交流群 |進「傳感器群/滑板底盤群」請加微信號：xsh041388交流群 |進「汽車基礎軟件群」請加微信號：ckc1087
2022年，如果有朋友想討論自動駕駛卡車量產，或許可以參考嬴徹科技在9月1日科技日上發布的《自動駕駛卡車量產白皮書》（後文簡寫為《量產白皮書》）。自動駕駛正在探索從概念驗證走向產業化落地，量產已經是繞不開的話題。市場上的自動駕駛公司都在不同程度地推進技術或車型的量產工作，不過什麼是量產、怎麼做量產，一直未有明晰的論述。作為自動駕駛卡車賽道上的代表性公司，嬴徹科技從成立之初就提出「技術+運營」雙輪驅動的戰略，始終堅持量產導向的技術研發，並且在2021年底具備了量產能力。而此次嬴徹科技應該算是以己為例，站在行業的角度完整且公開地闡述了自動駕駛發展的技術路線和量產開發方法論，其內容覆蓋的廣度和深度，堪稱業內罕有。嬴徹的技術體系可以總結成8個字：始於「量產」，終於「無人」。這一點如今越來越成為行業共識，而這其實已經是嬴徹3年前的堅定選擇。在這個過程中，嬴徹遇到了哪些挑戰，他們又是如何去解決這些問題？公司是如何打磨自己的流程體系和工程化能力的？嬴徹如何從量產走向無人？借着這次嬴徹科技日和《量產白皮書》的發布，筆者與嬴徹科技的相關專家進行了深入的交流，釐清了嬴徹技術路線的核心脈絡。
嬴徹表示，面向幹線物流場景，首先要看最終客戶需要一台什麼樣的車，能夠提高運營效率，降低TCO成本，然後進行整車的產品定義——要具備什麼樣的功能、要達到什麼樣的安全要求及成本目標。關於現階段行業中的自動駕駛開發體系，其存在開發體系的不規範化和技術的迭代效率較低的問題。原先的自動駕駛卡車技術都只應用於後裝車輛，屬於各家的demo或者試運營項目，但技術若要大規模應用就必須前裝，而前裝就需要一套系統的技術體系來支撐。將自動駕駛系統與整車視為一個完整的系統進行設計，是嬴徹在做方案設計時最基本的出發點。以產品為導向，正向推動需求分析和產品定義，並以此確定開發目標，從而避免開發過程中的碎片化、不規範化和技術的迭代效率較低的問題。根據白皮書顯示，嬴徹的整套技術體系涵蓋了自動駕駛卡車開發的各個部分，包括需求定義、系統開發、流程與工具。自動駕駛卡車的量產開發不止是一個自動駕駛系統，要與車端多個複雜的系統來進行交互，所以在系統開發層面，嬴徹將整體開發任務拆解為包含自動駕駛系統在內的7大核心子系統進行開發。每個部分的具體要素如下圖所示：
嬴徹科技-自動駕駛卡車系統的7大子系統詳情
（註：包括自動駕駛系統、電子電氣架構、線控底盤、人機交互、網絡安全、雲基礎設施、數據閉環）
從整個技術體系的特點來看，嬴徹的技術體系始終圍繞量產展開，不搞技術demo的花拳繡腿，總結了8大量產開發原則。這8大原則也讓嬴徹「帶着腳鐐跳舞」：一方面，該體系體現了嬴徹對自動駕駛卡車圍繞量產的技術要求和安全性要求的充分理解和尊重；另一方面，在成本、性能受限制的前提下，量產需要更強的技術和工程能力齊頭並進，缺一不可，而工程落地能力也是一直被行業所忽視的，這其實是一種壁壘更高的能力。基於這8大原則，筆者整理出了嬴徹在打造自動駕駛卡車量產技術體系時的整體思路。
嬴徹科技-量產8大原則
當前，行業內對於自動駕駛重卡安全的理解往往是一種狹義的理解——更多的是由於卡車獨有的物理特性（車身長且寬、車重大），而將其安全的理解局限於自動駕駛系統的安全。但自動駕駛重卡的安全不僅僅只體現在自動駕駛系統層面，也在於開發流程以及企業的安全管理體系。
在整個體系的安全層面， 筆者從自動駕駛系統的安全設計、核心硬件的冗餘設計、網絡安全、開發流程的安全四個部分展開論述。
（1）感知融合方案
感知系統的能力好壞不在於傳感器的種類和數量，而在於能否將融合做好，只有做好多傳感器的融合才能更好地提升感知精準度，從而確保車輛的行駛安全。從傳感器的融合方案來看，嬴徹科技採取了多模多視角 Transformer 的前融合感知，相較於業內傳統的BEV Fusion算法，該融合算法在NDS（導航數據標準）上運行的mAP值（Mean Average Precision平均精度均值）超過2% 。
針對融合方案的創新之處，嬴徹科技CTO楊睿剛介紹道：「目前業界常用的前融合框架通常會為每類數據源設置單獨的BEV主幹網絡，並通過將不同源的特徵圖堆疊後進行局部卷積實現融合。我們將投影后的BEV特徵直接進行融合，並共享BEV下的特徵編碼（Feature Encoder）與多任務頭（Multi-Task Head），這樣的融合方式能節省約10%的計算量與參數，並且使用Transformer能同時捕捉到局部和全局的相關信息。該融合方案在小物體的識別以及抗天氣干擾方面，都有一定的優勢。」
嬴徹科技-多模多視角 Transformer 的前融合感知架構
（2）規控一體化架構
行業內規控算法普遍採用的是分層的架構，即預測、決策、規劃、控制的分層實現，整套架構方案易工程化實現、魯棒性高，但這種分層的做法，會造成控制端和規劃端的匹配失衡，比如在高速場景下，重卡的車速非常快，而使得控制的時延增大。在幹線物流場景下，由於國內高速道路的路況較為複雜，所以自動駕駛公司普遍在避障問題上的解決方案相對比較保守，通常來說，會儘可能讓車輛避免採取變道措施。一方面，嬴徹開發了時序分解方案TDPred（Temporal Decomposition Prediction）通過將完整時長分解為多個短時組合，通過金字塔式卷積操作，實現精確的高速長時長預測（長達10s以上）。
另一方面，針對掛車的柔性連接、載重波動、質心偏移，以及卡車自有的橫向控制精度低、車輛參數偏移等問題，嬴徹採用了車輛參數自適應建模技術，對車輛、外部環境、執行器都建立了動態模型。模型參數在運行過程中能夠通過環境數據自適應更新，再結合模型預測控制算法，通過狀態約束來保證控制結果的安全，同時通過代價函數的調整來實現控制結果的最優。
嬴徹當前的自動駕駛卡車產品，在硬件設計方面，比如自動駕駛域控制器（ADCU）、傳感器、核心線控零部件等，都配置了符合相關車規級標準的冗餘設計。面對商用重卡嚴苛的車規級安全需求，嬴徹在市面上沒有成熟產品的情況下，自主設計了擁有通用計算域、AI域、安全域和高速網絡的異構域控制器，並且支持A/B雙面冗餘，當A板失效後，B板將迅速接管車輛控制，為高階自動駕駛提供安全保障。嬴徹科技某架構工程師說：「主系統與冗餘系統之間將有非常高速的帶寬，不僅是檢查彼此的故障，對彼此的感知結果、控制結果也會做相互校驗。」與之相配合的系統軟件，擁有定製化開發的安全管理系統、編程框架、實時運行庫等，能夠實現高速通訊、故障診斷和自動回復、精確的時間同步以及硬件抽象等功能，為域控制器提供了擴展性，同時滿足高安全性要求，這一切，如果沒有強大的工程能力，是無法實現的。
嬴徹科技-自動駕駛域控制器的功能域定義
嬴徹的自動駕駛系統的傳感器布置採用了多傳感器異構方案，除了可以應對更多的corner case外，不同傳感器之間也能做到一定的冗餘安全，比如兩側的兩個補盲激光雷達可以提升盲區內橫向精度，也可以作為對Camera的冗餘。商用車的冗餘安全要求較高，但相關技術的發展尚未成熟，部分商用車主機廠的底盤系統中，功能安全的開發只能滿足自動駕駛系統的部分安全需求。一方面，商用車由於車輛質量較重、轉向力矩和制動力輸出較大、系統延遲較大的原因，其冗餘安全要求會比乘用車更高，並且隨着車輛里程數的不斷增加後，制動器間隙、轉向系統間隙等會出現較大的衰減，從而影響相關零部件的耐久性；另一方面，行業內的商用車線控技術雖然已經相對成熟，但線控冗餘設計並不成熟，更沒有滿足相關系統功能安全等級的要求。於是，嬴徹聯合主機廠和Tier1等產業合作夥伴，共同進行功能定義，研發了一套具備制動冗餘、轉向冗餘和電源冗餘的全冗餘線控底盤技術方案，其中，線控制動和線控轉向分別實現了主備系統的獨立運行能力，系統之間也通過CAN總線傳輸，保證系統之間的快速響應。以下是嬴徹線控技術中的相關冗餘安全設計：線控制動：主制動（EBS）+冗餘制動（rEBS）+冗餘制動（ETB）
線控轉向：主轉向（EHPS）+冗餘轉向（CEPS）
供電電源：主電源+冗餘電源（冗餘電源控制器SES）
該架構可以支持L4 技術平台，是真正具備「Fail Operational」即故障下可運行功能的冗餘線控底盤系統。嬴徹在相關供應鏈還不成熟的條件下，取得了這項至關重要的技術成果的成功探索，充分體現了嬴徹在整車開發，硬件選型和供應商評審方面的深厚積累，而這也是自動駕駛量產過程中不可或缺的關鍵能力之一。
近幾年，自動駕駛行業牽扯到一些高度敏感的信息內容（如高精地圖信息等），其信息安全問題越來越被關注，圖森未來也由於數據安全帶來的地緣政治因素，而被迫在中美業務中二選一，國內監管層面也陸續推出了不少的相關政策。某頭部主機廠信息安全工程師說：「國內自動駕駛行業在數據的全生命周期管理中發展較慢，以前在政策尚未監管的情況下，各家都是直接採集數據、直接用。」可想而知，整個自動駕駛行業對於信息安全的管理還處於不成熟的階段，但嬴徹方面提到，他們已建立了一套自己的信息安全管理方案。嬴徹科技某雲基礎架構工程師說：「嬴徹對數據的採集、存儲和使用採取了一系列全生命周期的安全措施，根據數據安全相應的法律法規及處理指南採用如安全訪問控制、脫敏處理、數據軟加密、硬件加密存儲等多種措施保證數據的機密性、完整性、可靠性、可用性等一系列安全屬性。」此外，在信息安全測試驗證方面，嬴徹同時採取了正向驗證和逆向驗證，讓產品的信息安全能力能得到更好的驗證。
此外，行業內針對未知的不安全場景尚無公認的場景庫和應對措施，也沒有建立一套完整的安全管理體系。嬴徹的安全原則會涉及到自動駕駛重卡產品開發的整個生命周期，包括流程安全、整車的安全和核心系統安全。以下為筆者整理的各部分的細節內容，以供參考：
自動駕駛卡車量產的目的就是規模化，但規模化的前提條件就是合法的正向前裝。在自動駕駛卡車的量產開發過程中，存在整車正向開發的嚴謹性、軟件開發的敏捷性、自動駕駛算法複雜性與需求的不確定性之間的矛盾。嬴徹科技創始人兼CEO馬喆人說：「自動駕駛技術需要用到大量的深度學習，本質上來講，它擁有大量的不可解釋性。如果純粹走正向開發，沒有一個公司可以把一個產品做出來，從時間和成本上來講是不可想象的；如果純粹做敏捷開發，產品也做不出來，即使產品能做出來，也沒有司機敢開，嬴徹也不敢將其投放在路上。」而嬴徹在這個過程中很重要的一項成果是探索出一條正向開發與敏捷開發相結合的行之有效的自動駕駛產品開發體系。其中包括自動駕駛軟件敏捷開發流程、整車正向開發流程、生產準備流程、測試驗證流程。從整車的角度總體遵循V模型進行正向開發，不過在軟件算法中形成大量敏捷迭代的閉環，從而有效地平衡開發效率與安全可靠之間的矛盾。
嬴徹憑藉這套正向開發和敏捷開發結合的方法，可以解決自動駕駛卡車開發流程中的很多問題：嬴徹科技某架構工程師說：「若要產品快速落地，就需要對開發效率提出很高的要求，也要在高效開發的同時，避免讓運營車輛上的問題再次出現在量產車上，因為一旦加快開發速度就可能會導致疏忽。」從白皮書上可知，為了保證自動駕駛卡車的開發效率和質量安全，嬴徹採用了一套「質量閥門評審」的管理方式，由嬴徹和OEM團隊根據項目具體情況，設置閥門交付內容及評審節點，保證相關節點的量產質量要求，同時也保證了階段性目標的順利完成。保證產品的生產質量是一個非常系統性的工程化能力，從零部件供應商的管理，再到整車的製造精度，最後到整車下線時的檢測，才能在線下交付後保證整體精度的一致性。除了前期設定的目標，以及FEMA、APQP、PV、DV和 PPAP等流程管控， 對於自動駕駛的整車產品，嬴徹有更嚴格的強化管控。嬴徹某整車項目負責人為我們舉例說：「比如說我們傳感器安裝在駕駛室頂圍的位置，對商用車這個設計很熟悉的人知道，這個位置一般OEM不會去太在意它的精度，但是恰恰對自動駕駛來說精度要求很高，向後看的攝像頭我們有一句話叫做失之毫釐謬以千里，所以我們跟OEM一起做了很多工作來保障傳感器安裝的精度。」而如果有在製造環節難以消除的不一致性問題，由於系統性地進行開發和設計，嬴徹最終也能在算法端進行覆蓋，從而保證真正大批量生產產品的一致、可靠和耐久。
嬴徹科技-後視攝像頭安裝位置
一輛自動駕駛卡車需要的是車輛上各個子系統間的全面配合，比如線控底盤、車身系統、自動駕駛系統、動力系統、人機交互系統等。若是後裝車輛，只能實現簡單的基礎功能，無法滿足安全和性能所必需的全系統設計要求。嬴徹方面提到，公司通過DDT/ODD定義、專項研究以及衝突融合三個步驟，循環往復、逐步深入地去做功能需求的定義。其中，DDT/ODD側重於功能定義的廣度，結合了商用車和幹線物流的特點，增加了一些相關的功能；專項研究側重於功能定義的深度，通過設定多個不同類型、跨不同功能的專項，以解決特定問題；衝突融合是在各類功能設計文檔評審過程中，提前發現功能定義過程中的衝突。
前裝量產的自動駕駛卡車就必須滿足車規標準，而且車規的標準是貫穿整個產品開發周期的各個階段。車規標準意味着需要做到可認證的整車產品、符合車規的零部件、算力的優化，同時符合車規標準的產品在軟硬件等各個層面，都可滿足可靠性和耐久性的要求。與非車規的後裝卡車相比，滿足車規標準的卡車會面臨非常多的限制條件。一方面，交付的自動駕駛卡車需要滿足相關測試標準；另一方面，產品又需要在硬件的標準下實現其性能的最大化。這兩點與非車規的後裝是完全不同的。在後裝模式下，硬件性能的不足可以通過不斷地堆砌相關硬件來攻克，比如一塊Orin芯片的算力不足，可以放兩塊，兩塊還不夠甚至可以放三塊。而在軟件算法實力上，各家自動駕駛公司或許技術差距並不是非常明顯，所以未來每家量產能力的關注點將聚焦在工程化能力的差距。嬴徹從成立之初就一直在滿足車規標準下開發自己的產品，這就意味着始終面對着非常多的工程化難題。相比於測試車輛上配置的非車規級芯片，量產車型上的車規級芯片，其性能會出現50%的下降，比如某些大算力芯片由於開發得晚，大多尚未過車規，因此在量產車輛需要對算力的調度進行優化。在感知系統層面，嬴徹採用多任務深度神經網絡，在算力局限的情況下，重點提升難訓練任務和重要任務的訓練效果，並在保證精度不變的條件下，實現了5倍以上的加速。在規劃控制層面，採用傳統軌跡追蹤控制算法的自動駕駛卡車行駛過程中，車輛會頻繁地調整方向盤，會降低了零部件的耐久性。為了解決這些問題，嬴徹通過規控一體化技術，儘可能減少方向盤的調整，降低了底盤系統內機械件之間的磨損，提升了底盤零部件的耐久性。嬴徹的下一代自動駕駛域控制器，單板算力高達256 TOPS，作為未來邁向高階自動駕駛的關鍵硬件，其重要性也是不言而喻的。但大算力域控制器的最大的挑戰在於功耗及散熱設計方面。嬴徹科技某架構工程師提到，為了解決大算力域控制器的散熱問題，公司的具體措施是：從優化成本的角度考慮，嬴徹選擇採用風冷散熱方案。公司也為此進行了數十次的仿真優化迭代，通過芯片的合理布局、導熱材料的選型、散熱器的結構設計優化，以及系統布置的優化等措施，最終成功設計出了使用風冷的域控制器方案。
自動駕駛卡車是一種高科技產品，區別於傳統卡車，增強用戶的體驗感是提升產品價值的關鍵，而關鍵在於是否能做好人機交互和實現維護簡易。人機交互可以讓用戶更容易使用自動駕駛功能，不需要花費更多的精力去琢磨，到底怎麼去使用自動駕駛車輛。友好的人機交互可以讓用戶更容易使用自動駕駛功能，提升對系統的信任，減少自動駕駛使用過程中的焦慮與疲勞，讓行車過程更加安全和高效。自動駕駛卡車的實際用戶是司機，但自動駕駛系統具有較高的複雜性，需要較高的交互功能，讓司機更容易上手，比如指示的清晰程度，大屏上面信息的直觀性等等。相比之下，許多自動駕駛公司的現階段產品更多考慮的是為專職測試司機使用，而嬴徹需要考慮的是面向所有的社會化司機使用。嬴徹科技針對幹線物流的場景特點，設計了一套視覺、聽覺、觸覺多模態全冗餘的人機交互系統。據白皮書介紹，該人機交互系統會具備以下三個特點：首先，多樣化的信息獲取方式。除了常規的方向盤和踏板信息外，還使用了DMS（安全員監控系統）、HOD（手握狀態檢測系統）。其次，多維度的交互。通過視覺、聽覺、觸覺的多種方式，為安全員快速傳遞關鍵信息。最後，按照事件處理的緊急程度的不同，採取不同的交互策略，以接管請求的觸發方式為例，對於緊急程度較高的事件，會同時多個預警系統，比如視覺、聽覺、觸覺等；而對於緊急程度較低的事件，會以相對柔和的方式，比如單純觸發視覺——氛圍燈或者大屏上的提醒。
自動駕駛卡車的整體設計是非常複雜的，以現有的傳統卡車售後維修體系來看，一旦遇到車輛故障，試運營的車輛就需要回到系統製造商處進行一對一的維修，並且維修人員需要具備一定的專業能力。為了解決售後維修困難的問題，嬴徹利用車雲協同能力，支持遠程車輛狀態監控和監管，通過雲服務對車輛問題進行自動分析並反饋到售後支持。另外，嬴徹也開發了專用售後診斷工具，將售後維修標準化，使普通維修站操作人員也能夠進行維修。在幹線物流場景下，最主要的成本是人工和油耗，兩者約占50%以上，在L4技術和法規尚不成熟的情況下，完全無人在短期內不可能實現，而降低油耗卻可以通過自動駕駛技術實現。各家自動駕駛公司在節油算法方面，都在做一些布局，但普遍的理解尚處於比較片面的階段，僅限於如何去收放油門及如何控制剎車。與之相比，嬴徹在白皮書中，提出了一套系統化的節油算法。嬴徹是以不同的時間維度作為劃分，分別從車速、剎車、油門三個不同因素上來分析節油策略。首先是小時級別的全局優化，在這一層的優化裡面用上了車雲協同的技術，可以提前預知一些擁堵的路段，在全局上規劃我們的車速，保證時效。從重卡自動駕駛行駛數據和節油數據來看，平均車速對油耗是一個很大的影響因素，從全局上來看，讓車開得越慢，油耗就越低，但是在實際運營中全局上的時效又有一個硬約束，運營必須要保證時效。我們在全局優化上會時刻對車輛做一個全局的車速優化，讓車輛在儘可能保證商業運營時效的前提下，讓整個車輛的平均速度儘量降得更低。這是全局在小時級別上的優化。其次是一個分鐘級的優化，主要是指幾分鐘的時間區間。該級別面對的是一個PCC的場景（沖坡與溜坡），對於不同的坡道具備相應的沖坡策略，比如車輛在坡底時會提前加速，等到上到坡頂以後，會保持一個相對較低的車速，然後再整個下坡的過程中，讓車輛用自己的重力去下滑，而完全不去加油門，通過這樣的技術來提升節油水平。再者是一個秒級的優化，大概是十秒左右的時間區間。主要在兩方面做了工作——更加智能的換道和動態跟車。嬴徹在跟車和換道的場景當中，採用了一些特殊的處理邏輯，保證了在這些場景下的油耗最優，並在算法上做了優化。最後是亞秒級的優化，即是在一秒以下時間區間。主要做的是油門控制和變速箱控制。對油門控制的目標就是讓整個發動機儘量去趨近於它的一個最優油耗的運行空間。除此以外，我們不但控制油門，同時控制變速箱，通過兩者結合，讓發動機的運行狀態保持在最經濟的一個工作點上。綜合來說，這整個節油算法是一整套組合拳，通過這樣一整套組合的方法，從而降低重卡在運營過程中的油耗。
在擁有了整套自動駕駛卡車技術體系以及開發實踐後，嬴徹設想了下一代的自動駕駛系統是一種基於端到端的神經網絡模型，該系統是一種無監督的模型，它不需要手動標記數據，只需要來自真實場景的數據即可。而數據，恰恰是目前嬴徹具有顯著優勢的資產之一。據嬴徹方面介紹，通過增強影子模式，嬴徹已經在超過600萬公里的運營里程中挖掘到了超過170萬個高價值的場景片段。「它的價值不僅僅是讓我們迭代這一代的產品，也可以讓我們有更多的實際數據看到下一代的無監督技術，我們圍繞它開始做仿真器。這些數據對我們下一代很有幫助，也指導我們收集的數據從短數據到長數據，這都是推動我們走到真正面向高階的逼近無人的一個最實質的技術要求。」馬喆人說。嬴徹方面表示，未來L4級無人駕駛技術的卡點不在於冗餘及硬件部分，而在於軟件算法部分。一方面，預計2024年左右，商用車頭部供應商將會發布滿足高階自動駕駛要求的線控產品；另一方面，自動駕駛域控制器的算力在不斷提升（2000 TOPS以上），激光雷達、毫米波等傳感器的性能也在不斷提升（有效探測距離可達300米）。在軟件算法層面將面臨的技術挑戰主要是三個方面：人工數據標註代價大、基於規則的建模和決策系統無法應對複雜交通場景、傳統自動駕駛系統架構遭遇瓶頸。面對這三個方面的挑戰，嬴徹已經在做準備。
嬴徹大膽設想了一種全新的自動駕駛架構，拆除了自動駕駛系統子模塊之間人為設計的邊界，並將其替換為端到端的深度神經網絡。同時在控制端依然保留了經典控制算法，具有可以保證誤差範圍和安全裕度的優勢。這種端到端框架有一個關鍵優勢，即它是無監督的，不需要手動標記數據，只需要來自真實場景的數據。而從嬴徹圍繞着量產落地和實際運營的技術路線來看，嬴徹在無監督自動駕駛系統的演進中是具備優勢。因為幹線物流卡車的路線是點對點的。受限制的運營路線和不太複雜的流量，使網絡的訓練相對簡單。同時，嬴徹科技利用高保真卡車動態模型開發了獨特的仿真環境，並且正在開發基於 NeRF 的渲染引擎來支持動態流量，打破了目前 NeRF 僅適用於靜態環境的限制，從而獲得擁抱現實世界駕駛中的極端複雜性的極高擴展性。
嬴徹科技-NeDFS仿真模擬器
據嬴徹估計，到 2025 年，這套端到端系統就將開始在車隊上得到驗證。在滿足量產和運營的各種嚴苛條件下實現自動駕駛整車的前裝量產，用楊睿剛常用的一個比喻就是：帶着鐐銬跳舞。第三，圍繞高階自動駕駛整車的全面安全設計和開發能力。（微信關注後回復「白皮書」，可獲取完整版白皮書。）
如果希望與文章作者直接交流，可以直接掃描右方二維碼，添加作者本人微信。
註：加微信時務必備註您的真實姓名、公司、現崗位
以及意向崗位等信息，謝謝！
如果您有興趣給《九章智駕》投稿（「知識積累整理」類型文章），請掃描右方二維碼，添加工作人員微信。註：加微信時務必備註您的真實姓名、公司、現崗位
以及意向崗位等信息，謝謝！
「知識積累」類稿件質量要求：
A：信息密度高於絕大多數券商的絕大多數報告，不低於《九章智駕》的平均水平；
B：信息要高度稀缺，需要80%以上的信息是在其他媒體上看不到的，如果基於公開信息，需有特別牛逼的獨家觀點才行。多謝理解與支持。
◆九章 - 2021年度文章大合集
◆當候選人說「看好自動駕駛產業的前景」時，我會心存警惕——九章智駕創業一周年回顧（上）
◆數據收集得不夠多、算法迭代得不夠快，就「沒人喜歡我」————九章智駕創業一周年回顧（下）
◆車輛控制中的「實時性」及其影響因素
◆激光雷達：905與1550的戰爭
◆「艙駕融合」技術發展趨勢分析
◆揭開自動駕駛在機場場景的商業化現狀、挑戰及趨勢
留言列表