车东西（公众号：chedongxi）
作者 |  晓寒
编辑 |  肖涵

你知道百度在造车，但你知道百度同时在造两种车吗？

除了集度汽车，百度还有一家名为DeepWay（中文名“深向”）的智能新能源卡车公司，专注于研发制造L3/L4级自动驾驶卡车，希望开创一个全新的智慧货运时代。

DeepWay在去年12月刚刚成立，今年9月推出了自己的首款智能新能源重卡——深向·星途，并在11月又宣布开启了自动驾驶动态路测。

对于一家团队规模不到200人，还同时兼顾造车和开发自动驾驶技术的新公司来说，DeepWay这种发展速度堪称飞速。

▲DeepWay发布首款车型深向·星途

那么这家卡车新势力究竟凭什么在两个前沿行业里快速狂奔？他们造车进度如何，其自动驾驶技术又真的靠谱吗？

日前，在听完DeepWay的CTO田山在百度开发者大会上的演讲，并与田山、谭昌毓（DeepWay总工程师）两人进行2个多小时的深入交流后，车东西得以揭开这家卡车造车新势力的神秘面纱。

一、明年12月下线100台电动重卡 交付即是L3

“我们造车进展很顺利，已经在跟一些车企接触代工的事儿了。”刚一见面，田山就主动向车东西聊起了研发进展，“到明年12月份就能下线100台车投入实际运营。”

DeepWay现已经完成了内外饰油泥模型评审，并完成了数据冻结。与此同时，其转向、制动、电池、驱动等核心零部件最近也完成了供应商定点，大概明年6月份之前就能拿到样件组装样车进行测试，9月份申请工信部新车公告，12月份下线100台C样车投入自动驾驶测试运营。

2023年6月份能开启规模量产，预计当年将交付1000台新能源重卡。

自动驾驶方面，DeepWay研发了一套名为HIS（Highway Intelligence System）的自动驾驶系统。通过覆盖车身四周的11个摄像头、1个红外相机、5个毫米波雷达、1个激光雷达，来实现L3级自动驾驶能力。

因为自家的B样车明年才能出来，因此田山带领自动驾驶团队先基于市面上已有的卡车安装HIS系统进行测试，测试地点在天津一个封闭测试场内。

据田山介绍，其测试车在测试场内已实现自适应巡航、车道保持、主动避障、自主变道、靠边停车、点到点自动驾驶等具体功能。

▲左起分别为DeepWay总工程师谭昌毓、车东西主编孙晓寒、DeepWay CTO田山

不管是明年年底投入运营的首批100台车，还是2023年规模量产的1000台车，在交给客户时都将具备L3级自动驾驶能力，用户是买来即可用。

按照规划，交付之初这款车可在高速公路单一车道内实现L3级自动驾驶——司机可以看视频或者操作手机，仅在特殊情况下才需要接管车辆。后期这套L3自动驾驶系统还会增加自动变道能力。 

▲DeepWay现阶段改装的自动驾驶测试车

这里需要注意，目前国内还没有L3级自动驾驶的相关法规。如果明年法规仍未出台，星途在交付时虽然具备L3能力，但会先以L2级自动驾驶系统来使用——司机需全程监控驾驶过程，负驾驶责任。

二、Apollo白盒授权 专家团队解决车控难题

最近，奔驰获得德国政府许可，允许L3自动驾驶车辆上路——整个过程耗时长达16年之久。反观DeepWay，让L3卡车上路满打满算也才用了2年。

进展神速背后是百度这个“技术爸爸”的大力支持。

作为DeepWay的“双亲”之一，百度为其提供了Apollo自动驾驶算法的白盒授权——直接将源代码开放给DeepWay并允许其进行修改，自然显著加速了研发进度。

田山向车东西透露，百度给deepway的这套代码是全网唯一的一次白盒授权，可实现L3自动驾驶能力，通过功能升级和数据迭代可最终实现L4级自动驾驶。

▲DeepWay团队进行自动驾驶路测

根据授权协议，Apollo团队后续会负责修复Bug但不负责算法迭代，后者需要由DeepWay基于路测数据自行完成。

“从业界普遍观点和我们的具体分析来看，乘用车和商用车可复用的部分超过70%。”田山向车东西解释道，“越是前端感知，复用百度的技术就会越多。而感知这样的能力，恰恰又是百度的最强项。”

田山的说法不无道理。不管是从传感器还是从背后的深度学习技术来看，感知系统放在卡车上和放在乘用车上没有本质区别（仅是布置位置和所需的感知距离不同），并且要感知的对象也一样——高速上跑的也是车，种类还比城市里少。

两者的最核心差别主要体现在车辆的动力学模型上。

首先，载重卡车要拉货，车身重量动辄几十吨重。并且随着货物的不同，车重也会产生巨大变化，这意味着车辆的加速和制动时间与乘用车差别巨大，并且还会动态变化。

其次，载重卡车分为车头和挂车两个部分，两者用鞍座进行柔性连接。车头以一定的幅度转弯，车尾跟着转弯，但运动的轨迹与车头并不一致。

动力学上的两大核心差异，意味着自动驾驶算法在做决策规划和车辆控制时，都与乘用车有明显不同。这正是DeepWay要解决的核心问题。

他们首先组建了一支由清华、北理工等顶级高校车辆工程专业的博士/博士后，以及具备商用车自动驾驶研发经验的专家组成的团队，在现有公开的商用车动力学模型基础上，结合自己的车重预估算法、车头–挂车夹角算法（用以监测车头和挂车之间的相对姿态）搭建了自己的动力学模型。 

▲DeepWay的工作人员在调试设备

这里需要注意，测量车头和挂车之间的夹角是行业内的一个小难题，有公司通过在挂车加装IMU等传感器来获得这一数据，但这些做法无法适应实际的运输场景——在更换了挂车后就无法使用了。

所以最好的办法是用现有传感器，通过感知算法的模型去计算这一数据。DeepWay用毫米波雷达的反射强度进行数据拟合，以及摄像头的语义信息，叠加动力学模型，融合多传感器的输入，通过数据标注，建立计算车头和车厢夹角的数学模型，计算出角度信息，用来进行路径规划。

有了车辆的动力学模型和感知结果，就能做出决策规划为车辆画出一条正确的行驶轨迹了。接着再将轨迹信息转换成卡车的转向、加速、制动等执行器能够听懂的命令，就能让车辆自己开起来了。

三、软硬件天作之合 挑战业内最快响应时间

百度的自动驾驶算法解决了大部分感知和规划问题，DeepWay自行解决了车辆控制问题，那么它的控制算法做的怎么样呢？

田山告诉车东西，现阶段改装的测试车横向距离控制精度为20cm左右，纵向速度控制精度则在2km/h。

这一水平与头部自动驾驶卡车公司的水准一致，但在田山看来这还远不是DeepWay的全部实力。

作为除特斯拉以外，全球为数不多自己造车的自动驾驶卡车公司，待自家车型下线后，DeepWay在软硬件匹配上有着无可比拟的优势。

拿车辆控制来说，基于现有车型改装自动驾驶卡车，自动驾驶软件算法需要去适应原车执行器的控制逻辑——想直接控制车辆扭矩？对不起没接口，只能控制油门开度。而就算有部分车辆开放车辆扭矩控制接口，但对于挡位控制及换挡时机等也不一定能够通过自动驾驶域控制，不仅整体响应时间有损失，还不能更好的让车辆运行在经济区间。

并且最尴尬的是，执行器的控制算法/换挡策略等都是Tier1写的，一些车企自己都搞不清楚。自动驾驶公司就只能一点一点去摸索去测试，慢慢掌握车辆的脾气后才能搞出不错的车辆控制算法。

而DeepWay基于自研车型则完全没有这个问题。

其首款车型进行了全新的线控底盘设计，与供应商一起开发了核心线控部件，以更好的适配自动驾驶功能。其全正向开发的目前商用车上最先进的千兆以太网+域控制器的EE架构赋予了车辆更高的通信带宽和速率以支持自动驾驶高算力、大数据量传输、快速响应的需求。

正是有了全球独一份的软硬件“天作之合”，DeepWay才敢在官网放出“从感知到执行响应时间小于100ms”这样的豪言壮语。

要知道，国内主流卡车自动驾驶公司（包括DeepWay在内）改装的L3/L4的自动驾驶卡车，从发现目标到执行相应动作这一过程中，响应时间普遍需要数百毫秒——由此可见DeepWay的技术之强。

▲DeepWay团队进行自动驾驶路测

“不可能，绝对不可能。”一位自动驾驶业内人士听到100ms的说法后，直接给出了这样的评价，“激光雷达转一圈都还得几十毫秒呢。”

DeepWay的系统显然不能违背基本的规律，田山也向车东西做出了进一步解释。

“激光雷达的扫描确实需要时间，但我们是基于连续帧来进行目标感知的，不需要等待一个完整的扫描周期。”田山说道，“规划部分也不是时时刻刻都需要画出完整的曲线，很多时候是增量曲线（耗时更少）。我们还建立了快捷通道，某些感知结果可以直接触发安全策略，不需要进行决策规划的计算，直接进行车辆的控制，极大提高安全性能”

自动驾驶系统响应过程中最耗时的是计算环节。但别忘了DeepWay的系统内总计有4颗TI的TDA4——不同芯片连接不同的传感器可以并行处理。再加上干线物流应对的场景要比城市简单，障碍物信息相对较少，DeepWay还能对深度学习模型进行了一定的压缩，最终软硬件一起努力减少了响应时间。

最后需要说明一下，DeepWay这里所说的100ms需要未来自家量产车线下后才能实现，而非基于改装车测出的结果。

四、狮桥强力助攻 起步就自带场景基因

眼下自动驾驶产业已经走过了研发测试阶段，不管是Robotaxi、Robotruck，还是无人配送车、无人清扫车、无人集卡等车型，都在逐步实现量产落地。

这一过程最重要的就是融入场景，让无人车真正提供价值（比如运货），并且在提供价值的过程中解决遇到的真实问题，进行技术迭代。

如果把百度比作DeepWay的“技术爸爸”，那另一个股东狮桥集团则堪称“场景妈妈”。

作为“货运版的滴滴”，狮桥集团一边连接了3.7万+中小微物流货主，另一边连接60万+社会运力，覆盖全国5.9万+条线路，通过智能匹配促成交易。截止今年12月，狮桥共匹配承运414万个订单，涉及运费达384亿。

狮桥的入局，让DeepWay从成立第一天起就自带场景基因，能够在多方面获得竞争优势。

首先，数据能够描述出真实的货运场景，指导DeepWay进行车辆和自动驾驶技术研发，又能对其进行实际验证，保证研发出来的自动驾驶卡车能满足真实场景需求。

▲天津测试场的DeepWay的工作人员

其次，狮桥集团连接海量货主和社会运力（如运输公司）。在车辆下线后，可以通过精准销售、融资租赁、优先派单等多种方式，快速将自动驾驶卡车推广出去投入使用。

对于DeepWay来说，卡车卖出去就能获得收入持续发展。对于运输公司来说，自动驾驶卡车提升了运输安全性降低了成本，他们不仅愿意使用，还会越买越多。

路上的自动驾驶卡车多了，运货的次数多了，返回的真实道路数据也多了，进而让DeepWay在自动驾驶算法迭代上具备了数据优势，最终形成技术优势。

结果就是技术越来越好，买家越来越多，形成良性循环。

那如果没有场景会怎么样？这时候自动驾驶公司就只能靠自己进行路测了，但因为要承担购车和人员成本，难以扩大规模。并且如果后续融资不畅，公司甚至会走向破产。

关键点来了，因为自行路测的路线和货物种类与真实场景有差异，显然难以基于这些数据迭代出适合真实场景的技术产品，在竞争中逐渐会处于不利地位，这也是为何现阶段各种自动驾驶公司都在积极与场景方签约合作的原因所在。

而对于DeepWay来说，场景从一开始就不是个问题。

五、换电模式前景可期 智慧货运时代必将加速到来

除了自动驾驶卡车与场景基因，DeepWay的发展规划里还有另外一个重要支撑——换电站。

DeepWay的首款车型深向·星途兼容氢燃料和纯电两种动力形式，其纯电版本又支持换电技术，6分钟即可快速补能。换电解决了长途运输中充电慢的难题，但也会带来一个新问题——谁来承担基础设施建设成本？

但在DeepWay方面看来，这并不是问题。

宏观上，在2020年政府工作报告、新能源汽车产业发展规划等文件中，换电和换电站是高频词汇，频繁与新能源汽车、智能网联汽车等新技术一同出现，是政府鼓励发展的方向。

自动驾驶卡车需要的换电站规模也远比乘用车要小。按照田山的说法，换电站规模与整车数量有关，前期销售规模只有100台时，京沪一条高速往返双向仅需10个换电位即可。并且干线物流的路线都在高速，换电站无需覆盖广大城市。

对某些大型企业集团来说，投建换电站是非常合适的发展方向。

拿高速公路集团来说，其运营有大量高速服务区，有实现双碳目标的任务（已在积极部署充电站，发展风电业务），同时这类公司资金成本低，又能够接受投资回报率稳定的长周期项目，非常适合建设换电站。

拥有大量电力资源的能源集团也是如此。这些公司能够以较低的成本获取电力，投资换电站将拥有很好的收益率，适合开展能源业务。

最后总结来看，DeepWay有百度和狮桥两大股东加持，无异于是含着“金汤匙”出生——既有国内最强的自动驾驶团队提供技术，又有狮桥的货运场景支持。

再加上专业的团队和清晰的发展路径，敢于第一个吃螃蟹自己造车的DeepWay，已然在自动驾驶干线物流赛道占据了一个极佳的位置。

从2022年底开始，随着越来越多自动驾驶卡车投入运营，DeepWay拥有的行驶数据和货运订单数据也将越来越多。以此为基础，美好的智慧货运时代必将加速到来。