开云 开云官方网站开云 开云官方网站2023年12月6-7日，由科技出行产业智库与创新服务平台—亿欧汽车主办的GTM2023（第六届）全球科技出行大会在北京成功举办。本届大会以“穿越周期 破风远航”为主题，聚焦中国智能电动汽车产业的发展与演进，携手来自主机厂、供应链企业、科技公司、科研以及投资机构的高管们共话产业前景，呈现了一场新技术与新理念齐驱的出行产业年度盛会。
在新能源商用车及无人驾驶场景落地论坛中，易控智驾合伙人&战略副总裁林巧、路凯智行联合创始人兼CTO那崇宁先生、中科慧拓联合创始人&副总裁&技术中心总经理田滨参加了以《矿山场景的机遇在何方？》为主题的圆桌对话环节，辰韬资本执行总经理贺雄松先生担任本次圆桌主持人。
易控智驾合伙人、战略副总裁林巧就表示，随着运营效率的提升，2023年是中国矿山无人驾驶规模化落地的元年。
路凯智行联合创始人、CTO那崇宁认为，在单车软件架构层面，中国矿山无人驾驶技术已经可以出海。但国内的商业模式出海，还需要产业生态协同。
中科慧拓联合创始人、副总裁、技术中心总经理田滨表示，中国矿山无人驾驶要建立产业生态，然后打包出海，以此作为商业模式出海的突破口。
辰韬资本执行总经理贺雄松表示，无人驾驶在矿山落地已经不是理论模型，一些单矿已经实现盈利，这将是矿山无人驾驶爆发的一个关键节点。
贺雄松：大家好！我是辰韬资本贺雄松，感谢主办方的邀请。辰韬资本是一家专注在智能驾驶领域的投资机构，到目前为止我们已经累积投资了将近20家自动驾驶相关标的。今天也非常荣幸邀请到了矿山自动驾驶领域的3家头部公司代表，首先我们有请三位嘉宾简单做一个自我介绍，顺便可以结合自己在过去一年中的经历，聊一下矿山场景最大的变化是什么？。林总先请。
林巧：大家好！我是来自易控智驾的林巧，对于矿山的无人驾驶来说，易控智驾已经做了大概5年半的时间，我觉得今年对于易控智驾是非常关键的一年。怎么关键呢？作为无人驾驶来说，商用车的无人驾驶回到第一性原理的本质就是降本增效。那我们做到无人化之后，能否给客户真正的带来降本增效，或者说第一阶段能否满足基本的生产效率，是一个非常重要的基础。
如果无人化到来，特别是矿山的无人驾驶，它是矿山生产作业中间的一个环节，就像生产线里面串联的其中一环，在整个流水线里面如果这一环它效率偏低，那其他环节也得降效率跟它匹配。所以，矿山无人驾驶第一个要求就是很多矿山一上来生产效率能达到人工的85%，甚至90 %以上，易控智驾今年做了一个重要的一个技术提升项，就是我们整体的生产效率在一定的规模情况下，以月度为单位，实现了挖机的工作效率达到了人工效率的95%以上。
第二个比较重要的事项是整体的一个规模，易控智驾在市场拓展方面的路径是先要重点性地扎根去做深，在效率成果没有充分得到验证之前，不要做太多的客户，而是把一个客户扎根下去做深。刚刚我提到流水线，如果作为试验项目，不在整个生产作业闭环里，那么容易被产业流水线淘汰掉。如果量足够大，它就会进入生产的作业闭环，那才会真正的把我们无人驾驶当工具。因为我们无人驾驶在矿山内用起来，除了我们技术提升，生产管理和工艺这些的匹配是非常重要的，如果生产管理不依据无人驾驶的特性，全部用有人驾驶的方式去管理，有可能会带来我们真的是怎么也达不到生产效率，只有到一定的量，到一定的能力，矿山才会重视起来。
易控智驾今年在新疆的一个矿做到了单矿203台的无人驾驶的车队，而且已经实现规模化的运营，上个月的数据看我们达到了整体的生产效率是95%以上，而且所有的运营车辆我们都实现了常态化的24小时全无人化的连续作业。整体的生产作业时间也是超过了人工，人工往往有两班倒有司机休息，一天就作业19小时，我们平均是21小时以上的作业情况。所以今年我觉得可以说是开启了矿山在国内无人驾驶规模化落地的元年。谢谢。
那崇宁：我是来自路凯智行的那崇宁，路凯智行是2020年成立的一家矿山无人运维的公司，因为露天矿里面50%的工作都来自于运输系统，所以说无人驾驶是里面非常重要的一环。那么，我们是在2021年的时候，也是在新疆和内蒙古两个地方都落地了我们最早的无人驾驶系统，然后在去年和今年我们陆续也把它的规模做了适当的一些扩展，逐渐从单边组的运营到多边组的常态化运营，取得了这样的一些进展。
刚才林总也说到了无人驾驶落地它很重要的一环怎么跟矿山传统的生产的工艺相结合，在我们做无人驾驶单点的边组运营之外，我们也在考虑怎么样跟它的生产环节、运营相去结合，所以说其实我们去做了适当的延展，这个延展分为两个层次，第一个层次我们提供一个完整的无人运输的一整套系统，包括无人驾驶的矿卡，可以远程在调度室里面遥控挖机和装载机，也都可以做一个调度室和底下矿坑的联动，这是第一个层次，提供完整无人运输的解决方案。
另外围绕着无人运输，我们做了第二个层次的扩展，就是我们所说的智慧矿山，我们设想的一个远景的场景就是，当我们进入到一个矿山后，我一定会打开一个工作的页面，我今天在这个页面上面它可能包括我们的无人运输的系统，也可能包括其他的一些系统，那怎么样通过这样的一个作业矿山的系统驱动我们相应的人去工作，我每天需要处理的事情有哪些，它有没有定期的提醒，我需要解决的事项是什么，我们在这一块也做了一些相应的工作，目前我们也是在新疆的标杆矿山上面做了初步的试点。未来我们希望能够把我们无人驾驶和智慧矿山做一个更深度的融合，能够让我们的无人驾驶包括其他层面的一些矿山整体的自动化和无人化能够跟整个矿山场景形成更好的无缝衔接。
田滨：中科慧拓是一家由中国科学院自动化所孵化的科技型的创新企业，主要的业务范围包括露天矿运输的无人驾驶、井工矿辅助运输无人驾驶，同时我们还在园区物流、工程机械的智能化，以及智能网联的建设方面有相应布局。截至目前，中科慧拓在国内已经部署了超过500台无人驾驶矿车，在国内40多个矿山有相应的实践和运营数据。
关于在今年对于行业内在的几个感受：第一个是在客户侧，客户对于这个行业的认可度其实在不断提升，由原先的审慎心态看市场，到现在关注生产工艺、管理模式，然后反映到调整无人驾驶模式，对于整个行业来讲是一个很大的转变。
第二个是今年出了很多的前装量产车型，这个对于行业无人驾驶成果形态的提升有非常大的突破。无人驾驶前装量产的车型包括一些无驾驶室的车型，比如我们今年上半年推出了矿山新能源智能运载机器人“载山CarMo”，未来三年里还会与合作伙伴共同研制打造双向行驶的无驾驶室车型。每一次新的成果形态出现，都标志着这个行业正在向更加成熟的状态演进。
第三点关于标准规范方面，例如煤炭学会、汽车工程学会等机构组织，都在标准规范方面做了很多整体和有节奏的布局，今年我们统计到的规范至少有二十几项，这也体现出行业发展非常好的状态。
贺雄松：感谢三位嘉宾的分享，由于这个市场一直在变化，我相信大家对自动驾驶行业近几年的发展都会有一些自己的感受。从业务的角度来看，一些技术可行并且比较好落地的场景，比如矿山场景，这些细分赛道一直是持续在向上走的，以前大家觉得只停留在理论模型能跑通，但现在已经不只是停留在理论模型了，一些单段的模型也已经跑通了，甚至未来一些单矿的盈利模型或许都能够跑通，所以这是一个非常显著的变化。前段时间有人说自动驾驶可能不再是受鼓励的行业，他觉得自动驾驶的商业化受到了一些影响，但我觉得在特定场景依然存在着一些突破点。
接下来这个问题想请嘉宾探讨一下，在矿山自动驾驶大规模商业化拓展的过程中，有哪些重要的环节和关键的节点？这个问题想请林巧总和田滨总依次回答一下，首先请林巧总。
林巧：自动驾驶要应用起来很重要的一个点在规模化，特别是矿山这个领域单矿规模越大，其实最终摊销的成本会越低，因为无人化之后司机少了，我们的整个管理团队也少了，为什么这么说呢？因为矿山跟公开道路不一样，跟重卡不一样，它必须管吃管住，必须建宿舍和食堂，然后有大巴接送司机上下班，这些带来的额外的隐形成本也是非常大的一块。
所以在刚刚雄松总提到，我们怎么实现毛利转正，这一块在应用上大家要去看到，在选择的时候都会先选有一定规模的矿山，而不是说这个矿只有两台、三台车，那去做无人驾驶往往不是降本增效，而是增加成本，往往小的矿山，而且带来的是它的作业场景复杂度更高，所以我们整个在量产应用的时候，第一就是对应用场景要有选择。
第二个点，在应用侧的时候，你会发掘客户在引入无人驾驶的时候从刚开始叫尝新，到现在是非常认真的去考虑我们能否常态化，比如说这个月天气比较好，下个月可能是雨季，下雨多了之后，我们的道路维护怎么跟它结合在一块，这也要考量在里面了。
第三个点，他们整体来说最终还是看你的一个综合效率，如果综合效率做不到，它就没法把其他环节跟你匹配，因为其他环节比如说我们煤炭的生产它有输送带和破碎带，这些环节没法说把这个效率降低，输送带输送出去是发电厂，发电厂锅炉不可能说煤炭少输一点，今天发电量少一点，这个环节必须匹配起来，所以现在矿山在落地的时候，第一，需要考虑的是你的综合效率需要和人工相接近。第二，矿山这个行业跟其他行业不太一样，刚开始成本不是第一考量点。为什么呢？我们矿山里面任何的事故它都是生产管理单位有责任的，不像公开道路我有事故我们有商业保险，它是交通事故。矿山叫生产事故，它其实本质上就是开车，比如说不小心或者打磕睡导致的事故叫生产事故，生产事故带来的隐形成本非常高的，所以安全对于煤矿生产来说是非常重要的，这也是矿山无人驾驶的核心价值之一。
我们核心要聚焦到我们怎么做到可靠、连续、稳定，除了无人驾驶的算法具备可通用性和可复制性，另外就是算法能力上怎么跟网络和基础设施能力匹配，因为矿山开采的时候它会不停的去变化，不同的区域网络有可能跟进不是那么及时，那我们对网络的要求是否是过高的，现在矿山虽然都布了5G，5G的基站是否能快速移动、适配起来，如果移动偏慢的话，我们的算法能否对网络的依赖度降得足够低。比如说我们现在的无人驾驶策略，从刚开始只做2-3台的时候，网络可能不是我的瓶颈，现在做到单矿200多台的时候，比如说我们从调度到决策规划，如果全部都在云端的时候会带来极其大的影响的问题，所以我们现在整套架构会以车端智能为主，我们自己总结了：车端自主决策协同的车辆加上云端智慧调度的系统，这样才能适配于规模化应用。
田滨：我想先说三个市场模式，也是目前行业内的共识。第一个是做解决方案的交付，第二个是做无人驾驶整车的销售，第三个就是提供无人驾驶的运力获得营收。
对于整车解决方案交付来讲，首先要做的就是仍有很大规模的存量市场旧车改造。因此，从30吨到300吨以上的不同载重、从燃油到电动不同动力模式、针对国内外不同车型都需要做适配，这是不可避免的首要节点。
对于无人驾驶整车销售来讲，核心突破点是做前装车的研发。这是基于客户需求而推动的，因为从客户角度出发，他们希望可以有一家公司做售后的唯一负责方，便于问题界定和解决。前装车量产的探索推动，对于整车销售模式是非常关键的节点。
对于无人驾驶拉运服务来讲，核心点是无人驾驶技术的成熟度，这直接决定客户的买单意愿。因此，应对突破各类困难场景挑战、大幅变载荷车辆控制、大规模编组控制运行、半固态变化地形及时更新等问题，是撼动说服客户买单的直接动力。
最终以上三个问题会反映在经济性指标上，也就是收支平衡问题。包括维修成本、人员成本以及摊耗成本等，反映到全生命周期，如何实现无人驾驶的盈利且高于有人驾驶。我想盈亏平衡点只要一到，整个市场会出现一个更大的爆发。
贺雄松：谢谢田滨总。刚才两位嘉宾都谈到了，在真正的商业化复制过程中，可能会遇到一些细节问题。从投资的角度也好理解，当一个行业在秀技、秀团队的时候，基本上这个技术可能还尚早。如果大家的关注点转移到了怎么去扣成本、怎么去管供应链、怎么去管运维的时候，这说明这个赛道确实到了一个可大规模的复制阶段。所以，总结来看，矿山场景可能已经到了一个比较好的爆发节点。目前，大家更的多是关注在露天矿，但后期井工矿也可能是一个非常有潜力的市场，请那总跟我们分享一下对这个场景的看法，井工矿做商业化推广的话，需要解决什么问题？
那崇宁：的确，目前相比较露天矿整个的无人化，包括无人运输它发展的节奏来看的话，好像我们从井工矿听到的消息会少一点。跟大家分享一下井工矿的全矿无人运营的可能性还是存在的，为什么呢？因为我们公司的蒋博士在加入我们公司之前他是在芬兰的一家井工的铜矿，整个矿实现无人化运营的，但咱们说无人化还是需要基本管理人员的，对于这样一个井工矿来说的话，传统意义上基于传统的工艺，有人化去运输大概需要人力的资源是1000多人左右，当时他们在芬兰铜矿里面，矿下的人员一共只有60多人，所以说这个市场或者说这个技术完全是可行的，但是目前在国内做这个为什么说井工矿的无人驾驶大家听说的比较少，它因为目前大家主要的精力放在露天矿这一块，相对井工矿有几个地方的需求还是不太一样的，一个从网络的建设上来说，因为露天矿可以基于5G的网络，尽管用的大部分是专网，布网的方式方法可以复用我们的ICT领域里面不管是运营商还是设备供应商他们的一些技术经验，很快帮我们提供网络的基础设施，在井工矿里面来说我们需要重新的去搭建这样一个网络，因为它是没有搭建露天环境下公网的资源和技术储备的，这是一块。
第二块露天矿里面我们还有一个非常重要的高精定位，这一块也是在露天场景才有的，井工矿里面是不具备这样条件的，包括我们怎么去构建高精地图需要一些相应的SLAM方面的技术，这些技术针对露天矿的场景还是有一些技术的死角需要攻克的。
第三块就是说整个井工矿里面它的整个作业工艺跟露天矿也完全不一样，刚刚最开始时候我也提到露天矿里面可能50%以上环节都是由运输来造成的，所以说我们把运输这个环节给它做成无人化，全矿的无人化我认为就已经达到了50%，而井工矿里面并不是这样的，如何与井工矿作业环境下的其他辅助设备融合，此外井工矿里面所用车辆的驱动形态跟露天矿车辆也是完全不一样的。
当然，据我了解行业里面大家也都在去做相应的一些推进工作，但可能目前还是处于早期阶段，不管是以自研的方式，还是跟一些科研机构一同做一些试点项目，或者是预研方面的工作，我相信这块后续也会逐步去推进。
贺雄松：接下来，我们一起来探讨目前一个比较热门的出海话题。相信大家对乘用车的出海已经看到了非常明显的趋势，从中也可以了解到中国供应链和中国品牌的影响力。那么，商用车领域应该也是存在同样的机会。之前大家也经常讨论，我们可以利用国内市场来打磨技术、打磨供应链，等到一切都做好后，其实海外会是一个更好的市场，因为欧美国家的人工智能需求会更高，所以经济模型空间会更大。现在我们很欣喜地看到矿山自动驾驶领域内，各家都有在做一些出海的尝试，这是个好现象，说明也确实到了比较好的时间节点。接下来想请那总和田滨总来谈一下各自在出海过程中的难点和突破口。首先我们请那总。
那崇宁：我觉得在技术层面来说的话，基于大家这些年在国内露天矿的一些实践，如果我们从单车上面软件架构角度来说，我认为已经达到了可以去出海的一个程度。刚才林总也介绍了，露天矿的无人驾驶不是说单纯把车的问题解决好就可以了，还涉及到产业链的问题，比方说当地的5G网络建设的情况，是否能够满足我们的要求。如果它没有网络基础设施的话，我们怎么去找合适的运营商，因为我们在国内可以去找三大运营商，或者找一些设备厂商就能够解决这个事情，但是在当地怎么去做一些基础设施的保障，是需要好好考虑的。
另外一点是关于出海后产业链情况，我们这里面涉及到一个问题，我们是跟着我们的车厂一块去出海，还是我们在当地找合作伙伴，包括在车辆上面需要加装很多的传感设备、控制设备，那么它当地的一个产业链的情况我们也不能笼统的说出海，也要看我们具体出海方向在什么地方。
第三块我认为还有一块其实也是比较重要的，是我们具体它的一个应用模式，因为在国内来说的话，如果说我们去采用一种我们自己去采购车辆，然后去运营的话，它其实是一个非常重资产的运营模式。在国内来说，我们基于国内的一些金融的基础设施，我们可以把它的模式进行应用转化，比如说我们通过融资租赁的方式，由一种前期需要大量投入商业模式转化成一种现金流相对比较友好长线的一个合作模式。那么，这里面涉及到的问题在海外我们是不是能够去获得一些金融上面的保障，这里面是不是也需要跟我们国内的一些金融机构来一块出海。
我觉得这几个方面的问题需要去考虑，我们商业模式相对比较成熟了，因为大家的想法不是说去国外做一个试点或者说做一个应用。因为国外它很早就有无人驾驶的一些落地应用了，大家一定想的是在国内商业模式成熟了，我们想去在国外去把成熟的商业模式跑起来，商业模式怎么样能跑起来，我觉得上面的几点都需要去考虑。
贺雄松：谢谢那总。我之前了解到有些企业就是找一些中国本土的国际化公司，并且在国内有合作的基础上，顺便扩展到国外的业务，这可能也是一个比较好的方向。接下来有请田总。
田滨：今年我们正式完成了国内矿山无人驾驶的首单出海业务，协助打造泰国首个5G+自动驾驶智慧绿色矿山。从我们出海经验上来讲，我认为首先要关注的难点就是生态建设，各行各业搞无人驾驶都没法通过一家公司来实现，这涉及网络供应商、资本商、主机厂、无人驾驶公司、传感器厂商等整个系统的交付。因此，怎么样建立一个良好的生态，并且打包出海，这是非常关键的问题。
其次要突破的点是公司内部能力的培养，包括涉外供应链的管理、涉外人力资源管理等各方面。
其他方面，我们需要关注海外大环境，包括政策环境、网络环境、文化环境等各方面。稍有没关注到，就会有很多卡壳的地方。针对这些难点，将来也有很多可以突破的角度，比如借助“一带一路”支持政策拓展落地，与海外竞品公司做好技术、系统功能、产品成熟稳定性等方面的差异化对比，同时也可以学习目前国内其他成功出海案例的策略方法。
贺雄松：好的，感谢二位嘉宾的分享。我们也关注到国外类似卡特之类的无人驾驶公司，虽然他们也运营了很多年，但他们整个技术栈路线跟国内企业存在非常大的差异。国内企业做的场景视频之中也会有一些路演和宣介材料，当国外企业看到国内的这些技术后，还是蛮惊讶的，所以也非常期待在座几家企业能够在这方面取得一些拓展。
接下来还有一个比较热点的话题就是大模型，特斯拉前段时间又宣称V12版本可以实现端到端了，这方面的争议大家也经常讨论。今天也想围绕这个话题，跟各位嘉宾来讨论一下大模型在矿山自动驾驶领域的应用，这个话题我们有请林巧总和那总两位分别来分享一下，首先请林巧总。
林巧：大模型从去年11月份OpenAI发布之后确实非常火热，对自动驾驶公司来说，特别做研发的人看到大模型会特别兴奋。兴奋在哪儿？我们在做深度学习模型时需要通过模型进行调参或者换数据来解决一些corner case，但总会觉得不完善、不完整，大模型确实给了很好的思路，比较通用化，而且不需要那么多精准的标注数据，整体成本很低。深度学习方面的研发同学到一定阶段后发现，经常会被公司财务问成本为什么越来越高、数据量为什么越来越大，而且每解决一个case的边际成本也越来越大，之前好像弄几万帧可以解一个case，现在百万帧才能解决一个case。大模型可以解决这个问题，对于有大量研发的团队大家都会看这个事。
从我们的维度去看会分两个方面：第一个方面从算法原理侧，大模型的理解力确实给我们带来了一个新的突破点，但也有它的问题。大家有空可以用ChatGPT或者文心一言去试一试，你可以把一些交通图上传上去后去问它——你识别到了什么？等到识别完了之后，下一步假设你是开车的人，最终你的驾驶行为会是什么样？大模型或许能识别出来，但也有可能有比较大的误差。这对于我们做算法研发的人员会有启发，可以值得去关注，但是从车辆这种对安全性极高要求的方面去看的话，若要大规模部署到无人驾驶应用目前看还不现实，更多的可能是应用在仿真领域。
第二个工程应用侧还不太乐观，大模型对算力的需求，远超我们现在精确小模型的算力需求。假设你用电的功率上升到上千瓦的级别，那我们的节能性可能做不出来，或者说我们相应的配套都需要大变革去配套它，最终带来的整体成本怎么去考量。除非我们专用大模型的芯片有一个突飞猛进的应用，这个也会更依赖于我们上游整体的一个生态链的进展。
那崇宁：抛开我们具体的应用场景，我先分享一下对大模型本身的一个看法。在2018年Google推出Bert的时候，我发过一篇技术的博客，我认为未来5年在自然语言处理领域内会实现一个通用的人工智能，这个是基于Bert本身的一个原理预测的。因为它突破了传统做有监督学习需要海量的数据标注的限制，通过无监督的方式也能够去做模型的训练，所以我认为它会进入到一个非常快的发展之路上。
另外，我认为只会在自然语言处理这个领域里面能够实现通用的人工智能。对于自然语言来说，这些句子和段落都是由单词所构成的，而单词的数量是有限的，意味着在自然语言处理这个领域里它是一个有限的结合，不管这个结合有多大，它一定是个有限的结合。如果我们去看图像，图像是千变万化的，目前很难有人能说全世界的图像加在一起有多少，但我们知道常用的英文单词有几千个，汉语的汉字也是几千个。从第一性原理分析的角度来说的话，我认为在自然语言处理里面，站在2018年预测到5年之内会实现通用的人工智能，目前的发展来看也验证了我的预测。
反过头来我们再回到自动驾驶这个领域，自动驾驶是高度依赖视觉数据或者类视觉数据的，除此之外还有时序数据对我们也是很重要的，比如说我们在车控里面的数据，还有传感器的数据，这两个领域我认为目前还没有说能够达到通用的人工智能。虽然我们在市场上面看到ChatGPT是针对自然语言处理的，它有AIGC的能力，大家自然会认为图像也可能有一定的生成能力，但我认为相比较自然语言处理来说，这个生成能力实际上它达不到高可用的状态，可能就是做些涂鸦之类。
其实我的观点跟林总的观点非常一致，我认为目前依赖现有的通用大模型的能力，直接把它应用到自动驾驶领域，从技术上来说还是不可行的，但未来沿着这个思路，基于通用大模型的一个基本构建原理，去构建适用于自动驾驶的模型，我认为这个方向是可以去尝试的。
因为对于自动驾驶来说，它所涉及到传感的领域，尤其对于矿山或者港口来说，这些都是比较封闭的领域，感知到的数据也是一个有限的集合，但这里面涉及到问题是我们是否有足够的算力，是否积累了足够的数据，能够让我们去从0开始构建基础的模型，这个我认为目前时机还不是很成熟。因为大家仅仅是刚开始做规模化的自动驾驶的一个商业运营，我们所能够采集到的数据量还比较有限，难以支撑短期内落地大模型，所以说我认为技术上是可行的，但还需要一段时间去进一步验证工程的实用性到底有多强。
贺雄松：看来两位嘉宾的观点还是比较一致的，在实际应用中大模型可能还需要解决很多工程化的问题。我们也了解到大模型虽然在实际量产落地中有些问题，但是在合成数据、场景合成等方向上，也看到一些公司在进行探索和尝试。大模型跟自动驾驶的联系还是比较紧密的，若大模型能够成功落地的话，一定能够赋能到整个行业，并且随着模型的迭代升级，未来也能够发挥出更多的价值和作用。接下来我们就进入到今天最后一个话题，大家聊一聊未来公司业务上将会有的一些新变化和布局。要不我们田滨总先开始。
田滨：中科慧拓整体的业务布局可以总结为四个字：专、深、广、新。专就是专注做好矿区无人驾驶技术的落地；深就是围绕在无人驾驶落地中积累的矿方项目和客户，进一步推广其他智能化系统，包括智能调度系统、智能管控系统等方面；广就是以无人驾驶的解决方案为依托，进一步去拓展到跟矿山比较接近的场景，包括园区、半封闭的低速载货场景等；新就是比较遥远、也在畅想的未来方向，就是做一些海底挖矿和月球挖矿的事情，谢谢。
那崇宁：我简单说一下，其实我们觉得下一步我们想做的一个事情还是怎么更好的去融入矿山这个行业，因为矿山本身它是一个非常古老的行业。前两天我们公司内部做一个案例分享的时候，提到我们蒋博士在海外之前参与的矿山无人化改造，他给我们介绍这个矿山已经开采了800年的时间，所以它其实是一个很古老的行业。包括我们很多矿上面我们去了解矿的情况，他也会说这个矿将来可以开采几十年甚至上百万，所以它是一个很长的时间维度。另外在矿山领域里面，这里面涉及到整个生态里面的各个环节也是非常多的，那我们做的无人驾驶公司或者说一个无人化技术提供方来说的话，其实我们只是整个生态中的一环，能够跟矿方还是矿上面其他的设备供应商或者技术方案解决商更好的融合，我觉得这个是我们下一步要去进一步探索的方向。
林巧：易控智驾在今年实现了一些突破之后，现在对接下来的发展策略会很清晰，也很明确。用一个词来形容叫“国内实现规模化的量产，海外实现项目的突破”。
国内规模化量产为什么敢于这么去说呢？我们今年实现了单矿203台的规模化应用，这个数据已经占到整体生产作业量的40%左右，易控智驾在大概5年的时间里一直在这两个矿增加量。因为我们要跑足够多的量，客户才会把足够多的问题暴露在你面前，才能解决客户足够多的问题。所以，从今年上半年开始，在接近10个月的时间里，我们做了规模化的扩展。以年初的一个新矿项目为例，我们从车进场到部署完，再到常态化运营，大概花了6个月时间，8月份已经做到了17天，10月份做到了9天的时间，前段时间我们刚在一个矿实现了老车换旧车，大概5天时间就可以实现常态化的无人运营，所以我们对于产品的可规模化、可复制性已经有很多数据来证明，特别是在国内露天煤矿可以实现完全的规模化复制。目前国内十大露天煤矿易控智驾也已经入场了五座。
海外我们会重点去突破，今年疫情放开之后，我们有大量的团队成员去了澳大利亚，并且已经在澳大利亚注册了子公司，也在澳大利亚有常驻的员工。在海外，我们需要融入当地的文化，现在与澳洲的好多矿企也有密切的对接，接下来在明年也希望在澳洲有一个新的突破。
贺雄松：好的，感谢3位嘉宾的分享，由于时间的关系，我们本场圆桌就到此结束了，谢谢大家。Kaiyun 开云官网入口Kaiyun 开云官网入口
