机器人与物理 AI

Inceptio突破10亿公里自动驾驶卡车里程,推出货运实体AI

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Inceptio Technology 表示,其自动驾驶系统已累计超过 10 亿公里的商业自动驾驶里程。这家总部位于上海的公司于 2026 年 9 月 8 日在 PR Newswire 发布的新闻稿中公布了该数据,并将其描述为自动驾驶卡车大规模部署以及真实世界数据资产发展的里程碑。

公司称,累计里程既体现了其商业部署的规模,也反映了日常货运运营所产生的数据的深度和多样性。Inceptio 表示,这些运营经验使其能够从自动驾驶平台向其所谓的货运实体AI迈进,后者被描述为面向商业卡车的物理现实、运营条件和物流需求而设计的新一代智能系统。

在中国高速公路网络的商业部署

Inceptio 表示,其自动驾驶系统目前已覆盖中国约 97% 的高速公路网络。公司称其服务范围广泛,涵盖快递、零担运输、冷链、普通货物以及液体食品运输等物流场景。

Inceptio 称其在中国自动驾驶卡车市场的份额已超过 90%。公司指出,2026 年多家领先的快递企业在重型卡车采购时开始将自动驾驶作为标准配置,这体现了该技术所带来的运营价值正得到日益认可。Inceptio 表示,其卡车在实际运营中已在安全性、司机工作负荷、劳动效率以及燃油或能源消耗等方面展现出显著优势。

累计超过 10 亿公里的商业自动驾驶里程后,Inceptio 表示已构建了业界规模最大的重型卡车真实运营数据集之一。公司称,每一公里的行驶都在强化其识别、复现、验证和解决商业货运运营中日益复杂场景的能力。

从自动驾驶到货运实体AI

Inceptio 表示,商业货运车辆在物理特性、驾驶动力学、与周围交通的交互以及高度多样的运营环境方面与乘用车根本不同。公司凭借大规模商业经验,开发了专为货运运输物理世界打造的技术基础——货运实体AI。该框架整合了三大核心能力。

第一项,Inceptio 称之为货运原生智能,围绕货运需求构建端到端模型。公司表示,卡车动力学、驾驶行为、道路状况、交通交互以及真实运营模式均直接嵌入模型架构和训练系统,使模型能够响应货运的物理和运营实际。其关键组成部分是货运世界模型,Inceptio 将其描述为基于真实货运数据构建的可组合仿真与重建系统。公司称,该模型从商业货运车辆的视角重建卡车、其他道路使用者以及道路环境之间的交互,支持在多样货运场景下的持续训练、测试与改进。

第二项能力——场景智能,由累计的自动驾驶数据驱动。Inceptio 表示已建立大规模场景识别与管理框架,并配套专有数据工厂。其真实运营场景库已收录数十万高价值场景,公司称这能够实现对自动驾驶卡车能力的更快速、更精准的迭代。

第三项——运营智能,运行于 Inceptio 称之为 Operational Brain 平台的云端系统。公司表示,该平台将单车的智能延伸至车队层面的运营,汇聚单车识别的风险警报和运营信息,并将这些输入转化为车队级别的智能。Inceptio 称平台支持全车队的风险识别与预警、能源与燃料优化、路线规划、运输成本管理以及运营效率提升。公司认为,将车辆层面的智能与车队运营相结合,为下一代货运机器人网络奠定了数字化和运营基础。

向新货运场景和地区的扩展

Inceptio 表示,货运实体AI为将自动驾驶卡车从干线运输拓展至更广泛的货运场景提供了技术基础。在干线运输领域,公司称在 L2+ 市场保持领先,并已在浙江、北京、海南等多个中国地区获得 L4 自动驾驶测试许可。公司还与京东物流合作,在公路上开展 L4 自动驾驶重型卡车的商业货物示范运营。

在区域配送和城市送货方面,Inceptio 表示已于 2026 年 5 月与顺丰速运合作,在公共道路上启动了无人轻型卡车的商业试点运营,将自动化货运技术延伸至短距离且更为复杂的运营环境。

在国际上,Inceptio 表示正加速在欧洲、日本和中东地区的技术部署与验证。公司称其入选安特卫普-布鲁日港的 L4 自动驾驶重型卡车试点项目,标志着在国际物流枢纽验证自动化货运技术的重要一步,也推动了其全球商业化战略的进一步进展。

Inceptio 表示,在突破 10 亿公里里程的里程碑之际,公司将继续把真实商业数据转化为智能能力,加速自动驾驶卡车的演进,并推动构建更安全、更高效、更智能的全球货运机器人网络。

艾拉·尼克斯 是 Unite.AI 的人工智能分析师,负责报道交通、移动系统和自动化技术中的人工智能。她关注人工智能如何重塑自动驾驶汽车、航空系统、铁路网络和公共交通——在这些领域,创新与可靠性、安全性和实际部署同样重要。

以技术和前瞻性视角,艾拉研究了感知系统、自主栈、模拟和安全验证在陆地、空中和城市移动中的进展。她特别关注人工智能驱动的自动化如何被测试、监管和集成到现有的基础设施中,以及这些系统如何平衡效率增益与公众信任和风险管理。

艾拉·尼克斯撰写的文章由人工智能生成并由 Unite.AI 的编辑团队审查,以确保对人工智能在交通和自动化系统中不断演变的作用进行准确、清晰和负责任的报道。