卓驭，凭什么让商用车辅助驾驶“换车不换脑”

【摘要】AI换上一副几十吨的“身体”，原有的经验还能值多少钱？

10月29日，卓驭在珠海发布商用车智能辅助驾驶方案“磐行”，通过“通用大脑＋重卡特训＋整车适配”，将乘用车积累迁移至重卡，让AI进一步学习载重、挂车与能耗背后的物理约束。

“换车不换脑”由此牵出两个问题：供应商能减少多少重复研发，车队能获得多少持续收益？这场跨界，检验了智能如何带着经验换车，也回答了技术如何成为一门运输客户愿意长期付费的生产能力。

以下为正文：

一辆重卡越来越聪明，一门运输生意就一定会越来越好做吗？

答案是否定的，对商用车来说，技术最终要回到一门运输生意的账本里：一趟货能不能更安全地送到，司机能不能少一点疲惫，油耗能不能降下来，车辆能不能少停运，车队每公里成本能不能更低。

这和乘用车不一样。乘用车用户会为体验、舒适和科技感买单；商用车客户更现实，车是生产工具，系统装上去以后，必须能进入运营账本。

所以，判断一套重卡智能辅助驾驶方案有没有价值，不能只看它会不会跟车、变道、控速，而要看它能不能在长期运营中持续兼顾三件事：安全、时效和经济性。

这也是商用车智能辅助驾驶一直要跨过的门槛：从“功能能跑”，走向“生意能算”。

10月29日，卓驭科技在珠海举办“新程”磐行商用车技术发布会，正式发布商用车智能辅助驾驶解决方案——卓驭磐行™。相比单纯展示一套商用车智驾功能，磐行更想回答的是一个产业问题：智能辅助驾驶如何真正进入运输生意，让这门生意的账更好算？

在商用车领域，卓驭科技的特殊性在于，它是一家长期深耕乘用车辅助驾驶的企业。这引申出了另一个问题，既然乘用车已经积累了大量识路、判断车流、应对风险的能力，如何将这些经验保留下来，并平滑迁移到重卡领域？AI在掌握了无数乘用车数据之后，怎样真正突破，摸准大载重、长挂车和不同动力系统的脾性？

本次技术发布会，卓驭“磐行”给出的方法是：“通用大脑+重卡特训+整车适配”。复用经过乘用车量产验证的基座能力，用重卡专属数据增强，再完成感知、车辆控制与安全体系的工程适配，并将节能纳入实际决策中。

“换车不换脑”的意义由此显现：让积累下来的智能，随着车辆用途改变，继续转化为可用的生产能力。重卡，是检验这套方法的一道门槛。

01

通用大脑：把经验带过去

商用车智能辅助驾驶的第一笔成本，发生在车辆上路之前。

每进入一种车型、一个场景，如果都要重新积累完整的驾驶能力，研发周期会被拉长，交付成本也会被抬高。对于一门精打细算的运输生意来说，智能化首先需要一个足够经济、可复制的供给方式。

这也是拥有乘用车量产经验的智能辅助驾驶公司切入商用车时的优势之一：已有的模型、数据处理、验证体系和工程经验，可以成为进入新垂类的起点。

从乘用车场景中学到的，有一部分属于道路世界本身：哪里能够通行，周围车辆可能怎样行动，什么时候需要让行，风险可能从哪里出现。换成重卡，这些问题依然存在。

基座模型的价值，就在于把这部分通用理解保留下来。

卓驭披露，磐行继承了乘用车累计30多亿公里数据和量产经验，在道路结构理解、交通参与者识别、行为预测和风险判断等方面复用底层能力。

这和“把某款乘用车软件直接装进卡车”并不是一回事。共享的是理解交通世界的基础能力；具体到商用车的驾驶方式、传感器构型、控制系统和运营诉求，仍然需要继续训练和适配。

这种分工，尤其适合重卡的数据处境。

高质量重卡数据采集成本更高，需要车辆、线路、运营场景共同支撑。如果先继承通用道路理解能力，新增数据就可以更多用于学习长车身、大惯性、挂车姿态、长下坡、干线交互等重卡特有问题，把资源集中在差异最大的地方。

卓驭在发布会上提到，商用车业务已实现从技术到商业的闭环。能够做到这一点，与其此前在乘用车领域积累的模型、数据、验证和量产工程能力密切相关。

今年4月，卓驭发布“智能一切移动”战略，试图推动移动物理AI从“一车一智”走向“万物共享一智”。这背后有一个现实问题：如果重卡之后还有客车、轻卡、VAN、无人物流车，研发和交付成本如何控制？

共同底座提供了一种可能：基础研发被反复使用，场景差异通过数据增强和工程适配解决。

从“成行”到“磐行”，卓驭进入了乘用车之外的商用车量产场景。重卡验证的，正是乘用车积累能否支撑一门新的生意。

但通用能力只提供起点。面对一辆需要持续挣钱的车，AI还必须学会按照运输的要求做判断。

02

重卡特训：补齐运输成本

卓驭科技向我们分享了东莞至西安的一条线路，全程约1700公里，公司的车辆在9月单车平均行驶约2.6万公里，每天约800至900公里。一个月跑数万公里。一次变道、一次减速、一次下坡控速，放到整月、整年维度，都会影响时效、安全和油耗。

这决定了重卡辅助驾驶不能只优化单个动作，而要在长时间运行中，把相互关联的问题一起处理。

所谓“重卡特训”，要改变的是模型面对具体场景时的驾驶分寸。

卓驭披露，磐行在乘用车基座能力之上，学习了4亿帧重卡特色数据，用于增强干线交互、夜间行驶、雨天、重载、长下坡、挂车姿态等商用车特有场景。同时，也会对部分乘用车高机动驾驶行为进行处理，让模型保留识路和风险判断能力，但驾驶风格更适合重卡。

值得一提的是，卓驭还将节能纳入了模型训练和决策之中。

重卡有句行业说法：“一脚刹车七八块钱。”这句话并不夸张。频繁制动不仅影响油耗，还会带来刹车片、轮胎等损耗。对重卡来说，节能不是锦上添花，而是运营刚需。

在连续弯道、长下坡和复杂车流叠加的工况中，系统既要控制车速与横向稳定，又要保证运输效率，还要减少不必要的能耗。单独给每个动作写规则，很难穷尽所有条件组合。

卓驭选择的路径，是引入AI强化学习节油算法。简单说，就是让模型在仿真中反复尝试，综合车辆状态、前车动态、前方地形、坡度、曲率、传动和制动系统状态等变量，学习动力、挡位、缓速器和行车制动如何协同。

这和传统规则节油不同。传统方式更多依赖工程师写规则、做分段标定；AI强化学习则试图在更复杂的变量组合中，找到更稳定、更一致的节油策略。

同一套节能框架，也需要面向燃油、燃气、新能源等不同动力类型适配。方法可以复用，但车辆特性要重新学习。

这也是“换车不换脑”的另一层含义：保留解决问题的方法，再学习不同车辆的特性。

发布会上，卓驭披露，近两个月，其跟踪统计两百台多量产车、累计2000万公里以上，搭载AI节油算法后，实测节油率达到4.5%至7.5%。按当前油价估算，一辆车一年可节省约2万到3万元。

对车队来说，这是利润；对司机来说，也可能是实打实的收入。

03

整车适配：商用车需要全栈能力

重卡上的智能，必须和车辆的物理边界接上关系。

磐行搭载的激目2.0，把激光雷达与异构双目视觉集成进驾驶舱。据卓驭披露，其高速感知达到500米级：高速时收窄视野，增加探测距离与点云密度；低速时扩大观察范围。对大吨位车辆，更早获得有效信息，才能多留出判断和调整的时间。

放进舱内，还需要考虑另一个问题：高大的重卡不便频繁清洁维护传感器，减少风沙、石击和外部脏污的直接侵扰，有助于系统适应长期使用。感知设计由此同时回应了安全与维护需求。

执行方面，一辆带挂车的重卡转弯，车头通过，不代表挂车也能通过。磐行通过在线估计载重，利用视觉实时识别挂车姿态、估算挂车夹角，再据此调整控制与碰撞风险判断，针对上下坡，用地图预测，提前分配制动力；面对连续弯道、崎岖路面等工况，也做出了针对性优化。

制动也有个容易被忽略的细节：对配备缓速器的车型，减速还要协调发动机制动、缓速器与行车制动。尤其在长下坡，提前结合地形分配制动力，才能把节能策略与车辆的制动能力接起来。

做到以上几点，需要软硬件全栈的能力，如此才能围绕同一个车辆问题协同调整。共同底座负责提供能力，整车工程负责让能力适合具体车辆。

长期运营还要求系统在出现异常时，司机知道怎么处理。磐行提供多场景安全提醒、全天候主动安全、多重安全冗余、故障自诊断和最小风险策略等能力。相关版本还需经过云端评测、仿真、量产回归和路测验证。

对车队而言，这些细节关系到驾驶员培训、故障处置和运营中断风险。当前辅助驾驶仍需驾驶员监督和及时接管，减轻操作负担、改善人机协作，才是讨论智能化价值的现实起点。

从量产进展看，陕汽德龙X5000已在2026年6月搭载卓驭磐行™ PDS 4量产落地，目前已有数百辆车运行在韵达快递干线上。徐工汉境新能源重卡也已于9月发布，搭载卓驭磐行™ PDS 4的量产车型预计今年年底交付。

这些车不再只是测试样车，而是进入了真实物流运营。

04

尾声

“换车不换脑”也让经验有了双向流动的可能。

乘用车积累支持重卡，重卡运营中出现的新问题，再经过筛选、训练和验证，反哺共同底座。这个循环若能持续，新场景就有机会为下一种车辆提供更好的起点。

这一点，能很好服务于卓驭科技智能一切移动的最终愿景。

从当前产品线看，卓驭磐行™ PDS 4主要面向商用重卡高速NOA，核心满足干线物流需求；卓驭磐行™ PDS 5则对应原生多模态基础模型，除高速NOA外，也将支持城区NOA等能力，面向客车、轻卡、VAN等更多城市通行场景。

按卓驭披露的进展，宇通E9 PRO城市版将搭载卓驭磐行™ PDS 5，基于英伟达Thor平台，应用卓驭原生多模态基础模型，不仅具备高速NOA能力，也支持城区NOA，目前已进入路测阶段。卓驭与北汽福田合作的轻卡、VAN平台车型也将搭载PDS 5，支持城市NOA。双方还将在商用重卡、轻卡、无人物流车等场景继续合作，并共同拓展中东、南美、澳新等海外市场。

每多进入一种车辆，共享能力能留下多少，新增适配要付出多少成本，新经验又能带回多少，这些问题将决定“智能一切移动”能走多远。

重卡把这条路线的难题与价值同时放大了。它要求AI的判断经得起车辆物理约束的检验，也要求供应商对日复一日的使用负责。

当技术能够在各种各样的约束下持续兑现价值，“移动物理AI”才有机会成为运输业愿意长期购买的生产能力。