2025年3月26日-28日，2025商用車產業發展會議在湖北省十堰市舉辦。本次會議由中國汽車工業協會主辦，以“開辟新賽道，匯聚新動能——發展商用車產業新質生產力”為主題，采用“1+1+6+N”模式，即1場閉門會議，1場開幕式暨主旨會議，6個主題分會場和其他相關對接、展示等活動，旨在深入分析商用車發展面臨的新機遇、新挑戰，探討商用車產業未來發展的新趨勢、新方向。其中，在3月27日下午舉辦的“主題分會場三：商用車安全與可靠性技術”上，智駕汽車科技(寧波)商用車事業部總經理楊騰飛發表精彩演講。以下內容為現場發言實錄：

尊敬的各位領導、各位嘉賓，大家下午好！我是MAXIEYE的楊騰飛，非常榮幸有機會來參加這個研討會，我分享的主題是圍繞商用車AEB來展開的。

主要分三個部分：第一個介紹商用車AEB現在的時代背景。第二個會剖析商用車AEB的價值金字塔。最后也會介紹一下我們公司專注于商用車的品牌阡途。

商用車AEB現在處在的時代背景。以前的時候行業里邊大家一起討論過，商用車和乘用車誰更需要智駕？在我看來商用車更需要智能駕駛，至少是AEB，為什么說商用車最需要智駕或者AEB呢？

第一個，商用車的物理特性風險系數是最高的，商用車無論是大客還是中卡、重卡，它的質量是非常大的，如果它一旦發生交通事故，撞擊力度比乘用車要大上幾倍或者幾十倍的量級。另外，商用車要么是拉人，要么是拉貨，它一旦出了事故，如果是拉了人，車里邊的乘客，客車的成員肯定比乘用車里面的成員數量還要更多，如果拉的是貨，如果貨是危化品，產生的次生災害是乘用車遠遠不能比的差距。

第二個，商用車的運營場景也是非常復雜的。乘用車基本上在公開道路上、結構化道路上去行駛，但是商用車運行的場景很多時候還不局限于結構化道路，可能還會有一些封閉路段，并且作業環境也是非常惡劣的，它疲勞駕駛的比例也是比乘用車要高很多。

第三個，經濟性痛點也是非常巨大的。商用車一旦發生交通事故，產生事故的賠償都是比乘用車要大上幾倍甚至幾十倍。去年行業里面討論比較多的是新能源城配保險賠償的現象，我們也去查了一些數據來統計了一下，新能源的城配比燃油車的城配出險次數要高了60%的出險，新能源城配的車相比于燃油車城配的車，它更容易發生交通事故，它的賠付金額比次數還要更多一些，已經高出了75%，也就是說一個新能源城配的車發生一起事故賠償的金額比燃油車也要高出的。對于商用車來講，從經濟性角度上它對安全性也是非常迫切的。

現在在當下的環境下，AEB已經呼之欲出了，主要有兩個驅動力。第一個是政策法規的驅動，商用車主要是交通部來去法規了，從最早2018年的時候從客車，后來到卡車，從雙預警到AEB。我們很高興看到2024年4月份交通部出臺了征求意見稿，是關于所有中重卡要標配AEB這樣一個征求意見稿，當然行業里面說可能很快變成一個正式稿了。第二個，AI的技術，包括其他的4G、網絡通信技術現在成熟度已經足以去支持AEB或者是商用車的自動駕駛能達到相對成熟的狀態。

進入第二個部分，商用車AEB的價值金字塔。

這個價值金字塔是我們首次提出的一個概念，主要是從AEB的價值進行了分層，我們認為AEB的價值，咱們表面上能看到的AEB價值只是最底層的最基本功能，也就是當發生交通事故的時候就提前制動系統進行了介入，當然這一層它的價值主要體現在我們可能關心它是不是有漏制動、誤制動。

再往上一層有一個詞叫“防御性駕駛”，相信很多老司機對這個詞比較熟悉，很多事故是怎么產生的？就是因為我們沒有做到防御性駕駛，我們沒有在該減速、該注意的地方去提高警覺性，沒有做到防御性駕駛才導致出了AEB。而AEB不是萬能的，AEB不是能避免所有的交通事故，也就是說基于AEB這個功能能不能再往前走一步，如何讓司機能夠養成一個防御性駕駛的習慣，這是AEB如果再往下去展開的第二層價值。

再往上一層，因為AEB它會產生大量的數據，它對車外邊的場景進行豐富的識別，甚至包括駕駛員狀態數據的識別，基于所有這些數據，我們是不是可以去挖掘數據其他的價值，比如說我們是不是可以去刻畫更精準駕駛能力的畫像，幫助這些物流公司能夠更好地去管理司機的駕駛能力，包括數據是不是可以跟保險進行合作，能否去做一個千人千面的保險方案，這都是基于數據來去展開的一些價值。

這三層，第一層都是老生常談了AEB的功能，對于我們公司來講，這也是我們重點發力的一個方向。

值得一提的是，我們有一個非常好的誤制動率，200萬公里小于1次的誤制動率，這個數字不是我們拍腦袋拍的，我們在乘用車和商用車，當然主要是乘用車為主，量產的量比較大，市面上有幾十萬臺的規模。我們跟車廠進行合作，把每次AEB的數據都進行了回傳和監控，我們通過大量市面上的數據計算出來我們的誤制動率是行業里面非常小的數字。

第二層是從AEB到防御性駕駛。我想起一句話“上醫治未病”，我們在這個地方把病比喻成發生交通事故，這個事比喻成人的生病，“上醫治未病，中醫治欲病，下醫治已病”，咱從下開始往上說，當我已經病了，或者我已經發生交通事故之后如何減少我的損失，這對醫生來講是最基本的要求了。但是這一層遠遠不夠，我們需要再往上走一層，走到第二層是預病，要準備發病了，我提前發現了，我能去避免發病，這是這一層。這一層對應今天講的主動安全、被動安全，被動安全更像是已病，主動安全AEB像是欲病，我準備要去碰撞了，我現在提前去介入，踩剎車，當然不一定能徹底避免，但至少是在欲病階段的時候去介入。當然我們的追求要更高，我們要做到上醫的水平，上醫治未病，在預病的更前一個周期就要去挖掘出來這種風險。

怎么治未病呢？我認為要做到有防御性駕駛這樣一個安全意識和習慣。防御性駕駛這邊舉了一些例子，一些典型的場景，比如說你在速度很高的時候跟車很近，這就是典型的沒有防御性駕駛安全意識的表現，因為防御性駕駛它的核心在于，假如怎么怎么樣，假如前車突然急剎，你這么快的速度、這么近的跟車距離一定是剎不住的，一定會發生事故的。如果你有防御性駕駛的安全意識，在車速高的時候自動把跟車距離拉開了。在這個事上對AEB的系統功能它能做什么呢？比如說AEB這個系統它是實時在檢測前方目標的速度、距離，它是可以通過一個模型告訴你在什么樣的車速下，你現在的跟車距離已經是超過了那個限值，它會提醒你，它非常量化你現在的風險等級。

還有一個比較典型的場景，我們叫路口不超齊頭車，我們看到大量的事故是怎么發生的？在路口的時候，尤其是你旁邊的那個車是一個大客車的時候，這個大客車一旦走著走著發現它停了，這個時候最好你也要停下來，不要超齊頭車，它停了一定是因為它前面有摩托車或者行人，如果你沒有個意識，你直接沖過去，也沒有減速，很有可能突然竄出來的行人或者摩托車就跟你發生交通事故了。這種場景下如果你有所謂的防御性駕駛的安全意識，有預判能力，你就能避免，如果你沒有這個意識，你只是一味地開過去，這種場景下一定會發生事故。

我們就有一個想法，我是不是可以通過一些技術的手段去把這種場景識別出來？比如說路口超齊頭車這個事，如果識別到斑馬線，我知道現在這是一個路口，我識別到右前方有一個客車，這個客車現在在停著，我本身現在要在它旁邊沖過去了，我這個時候是不是就需要提醒司機在這個情況下需要減速，或者減速到多少以下，如果他沒有做到，如果是商用車比如VAN或者輕卡，對于車隊管理來說是不是可以給他扣分，因為他沒有做到防御性駕駛。

通過這樣的模型產生出來的數據，我們覺得它是更精準地能夠表征駕駛能力的一個模型。在以前的時候做車隊管理我們都是用什么數據來去表征這個駕駛能力呢？也沒有急加急減，但是加急加減跟交通事故有關聯嗎？其實關聯度沒那么大，為什么急加急減呢？因為它有自己時效性的要求，但是不一定會發生事故，如果他在該注意的地方注意了，他就不會發生事故。所以我們希望有一個模型識別出來哪種駕駛行為，在什么樣的危險場景下他沒有做防御性駕駛導致他發生交通事故，如果這樣的話，我們整個數據模型會更加精準，有了更加精準的數據抓手，你去做一些司機的車隊管理或者甚至跟保險進行合作，你才有可能去得到一個很好的結果。

另外，AEB也好，或者防御性駕駛的數據模型也好，我們都離不開要去做一個云端的閉環，它在車端上我們希望這個數據一定要能回來的，因為只有回來了，我們才是從一個產品思維轉向了運營思維，我們才有可能去迭代我們的性能。因為你剛開始去部署的時候沒有那么完美的，但是你一旦有了迭代的路徑和思維之后，你的性能會越來越好，你會發現你所謂的上醫的水平也會越來越高。

如果咱想去做防御性駕駛的模型，它其實是對車端整個性能是有比較高的要求，它就要求你這個車端感知的能力比較強，你識別的這些目標要比較多，比如說左上角現在看到一個斑馬線，至少要能識別斑馬線，要不然你咋知道在路口呢？很多專家也都知道我們在行業里面斑馬線不是現在必須識別的目標。你在識別這些目標的距離精度也要求比較高，因為你要構建一個非常精準的模型，你要挖掘出來那些需要防御性駕駛的場景，它都需要你要有一個非常精準的識別作為基礎。

我們花了好幾年時間去構建了一個數據閉環的體系，從車端上的，我們是做攝像頭與T-Box以太網通信，我們回傳哪些信息，T-Box如何跟車廠的服務器去做通信，車廠的服務器如何和我們的服務器通信，我們拿到數據之后如何提煉出來可供訓練的場景數據，如何再去迭代我們的算法，如何再OTA回去，整個通路閉環我們是已經打通了這樣的閉環。

并且我們現在也在做一個事情，給商用車同樣也打通這個閉環，當前這個事情已經完成了。

我這邊分享了一個我們現在已經回傳的典型的數據，這已經播放起來了，這些數據我找了好幾個都是在實際量產的過程中回傳回來的數據，都是AEB觸發的數據，左上角的紅點就是AEB觸發的時間點，有對二輪車觸發的，也有對前面行人觸發的。這些場景就是駕駛員正在分心駕駛，他完全沒有意識到他已經瀕臨危險了，而我們AEB的觸發保證避免他一次又一次的事故。

再有一點，我們數據回傳回來相當于其他的差異化優勢在于，我們回傳回來的除了視頻之外，你會發現它上面有很多的檢測目標，這個檢測目標，就是這個事件發生時當時嵌入式上的檢測結果，這個是比較有價值的，在于說我要完美復現當時在嵌入式里面發生了什么，比如說我這里面有個問題或者有個bug，比如有一次AEB觸發得不對，我要去看到底是圖像檢測的問題，還是我的融合算法的問題，還是我的目標篩選的問題，還是AEB規控的問題，非常利于我們快速地去定位問題，你只有定位到問題了，你才能夠快速去迭代掉這個問題。

這種數據我們現在回傳回來了也就兩三年了，回傳回來大量的數據，我們統計下來現在已經是超過3億公里的測試里程的數據，回傳回來比較有高價值的數據段已經超過幾萬甚至十幾萬的量級。

有了這樣一個高質量的數據作為抓手，我們后面的想象空間就非常大了，因為你的基礎打得比較牢，你能非常精準知道外面的場景發生了什么樣的，外面發生了什么事情，挖掘這些數據的價值當然需要跟行業里邊的貼近于終端用戶的伙伴一起來去挖掘這個價值，但是可以肯定的是有高質量的數據做抓手，我們一定是能夠去開啟一個非常好的對商用車來講降本增效、智慧運營的新時代。

總結一下，所謂商用車AEB價值金字塔就是這三層，從基本的AEB功能，到AEB防御性駕駛的數據模型，再是上面海量數據挖掘的應用，這么三層逐步遞進的AEB價值金字塔。

最后用兩三分鐘時間介紹一下阡途這個新名字，我們在去年開了一個簡單的發布會，它是MAXIEYE旗下的專注于做商用車自動駕駛的創新單元。我們的愿景是成為商用車領域最值得信賴的智駕伙伴。我們希望助力每一臺商用車能夠安全出行、高效出行。我們價值觀是科技向善，因為我們做的是跟汽車安全相關的事情，我們每一次AEB的介入都是在實踐科技向善的價值觀。

一個小短片（視頻播放）

這是我們阡途品牌的小片，對于MAXIEYE和阡途來講，我們既做乘用車又做商用車，我們在內部叫商乘并舉。可以看到我們的技術棧，從最左邊的數據系統，到這邊的嵌入式上的從感知到融合、規控的技術棧，這些都是同一技術平臺，我們賦能了乘用車和商用車兩種應用場景，所以我們叫商乘并舉，在商為商（在商用車為商用車），因為商用車畢竟有自己獨特的需求和獨特的一些場景，我們要扎根到商用車領域，針對商用車具體化的需求，我們提供定制化的解決方案。

具體到商用車我們的產品解決方案主要兩塊：一個是前面我們講的AEB、ACC、LKA，我們內部叫一體機的方案，圍繞安全展開的這些產品。還有一個更高階的高速NOA的方案，高速NOA的方案我們采用了大概60tops國產的芯片去做了一個5R7V高速NOA的功能，這個產品也會在今年的年底與一個頭部的商用車車廠量產。

我們從2017年就開始做商用車的產品了，到現在有超過八年為商用車客戶服務的經驗了，如果考慮到之前的雙預警到現在AEB定點的情況，我們已經在商用車領域上做到市場領先的地位了，我們也非常有幸與top的一些客戶有服務的機會。

最后歡迎大家掃碼去關注阡途公眾號，也感謝大家對MAXIEYE、對阡途的關注和支持，謝謝大家。

（注：本文根據現場速記整理，未經演講嘉賓審閱）