對話希迪智駕CEO胡斯博：礦山自動駕駛，憑什么能叫物理AI？

我們是真正在改變物理世界的AI應用。

作者 | 吳雨晴

編輯 | 田哲

“AI需要滲透到實體場景里，我們才能真正享受到它的紅利?！毕５现邱{CEO胡斯博說。

物理AI是今年最熱的技術話題之一，大模型讓機器開始理解文字、圖像、視頻，下一步是讓它真正理解物理世界并代替危險、高難度的人類作業，而礦山自動駕駛賽道正處在這個躍遷的節點上。

這一賽道中，希迪智駕是典型代表。這家總部位于長沙、2025年底在港交所上市的無人礦卡第一股，近期交出了一份逆勢增長的成績單：2025財年營收8.85億元，同比增長115.8%，毛利同比增長86.7%，總出貨量突破2萬臺。

更重要的是，它所處的礦山場景，正是物理AI最早從概念走向工業落地的場景之一，封閉但復雜，高危但剛需，既需要無人運輸，也需要人、車、設備之間的協同。

這是胡斯博和他的團隊給出的判斷：物理AI的商業化落地不能只解決運輸問題，它一定要進入作業環節。

“自動駕駛解決的是運輸環節，而運輸只是作業鏈條里的一個節點。”胡斯博解釋，采礦作業中，60%到70%的工作在生產環節，諸如鉆孔、爆破、挖掘、裝載等高危地帶，而大多數自動駕駛公司，還在盯著剩下的30%的運輸環節。

不過，物理AI的真實落地邏輯，不是把場景里的人全部清零，而是在機器自主作業與人的現場判斷之間找到平衡。胡斯博也表示，在任何工業環節中，人的判斷和責任目前都還少不了，現場始終會有人?！凹热挥腥?，就要考慮如何跟這些機器人交互?！?/p>

因此，希迪智駕發布了行業首款V2P（車與行人）便攜式智能終端TAG，標志著公司V2X產品體系正式從“車—路—云”升級為“人—車—路—云”全要素覆蓋。這款產品率先落地露天礦場景，通過V2X直連通信實現低于30毫秒時延的雙向碰撞預警，將安全防線從車輛延伸至人員側。

這次群訪中，希迪智駕三位高管詳細拆解了重載具身智能與L4自動駕駛的本質差異，回應了技術路徑選擇、商業化節奏和全球化布局等核心問題。

以下是新智駕等媒體與希迪智駕CEO胡斯博、副總裁楊賽鑫、無人重卡事業部總經理盛維天的對話，在不改變原意的基礎上略有編輯。

PART 1

從自動駕駛到重載具身智能

Q：希迪智駕提出的重載具身智能與L4級無人駕駛的本質區別是什么？公司是否會自研AI模型和世界模型，還是以合作形式落地？

A：自動駕駛解決的是運輸環節，而運輸只是整個作業鏈條里的一個節點。在資源開采、大基建、物流等場景中，客戶還有大量作業類需求：穿孔、爆破、挖掘、裝載……這些工作需要整條作業流協同完成。

關于模型研發，我們必然自研AI模型和世界模型。物理世界極其復雜，要讓機器真正理解并與之交互，世界模型是不可缺少的基礎能力。而且重載具身智能涉及多種設備的交互協同，這與自動駕駛的世界模型、甚至與目前市面上很多具身智能的世界模型是不一樣的，我們需要做針對性的自主研發。

Q：希迪智駕為什么要做物理AI？

A：過去幾年大家小看了AI的能力，直到大模型時代來臨，才發現有這么多可能性。我們是真正在改變物理世界的AI應用，針對的就是四大場景：資源開采、物流、大基建、交通工程。這四個場景在很大程度上影響了人類命運，交通和基建跟全球城市化、人口流動息息相關，每一個人住什么、吃什么、怎么消費，AI需要滲透到這些實體場景里，我們才能真正享受到它的紅利。

Q：希迪怎么做物理AI？現在已經做到什么？還沒有做到什么？

A：落地分不同環節。運輸是第一個環節，因為落地可能性最大。商用車使用強度非常大，一天開16到20個小時。但運輸只是客戶的一個環節，作業端也有大量需求。

在技術能力上，精確的機械臂控制、裝藥、無人挖掘機，這些都是我們已經在做的。比如讓礦車在排土場邊精確?？浚@是有隨機性但需要經常做好的工作，是實現本質安全的基礎，我們已經做到了。

重載還有一個特點，需要在非常惡劣的環境下工作，防爆要求、弱磁環境、智能防護。我們從機電到算法都有布局，知道怎么設計，這些來自智駕的經驗積累。

Q：希迪智駕的重載具身智能和全棧技術，與同行相比最核心的差異化壁壘是什么？

A：機器人寫在我們基因里。創始人李澤湘老師是機器人學科領域的奠基者，研發總部在長沙，中國重型機械的核心城市，有很好的人才聚集。我們有深厚的理論和實踐基礎，也有很好的產業資源。

客戶看到我們能成功落地無人化的自主作業應用，愿意把作業生態里的更多工作和技術開放給我們，一起打造新產品。我們的定位是做一個好的技術伙伴。

Q：目前重卡自動駕駛的算法路徑是怎樣的？是繼續以兩段式為主，還是已經開始采用一段式、強化學習、世界模型等新路徑？同時采用多個技術路徑時如何平衡？

A：重卡在不同區域對算法的要求不同。一個完整的運輸過程——從工廠發貨倉庫出發，經過公開道路，再到物流園區倉庫，兩端和中間道路的環境完全不同。兩端的封閉場景有大量定制化裝卸要求，需要對接挖掘機、裝載機、吊車、航吊、正面吊等不同設備，數據比較分散且少，更多依賴兩段式網絡加規則選擇器，幫助車輛快速適應獨立區域內的定制化需求。公開道路則需要處理復雜交通流，更需要一段式串聯感知決策的模型。兩套工作流并行，各有側重。

另外，重卡在公開道路上的數據，目前沒有哪家真正有很多，數據形態跟乘用車不太一樣。重卡視角比乘用車高，需要看的東西更多。

希迪的優勢之一在于，我們通過智能運載產品在公交車、物流車這類比較大的車上積累數據以及客戶資源，未來一旦政策放開我們就可以很快進入。

當前階段重卡大部分工作還在兩端，公開道路在慢慢推廣起來。最大的瓶頸還是法規約束，與乘用車相比，可靠性門檻肯定更高，大車不是城市場景，有自己獨特的發展節奏。

Q：從單車智能到集群智能的技術門檻是什么？是算法還是通信穩定性？礦山通信條件惡劣，如果一輛車掉線，兜底方案是什么？

A：我們擁有自主V2X技術，可以共享很多信息，不需要連到云端做通信。車隊可以自己建立局部局域網，不怕因為信號覆蓋問題掉線。只要保證礦山的車連上網絡，就可以建立網絡，通信距離在某些條件下高達公里級別。

集群智能最大的門檻在于架構設計。單車智能的信息鏈條比較線性，感知到決策到控制。但集群智能涉及不同車之間的邏輯關系，存在維數災難：一臺車控制量只有兩個維度，方向盤左右和車速，100臺車就是200個維度，每一幀都需要優化，哪些車加速、哪些減速、哪些左拐右拐、哪些靠邊讓行，計算量非常大。

我們采用的方案包括多智能體協同、強化學習等理論手段來解決擁堵、交通博弈、效率優化問題。一方面要有好的算法去看場景全局最優，另一方面分布式處理單體的通信交互和決策。架構設計上要判斷決策由誰來做，是單車自己決定，還是整個車隊決定，兩套系統互相適配。

工具開發方面，我們采取降維策略，把大問題分解成小問題，部分分布式解決，部分全局調優。核心問題在于軟件架構，怎么用局部局域網賦能整個車隊高效運轉，同時用仿真工具和世界模型做決策。

這套技術體系和單車智能不一樣。其他場景可能未來才會遇到集群智能的需求，但礦山因為無人車滲透率已經很高，無人車的行為已經決定了整個場景的效率，我們是率先落地這套技術體系的。

PART 2

無人技術的部署有階段性， 從半自動到全自動

Q：目前礦山無人駕駛滲透率約10%，從您的經驗來看，現在的痛點和卡點在哪里？我們如何進一步擴大市場份額？

A：10%的滲透率在新賽道里已經非?？炝恕＿@么快的原因，一方面是政策強力推動，國家明確要求采礦作業面無人化、少人化，并設立時間表。這種推動力跟城市Robotaxi完全不一樣，要強烈很多。另一方面是安全剛需，客戶對礦山安全的焦慮非常強，迫切需要新技術。

但同時也存在卡點，新技術的采用有慣性，包括資產權益等問題，需要客戶和我們一起慢慢打造合適的方案，行業就是這個節奏。

好處是，資源開采和運輸沒有政策上的阻礙，又是剛需痛點，整體進展會非?？臁Ｔ谀承┳淤惖罎B透率可能很快就突破到30%、40%，煤礦就是典型，規模大、車輛多、生產率高，幾乎沒有太多瓶頸。

補充一點，運輸只是客戶的一個環節，采礦工作中20%-30%是運輸，60%是作業和生產，那里也有很多安全效率和風險點，新技術的綜合方案可以覆蓋更廣。

Q：在礦山、港口等場景中，隨著無人化滲透率提高，人員會越來越少，V2P終端TAG會不會只是一個階段性產品？

A：無人技術的成功部署必然是有階段性的，從半自動到全自動，我們有這個選項，不是非要現在做到全自動。在重載場景中，因為作業設備有固定的機械結構，我們可以獲得結構化的數據，包括力矩、每個關節的角度，不需要完全依賴其他方式，這是非常大的優勢，所以有些智能操作可以訓練得非常好。

更重要的一點是，在任何工業環節中，人的判斷和責任目前都還少不了，現場始終會有人。既然有人，就要考慮如何跟這些機器人交互。V2X技術我一直看好，車與云、車與車之間的實時通信非常重要，無論是建立集群、共享感知信息，還是實時同步決策。V2X代表所有物體、所有智能體，包括人、車都可以參與。我們提供了對人的安全保護，也實現了“人-車-路-云”的功能閉環，所以這個產品既是階段性的，也是長久需要的。

Q：V2P中的P具體指什么？是什么觸動你們在一線調研后開發了TAG這個產品？

A：這個P包括Vulnerable Road User，弱勢交通參與者，騎電動車的、騎自行車的、行人、戶外工作人員，都在這個范圍內，這也是我們進一步提升作業安全未來的方向。

TAG是專門為了安全開發的產品，以露天礦為例，一線作業人員規模在100萬左右，是工業領域體量龐大的高危作業群體，超過六成的車輛碰撞事故由人為因素引起。即使在無人化比例越來越高的場景中，仍然會有人參與其中，只要有人，就要確保他們的安全，TAG就是我們確保安全的一個非常好的手段。從長期來看，它是整個無人化解決方案中必不可少的一環。

Q：TAG在設計中更多考慮的是商業閉環，還是技術場景的閉環？它的商業周期是怎樣的？

A：假設未來礦山里全是重載具身智能或者人形機器人在作業，車也需要跟這些人形機器人交互，它們之間不可能靠語音，一定靠無線通信。人形機器人本質上也是弱勢道路使用者，V2P無非是圍繞汽車安全的一套實時通信體系。

即使無人化滲透率到了很高水平，只要有車輛和智能體在交互，就需要這套通信來保障安全。而且我們面對的不止礦山，V2P本身的設計初衷就是給公開道路上的弱勢群體用的。只要還有汽車和行人、作業人員在交互，就會涉及安全問題。我們認為無論是長期還是短期，這個產品都有很大的商業價值。

我們設計產品時，當然把它當一個商業行為來推進。所有技術，只要能商業化落地的，我們都會盡可能現在就找到商業化的辦法。

Q：重載具身智能技術在實際運營場景中，帶來了哪些具體的數據改善？有沒有更明顯的數據或實例可以介紹？

A：以無人挖掘機為例，它上面安裝了各種傳感器。挖掘機在礦山作業，作業面的形狀是什么？會不會塌？挖了一下之后，下一時幀會變成什么形狀？這些都直接影響礦山的作業效率。如果作業面挖的效率不高，就會影響整體生產。這些數據是在業務場景中獲得和逐步改善的。

鑿巖機在井下，基本就是鉆石頭，它對作業面也有清晰的數據采集和建模。這些輸入，一般其他的世界模型是沒有的。核心在于，你一定要深入到這些場景，才能沉淀數據。數據來源非常多元，有的基于激光雷達，有的基于視覺，有的基于電機輸入輸出，問題是我們怎么利用這些數據，進一步提升客戶場景的整體效果。

另外，車上的世界模型更多關注運輸和駕駛，車上的算力有限。但重載具身智能裝備的主要任務不一定是運輸，比如埋炸藥的機器，它搭載的模型會更加關注應用的業務和場景。通過部署在重載具身智能上的設備，我們能夠從更多維度構建世界模型，數據更加完善、多元，能夠把業務和環境匹配得更好。

Q：希迪智駕在重卡領域，對于快遞快運、公路干線等傳統物流場景，接下來有什么市場計劃？

A：我們的想法是先做兩端。兩端（礦山、港口、工廠等封閉場景）現在就可以商業化，先把體量和技術做起來，未來就算公路上的無人駕駛做到了，兩端也仍然需要。

在公開道路這個中間環節，我們現在已經開始布局，重點放在大宗商品的短駁運輸，比如礦山到附近鐵路站或港口的那一段路。這段路有幾個特點：交通環境相對簡單，更容易獲得許可；單條路上運量非常大，可能一兩百公里的路，每年就有1000萬噸甚至幾千萬噸的運量。政策和商業化層面都具備比較強的可行性，我們現在已經有案例落地。

干線物流涉及環境更復雜、地域更廣、政策差異更大，會是更遠期的計劃。但目前我們已經有針對干線物流的智能輔助設備，包括環境感知、DMS等，為司機服務。這些設備能讓我們更容易進入干線場景，積累客戶資源和數據，為未來無人化開放做好準備。

Q：希迪智駕與MMD集團這類海外企業合作，這是否是未來出口的主要商業模式？出海最核心的優勢是什么？可能面臨哪些挑戰？

A：早期可能會以跟中國企業一起出海為主，但慢慢會延伸到直接跟海外企業合作。海外很多企業，像MMD集團，非?？春梦覀兊募夹g布局、產業鏈優勢和創新速度，這些是很多海外企業不具備的。他們有成熟的商業關系，但資源開采行業長遠看的是技術效率和給客戶帶來的價值，成本優勢勢不可擋，這是海外客戶也必須考慮的。

現在的進程有點像過去兩三年新能源乘用車新勢力出海的過程——厚積薄發。在國內建立了體系和品牌效應，打造出好產品，然后在海外收獲客戶。我們不是直接面對消費者，而是面對大型企業，他們對新技術和新模式的接受有自己的節奏和時間去把握。

挑戰在于，目前很多海外客戶還不知道我們的產品是全球領先的。好在我們已經有了很好的海外合作伙伴，他們了解我們的創新速度，也在拉著我們一起去進入海外客戶的心智。

PART 3

解決重載場景所有作業問題， 做重型裝備的耐心玩家

Q：礦山自動駕駛行業目前的集中度已經較高，未來幾年行業會更集中還是更分散？

A：我對公司聚焦的技術方向和范圍非常有信心，有些企業選的方向，效率不一定比我們高。最終企業要比效率，包括研發效率，投多少人、自己做還是購買、跟行業伙伴合作，這些都是需要非常小心做的決策，有時候自己研發還不如直接合作。

隨著行業逐漸成熟，效率高的企業會越來越多，會形成一個產業鏈。我們不做重資產生產，中國已經有很多好的制造企業，我們是跟他們合作，一起開發和出海。很多車企也希望自己掌握智能化技術，但不同場景、不同技術環節，不同企業做會有不同的結果。

我們的優勢在AI賦能的機電、智能大腦、模型本身、場景集成、多具身智能體技術。一個企業如果什么都要自己再造一遍，我認為是有挑戰的。但不排除我們會跟很多不同企業合作，去開發不同板塊，共享技術和應用。

行業不會有一家獨大的公司，因為應用場景很多、很復雜，不同公司會找到不同的細分市場，有幾家并存是合理的。追求規模不一定是企業最健康的選擇，還是要可持續性，尤其研發需要大量投入。我們的利潤率在行業里算比較有競爭力，希望維持這方面的優勢。

Q：現在很多做AI大模型的公司、做乘用車智駕的公司也在進入這個領域，您怎么看這種競爭？希迪做物理AI和重載具身智能的護城河是什么？

A：智駕行業很快會進入一個階段，各個公司會發現自己的擅長和效率高的地方在哪里。我們這兩天也在跟一些自動駕駛和機器人公司推進合作，大家是相互賦能的。

我們的布局不在人形機器人，重載機器人的要求不一樣，有些場景有防爆要求，載體非常重，對機電的要求跟機械狗、人形機器人完全不同。但它們的自由度并不一定少，比如無人挖掘機的機械自由度可以高達17到20個，本身就是復雜的機器人架構。

核心護城河還是在對場景的理解。我們接觸了露天和井下的資源開采，以及不同智駕運輸環節，積累了很好的場景知識和數據。普通玩家要進來，需要重新走一遍這個過程，才能真正理解場景需求、數據結構是什么、怎么用、怎么做決策。強化學習的決策模型本身就不容易訓練。

成功的企業一定會找到自己高效的研發方向，投多少人、做仿真、做機電、做感知算法訓練，這些組合決定了研發效率落在哪。我們認為在這方面不是所有企業都能輕易獲取到甚至愿意去獲取的。

Q：從自動駕駛到挖機、爆破這類作業機器人，難度更大但邊際成本反而沒那么高，因為量比運輸車輛少對嗎？

A：AI技術有兩個效應：一是取代過往作業方法，二是大大加快過往效率。兩個效應的區別在于場景的瓶頸在哪。如果瓶頸就在這些作業環節，它會提供更多落地機會。

我們服務客戶，要提供綜合方案，幫他解決重載場景里所有作業的問題。

客戶比我們更焦慮，利潤空間、成本、競爭壓力都在。他們有兩大剛需，一是安全，我們通過重載智能產品可以完美解決；二是效率，我們通過優化全流程全工序，極大提高運行效率，適配度非常高。

當你提供的技術方案有一定完整性之后，新的商業模式會衍生出來?，F在token化的AI應用還集中在線上端側，但針對重載具身智能體的這一天也會來臨，因為它提供了更多數據、更多方法去改變物理世界。設備多不多不一定是最好的量化方法，之所以邊際成本低是因為我們共用一套技術平臺，整套架構的優勢在于極強的泛化能力：同一套系統，多形態適配，跨場景復用。在單個場景中積累的模型能力，可實現低成本跨場景遷移，實現技術價值的持續釋放。

Q：作為上市公司，希迪智駕對重載具身智能等新業務在收入和規模上有怎樣的預期？

A：目前可以透露的是，明年我們在重載具身智能方面計劃有上億規模的收入預期。具體數據我們會按照合規口徑，后面統一跟市場溝通。

Q：重載具身智能新業務的毛利率和盈利能力，中長期來看會比主業更有想象力嗎？

A：很難真正去預測哪個技術會爆發。比如手機時代大家覺得相機沒用了，但居然有公司做出了純云臺相機，幾乎人手一臺。

但能確定的是：重型裝備、重型機器人在人類的生產場景中有極端重要的角色。重型設備領域的成熟巨頭市占率非常大，產品創新對那么大的市場會產生什么影響，我很期待去驗證。

Q：物理AI的ChatGPT時刻還要等3到5年嗎？最快商業化大規模落地的場景會是什么？

A：資源開采和運輸可能會更快，不用3到5年。物流也會更早。只要是人是瓶頸、沒有法規阻礙甚至有法規推動的場景，落地會更快。

技術的發展往往在等法規和社會倫理的跟進，技術跟法規是相互閉環的關系。行業要推動更多好的應用場景，促進良性的多企業合作，這樣行業發展會更快。

本文作者長期關注新能源汽車、智能駕駛及智能座艙最新動態，歡迎添加微信 Qing371_ 交流。