0
北京智行者科技有限公司（下稱智行者）作為國內成立較早、進展較快的自動駕駛智能車整體解決方案提供商，以先行者的姿態，率先邁進低速無人駕駛的藍海。創始人張德兆的目標是，從低速無人駕駛的特定場景商業模式出發，最終走向全場景自動駕駛的新生態。
近日, 智行者宣布與首鋼集團達成合作，以其旗下的無人環衛機器人“蝸小白”和無人物流配送機器人“蝸必達”為北京市石景山區首鋼園區北京冬奧組委辦公區提供道路清掃和物品運輸服務，實現在特定區域內的機器人作業。
此次，蝸必達為首鋼集團服務重心共分為兩個階段，第一階段主要實現首鋼園區北京冬奧組委辦公區內部運輸辦公用品；第二階段，實現從園區外向園區內運送快遞。
據雷鋒網新智駕了解，蝸必達采用了多線激光雷達和超聲波雷達，并配以差分GPS定位系統和AVOS（智能車操作系統）。在RTK無法使用的情況下，智行者運用激光實現定位。此外，通過采集的數據，進行分析、歸類、建模、不斷優化算法，進行更加準確的目標行為和軌跡預測。
園區環衛清潔方面，蝸小白采用智能AI和自動駕駛技術，集成激光定位、超聲波雷達定位、差分定位、高清視頻等多種先進技術手段，將高效的清潔作業方式融合一體，可以幫助首鋼集團節約人力，實現高效清潔。
智行者創始人兼CEO張德兆曾告訴新智駕，通過蝸必達無人物流配送車，物流行業可以減少約80%的快遞員人力成本。
針對自動駕駛領域展開合作的首鋼園區，清華大學汽車工程系主任楊殿閣介紹稱，首鋼園園區占地8.63平方公里，其中北區規劃道路21公里，已建成約9公里，包括城市主干路、次干路和城市支路。
未來規劃，2020年前，園區以10余輛無人車覆蓋首鋼園區北區，以功能示范為主進行運行，實現其他奧運賽區的模擬仿真；2022年，園區以100輛無人車覆蓋首鋼園區北區，引入百度、阿里等社會資本驅動奧運示范運行；2025年，無人車隊規模將增至千輛，覆蓋首鋼整個園區的15萬人口，由社會資本驅動，配合首鋼園區發展規劃。
智行者科技創始人張德兆表示：“目前，智行者是首鋼設置在冬奧組委辦公區內的唯一一家無人清掃和無人配送業務的服務商，智行者的智能‘蝸小白’及 ‘蝸必達’將幫助首鋼園區北京冬奧組委辦公區實現環衛清潔、物流配送的無人化，從而推動智慧園區的建設。”
值得一提的是，為解決自動駕駛能力因缺乏成體系的配套難以發揮的問題，智行者更是提供了一個“四縱三橫”的整體解決方案，來實現自動駕駛的商業落地。
四條縱線為智行者的四大產品—無人物流配送車、無人環衛車、無人微公交以及無人專車。
三條橫線則為頂部的云端、下面的終端、以及與各類終端對應的運營調度平臺。
四縱三橫相互配合發揮作用，在業務形態相對獨立的同時，在數據、技術以及功能上互補，在整體上發揮更大的商業價值和社會價值。
此外，合作伙伴方面，智行者已經包括了百度、京東、美團、德邦等公司，產品在科技園區、高校等地均有部署。
由雷鋒網新智駕的跟蹤報道獲悉，在成立之初，智行者就有了清晰的發展方向，首先從低速領域做起，進入低速非載人領域，然后再進入低速載人領域，最后進入高速載人領域。
張德兆表示，切入低速領域的好處具體體現在四方面：
在限定區域內運行，比如園區道路內，低速園區車不受法律法規限制；
速度在較低的情況下，技術風險可控；
低速區域的配套設施較為完善，且低速產品產出的數據，使算法快速落地；
對于智行者而言，可以形成早期贏利，實現自我造血。
自動駕駛技術落地主要考察兩個維度，現實的剛需程度與可預期的安全風險。基于兩方面的考慮，低速、商用場景下的特定功能自動駕駛車輛將成為可行性較高的方向。
在打造低速自動駕駛專用車上，對于智行者而言，其軟件架構開發更為重要。開發低速自動駕駛專用車軟件系統的四大核心板塊是：數據采集標準平臺AVDC、仿真測試平臺、自動駕駛操作系統AVOS、算法評估體系。其中AVOS是又是核心中的核心，直接決定自動駕駛車的表現，需要做到配置靈活、通用性強、可認知連續場景。高精地圖與定位、目標軌跡檢測是AVOS中兩大關鍵技術。
2017年6月，智行者和京東合作，推出了國內首款無人配送物流車“蝸必達”，在開放校園和住宅區，解決最后一公里的送貨問題。同年9月，智行者又聯手百度Apollo，推出了國內首款無人駕駛掃路機“蝸小白”，并在北京奧林匹克森林公園進行了“蝸小白”的落地運營。
當前無人掃地車（蝸小白）、無人物流車（蝸必達）及無人園區車（蝸來了）的商業模式，張德兆告訴雷鋒網新智駕，與iPhone模式有異曲同工之妙，提供一體化產品全套服務，包括人工智能、三維地圖、路徑規劃、硬件傳感器、計算平臺、后臺監控、云端服務等。
這是智行者自動駕駛版圖的一部分，張德兆表示，今年10月底產品在廣東中山工廠完成量產后，智行者計劃于2020年進入新的領域，2022年推出乘用車產品。
總結來看，智行者等低速自動駕駛車輛已經落地，但是短期內可能是幾百臺量級的水平，如何上升到上萬臺或者更多，需要打通整個產業鏈條和所有技術難關，不斷地去改進自動駕駛，特別是在低速專用車落地上遇到的一些挑戰。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
