9月3日，由世界人工智能大会组委会指导、亿欧主办的“2022世界人工智能大会的分论坛：AI商业落地论坛”在世博中心召开。

人工智能作为数字经济时代的核心生产力，其所带来的创新增量价值引人瞩目，产业应用规模不断突破。自2021年以来，AI企业规模持续扩大，多家企业成功上市，成长期与成熟期的企业数量已超过初创企成为市场主流，AI的发展进入了新的发展阶段。在这样的市场环境下，AI企业能否通过应用牵引其核心技术实现落地并带来经济社会价值是其能否稳定存续、持续发展的关键。

本次大会，亿欧发布了《2022中国AI商业落地研究报告》及《2022中国AI商业落地TOP100企业榜单》，西井科技连续五年上榜。

西井科技副总裁兼无人驾驶事业合伙人孙作雷博士受邀参与此次论坛的演讲，他在自动驾驶、智能机器人拥有丰富研发和量产经验。目前主要负责公司无人驾驶系统架构、底层基础组件的工程化量产工作。

如下是本次演讲的部分精华内容整理：

尊敬的各位来宾，大家好！我来自西井科技，很荣幸有这样的机会和大家分享我们在“双碳”格局下，在集装箱物流智能升级上的一些实践和进展。

经过7年的发展，西井科技已经成长为拥有超过450名雇员，研发占比70%的规模型团队，被认定为国家高新技术企业，同时去年也入选国家“专精特新”小巨人企业。我们的愿景是以人工智能技术为锚点，结合无人驾驶技术，驱动全球大物流领域的生产要素智能化升级。

就在上个月，工信部等三个部门提出了“双碳”的近期目标，到2030年清洁能源交通工具占比将达到40%，乘用车和商用车二氧化碳排放分别下降25%和20%，而其中重点是重型货车的减排。基于大量调研和实验，电动化是当今重卡脱碳最可行的手段，根据科尼尔发布的数据，3年后我国新能源重卡销量将增加247%，到2030年电动化重卡的市场渗透率将达到18%。

在人力成本高昂、司机缺口较大的当下，高频启停的短距离集装箱运输使用的传统燃油，重卡是智能化、无人化、绿色化大潮中被改造和替代的重点对象。

我们从创业之初就开始尝试集装箱物流行业的智能化升级，以港口场景作为切入点，把团队的战略目标定位在通过人工智能为用户提升作业效率，降低作业成本。为了支撑这一战略，我们迭代出全局化人工智能港口解决方案Wellocean，以及面向集装箱物流的无人驾驶商用车产品线Qomolo，包括无人驾驶、纯电、集装箱、搬运平板、无人驾驶集装箱跨运车和自主设计的无人驾驶集装箱重卡Q-Truck。

我们商用车无人驾驶的开端源自2017年，在传统燃油集卡上的线控改制尝试，复盘最初的实践，我们认识到如果要发挥无人驾驶的极致性，就必须定制车辆的底层形态。

2018年我们发布了没有驾驶室的纯电Q-Truck，过去四年里Q-Truck经过了多次改款，不仅为了满足客户场景特定的需求，而且是我们基于无人驾驶软硬件一体化，增强产品性能和提升用户体验的持续探索和打磨。

作为沿着这一产品理念的又一次创新和大胆实践，今年我们又发布了2022款换电版的Q-Truck，6分钟实现换电过程的全无人化，并于2022年6月换电版Q-Truck获得了欧盟的CE认证，为海外拓展奠定了进一步的基础。

从进入2B领域至今，市场在变化，客户需求也在调整，但是我们始终秉持不变的理念是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，所以我们一直都在寻找不同场景的落地点，并不断尝试解决用户的痛点需求。

正是因为工业场景用户需要的是可以与他的业务流程、工艺现状协同工作的自动驾驶车队，而不是自动驾驶车辆。所以我们为用户提供了包括无人驾驶的整套解决方案，基于用户的场景和工艺流程特点，做了从局部到全局的定制和整合，从底层的线控底盘改制、无人驾驶组件到上层的车队管理系统、自动化运维工具集，我们都从一线用户的体验出发，做了研发和部署。

除了适合场景适配所做的开发之外，我们还在基础研发上持之以恒的投入，持续洞察和完善研发基础建设。当面对多条无人驾驶产品线，我们一直希望可以更高效地进行开发迭代。西井自研的无人驾驶组件Q-Pilot应运而生，它包含了无异于开放场景Robotaxi的地图构建、定位、感知和规划模块，同时也支持于用户场景中的垂直运输设备之间的对位和交互。Q-Pilot现已全面登录西井旗下的全线车型，2022款换电版Q-Truck、无人跨运车、纯电集装箱运输平板、无人小巴以及去年发布的车型等等。

Q-Pilot支持语义众包联合构图和定位，多个无人车构建自身周边的环境，提取环境要素的语义信息。例如，在港口场景中堆场中的集装箱被识别并标注为地图原子要素，并与无人车车队中的其他车辆同步分享，实现特征模型的合成、分发和更新，从而充分利用无人驾驶车队的集群能力增强定位性能。

在最新的Q-Pilot发布中集成了多任务、多数据源、多市场前融合的感知引擎，支持8颗高线束激光和8颗高分辨率摄像头的数据预处理和不同尺度的特征提取，用深度神经网络实现特征投影，并引入不同传感器源之间的持续关联，解决多障碍物之间遮蔽和观测缺失的问题。

整个引擎做推理的时候，不同的任务，包括障碍物分割、检测、预测，共享同一个包，更能节省计算资源，便于部署。

但是基于学习的感知方法是数据敏感和数据驱动的，数据工程的难度远高于深度神经网络研发本身，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处于混行状态，所以我们一直努力打造并适配开放道路下的感知能力，我们在数据平台上一直持续投入，已经初步构建起MLOps驱动下的数据闭环体系，包括持续训练CT、持续集成CI、持续部署CD。

如同我们自主设计车一样，我们坚信只有软件和硬件结合才能带来最佳的用户体验，所以我们一直坚持投入对硬件的自研。我们的工业级双目有了新的迭代，支持PPS时间同步，能原生输出高精度的环境深度信息。

一直以来Q-Pilot的底盘控制上都搭载了我们自研的AVCU，他和我们的线控转向QWireVCU一起，在今年迭代到3.0，增加了车规级双电源支持。

为了降低成本，更快部署，同时便利更多的场景，我们从三年前就开始布局无人驾驶仿真平台的研发，就是WellSIM。今年我们发布了WellSIM2.0正式版，不仅支持自动驾驶的仿真，还能模拟用户作业系统的任务，并能仿真用户场景中的其他作业设备，以及与无人驾驶车辆间的交互流程。还可以仿真不同的气象场景，不同的传感器，比如这里的激光，视觉传感器以及不同的交通流，能通过场景传统器配置不同的对手车或静态障碍物，生成传感器数据，测试无人驾驶的感知、规划和决策能力，与Q-Pilot联动提升固件迭代效率。

得益于我们对技术研发的持续投入，从2016年基于智能理货产品线进入港口至今，我们的产品和系统已经服务了90多个集团客户，他们遍布全球16个国家和地区。在天津港，我们分别在车队管理系统和单车无人驾驶技术上，助力C端零碳无人驾驶码头商业化运营，至今累计完成商业实船作业410余艘。

作为全国首个传统码头智能化升级的标杆，我们为厦门海润智能化改造提供了基于无人驾驶纯电平板的水平运输系统，成为全国首个一边保障生产，一边实施智能化改造的码头。

而在位于中东的中远海运港口阿布扎比码头，Q-Truck车队采用了全新的代运营模式，按箱量获得营收，交付至今为客户累计降低了75%的人力投入。

我们助力国际知名的港口设备制造商振华重工生产的无人驾驶跨运车，已经在瑞典斯德哥尔摩合计港口旗下的CTN码头实现了商业化运营。

Q-Truck车队在泰国的林查班港口已经进行了近两年的商业集装箱搬运，与有人驾驶的内集卡和进入码头的外集卡，不分作业区域、不分作业车道的百分之百混型。

Q-Truck车队在泰国累计运营25个月，商业实船作业531艘，完成了15.5万标箱的商业搬运，每年为用户实现27.5%的效能提升。

这些正是我们用无人驾驶产品为支点，通过智能化和新能源化的实践和商业落地，积极贯彻国家“双碳”战略的具体行动。我们用运力串联起各个垂直生态，并覆盖更大区域的运营运转。

在深耕海港场景的同时，将积累的自动驾驶车辆和调动能力复用，延伸至集装箱物流封闭场景。在所有场景中，我们都依托自研的车队管理运营平台的碳排放精益化管理，和车辆底盘与智驾算法中的节能策略，对西井出品的所有无人驾驶产品进行全生命周期碳管理。

为了进一步提升用户体验，我们还针对重卡的侧换电方案自主设计了基于车辆、换电站、云平台、商用车智能换电生态平台PowerOnair，多传感器融合技术，车电分离，换电过程不到6分钟，实现了商用车首次侧换电，彻底实现换电无人化。

同时为了能服务用户场站之间的物流需求，我们还推出了支持开放场景干线物流的智能网联重卡E-Truck，实现了从封闭场景到开放场景的智能驾驶灵活切换。这些都将支撑我们以智能化和绿色化，深耕集装箱大物流场景的愿景。

经过我们多年来持之以恒的努力，非常自豪地与大家分享，西井的全系新能源无人驾驶产品今年预计将实现减碳2193吨，相当于多植树4622亩。

因为我们所畅想的，更因为我们所做的，让西井不仅是一家算法公司，我们已经成为以车为载体、以电为内核、以场景为支撑、以运力为输出，为传统物流行业智能化升级的赋能者。

谢谢大家！