商用车新能源化和自动驾驶的挑战和机遇

盖世汽车快讯   2023-08-28 12:52:08

大家好,非常感谢能有这个机会跟大家介绍一下零一汽车。零一不仅是一家重卡主机厂,更是一家追求极致的产品、极致技术和极致效率的科技公司。大家可能知道一个公司的基因跟公司的创始人的一些经历和背景是密切相关的。我简单介绍一下我们两个老板,第一个创始人是黄泽铧先生,他是来自于自动驾驶行业的领军人才,也在自动驾驶行业的扎根深耕了很多年,曾经联合创立了自动驾驶头部企业图森未来,并担任图森北美的工程合伙人以及工程高级副总裁,带领图森未来完成了全球首个IPO,在这个过程中他主要负责硬件的研发工作,还有产品化的一些工作,也带领团队发布了全球第一个开放道路的真无人自动驾驶项目。

第二个创始人是张红松先生,曾任三一重卡的总经理,在三一重卡期间带领着三一从一个新入局的玩家一直做到商用车整体销量的第六,做到一个头部品牌。加入三一重卡之前,张红松先生曾任北汽福田戴姆勒的副总裁,主要分管研发和采购。张红松先生在行业里面有将近30年的从业经验,一直致力于中国重型商用车的产品研发和上下游供应链的资源整合。我们两个老板,一个基因是科技属性的自动驾驶赛道,一个是汽车行业的30年的老兵。两个人对未来重卡的发展形态还有定义不谋而合,所以两个人联合创立了零一,并致力于把零一汽车打造成新能源智能重卡的领军者。

我们公司其实是在2022年3月份才成立的,不久也就一年半左右的时间,但我们这一年多以来以极高的效率完成了首批车型的量产,我们在去年年底的时候就把我们首批两个车型的车辆数据完成了冻结。进入23年之后,我们完成了A辆车、B辆车、C辆车不断的迭代、研发和测试,我们首批车型的SOP的时间预计是在今年的11月份,这个速度是极快的。然后在今年年底12月份左右的时候,我们的车就可以批量的交付到我们的用户手中,在融资方面的话,我们也是小步快跑,飞快地完成了三轮融资,累计融资额2亿人民币。同时我们也构建了自己完整的研发和合作生产制造的体系和公司组织架构,形成了一个研发中心,两个研发分中心,还有两个合作生产基地的公司组织结构。我们的研发中心是在苏州的太仓市。太仓也是我们的试制和实验中心,为了吸引更多的人才,我们在北京和上海分别设立了研发分中心。同时和我们的合作伙伴一起在安徽芜湖还有湖北十堰共同打造了两个合作生产基地。我们今年年底上市和交付的首批车型聚焦在新能源重卡需求比较旺盛的几个省市和地区,主要包括新疆、内蒙、河南、河北、安徽、江苏、重庆和福建等几个地方。以上是我们公司的一些简单的介绍。


(相关资料图)

我们下面回归今天跟大家汇报的两个主要的内容,一个是商用车的新能源化,另外一个就是商用车的智能化。我们想阐述一下我们对商用车的一个定义,简单来说,商用车就是将有效的载荷,以最低的成本、最快的速度,安全的从A点运输到B点。从这个定义可以很清楚地可以看出来,商用车其实是不同于乘用车,它是一个生产工具。我们一直坚信新能源化和智能化都会给未来的商用车格局产生天翻地覆的影响。

新能源化的话,从场景适配的难易程度上,从下到上来说,场景适配最简单的是纯电动,落地的难度也是最低的,然后再往上是氢动力,我们认为最困难的是混合动力,但它应用范围也是最广的。对于智能化这一块的话,按常规的L2、L3、L4去分级的话,我们看创造的价值是从L2到L4是越来越高的,然后同样对应的它的落地难度也是越来越大的。对新能源化和智能化,我们的态度是有所区别的,对新能源化是采用最接地气的方式去做,会在纯电这个方向上去做。它的落地场景虽然是最窄,但它落地的难度是最小的,更容易商业化。在智能化这边的话,我们会做最难也最正确的事情,我们会奔着L4自动驾驶这个方向上去做。

我们先来看新能源化,其实过去的几年,新能源化在部分的场景里面已经实现了它降本增效的最初的商业化论证的阶段,渗透率在过去两年也是逐步的增加。特别是在刚过去的2022年,重卡行业的整体销量在大幅下降的情况下,新能源重卡的销量逆势增长了140%,在2022年的时候整体渗透率达到了4%,这个发展还是非常迅速的。同时我们还面临一个非常好的时代的机遇,就是数据表明,未来几年,重卡的迭代和淘汰的速度会越来越快,每年淘汰的数量是在逐年增加的,特别是在2027年左右,会淘汰140多万辆的重卡。淘汰的这一部分的重卡势必会面临一个置换的需求,就会面临一个选择,就是我们是选国标国6的燃油重卡还是选新能源的重卡?从目前来看,不管是双碳政策的驱动,还是整个重卡生命周期里经济和商业价值的驱动,电动重卡或者新能源重卡在跟传统的燃油车去竞争的时候,都是有非常强的竞争力的。

重卡里面又分长途、中途跟短途。2023年到今天为止,前三季度的数据来看的话,500公里以上的货运行程占比降低了20%,相应的短途的,即200公里以下的行程显著提高。在国家公转铁、公转水大的时代政策的驱动下,我们认为长途变短途会成为未来长期的一个趋势。所以我们把短途新能源战场作为零一汽车的主战场、首战场。

我们怎么定义中短途这个概念,其实我们定义得比较简单,就是从运输距离上去看,中短途的运输距离我们定义是在300公里以下,它的特点就是单趟的运输距离短,时效要求高,整体具备多拉快跑的特点。短途的这些特点,包括车速不高、起停比较多,这些特点跟电动化这个方向、电机的特性,还有电池的能量密度是非常匹配,是完全一致的。所以我们在这个过程中,选择了电动重卡作为短途需求的终极解决方案。

一个好的电动重卡有哪些特点,有六个维度。一个就是动力强,简单来说,就是重卡司机老说的劲儿大,具有很强的载货能力、爬坡能力。另外一个就是轻量化,轻量化就代表着我们在国家限超的背景下,每轻一吨的重量就可以多拉一吨的货,就多带来一定的营收。另外第三个就是它的通过性,通过性对短途的车辆来说是非常重要的一个事情,因为短途的车辆经常走一些颠簸的坏路,经常会拖底盘,所以它的电池的离地高度,还有它的最小转弯半径这些都会严重影响它的通过性。另外就是智能化,我们是不是可以通过互联网、大数据还有调度去加快车辆的利用效率和帮助车队去进行一些车辆的管理。第五个就是高可靠性,因为短途重卡面临的工况会比长途重卡面临的工况还要恶劣,它对可靠性得要求就会更高,可靠性可以保证它的通行率,也就保证最终的营收。另外很重要的一个就是作为生产工具的话,大家永远关心的都是它的低成本。

综合上面的几个因素来说的话,我们来看一下新能源重卡到底是怎么给客户带来它真正的价值得。右侧的那张图片是短途车辆和新能源重卡的成本结构构成。因为短途车辆其实不会走高速,也不会走一些路桥,所以在短途的成本结构里面基本上是没有路桥费用的,同样的其它的费用的占比就会提高。我们可以看到最高的是燃油成本大概占44%,如果我们看传统柴油车的燃油经济消耗的话,因为短途基本上是在低速下跑的,所以油耗稍微高一点,大概35-40升百公里的油耗。折合成综合的成本的话,大概就是一公里3块钱到3块5

如果我们把它换成电动化重卡的话,会产生多少的价值如果是按照纯电的重卡,每公里的电耗大概是在1.5度左右,如果按照6毛或者6毛5的综合电价的成本来算的话,我们每公里的燃料的成本大概是在1块钱到1块3毛钱左右,这个比燃油重卡的燃料成本下降了将近60%。大家可能对60%还是没有一个比较具象的概念。我们再看左边这个图,我们经过详细的测算,在年行驶历程4万公里以下的这种场景里面,我们其实不建议用电动重卡,其实还是燃油重卡会更划算一些,因为它本身的购车成本可能稍微便宜一点点,但是在4万公里以上的话,电动重卡的优势就会越来越明显,而且跑得越多赚得越多。比如说我们以典型的每个车每年运营10万公里的这种场景测算的话,我们主推的充电型车型的整个的生命周期大概可以给我们的用户节省76万人民币的成本,这76万人民币就可以帮助我们的卡车司机师傅在小县城里面买一套房子。

针对短途车型的话,我们其实正向设计了一个终局短途平台。首先就是它有超低的能耗,还有低成本的动力总成。我们的动力总成,包括电驱桥现在都是自主研发的。我们的轻量化底盘支持长续航,因为我们是正向研发的,所以很多油改电的底盘的一些结构,包括传动轴我们都给它优化掉了,现在带着电池包的重量跟燃油车重卡的车头的重量基本上差不多在一个量级,可能就稍微重个两三百公斤的样子,这个是非常有竞争优势的。然后另外就是高通过性的车身结构,刚才也提到了,我们短途车型其实对通过性要求也比较高,我们优化了底盘、悬架,离地高度可以达到250毫米,接近角可以达到25度以上,可以让我们的重卡在、包括一些乡间道路或者上坡、下坡的道路都能畅通无阻。另外我们自研了车云EEA架构还有数据的云平台。我们可以通过车联网的数据加快车辆调度,还有跟我们合作伙伴一起去优化运营效率,这是我们对新能源车辆这一块的思考。

另外一个方向就是智能化,我们其实一直坚信重卡的智能化一定可以给商用车领域带来非常显著的成本的降低,还有管理成本的降低。我们如果把自动驾驶拆解一下,简单拆成两个维度,一个是AI的维度,另外一个是车的维度。我们按照新技术从1级到9级不断成熟去观察现在 AI的进度,还有车辆L4的准备情况来看的话,我们觉得AI的进度其实在前几年的时候,大量的资本、大量的人才都投在这个行业里面,包括我们老板黄泽铧先生其实原来是在这个领域里面。我们认为目前已经到了第6或者第7阶段,但它依然处于Demo验证阶段,因为在开放道路里面无法收敛的Corner case还有一些长尾效应是制约现在重卡L4无法大规模落地的一个很大因素。反观汽车这个领域,其实不管是投资也好,或者大家关注度也好,都会相对的弱一些,但随着AI不断地向前走,大家已经越来越注重到,车也需要为自动驾驶正向设计。这也是我们两个创始人创建零一的一个初衷。

那我们是怎么去设计一个面向L4和自动驾驶的重卡呢?首先我们就是去思考自动驾驶开车跟人类驾驶开车的区别在哪里。我们经常会说人类驾驶员其实是非常智能的一个智能体,可以判断出来车辆的颠簸的一些声响,甚至某一个螺丝钉掉了之后会引来一些风噪的声音,都能判断出来。但是对于自动驾驶来说,这是非常难做到的。那我们怎么去为自动驾驶去设计一辆车呢?就是我们会从诊断系统、在线监测系统,还有模型识别上面去入手,真正地为自动驾驶去量身打造一款,符合自动驾驶要求的车辆平台。我们其实依托于自研的中央网关和整车域控制器,对整车的电子电气架构做了改版,重构了车辆核心子系统和各个子系统之间的协同关系,包括动力系统、行车制动跟驻车制动、悬架系统、转向系统、车身控制系统、智能交互系统,还有专门为自动驾驶设计的低压供电系统,这些都是全部带着冗余,而且带着协同作用的。这是我们向下去做自动驾驶,更面向车。

向上做自动驾驶的话,我们是希望去做一个全新架构的,不同于原来在自动驾驶行业里面的用的软件架构的那种方式去做。我举个最简单的例子就是自动驾驶面临一个很重要的挑战,特别商用车遇到的比较多的挑战,就是经常会有交警查车,一个交警冲你挥挥手,一个自动驾驶车辆就必须去靠边停车,这个过程如果用传统的感知、规划、决策、控制、定位这种模式去做的话,它应该怎么做?首先就是感知,要先识别出来前面有一个人,然后再区分出来这个人是交警,然后还要区分出来这个交警是用手势打的要靠边停车,还是拿着一根警示棒打的靠边停车,甚至是吹口哨让你靠边停车。这些都是非常难的。我们假设识别出来这个动作之后,还要做的就是要做停车,规划出来轨迹,最后控制沿着这个轨迹去行驶、去停车。这里其实每一个过程的代价都非常大,而且是互相耦合在一块的,得独立的一个一个模块的去优化。

我们其实想做的是一个从端到端的全新架构,基于大模型。我们会直接把传感器和雷达的数据,激光雷达的数据,摄像头的数据,导航地图和车辆状态的,还有定位的数据,我们都投入到一个端到端的大模型里面,然后直接出来的就是轨迹或者是控制结果。就像我们人类去开车的时候,我们其实不会计算说下一步的轨迹应该是什么样,我直接计算的就是方向盘大概打多大,油应该给多少,我应该停在哪,所以这个是比较符合于我们人类驾驶的一个习惯的。整体来看的话,其实相对于原来的软件架构,我们希望通过这种端到端的全新的架构可以大幅度的降低成本,还有降低在开放道路规模化扩展的成本,所以这是我们对向上去做L4算法的一个认知。

以上的话就是我们对重卡的新能源化和智能化的一些感悟或者思索,给大家做一下简单的汇报,也希望大家如果有不同的意见可以多多来交流和批评指正,谢谢大家。

猜你喜欢