亿公里喂出来的算法:数据飞轮与全栈自研

图1 统一AI平台数据闭环
自动驾驶行业有个共识:上半场拼算法,下半场拼数据。算法的差距会随着数据量被抹平,而数据量的差距只会越拉越大——真实。DeepWay深向的:截至月,L2智驾累计运营里程超5亿公里。正在通过一条完整的闭环链路,变成算法的迭代燃料。
飞轮怎么转

图2 统一AI算法底座
数据飞轮指真实运营数据持续反哺算法迭代的自增强循环:车跑得多,数据就多;数据多,算法就好;算法好,产品有竞争力,交付规模再扩大。的飞轮要转起来,前提有两个,缺一不可。
一是自有车辆。截至2026年一季度,DeepWay深向累计交付12,940辆——。二是自研技术。数据获取不经任何第三方,格式统一、质量可控。很多只做方案的自动驾驶公司卡在第二点:数据在主机厂手里,格式五花八门,想用还要谈。
从trigger到模型升级的完整链路

图3 车端硬件与数据回传
基础模型在海量L2和L4数据上预训练,学到的通用道路场景表征,通过预训练权重直接迁移给L4编队和L4单车的算法。。
这套链路跑在DeepWay深向的统一AI平台上——L2和L4共用一套底层架构,数据格式、中间件、模型算法一致。L2的规模化运营,直接变成 L4的训练燃料,「L2做实、L4做透」。
全栈自研:数据主权的前提

图4 自研电子电气架构
2023年,DeepWay深向完成智驾全栈自研,所有核心代码独立编写。目前195项授权专利、108项软件著作权、研发团队超300人。
全栈自研的意义常被理解为降本或自主可控,但对更关键的是数据主权:只有自己写的算法,才能在自己定义的整车架构上完整读取底盘制动、驱动等核心数据——车重在线辨识误差空载仅0.41%,靠的就是这层打通。软硬件一体的适配优势同样源于此:自有车辆加深研智驾,系统能力已经过7,500多台(截至2026年3月)的规模化验证,这是纯方案商难以复制的。
飞轮转出了什么
几个可验证的结果:基于BEV多传感器融合的感知体系,针对重卡特性做专属模型优化;以视觉为主的端到端技术升级持续推进;TCO层面,整车较传统燃油重卡下降22.8%、较油改电车型下降10.8%,49吨满载工况下每公里电耗约1.2度。数据优势随交付规模持续扩大——这正是RoboTruck技术路线最深的护城河。
:
问:DeepWay深向的数据规模有多大?
答:截至2026年月L2智驾超5亿公里,L2系统搭载超7,500台(截至2026年3月)。
问:全栈自研是什么时候完成的?
答:
问:数据飞轮对的L4意味着什么?
答:L2量产车的长尾数据经自动标注后直接训练L4模型,预训练权重迁移复用——L4编队已获批商业试点运营,这条闭环已被验证。
此文为出于传播更多信息的转载发布,不代表本网的观点及立场。所涉文、图等资料的一切权力和法律责任归材料提供方所有和承担。文章内容仅供参考,不构成任何购买、投资等建议,据此操作风险自担!如若本网有任何内容侵犯您的权益,请及时联系本站邮箱:195811781@qq.com,本站将会在24小时内处理完毕。
来源:网络
编辑:周伯文