)商用底盤或工程裝備的設(shè)計邏輯，其制動、加速和轉(zhuǎn)向能力并不匹配自動駕駛決策的需求，導(dǎo)致算法“想得快、動得慢”。
他以某個港口啟用無人轉(zhuǎn)運車將出口整車從堆場運往泊位為例，以無人車運輸雖然降低了人力成本，但速度緩慢，而船舶靠泊按小時計費，整體運營成本反而上升。問題不在算法，而在“底盤不對、決策受限”：這些無人車的制動系統(tǒng)按工程機械標準開發(fā)，無法實現(xiàn)乘用車級的快速制動。我的觀點是，低速無人駕駛沒有必要照搬傳統(tǒng)底盤。面向場景的輕量化、模塊化底盤能顯著提升制動與動力響應(yīng)，為決策算法釋放更大空間——只需處理核心的六自由度車輛運動，就能避免許多原本無法規(guī)避的風(fēng)險。換言之，感知決策的突破不能脫離車輛本體的重新設(shè)計。只有讓硬件與算法協(xié)同演進，低速無人駕駛才能真正做到高效、安全、低成本落地。盈峰環(huán)境智能技術(shù)中心副主任、博士方小永

盈峰環(huán)境智能技術(shù)中心副主任、博士方小永則從技術(shù)的角度為我們分析了兩條自動駕駛主流技術(shù)路線：即以特斯拉為代表的視覺主導(dǎo)（端到端）路線，外界常稱其為“純視覺”，其實更準確的說法是“視覺主導(dǎo) + 端到端深度學(xué)習(xí)”。車輛直接處理攝像頭視頻，通過大模型從數(shù)據(jù)中學(xué)習(xí)駕駛決策，盡可能減少人為規(guī)則干預(yù)。以及絕大多數(shù)企業(yè)仍采用“感知決策控制執(zhí)行”的分層框架，典型代表百度開源的Apollo。該框架用多傳感器融合做感知，再按人工設(shè)計規(guī)則進行決策與控制。

傳統(tǒng)框架的瓶頸在于高度依賴手工規(guī)則：車輛交付后，研發(fā)團隊仍需不斷回收數(shù)據(jù)、修補規(guī)則來應(yīng)對新場景——這也是為什么“服務(wù)”往往被迫成為產(chǎn)品的一部分。相比之下，端到端大模型通過對海量視頻數(shù)據(jù)的持續(xù)學(xué)習(xí)，直接形成安全駕駛策略。例如遇到障礙物時，它不是按工程師預(yù)設(shè)的規(guī)則“如果那么”避障，而是像人類司機一樣基于經(jīng)驗做出最合適的動作。這種自學(xué)習(xí)能力讓系統(tǒng)更容易泛化到陌生環(huán)境。

他認為，隨著大模型能力的快速提升，端到端自動駕駛技術(shù)可能是突破當前感知決策瓶頸、從根本上提升自動駕駛可靠性與效率的關(guān)鍵路徑。
中科智馳董事長江如海

中科智馳董事長&總經(jīng)理江如海提到，作為最早一批布局大模型技術(shù)的企業(yè)，中科智馳已聯(lián)合中科院推出了“驍行動力”多模態(tài)端到端智駕大模型，探索新一代智能決策路徑。
他認為，當前自動駕駛決策端的提升主要依賴于大數(shù)據(jù)與模型訓(xùn)練，但感知端仍受制于傳感器物理極限與樣本稀缺。例如在真實場景中，無人車常難以區(qū)分不同類型的路面，甚至在高速上識別錐筒也會出錯，這反映出傳統(tǒng)感知手段的局限性。行業(yè)正在嘗試“車路云一體化”，但基礎(chǔ)設(shè)施成本高，落地難度大。未來感知與決策的技術(shù)突破應(yīng)以“場景定義先行”為核心，結(jié)合多模態(tài)大模型進行有針對性的能力構(gòu)建，而非追求一套通用方案。端到端架構(gòu)、多模態(tài)融合、強化學(xué)習(xí)等先進方法，將成為提升低速無人駕駛安全性和泛化能力的重要方向。昆明理工大學(xué)副教授/未來交通創(chuàng)新研究院執(zhí)行院長沈世全

昆明理工大學(xué)副教授/未來交通創(chuàng)新研究院執(zhí)行院長沈世全指出，低速無人駕駛與乘用車自動駕駛應(yīng)區(qū)分對待。由于速度低、場景相對可控，低速無人車對感知、決策、規(guī)劃等系統(tǒng)的性能要求相對較低，更應(yīng)關(guān)注成本控制與方案實用性。
但一旦進入城市末端物流、鄉(xiāng)村道路等非結(jié)構(gòu)化場景，感知復(fù)雜度甚至超過乘用車，對系統(tǒng)能力提出更高要求。此時雖然端到端具備潛力，但受限于數(shù)據(jù)稀缺和泛化能力，目前尚難支撐大規(guī)模落地。從決策層面看，低速無人車在大多數(shù)場景下已有較為成熟的決策方案。未來，隨著人工智能與多智能體協(xié)同技術(shù)的發(fā)展，其在復(fù)雜動態(tài)環(huán)境下的交互能力也有望進一步提升。華中科技大學(xué)人工智能與自動化學(xué)院教授陶文兵

華中科技大學(xué)人工智能與自動化學(xué)院教授陶文兵認為，低速無人駕駛不能簡單照搬乘用車的端到端大模型方案，而應(yīng)結(jié)合行業(yè)特色，設(shè)計針對性的數(shù)據(jù)采集和模型優(yōu)化策略，提升系統(tǒng)性能與可靠性。
他強調(diào)，低速場景對感知和決策的實時性要求較低，因此算法復(fù)雜度可以適當降低，可靠性反而更易保證。相比高速環(huán)境，低速無人駕駛在成本控制上也更具優(yōu)勢，不必依賴昂貴的芯片和算力。
不過，低速無人駕駛的應(yīng)用場景往往更為特殊且復(fù)雜，例如垃圾清掃、無人配送等涉及多功能、多任務(wù)的操作，對感知模型提出更高要求。特別是在無車道線、小區(qū)、地下車庫等復(fù)雜、無GPS信號的環(huán)境中，定位和導(dǎo)航成為挑戰(zhàn)。此外，極端天氣和惡劣環(huán)境下的感知與避障能力也是關(guān)鍵瓶頸。

聚焦AI技術(shù)與大模型應(yīng)用，實現(xiàn)技術(shù)降本

隨著低速無人駕駛技術(shù)應(yīng)用場景的不斷深入，數(shù)據(jù)規(guī)模也在持續(xù)增長，推動技術(shù)逐步革新。大模型的核心價值之一，就是通過技術(shù)創(chuàng)新降低整體成本。在人工智能產(chǎn)業(yè)落地過程中，通用模型與垂直領(lǐng)域模型正逐漸形成協(xié)同運營的模式。同時，深度生成式AI也變得更加“接地氣”，逐步從概念走向?qū)嶋H生產(chǎn)力，越來越多企業(yè)開始關(guān)注如何利用AI大模型降低技術(shù)和應(yīng)用的門檻。同時，AI大模型雖然能推動制造業(yè)等產(chǎn)業(yè)的智能升級，但在落地過程中仍面臨數(shù)據(jù)安全、模型泛化能力不足等挑戰(zhàn)。“大模型正成為推動應(yīng)用落地的關(guān)鍵力量”，華中科技大學(xué)人工智能與自動化學(xué)院教授陶文兵首先肯定了大模型對于智能駕駛乃至自動駕駛發(fā)展的重要性，當前，越來越多企業(yè)通過收集語言、語音、視頻乃至三維空間數(shù)據(jù)來訓(xùn)練大模型，這已成為不可逆轉(zhuǎn)的趨勢。他建議，針對低速無人駕駛場景，企業(yè)應(yīng)充分利用場景的可控性和細分性。不同領(lǐng)域如礦山、港口等，實際上可以用更少的數(shù)據(jù)和資源，訓(xùn)練專用的小型大模型，這對成本控制非常有利。傳統(tǒng)無人駕駛需要大量實地數(shù)據(jù)采集，成本高昂，尤其對中小企業(yè)來說幾乎難以承受。但在大模型時代，生成式AI技術(shù)能夠合成各種訓(xùn)練數(shù)據(jù)，如具身智能事件模型，幫助我們在數(shù)據(jù)不足時通過合成數(shù)據(jù)進行模型訓(xùn)練。這為低速無人駕駛前期減少數(shù)據(jù)采集成本提供了有效手段，也帶來了門檻的大幅降低。麥迪克智行汽車董事長/吉林大學(xué)汽車工程學(xué)院教授靳立強則對當前智能駕駛大模型的應(yīng)用持比較謹慎的態(tài)度。雖然大模型已經(jīng)深刻改變了我們的生活和工作方式，但在無人駕駛領(lǐng)域，尤其是智駕大模型的成熟和普及，還還有很長的路要走。他結(jié)合自己試乘國內(nèi)頭部企業(yè)智能駕駛車輛的經(jīng)驗，表示現(xiàn)階段智能駕駛系統(tǒng)依然面臨認知世界的巨大挑戰(zhàn)，智能駕駛大模型的完善還有許多技術(shù)難點需要突破。盈峰環(huán)境智能技術(shù)中心副主任、博士方小永結(jié)合自身在環(huán)衛(wèi)領(lǐng)域的經(jīng)驗，剖析當前大模型的實際應(yīng)用層次：第一層，是像OpenAI或國內(nèi)頭部企業(yè)這種具備全棧訓(xùn)練能力、能深度調(diào)參的團隊，他們真正用到了大模型的“靈魂”；第二層，是具備一定技術(shù)能力，能對部分參數(shù)進行微調(diào)的企業(yè)，這類還屬于少數(shù)；第三層，絕大多數(shù)企業(yè)僅使用開源模型進行簡單調(diào)用，沒有深入優(yōu)化，嚴格意義上這還稱不上是“生產(chǎn)級”應(yīng)用。以環(huán)衛(wèi)行業(yè)為例，模型的落地應(yīng)用必須考慮“低速、高頻、強作業(yè)”三個特點。環(huán)衛(wèi)車不僅需要自主行駛，還必須精準、高效地執(zhí)行清掃等作業(yè)任務(wù)，作業(yè)動作頻繁，對系統(tǒng)實時性和穩(wěn)定性要求極高。
因此，大模型不能一蹴而就地“接管”全部流程，但可以局部賦能，例如在感知模塊中引入大模型提升識別精度與泛化能力。問題在于，當前大模型需要強大算力，若部署在云端，又必須解決時延與通信穩(wěn)定性問題；若部署在車端，則對芯片能力和系統(tǒng)協(xié)同優(yōu)化提出極高要求。
相對于前瞻性布局未來10年大模型芯片需求的企業(yè)，我們當前仍處于探索階段。這說明，唯有實現(xiàn)端、云、邊在算法與算力層的深度協(xié)同，智能駕駛的大模型應(yīng)用才能真正落地并降本增效。

中科智馳董事長&總經(jīng)理江如海提出：初創(chuàng)公司要將有限資源用在最關(guān)鍵的“刀刃”上，將AI視為“工具型能力”來賦能產(chǎn)品與服務(wù)，而不是盲目追逐“自研大模型”的技術(shù)熱點。

大模型和AI技術(shù)在智能駕駛領(lǐng)域確實帶來了顯著的便利，尤其是在從感知到?jīng)Q策的數(shù)據(jù)處理環(huán)節(jié)，提升了整體效率。但它同時也是一把雙刃劍。原因在于，大模型的訓(xùn)練和應(yīng)用通常需要高昂的算力投入和基礎(chǔ)設(shè)施支撐，這對很多初創(chuàng)企業(yè)來說是沉重負擔。

他表示，并不建議中小型企業(yè)在當前階段盲目進行大規(guī)模自建模型或算力平臺的投資。更合理的方式是將大模型作為降本增效的輔助工具，而不是作為主要的技術(shù)路線或核心資產(chǎn)。同樣，在生產(chǎn)端，許多輔助性工具也在幫助我們提升工程效率。我們應(yīng)聚焦于如何借助這些現(xiàn)有AI能力優(yōu)化業(yè)務(wù)流程、提升交付質(zhì)量，而非重資產(chǎn)投入自主研發(fā)通用大模型。

昆明理工大學(xué)副教授/未來交通創(chuàng)新研究院執(zhí)行院長沈世全也認同這一觀點，他表示，大模型強調(diào)通用性，什么都能做，但往往“廣而不精”。而在低速無人駕駛領(lǐng)域，車輛運行必須滿足高安全性、實時性、可靠性和穩(wěn)定性，這些特性對模型的精度和專用性要求極高。
他建議企業(yè)更應(yīng)聚焦于將大模型“專業(yè)化”“小型化”“場景化”。針對特定應(yīng)用場景打造輕量、精準的模型，才是當前落地應(yīng)用的關(guān)鍵路徑。
最后，盟識科技副總裁沈俊則從礦山無人駕駛企業(yè)的角度指出了大模型研發(fā)方向：一是強化學(xué)習(xí)驅(qū)動的車輛調(diào)度，由于礦山數(shù)據(jù)保密性，在本地利用強化學(xué)習(xí)訓(xùn)練調(diào)度模型，在高耦合、復(fù)雜作業(yè)條件下優(yōu)化礦卡運行效率，同時避免對礦區(qū)投入過多專業(yè)人力。
二是多模態(tài)感知壓縮，一輛礦卡往往需要 6–7?個高清攝像頭，原始視頻帶寬和算力開銷巨大。盟識通過大模型實現(xiàn)多模態(tài)特征壓縮，顯著降低算法側(cè)的計算與傳輸成本。
三是世界模型 + 規(guī)則庫應(yīng)對長尾場景，礦區(qū)真實數(shù)據(jù)稀缺且長尾情況多，盟識正與學(xué)術(shù)界合作，將世界模型引入數(shù)字孿生仿真，結(jié)合現(xiàn)有規(guī)則庫持續(xù)迭代“補丁”，既解決數(shù)據(jù)不足，又保持決策的可解釋性。
通過這三條路徑，在不泄露敏感數(shù)據(jù)的前提下，打造安全、高效且易于落地的礦業(yè)無人駕駛大模型。

寫在最后

最后，于明坤董事長指出，低速無人駕駛正站在智能技術(shù)深度融合與產(chǎn)業(yè)場景加速落地的關(guān)鍵節(jié)點上。企業(yè)要在這條新賽道上穿越周期、行穩(wěn)致遠，核心在于“走好三步”：第一步是打好技術(shù)基礎(chǔ)，穩(wěn)住安全、感知、決策等底盤能力；第二步是走出場景閉環(huán)，把技術(shù)真正嵌入港口、礦山、環(huán)衛(wèi)、物流等高價值應(yīng)用；第三步是邁向智能驅(qū)動，用AI與大模型實現(xiàn)效率重構(gòu)與成本革命。