2025年3月26日-28日，2025商用车产业发展会议在湖北省十堰市举办。本次会议由中国汽车工业协会主办，以“开辟新赛道，汇聚新动能——发展商用车产业新质生产力”为主题，采用“1+1+6+N”模式，即1场闭门会议，1场开幕式暨主旨会议，6个主题分会场和其他相关对接、展示等活动，旨在深入分析商用车发展面临的新机遇、新挑战，探讨商用车产业未来发展的新趋势、新方向。其中，在3月27日下午举办的“主题分会场三：商用车安全与可靠性技术”上，智驾汽车科技(宁波)商用车事业部总经理杨腾飞发表精彩演讲。以下内容为现场发言实录：
尊敬的各位领导、各位嘉宾，大家下午好！我是MAXIEYE的杨腾飞，非常荣幸有机会来参加这个研讨会，我分享的主题是围绕商用车AEB来展开的。
主要分三个部分：第一个介绍商用车AEB现在的时代背景。第二个会剖析商用车AEB的价值金字塔。最后也会介绍一下我们公司专注于商用车的品牌阡途。
商用车AEB现在处在的时代背景。以前的时候行业里边大家一起讨论过，商用车和乘用车谁更需要智驾？在我看来商用车更需要智能驾驶，至少是AEB，为什么说商用车最需要智驾或者AEB呢？
第一个，商用车的物理特性风险系数是最高的，商用车无论是大客还是中卡、重卡，它的质量是非常大的，如果它一旦发生交通事故，撞击力度比乘用车要大上几倍或者几十倍的量级。另外，商用车要么是拉人，要么是拉货，它一旦出了事故，如果是拉了人，车里边的乘客，客车的成员肯定比乘用车里面的成员数量还要更多，如果拉的是货，如果货是危化品，产生的次生灾害是乘用车远远不能比的差距。
第二个，商用车的运营场景也是非常复杂的。乘用车基本上在公开道路上、结构化道路上去行驶，但是商用车运行的场景很多时候还不局限于结构化道路，可能还会有一些封闭路段，并且作业环境也是非常恶劣的，它疲劳驾驶的比例也是比乘用车要高很多。
第三个，经济性痛点也是非常巨大的。商用车一旦发生交通事故，产生事故的赔偿都是比乘用车要大上几倍甚至几十倍。去年行业里面讨论比较多的是新能源城配保险赔偿的现象，我们也去查了一些数据来统计了一下，新能源的城配比燃油车的城配出险次数要高了60%的出险，新能源城配的车相比于燃油车城配的车，它更容易发生交通事故，它的赔付金额比次数还要更多一些，已经高出了75%，也就是说一个新能源城配的车发生一起事故赔偿的金额比燃油车也要高出的。对于商用车来讲，从经济性角度上它对安全性也是非常迫切的。
现在在当下的环境下，AEB已经呼之欲出了，主要有两个驱动力。第一个是政策法规的驱动，商用车主要是交通部来去法规了，从最早2018年的时候从客车，后来到卡车，从双预警到AEB。我们很高兴看到2024年4月份交通部出台了征求意见稿，是关于所有中重卡要标配AEB这样一个征求意见稿，当然行业里面说可能很快变成一个正式稿了。第二个，AI的技术，包括其他的4G、网络通信技术现在成熟度已经足以去支持AEB或者是商用车的自动驾驶能达到相对成熟的状态。
进入第二个部分，商用车AEB的价值金字塔。
这个价值金字塔是我们首次提出的一个概念，主要是从AEB的价值进行了分层，我们认为AEB的价值，咱们表面上能看到的AEB价值只是最底层的最基本功能，也就是当发生交通事故的时候就提前制动系统进行了介入，当然这一层它的价值主要体现在我们可能关心它是不是有漏制动、误制动。
再往上一层有一个词叫“防御性驾驶”，相信很多老司机对这个词比较熟悉，很多事故是怎么产生的？就是因为我们没有做到防御性驾驶，我们没有在该减速、该注意的地方去提高警觉性，没有做到防御性驾驶才导致出了AEB。而AEB不是万能的，AEB不是能避免所有的交通事故，也就是说基于AEB这个功能能不能再往前走一步，如何让司机能够养成一个防御性驾驶的习惯，这是AEB如果再往下去展开的第二层价值。
再往上一层，因为AEB它会产生大量的数据，它对车外边的场景进行丰富的识别，甚至包括驾驶员状态数据的识别，基于所有这些数据，我们是不是可以去挖掘数据其他的价值，比如说我们是不是可以去刻画更精准驾驶能力的画像，帮助这些物流公司能够更好地去管理司机的驾驶能力，包括数据是不是可以跟保险进行合作，能否去做一个千人千面的保险方案，这都是基于数据来去展开的一些价值。
这三层，第一层都是老生常谈了AEB的功能，对于我们公司来讲，这也是我们重点发力的一个方向。
值得一提的是，我们有一个非常好的误制动率，200万公里小于1次的误制动率，这个数字不是我们拍脑袋拍的，我们在乘用车和商用车，当然主要是乘用车为主，量产的量比较大，市面上有几十万台的规模。我们跟车厂进行合作，把每次AEB的数据都进行了回传和监控，我们通过大量市面上的数据计算出来我们的误制动率是行业里面非常小的数字。
第二层是从AEB到防御性驾驶。我想起一句话“上医治未病”，我们在这个地方把病比喻成发生交通事故，这个事比喻成人的生病，“上医治未病，中医治欲病，下医治已病”，咱从下开始往上说，当我已经病了，或者我已经发生交通事故之后如何减少我的损失，这对医生来讲是最基本的要求了。但是这一层远远不够，我们需要再往上走一层，走到第二层是预病，要准备发病了，我提前发现了，我能去避免发病，这是这一层。这一层对应今天讲的主动安全、被动安全，被动安全更像是已病，主动安全AEB像是欲病，我准备要去碰撞了，我现在提前去介入，踩刹车，当然不一定能彻底避免，但至少是在欲病阶段的时候去介入。当然我们的追求要更高，我们要做到上医的水平，上医治未病，在预病的更前一个周期就要去挖掘出来这种风险。
怎么治未病呢？我认为要做到有防御性驾驶这样一个安全意识和习惯。防御性驾驶这边举了一些例子，一些典型的场景，比如说你在速度很高的时候跟车很近，这就是典型的没有防御性驾驶安全意识的表现，因为防御性驾驶它的核心在于，假如怎么怎么样，假如前车突然急刹，你这么快的速度、这么近的跟车距离一定是刹不住的，一定会发生事故的。如果你有防御性驾驶的安全意识，在车速高的时候自动把跟车距离拉开了。在这个事上对AEB的系统功能它能做什么呢？比如说AEB这个系统它是实时在检测前方目标的速度、距离，它是可以通过一个模型告诉你在什么样的车速下，你现在的跟车距离已经是超过了那个限值，它会提醒你，它非常量化你现在的风险等级。
还有一个比较典型的场景，我们叫路口不超齐头车，我们看到大量的事故是怎么发生的？在路口的时候，尤其是你旁边的那个车是一个大客车的时候，这个大客车一旦走着走着发现它停了，这个时候最好你也要停下来，不要超齐头车，它停了一定是因为它前面有摩托车或者行人，如果你没有个意识，你直接冲过去，也没有减速，很有可能突然窜出来的行人或者摩托车就跟你发生交通事故了。这种场景下如果你有所谓的防御性驾驶的安全意识，有预判能力，你就能避免，如果你没有这个意识，你只是一味地开过去，这种场景下一定会发生事故。
我们就有一个想法，我是不是可以通过一些技术的手段去把这种场景识别出来？比如说路口超齐头车这个事，如果识别到斑马线，我知道现在这是一个路口，我识别到右前方有一个客车，这个客车现在在停着，我本身现在要在它旁边冲过去了，我这个时候是不是就需要提醒司机在这个情况下需要减速，或者减速到多少以下，如果他没有做到，如果是商用车比如VAN或者轻卡，对于车队管理来说是不是可以给他扣分，因为他没有做到防御性驾驶。
通过这样的模型产生出来的数据，我们觉得它是更精准地能够表征驾驶能力的一个模型。在以前的时候做车队管理我们都是用什么数据来去表征这个驾驶能力呢？也没有急加急减，但是加急加减跟交通事故有关联吗？其实关联度没那么大，为什么急加急减呢？因为它有自己时效性的要求，但是不一定会发生事故，如果他在该注意的地方注意了，他就不会发生事故。所以我们希望有一个模型识别出来哪种驾驶行为，在什么样的危险场景下他没有做防御性驾驶导致他发生交通事故，如果这样的话，我们整个数据模型会更加精准，有了更加精准的数据抓手，你去做一些司机的车队管理或者甚至跟保险进行合作，你才有可能去得到一个很好的结果。
另外，AEB也好，或者防御性驾驶的数据模型也好，我们都离不开要去做一个云端的闭环，它在车端上我们希望这个数据一定要能回来的，因为只有回来了，我们才是从一个产品思维转向了运营思维，我们才有可能去迭代我们的性能。因为你刚开始去部署的时候没有那么完美的，但是你一旦有了迭代的路径和思维之后，你的性能会越来越好，你会发现你所谓的上医的水平也会越来越高。
如果咱想去做防御性驾驶的模型，它其实是对车端整个性能是有比较高的要求，它就要求你这个车端感知的能力比较强，你识别的这些目标要比较多，比如说左上角现在看到一个斑马线，至少要能识别斑马线，要不然你咋知道在路口呢？很多专家也都知道我们在行业里面斑马线不是现在必须识别的目标。你在识别这些目标的距离精度也要求比较高，因为你要构建一个非常精准的模型，你要挖掘出来那些需要防御性驾驶的场景，它都需要你要有一个非常精准的识别作为基础。
我们花了好几年时间去构建了一个数据闭环的体系，从车端上的，我们是做摄像头与T-Box以太网通信，我们回传哪些信息，T-Box如何跟车厂的服务器去做通信，车厂的服务器如何和我们的服务器通信，我们拿到数据之后如何提炼出来可供训练的场景数据，如何再去迭代我们的算法，如何再OTA回去，整个通路闭环我们是已经打通了这样的闭环。
并且我们现在也在做一个事情，给商用车同样也打通这个闭环，当前这个事情已经完成了。
我这边分享了一个我们现在已经回传的典型的数据，这已经播放起来了，这些数据我找了好几个都是在实际量产的过程中回传回来的数据，都是AEB触发的数据，左上角的红点就是AEB触发的时间点，有对二轮车触发的，也有对前面行人触发的。这些场景就是驾驶员正在分心驾驶，他完全没有意识到他已经濒临危险了，而我们AEB的触发保证避免他一次又一次的事故。
再有一点，我们数据回传回来相当于其他的差异化优势在于，我们回传回来的除了视频之外，你会发现它上面有很多的检测目标，这个检测目标，就是这个事件发生时当时嵌入式上的检测结果，这个是比较有价值的，在于说我要完美复现当时在嵌入式里面发生了什么，比如说我这里面有个问题或者有个bug，比如有一次AEB触发得不对，我要去看到底是图像检测的问题，还是我的融合算法的问题，还是我的目标筛选的问题，还是AEB规控的问题，非常利于我们快速地去定位问题，你只有定位到问题了，你才能够快速去迭代掉这个问题。
这种数据我们现在回传回来了也就两三年了，回传回来大量的数据，我们统计下来现在已经是超过3亿公里的测试里程的数据，回传回来比较有高价值的数据段已经超过几万甚至十几万的量级。
有了这样一个高质量的数据作为抓手，我们后面的想象空间就非常大了，因为你的基础打得比较牢，你能非常精准知道外面的场景发生了什么样的，外面发生了什么事情，挖掘这些数据的价值当然需要跟行业里边的贴近于终端用户的伙伴一起来去挖掘这个价值，但是可以肯定的是有高质量的数据做抓手，我们一定是能够去开启一个非常好的对商用车来讲降本增效、智慧运营的新时代。
总结一下，所谓商用车AEB价值金字塔就是这三层，从基本的AEB功能，到AEB防御性驾驶的数据模型，再是上面海量数据挖掘的应用，这么三层逐步递进的AEB价值金字塔。
最后用两三分钟时间介绍一下阡途这个新名字，我们在去年开了一个简单的发布会，它是MAXIEYE旗下的专注于做商用车自动驾驶的创新单元。我们的愿景是成为商用车领域最值得信赖的智驾伙伴。我们希望助力每一台商用车能够安全出行、高效出行。我们价值观是科技向善，因为我们做的是跟汽车安全相关的事情，我们每一次AEB的介入都是在实践科技向善的价值观。
一个小短片（视频播放）
这是我们阡途品牌的小片，对于MAXIEYE和阡途来讲，我们既做乘用车又做商用车，我们在内部叫商乘并举。可以看到我们的技术栈，从最左边的数据系统，到这边的嵌入式上的从感知到融合、规控的技术栈，这些都是同一技术平台，我们赋能了乘用车和商用车两种应用场景，所以我们叫商乘并举，在商为商（在商用车为商用车），因为商用车毕竟有自己独特的需求和独特的一些场景，我们要扎根到商用车领域，针对商用车具体化的需求，我们提供定制化的解决方案。
具体到商用车我们的产品解决方案主要两块：一个是前面我们讲的AEB、ACC、LKA，我们内部叫一体机的方案，围绕安全展开的这些产品。还有一个更高阶的高速NOA的方案，高速NOA的方案我们采用了大概60tops国产的芯片去做了一个5R7V高速NOA的功能，这个产品也会在今年的年底与一个头部的商用车车厂量产。
我们从2017年就开始做商用车的产品了，到现在有超过八年为商用车客户服务的经验了，如果考虑到之前的双预警到现在AEB定点的情况，我们已经在商用车领域上做到市场领先的地位了，我们也非常有幸与top的一些客户有服务的机会。
最后欢迎大家扫码去关注阡途公众号，也感谢大家对MAXIEYE、对阡途的关注和支持，谢谢大家。
（注：本文根据现场速记整理，未经演讲嘉宾审阅）