【ZiDongHua 之“驾驶自动化”标注关键词:光轮智能 自然语言处理 计算机视觉 传感器
 
  光轮智能携手生数科技,推动世界模型走向真实世界
 
  自动驾驶行业长期存在一个无解的死循环:车辆规模越大,运维成本越高,商业盈利越难。近年来,L4级自动驾驶在感知、决策、底盘控制等单车智能技术上持续迭代,落地场景不断拓展。但在规模化商业化的背后,更安全高效的远程运维体系正在成为刚需。
 
  传统自动驾驶运维高度依赖人工值守,行业主流人车比长期停滞在1:20-1:30。这意味着每20–30台自动驾驶车辆,就需要1名专业运维人员实时监控、处置异常,人力成本最高可达整体运营成本的40%。车辆越多,运维人力投入越大,边际效益持续走低,最终陷入“扩规模=亏更多”的产业困境。
 
 
  同时,人工主导的运维模式存在标准不统一、决策延迟高、操作易失误的天然短板,面对道路施工、极端天气、异物入侵等长尾场景时出现的处置疏漏,为自动驾驶规模化运营埋下了安全隐患。
 
  要打破自动驾驶大规模商业化的魔咒,就需要将远程运维从"人力驱动"的被动值守彻底升级为"技术驱动"的主动运维,通过提升单车智能水平和大模型能力,从根本上减少对运维人员的依赖。驭势科技基于全栈自研的高安全性单车智能技术栈+合规监管下本地化部署的VLM大模型技术,已实现1:100的行业顶尖运维人车比。配合99.8%超高系统可用性、超920万公里真实场景运营验证,从技术层面为自动驾驶产业从"运营试点"迈向"大规模商业化"铺平了道路。
 
  全栈自研核心技术
 
  筑牢运维安全底线
 
  在丰富的实际业务落地过程中,驭势科技总结出:远程运维效率的上限,本质上由单车智能的下限决定。只有当自动驾驶车辆具备足够强大的自主处理能力时,才能从源头上减少需要人工介入的场景。驭势科技通过搭建全栈自研的感知-决策-控制一体化单车智能技术栈,使车辆具备99%以上常规场景的自主处理能力。
 
  而通过对传感器故障、道路临时施工、极端天气、异物入侵等高风险长尾场景的主动识别与降级处理,自动驾驶车辆在云端运维介入前,可自主完成减速、靠边停车、风险规避等安全操作,始终保持车辆安全可控,为云端远程运维实现兜底。
 
 
  在强大的单车智能技术栈基础上,驭势科技为解决自动驾驶运维中实时监控批量车辆、远程操作风险、技术复杂性和人员培训等痛点,开发了云端AI智能远程运维平台。
 
  通过全局可视化监控、VLM大模型智能分析、智能告警系统、鹰眼监控室、单车多视角追踪、定制化运维手段、故障敏捷流转、简单部署、数据自动化汇总等功能,帮助运维人员实现对大量车辆的实时监控和操作,并降低现场操作风险;同时,平台注重安全保障和隐私保护,确保车辆和数据的安全性。
 
  VLM大模型重构
 
  提升远程运维效率
 
  VLM(视觉语言大模型)是融合了计算机视觉与自然语言处理技术的多模态大模型,它能够同时理解图像、视频和文本信息,实现跨模态的推理、理解和生成,具备开放场景的通用理解能力。驭势科技将VLM大模型深度融入远程运维全流程,凭借其强大的多模态理解和推理能力,全方位重构远程运维平台,大幅提升效率。
 
 
  驭势科技基于通用VLM大模型,使用所积累的大量全场景边缘场景数据对模型进行了微调训练,进一步提升了VLM的场景理解能力,兼备对自动驾驶场景理解的广度和深度。
 
  通过将数据、车端故障/诊断等信息等多种模态数据送入VLM大模型进行推理,完成对各种自动驾驶边缘场景的准确理解,精细化理解并区分各种车辆故障、自动驾驶系统故障、异常障碍物阻挡、交通违规、车外交通参与者危险行为、车内乘客异常行为等数十种异常类型,并生成标准化的应对方案。
 
  以常见的异物入侵场景为例,正常行驶中的自动驾驶车辆需要及时判断哪些情况可以继续通行,哪些情况必须避让或刹停。“合规监管下本地化部署的VLM大模型技术”能够实时分析车辆上传的数据、故障和诊断信息,对场景形成完整理解,并识别出异常障碍物的细分类别。如果是塑料袋、纸片、树枝等可碾压的障碍物,自动驾驶车辆将继续通行;而如果是轮胎、零件、快递盒等不可通行的障碍物,自动驾驶车辆将会刹车并主动变道避障。
 
  VLM大模型还能从海量的车辆历史运行数据中自动挖掘类似长尾场景,对每一次远程运维案例进行分析,提取和收集高价值数据,并迭代VLM大模型持续提升远程运维平台的自动化能力,逐步减少同类场景的远程人工介入需求。
 
  全场景规模化落地
 
  真实数据验证技术价值
 
  所有技术创新,最终都要落地真实场景、接受商业化验证。目前,驭势科技高安全性单车智能技术栈+合规监管下本地化部署的VLM大模型技术构成的远程运维体系已在全球6个国家和地区、超249家头部客户的商业化项目中落地应用。覆盖机场、厂区、港口、城市、矿区、农场、牧场等多元场景,适配封闭、半封闭、开放道路等各类复杂环境。
 
  随着全新场景持续落地,真实工况数据资源不断沉淀扩充,持续赋能算法迭代升级与系统泛化能力优化,构筑起了“场景覆盖越广、数据积累越多、技术壁垒越高”的正向循环飞轮。
 
  从商业化维度来看,1:100人车比的突破,彻底改变了自动驾驶的经济模型。人力成本不再随车辆规模扩张线性增长,这意味着大幅降低客户初期投入与长期运营成本,缩短投资回报周期,让自动驾驶技术真正成为可盈利、可规模化的生产力工具。
 
  未来,驭势科技将持续迭代升级核心技术,进一步优化自动驾驶规模化运维成本,携手行业伙伴,加速推动自动驾驶全面商业化落地,打造更安全、高效、普惠的智慧出行与物流生态。