对话希迪智驾CEO胡斯博：矿山自动驾驶，凭什么能叫物理AI？

我们是真正在改变物理世界的AI应用。

作者 | 吴雨晴

编辑 | 田哲

“AI需要渗透到实体场景里，我们才能真正享受到它的红利。”希迪智驾CEO胡斯博说。

物理AI是今年最热的技术话题之一，大模型让机器开始理解文字、图像、视频，下一步是让它真正理解物理世界并代替危险、高难度的人类作业，而矿山自动驾驶赛道正处在这个跃迁的节点上。

这一赛道中，希迪智驾是典型代表。这家总部位于长沙、2025年底在港交所上市的无人矿卡第一股，近期交出了一份逆势增长的成绩单：2025财年营收8.85亿元，同比增长115.8%，毛利同比增长86.7%，总出货量突破2万台。

更重要的是，它所处的矿山场景，正是物理AI最早从概念走向工业落地的场景之一，封闭但复杂，高危但刚需，既需要无人运输，也需要人、车、设备之间的协同。

这是胡斯博和他的团队给出的判断：物理AI的商业化落地不能只解决运输问题，它一定要进入作业环节。

“自动驾驶解决的是运输环节，而运输只是作业链条里的一个节点。”胡斯博解释，采矿作业中，60%到70%的工作在生产环节，诸如钻孔、爆破、挖掘、装载等高危地带，而大多数自动驾驶公司，还在盯着剩下的30%的运输环节。

不过，物理AI的真实落地逻辑，不是把场景里的人全部清零，而是在机器自主作业与人的现场判断之间找到平衡。胡斯博也表示，在任何工业环节中，人的判断和责任目前都还少不了，现场始终会有人。“既然有人，就要考虑如何跟这些机器人交互。”

因此，希迪智驾发布了行业首款V2P（车与行人）便携式智能终端TAG，标志着公司V2X产品体系正式从“车—路—云”升级为“人—车—路—云”全要素覆盖。这款产品率先落地露天矿场景，通过V2X直连通信实现低于30毫秒时延的双向碰撞预警，将安全防线从车辆延伸至人员侧。

这次群访中，希迪智驾三位高管详细拆解了重载具身智能与L4自动驾驶的本质差异，回应了技术路径选择、商业化节奏和全球化布局等核心问题。

以下是新智驾等媒体与希迪智驾CEO胡斯博、副总裁杨赛鑫、无人重卡事业部总经理盛维天的对话，在不改变原意的基础上略有编辑。

PART 1

从自动驾驶到重载具身智能

Q：希迪智驾提出的重载具身智能与L4级无人驾驶的本质区别是什么？公司是否会自研AI模型和世界模型，还是以合作形式落地？

A：自动驾驶解决的是运输环节，而运输只是整个作业链条里的一个节点。在资源开采、大基建、物流等场景中，客户还有大量作业类需求：穿孔、爆破、挖掘、装载……这些工作需要整条作业流协同完成。

关于模型研发，我们必然自研AI模型和世界模型。物理世界极其复杂，要让机器真正理解并与之交互，世界模型是不可缺少的基础能力。而且重载具身智能涉及多种设备的交互协同，这与自动驾驶的世界模型、甚至与目前市面上很多具身智能的世界模型是不一样的，我们需要做针对性的自主研发。

Q：希迪智驾为什么要做物理AI？

A：过去几年大家小看了AI的能力，直到大模型时代来临，才发现有这么多可能性。我们是真正在改变物理世界的AI应用，针对的就是四大场景：资源开采、物流、大基建、交通工程。这四个场景在很大程度上影响了人类命运，交通和基建跟全球城市化、人口流动息息相关，每一个人住什么、吃什么、怎么消费，AI需要渗透到这些实体场景里，我们才能真正享受到它的红利。

Q：希迪怎么做物理AI？现在已经做到什么？还没有做到什么？

A：落地分不同环节。运输是第一个环节，因为落地可能性最大。商用车使用强度非常大，一天开16到20个小时。但运输只是客户的一个环节，作业端也有大量需求。

在技术能力上，精确的机械臂控制、装药、无人挖掘机，这些都是我们已经在做的。比如让矿车在排土场边精确停靠，这是有随机性但需要经常做好的工作，是实现本质安全的基础，我们已经做到了。

重载还有一个特点，需要在非常恶劣的环境下工作，防爆要求、弱磁环境、智能防护。我们从机电到算法都有布局，知道怎么设计，这些来自智驾的经验积累。

Q：希迪智驾的重载具身智能和全栈技术，与同行相比最核心的差异化壁垒是什么？

A：机器人写在我们基因里。创始人李泽湘老师是机器人学科领域的奠基者，研发总部在长沙，中国重型机械的核心城市，有很好的人才聚集。我们有深厚的理论和实践基础，也有很好的产业资源。

客户看到我们能成功落地无人化的自主作业应用，愿意把作业生态里的更多工作和技术开放给我们，一起打造新产品。我们的定位是做一个好的技术伙伴。

Q：目前重卡自动驾驶的算法路径是怎样的？是继续以两段式为主，还是已经开始采用一段式、强化学习、世界模型等新路径？同时采用多个技术路径时如何平衡？

A：重卡在不同区域对算法的要求不同。一个完整的运输过程——从工厂发货仓库出发，经过公开道路，再到物流园区仓库，两端和中间道路的环境完全不同。两端的封闭场景有大量定制化装卸要求，需要对接挖掘机、装载机、吊车、航吊、正面吊等不同设备，数据比较分散且少，更多依赖两段式网络加规则选择器，帮助车辆快速适应独立区域内的定制化需求。公开道路则需要处理复杂交通流，更需要一段式串联感知决策的模型。两套工作流并行，各有侧重。

另外，重卡在公开道路上的数据，目前没有哪家真正有很多，数据形态跟乘用车不太一样。重卡视角比乘用车高，需要看的东西更多。

希迪的优势之一在于，我们通过智能运载产品在公交车、物流车这类比较大的车上积累数据以及客户资源，未来一旦政策放开我们就可以很快进入。

当前阶段重卡大部分工作还在两端，公开道路在慢慢推广起来。最大的瓶颈还是法规约束，与乘用车相比，可靠性门槛肯定更高，大车不是城市场景，有自己独特的发展节奏。

Q：从单车智能到集群智能的技术门槛是什么？是算法还是通信稳定性？矿山通信条件恶劣，如果一辆车掉线，兜底方案是什么？

A：我们拥有自主V2X技术，可以共享很多信息，不需要连到云端做通信。车队可以自己建立局部局域网，不怕因为信号覆盖问题掉线。只要保证矿山的车连上网络，就可以建立网络，通信距离在某些条件下高达公里级别。

集群智能最大的门槛在于架构设计。单车智能的信息链条比较线性，感知到决策到控制。但集群智能涉及不同车之间的逻辑关系，存在维数灾难：一台车控制量只有两个维度，方向盘左右和车速，100台车就是200个维度，每一帧都需要优化，哪些车加速、哪些减速、哪些左拐右拐、哪些靠边让行，计算量非常大。

我们采用的方案包括多智能体协同、强化学习等理论手段来解决拥堵、交通博弈、效率优化问题。一方面要有好的算法去看场景全局最优，另一方面分布式处理单体的通信交互和决策。架构设计上要判断决策由谁来做，是单车自己决定，还是整个车队决定，两套系统互相适配。

工具开发方面，我们采取降维策略，把大问题分解成小问题，部分分布式解决，部分全局调优。核心问题在于软件架构，怎么用局部局域网赋能整个车队高效运转，同时用仿真工具和世界模型做决策。

这套技术体系和单车智能不一样。其他场景可能未来才会遇到集群智能的需求，但矿山因为无人车渗透率已经很高，无人车的行为已经决定了整个场景的效率，我们是率先落地这套技术体系的。

PART 2

无人技术的部署有阶段性， 从半自动到全自动

Q：目前矿山无人驾驶渗透率约10%，从您的经验来看，现在的痛点和卡点在哪里？我们如何进一步扩大市场份额？

A：10%的渗透率在新赛道里已经非常快了。这么快的原因，一方面是政策强力推动，国家明确要求采矿作业面无人化、少人化，并设立时间表。这种推动力跟城市Robotaxi完全不一样，要强烈很多。另一方面是安全刚需，客户对矿山安全的焦虑非常强，迫切需要新技术。

但同时也存在卡点，新技术的采用有惯性，包括资产权益等问题，需要客户和我们一起慢慢打造合适的方案，行业就是这个节奏。

好处是，资源开采和运输没有政策上的阻碍，又是刚需痛点，整体进展会非常快。在某些子赛道渗透率可能很快就突破到30%、40%，煤矿就是典型，规模大、车辆多、生产率高，几乎没有太多瓶颈。

补充一点，运输只是客户的一个环节，采矿工作中20%-30%是运输，60%是作业和生产，那里也有很多安全效率和风险点，新技术的综合方案可以覆盖更广。

Q：在矿山、港口等场景中，随着无人化渗透率提高，人员会越来越少，V2P终端TAG会不会只是一个阶段性产品？

A：无人技术的成功部署必然是有阶段性的，从半自动到全自动，我们有这个选项，不是非要现在做到全自动。在重载场景中，因为作业设备有固定的机械结构，我们可以获得结构化的数据，包括力矩、每个关节的角度，不需要完全依赖其他方式，这是非常大的优势，所以有些智能操作可以训练得非常好。

更重要的一点是，在任何工业环节中，人的判断和责任目前都还少不了，现场始终会有人。既然有人，就要考虑如何跟这些机器人交互。V2X技术我一直看好，车与云、车与车之间的实时通信非常重要，无论是建立集群、共享感知信息，还是实时同步决策。V2X代表所有物体、所有智能体，包括人、车都可以参与。我们提供了对人的安全保护，也实现了“人-车-路-云”的功能闭环，所以这个产品既是阶段性的，也是长久需要的。

Q：V2P中的P具体指什么？是什么触动你们在一线调研后开发了TAG这个产品？

A：这个P包括Vulnerable Road User，弱势交通参与者，骑电动车的、骑自行车的、行人、户外工作人员，都在这个范围内，这也是我们进一步提升作业安全未来的方向。

TAG是专门为了安全开发的产品，以露天矿为例，一线作业人员规模在100万左右，是工业领域体量庞大的高危作业群体，超过六成的车辆碰撞事故由人为因素引起。即使在无人化比例越来越高的场景中，仍然会有人参与其中，只要有人，就要确保他们的安全，TAG就是我们确保安全的一个非常好的手段。从长期来看，它是整个无人化解决方案中必不可少的一环。

Q：TAG在设计中更多考虑的是商业闭环，还是技术场景的闭环？它的商业周期是怎样的？

A：假设未来矿山里全是重载具身智能或者人形机器人在作业，车也需要跟这些人形机器人交互，它们之间不可能靠语音，一定靠无线通信。人形机器人本质上也是弱势道路使用者，V2P无非是围绕汽车安全的一套实时通信体系。

即使无人化渗透率到了很高水平，只要有车辆和智能体在交互，就需要这套通信来保障安全。而且我们面对的不止矿山，V2P本身的设计初衷就是给公开道路上的弱势群体用的。只要还有汽车和行人、作业人员在交互，就会涉及安全问题。我们认为无论是长期还是短期，这个产品都有很大的商业价值。

我们设计产品时，当然把它当一个商业行为来推进。所有技术，只要能商业化落地的，我们都会尽可能现在就找到商业化的办法。

Q：重载具身智能技术在实际运营场景中，带来了哪些具体的数据改善？有没有更明显的数据或实例可以介绍？

A：以无人挖掘机为例，它上面安装了各种传感器。挖掘机在矿山作业，作业面的形状是什么？会不会塌？挖了一下之后，下一时帧会变成什么形状？这些都直接影响矿山的作业效率。如果作业面挖的效率不高，就会影响整体生产。这些数据是在业务场景中获得和逐步改善的。

凿岩机在井下，基本就是钻石头，它对作业面也有清晰的数据采集和建模。这些输入，一般其他的世界模型是没有的。核心在于，你一定要深入到这些场景，才能沉淀数据。数据来源非常多元，有的基于激光雷达，有的基于视觉，有的基于电机输入输出，问题是我们怎么利用这些数据，进一步提升客户场景的整体效果。

另外，车上的世界模型更多关注运输和驾驶，车上的算力有限。但重载具身智能装备的主要任务不一定是运输，比如埋炸药的机器，它搭载的模型会更加关注应用的业务和场景。通过部署在重载具身智能上的设备，我们能够从更多维度构建世界模型，数据更加完善、多元，能够把业务和环境匹配得更好。

Q：希迪智驾在重卡领域，对于快递快运、公路干线等传统物流场景，接下来有什么市场计划？

A：我们的想法是先做两端。两端（矿山、港口、工厂等封闭场景）现在就可以商业化，先把体量和技术做起来，未来就算公路上的无人驾驶做到了，两端也仍然需要。

在公开道路这个中间环节，我们现在已经开始布局，重点放在大宗商品的短驳运输，比如矿山到附近铁路站或港口的那一段路。这段路有几个特点：交通环境相对简单，更容易获得许可；单条路上运量非常大，可能一两百公里的路，每年就有1000万吨甚至几千万吨的运量。政策和商业化层面都具备比较强的可行性，我们现在已经有案例落地。

干线物流涉及环境更复杂、地域更广、政策差异更大，会是更远期的计划。但目前我们已经有针对干线物流的智能辅助设备，包括环境感知、DMS等，为司机服务。这些设备能让我们更容易进入干线场景，积累客户资源和数据，为未来无人化开放做好准备。

Q：希迪智驾与MMD集团这类海外企业合作，这是否是未来出口的主要商业模式？出海最核心的优势是什么？可能面临哪些挑战？

A：早期可能会以跟中国企业一起出海为主，但慢慢会延伸到直接跟海外企业合作。海外很多企业，像MMD集团，非常看好我们的技术布局、产业链优势和创新速度，这些是很多海外企业不具备的。他们有成熟的商业关系，但资源开采行业长远看的是技术效率和给客户带来的价值，成本优势势不可挡，这是海外客户也必须考虑的。

现在的进程有点像过去两三年新能源乘用车新势力出海的过程——厚积薄发。在国内建立了体系和品牌效应，打造出好产品，然后在海外收获客户。我们不是直接面对消费者，而是面对大型企业，他们对新技术和新模式的接受有自己的节奏和时间去把握。

挑战在于，目前很多海外客户还不知道我们的产品是全球领先的。好在我们已经有了很好的海外合作伙伴，他们了解我们的创新速度，也在拉着我们一起去进入海外客户的心智。

PART 3

解决重载场景所有作业问题， 做重型装备的耐心玩家

Q：矿山自动驾驶行业目前的集中度已经较高，未来几年行业会更集中还是更分散？

A：我对公司聚焦的技术方向和范围非常有信心，有些企业选的方向，效率不一定比我们高。最终企业要比效率，包括研发效率，投多少人、自己做还是购买、跟行业伙伴合作，这些都是需要非常小心做的决策，有时候自己研发还不如直接合作。

随着行业逐渐成熟，效率高的企业会越来越多，会形成一个产业链。我们不做重资产生产，中国已经有很多好的制造企业，我们是跟他们合作，一起开发和出海。很多车企也希望自己掌握智能化技术，但不同场景、不同技术环节，不同企业做会有不同的结果。

我们的优势在AI赋能的机电、智能大脑、模型本身、场景集成、多具身智能体技术。一个企业如果什么都要自己再造一遍，我认为是有挑战的。但不排除我们会跟很多不同企业合作，去开发不同板块，共享技术和应用。

行业不会有一家独大的公司，因为应用场景很多、很复杂，不同公司会找到不同的细分市场，有几家并存是合理的。追求规模不一定是企业最健康的选择，还是要可持续性，尤其研发需要大量投入。我们的利润率在行业里算比较有竞争力，希望维持这方面的优势。

Q：现在很多做AI大模型的公司、做乘用车智驾的公司也在进入这个领域，您怎么看这种竞争？希迪做物理AI和重载具身智能的护城河是什么？

A：智驾行业很快会进入一个阶段，各个公司会发现自己的擅长和效率高的地方在哪里。我们这两天也在跟一些自动驾驶和机器人公司推进合作，大家是相互赋能的。

我们的布局不在人形机器人，重载机器人的要求不一样，有些场景有防爆要求，载体非常重，对机电的要求跟机械狗、人形机器人完全不同。但它们的自由度并不一定少，比如无人挖掘机的机械自由度可以高达17到20个，本身就是复杂的机器人架构。

核心护城河还是在对场景的理解。我们接触了露天和井下的资源开采，以及不同智驾运输环节，积累了很好的场景知识和数据。普通玩家要进来，需要重新走一遍这个过程，才能真正理解场景需求、数据结构是什么、怎么用、怎么做决策。强化学习的决策模型本身就不容易训练。

成功的企业一定会找到自己高效的研发方向，投多少人、做仿真、做机电、做感知算法训练，这些组合决定了研发效率落在哪。我们认为在这方面不是所有企业都能轻易获取到甚至愿意去获取的。

Q：从自动驾驶到挖机、爆破这类作业机器人，难度更大但边际成本反而没那么高，因为量比运输车辆少对吗？

A：AI技术有两个效应：一是取代过往作业方法，二是大大加快过往效率。两个效应的区别在于场景的瓶颈在哪。如果瓶颈就在这些作业环节，它会提供更多落地机会。

我们服务客户，要提供综合方案，帮他解决重载场景里所有作业的问题。

客户比我们更焦虑，利润空间、成本、竞争压力都在。他们有两大刚需，一是安全，我们通过重载智能产品可以完美解决；二是效率，我们通过优化全流程全工序，极大提高运行效率，适配度非常高。

当你提供的技术方案有一定完整性之后，新的商业模式会衍生出来。现在token化的AI应用还集中在线上端侧，但针对重载具身智能体的这一天也会来临，因为它提供了更多数据、更多方法去改变物理世界。设备多不多不一定是最好的量化方法，之所以边际成本低是因为我们共用一套技术平台，整套架构的优势在于极强的泛化能力：同一套系统，多形态适配，跨场景复用。在单个场景中积累的模型能力，可实现低成本跨场景迁移，实现技术价值的持续释放。

Q：作为上市公司，希迪智驾对重载具身智能等新业务在收入和规模上有怎样的预期？

A：目前可以透露的是，明年我们在重载具身智能方面计划有上亿规模的收入预期。具体数据我们会按照合规口径，后面统一跟市场沟通。

Q：重载具身智能新业务的毛利率和盈利能力，中长期来看会比主业更有想象力吗？

A：很难真正去预测哪个技术会爆发。比如手机时代大家觉得相机没用了，但居然有公司做出了纯云台相机，几乎人手一台。

但能确定的是：重型装备、重型机器人在人类的生产场景中有极端重要的角色。重型设备领域的成熟巨头市占率非常大，产品创新对那么大的市场会产生什么影响，我很期待去验证。

Q：物理AI的ChatGPT时刻还要等3到5年吗？最快商业化大规模落地的场景会是什么？

A：资源开采和运输可能会更快，不用3到5年。物流也会更早。只要是人是瓶颈、没有法规阻碍甚至有法规推动的场景，落地会更快。

技术的发展往往在等法规和社会伦理的跟进，技术跟法规是相互闭环的关系。行业要推动更多好的应用场景，促进良性的多企业合作，这样行业发展会更快。

本文作者长期关注新能源汽车、智能驾驶及智能座舱最新动态，欢迎添加微信 Qing371_ 交流。