联手产业资本，一位智驾老兵盯上Physical AI

来源：市场资讯

（来源：创业邦）

今年的具身智能创业潮里，出现了越来越多自动驾驶从业者的身影。

有人重新创业，也有人从智驾公司流向机器人团队。感知、预测、决策、控制，模型训练、数据闭环、仿真，被汽车行业反复打磨多年的能力，开始渗透到更多物理设备上。

斯年智驾也在重新整理自己的技术和业务边界。

2020年成立以来，这家创业公司从港口无人驾驶起步，业务陆续进入铁路场站、化工、冶金、物流枢纽等重载场景。6年时间里，已有1000多台无人运输机器人参与真实生产，积累数PB级多模态数据。公司正在把世界模型放到更重要的位置，同时将无人装卸、智能巡检、无人环卫等任务纳入重载Physical AI的布局。

从公司创始人、董事长兼CEO何贝的视角看，这次变化来得很自然。“其实我们一直都在干，只不过以前没人管这叫Physical AI。”

斯年智驾创始人、董事长兼CEO何贝

今年9月，悦达资本成为斯年智驾的新股东。本轮战略融资将用于世界模型能力升级、自动驾驶系统优化及场景拓展。依托悦达在整车制造和供应链体系上的积累，双方还将在主机厂协同、整车平台适配、工程化落地及更多重载场景拓展上展开合作。

一家做了6年重载无人驾驶的公司，也迎来了一位产业股东，并将过去积累的技术、数据和工程能力延伸到更广泛的物理世界。

公开资料显示，斯年智驾最早规模落地的场景是港口。无人重卡按照生产计划运输集装箱和其他货物，还要配合现场设备完成作业。

宁波港

此后，公司陆续进入铁路场站、化工、冶金、畜牧、物流枢纽，货物从集装箱扩展到散货、电杂货、滚装货，客户的生产流程也越来越多样。

斯年智驾的技术体系也是随着项目推进逐渐搭起来的。车辆进入生产现场后，会持续记录运行过程中的环境、任务和设备状态，团队再根据实际运营结果调整模型和系统。

一次次项目交付积累下来，车端控制、软件系统以及云端数据能力逐渐形成了一套可复用的方法。

何贝把这套产品形成方式称作“反向驱动”。客户先提出需求，团队进入现场解决问题，等类似需求出现得足够多，再把能够复用的部分抽离出来。随着业务范围扩大，团队也开始把能力向装卸、巡检、环卫等要求更精细的作业设备延伸。

这也成为了何贝关注这轮智驾人才迁移的原因之一。自动驾驶公司已经搭建过从数据采集、标注、训练到部署和持续更新的一整套流程，还要解决模型如何控制车辆、如何处理真实环境变化等问题。机器人需要增加新的动作和交互数据，但模型训练、数据闭环、控制器等环节，智驾团队已经积累了不少经验。

斯年智驾的主要收入和交付目前仍然来自无人重卡。何贝判断，封闭场景的驾驶能力已经比较成熟，开放道路仍处于快速积累阶段，涉及“手”的精细作业则刚刚起步。当前，公司已部署1000多台设备，产品形态也从无人重卡进一步延伸至智能巡检、机械臂机器人等Physical AI产品。

而相比增加多少种类的机器人，团队眼下更迫切的问题来自客户增长。何贝透露，斯年智驾在2025年的客户数量相当于此前5年的总和，今年上半年则比去年全年还要更多。

港口运输的货物逐渐增加，铁路、化工、冶金、畜牧等行业又有各自的作业规则。如果研发人员继续逐个项目修改算法和规则，业务规模越大，需要投入的人也越多。

去年开始，斯年升级原有的自动驾驶模型，引入VLA，并加入语言、任务指令和人机交互等信息，逐步向世界模型演进。前者即视觉—语言—动作模型，可以把机器看到的环境、接收到的指令和需要执行的动作放到一套模型里处理。后者作为世界模型则进一步学习环境变化，并推演车辆采取某个动作之后可能发生什么。

龙门吊转场、特殊交通管制等反复出现的需求，也被斯年拆成“原子操作”，封装进基础模型。过去需要研发人员参与的工作，部分可以交给产品经理配置，以后也有机会由客户自行调用。

何贝介绍，引入世界模型后，不少项目的交付周期得到大幅缩短，早期客户通常先买几辆车尝试，但是如今已经有客户按照数百辆的规模准备预算。

客户和场景快速增加后，团队需要尽量减少每个新项目里的重复开发，世界模型的价值也从这件事上逐步显现。

世界模型需要大量来自真实物理世界的数据。

斯年智驾的1000多台无人运输机器人已经持续运行6年多，数据覆盖载重、环境、货种、设备、能源、生产流程和安全边界等信息。

这批数据最早服务于无人驾驶，车辆采集真实的封闭道路和作业情况，团队完成处理和训练，再把更新后的模型部署到车上。随着车队扩大，每天发生的运输任务持续提供新的样本。

跑到第六年，不同业务的数据积累已经出现明显差异。

何贝介绍，运行于L4级封闭场景的车队数据已经基本收敛，继续增加相似样本，模型可能只是从“99分变成99.1分”。“完全重复的数据，再多其实也没有意义。”何贝说。

此外，运行于开放L4场景的车辆，其数据仍处于快速增长阶段，预计还需要1至3年逐渐收敛。

去年第四季度后，何贝发现，客户对数据的态度开始发生变化。一些客户愿意主动提供质量更高的生产数据，希望借助模型继续降低成本、提高效率。

公司业务的关注点也随之从积累数据量，逐渐转向寻找新的有效样本，例如新的货种、道路变化和低频异常情况，对模型训练的价值更高。

但重载无人驾驶很难照搬乘用车智驾依靠庞大车队积累数据的方式。

相较乘用车，重载车辆总体规模有限，极端工况样本获取周期更长。斯年智驾通过仿真与世界模型，将真实场景中的低频事件转化为可重复训练的模拟环境，再交由实际车辆验证。

义乌（苏溪）国际枢纽港

与此同时，过去6年，斯年智驾依托港口、工厂等场景的持续运营和1000多台设备，沉淀了不同货物、道路条件、设备协同及异常工况数据。这些数据既用于模型训练与仿真，也通过项目部署持续形成安全与运营反馈。

更多项目带来更多运行车辆和生产数据，模型覆盖的情况逐渐增加，团队在新项目上需要重复开发的工作随之减少。何贝把这种模式称为“商业与数据双飞轮”。

随着业务进入更多重载场景，单靠一家自动驾驶公司的资源已经很难覆盖所有环节。整车适配、供应链降本，以及新的客户和生产场景，都需要更多产业伙伴参与。

今年9月，悦达资本成为斯年智驾的新股东，双方的合作也从资本层面延伸到了业务环节。

悦达的产业布局主要集中在商用车，同时覆盖港口、园区、干线物流等业务，与斯年的重载无人驾驶和Physical AI方向存在不少合作空间。

悦达的产业布局主要集中在商用车，同时覆盖港口、园区、干线物流等业务，与斯年的重载无人驾驶和 Physical AI 方向存在不少合作空间。悦达与多家主机厂保持长期合作，也可为斯年智驾在整车平台适配、供应链协同及场景拓展等方面提供支持。双方未来可围绕智慧港口、智慧园区和智能干线等方向展开合作，共同推动相关技术在盐城落地。悦达作为大型国资背景的产业集团，也为斯年智驾后续规模化发展提供了产业协同与战略背书。

目前，何贝依然把斯年智驾定位成一家To B公司。他认为，这类市场很难依靠单一优势长期取胜，品牌、服务、价格和供需关系都会影响客户选择。公司的目标是让各项能力“短板不短”，封闭L4继续保持领先，开放L4则进入第一梯队。

Physical AI可以讲一个很大的故事，但何贝仍然盯着眼下能落地的部分。“最后还是要算钱的。”他说。客户愿意买单的地方，才是斯年智驾下一步瞄向的目的地。