集卡|对话西井谭黎敏：换电无人驾驶是港口刚需，1 月订单量已超去年总和( 三 )

西井科技就曾在其发布的一份行业报告中表示，传统跨运车有着这几大缺点：

堆箱能力低，集装箱最多只能堆放到三到四层；
对地基要求高，尤其是当下亚洲正在建造一些回填陆域的码头，如果使用传统跨运车，就会需要码头对整个运营厂区进行专门的地基加固；
跨运车车体高，对司机操作、维修人员的技术要求都较高，且造价昂贵，初期投资大。

至于目前主流的AGV，采用的技术都是磁钉引导或基站引导，外设装置的成本很高，而作业效率比较低，其推广部署的效果也会被影响。
因此，在2018年西井科技发布了无人驾驶品牌Qomolo后，还陆续推出了全时无人驾驶集卡Q-Truck、和振华重工合作推出的智能跨运车、基于IGV车型平台的自动驾驶系统、跨场景无人驾驶重载移动平台Qomolo One、载人小巴Q-Shuttle。

文章插图

谭黎敏这么总结这几年推着西井科技能够不断往前走的两股信念：

纯粹的技术，并不形成生产力，只有融入生产的技术才是真正的生产力；
企业在服务特定场景时，不能仅提供自动驾驶车辆，而是更需要提供一辆可以工作的自动驾驶汽车，这就使得西井科技需要对客户整个生产作业流程有深入的了解。

由此，也就不难理解，为什么西井科技的系列产品，会经历动力平台从柴油车切换到电动车，补能方式从充电切换到换电，车辆的生产模式则从和主机厂合作造车换成如今自己造车、从无人驾驶的Q-Truck延伸到有人驾驶的E-Truck等一系列变化。
“作为一家商业公司，商业化落地其实是最关键的。”谭黎敏对新智驾如此表示。
1月份订单量已超去年总和谭黎敏还认为，人工智能也好，自动驾驶也好，都是非常宽泛的概念，“单靠某一个技术点并不能打通行业，而是需要将多个技术点进行链接和整合，去形成更有质量和价值的产品，才能实现这些技术的商业落地和商业价值”。
从技术指导思维上讲，这就意味着企业需要完成从算法的工程师思维到工程化体系思维的转变，这二者最大的区别，从结果上看，一个是仍在做原型的demo（0-1），另一个则是以量产为目的（1-n）。
这则与一个团队的发展阶段和它面向用户所需交付的产品规模有非常密切的关系。
西井科技无人驾驶事业合伙人孙作雷表示，如今西井科技的用户体量以及所面对的交付需求，推动着西井科技要走出做demo的想法，去直接做产品工程。
“算法的工程师思维和做工程化体系的思维，它们所需的底层技术积累是相似的，但后者是前者的全集，前者是后者的子集。”孙作雷认为，从工程化体系的思维出发，企业就需要考虑产品量产时的诸多工程问题，比如配套的服务与技术、供应链体系管理，以及集成产品过程中的各种权衡等。
因此西井科技在面对港口场景时，走的是软硬件自研路线，除了应用端的集卡等，其产品还包括高精地图构建、车辆调度系统、多视场前融合感知引擎、自研路测V2X感知计算单元、WellSim无人驾驶及客户场景仿真平台、无人驾驶软件系统Q-Pilot、自动驾驶底盘AVCU、线控转向Q-Wire等。
众所周知，基于学习的感知方法，是由数据驱动的。孙作雷表示，数据工程的难度远高于深度神经网络模型研发本身，对支撑数据智能的基础建设有很高的要求。
“因为我们的无人驾驶车队都处于混行状态，所以我们一直努力打造能适配于开放道路下的感知能力，在数据平台上也都在持续投入。”