挖掘機技術到底哪家強？這個問題終於有答案了！！_風聞

硅谷Live / 實地探訪 / 熱點探秘 / 深度探討

挖掘機技術到底哪家強？—— 如果你急着説藍翔，看來你對挖掘機的世界並不是真的關心。最近，硅谷洞察和硅谷一家專門致力於讓重工業領域的機器自動化的 AI 公司交流後才知道，挖掘機很可能在不久的將來會變成自動駕駛！

**重工業領域自動化：**借自動駕駛小轎車的東風

位於硅谷 Milpitas 的 SafeAI 是一家為重型設備行業創建自動駕駛平台的初創公司，硅谷洞察採訪了其共同創始人之一、CEO Bibhrajit Halder 博士。

與 “真的好想創業啊，現在就差個點子了” 的白板型創業者不同，Bibhrajit 創業前在自動駕駛領域有多年學界和業界的經驗，是名典型的 “解決痛點型” 創業者。

（SafeAI 部分團隊成員，右二為 Bibhrajit Halder 博士，圖自 Silicon Valley Business Journal）

這還要回溯到 2003 年：當時在美國只有兩個需求明顯、預算充裕，沒有成本約束的行業需要自動駕駛技術。隨着 DARPA（美國國防部高級計劃研究署）主辦的 DARPA Grand Challenge（無人駕駛機器人挑戰賽）走入公眾視野，自動駕駛在美國逐漸開始快速發展。彼時在攻讀自動駕駛汽車博士學位的 Bibhrajit，得以進入領域。

博士畢業後，Bibhrajit 在 Caterpillar 自動駕駛汽車領域工作了7年（硅谷洞察注：Caterpillar，簡稱為 CAT，是美國重型工業設備製造公司，主要產品包括農業、建築及採礦等工程機械和柴油發動機、天然氣發動機及燃氣渦輪發動機），後來又在福特汽車及蘋果等自動駕駛領域的先驅公司工作過。這些工作經驗，讓他在一片自動駕駛汽車競爭的硝煙裏，看到了重工業領域自動駕駛的機會。

重工業是個相當廣泛的羣體，包括採礦、建築、室內倉庫等，SafeAI 主要專注於其中兩個行業：採礦和建築，比如將材料從地下挖出並放在某處、對材料進行進一步處理等工程，在這個過程中使用的設備包括礦山自卸車、挖掘機、裝載機…等多種設備。Bibhrajit 告訴硅谷洞察，目前重工業自動駕駛領域最主要的安全隱患之一，就是絕大多數設備都是由操作員駕駛操作的。

這正是 SafeAI 想要解決的問題。SafeAI 的目標，就是讓這些設備在沒有人類駕駛員的情況下，完全自行驅動，比如卡車自動駕駛、驅動、獲取材料並返回，裝載機自動執行操作等。這種自動駕駛的自動程度，相當於我們更熟悉的 Waymo、特斯拉等自動駕駛轎車的 L4 級自動駕駛。

Bibhrajit 在採訪中透露，其實 SafeAI 所在的重工業自動駕駛設備領域，正是借了自動駕駛轎車近幾年來快速發展的東風，比如越來越好、越來越便宜的傳感器、模擬工具（simulation tool）、後端架構，一部分核心算法……都可以運用到重工業的自動駕駛領域。

比如 Waymo 就把其在過去五年一直在開發的蜂窩 Lidar 技術，有選擇性地賣給了一些包括 SafeAI 在內的其他同為自動駕駛大領域、但不在同一個垂直方向的公司，這樣既能自己創收、又不會 “便宜” 了同一垂直領域的競爭對手，而像 SafeAI 之類的公司，則能直接獲益。

（圖自 TechCrunch，版權屬於原作者）

與自動駕駛轎車相比，重工業領域的自動駕駛設備除了能借東風，還有另外一個優勢：相對不受造價成本的限制。

和幾萬美金的家用轎車不同，重型設備的價格完全不在一個數量級：每台售價在 50~600 萬美元，完全負擔得起安裝探測裝置的成本。因此，消費者汽車方面有更強烈的動力來找出降低激光雷達成本的方法，而 SafeAI 則可以部分使用他們的解決方案，讓重工業領域的大傢伙們也能自動化。

目前，SafeAI 的合作伙伴包括像韓國斗山集團（Doosan）旗下 Bobcat 這樣的行業內頭部公司。此外，SafeAI 也在與全球最大的礦業公司之一合作。客户對 SafeAI 產品的需求，正是因為 SafeAI 解決了行業痛點。

（一輛正在作業的 Bobcat 挖掘機。圖自網絡）

同時，Bibhrajit 也透露，他們也非常期待在未來進入中國 —— 僅僅去年一年，他就飛了五、六次中國！

正因為來自客户的強烈興趣，SafeAI 作為成立僅一年的創業公司，也受到了投資機構的肯定。目前 SafeAI 已融資 500 萬美元，投資者包括 Brick＆Mortar Ventures，後者由 Bechtel（柏克德）家族經營，柏克德公司（Bechtel Corp.）作為美國最大的建築和工程公司，對行業有極深理解，因此在與 SafeAI 見面僅兩次後，就決定出手投資。

重工業機械自動化，都有哪些好處？

與自動駕駛汽車分為 L1~L5 五個級別、光譜式的自動化相比，重工業領域的自動化是二元的：只分為 “有人駕駛” 和 “無人駕駛” 兩種。

Bibhrajit 告訴硅谷洞察説，**SafeAI 之所以想推進重型機械設備的自動化，是為了以下三大好處：**更安全、提高效率降低成本、以及能擴大規模。

我們先來説安全，畢竟安全第一。與 Waymo 等自動駕駛小轎車相比，重型機械的安全標準與前者有相似之處 —— 比如都不能撞到人或物、不能發生不安全的操作。但是，重型機械還有一些特殊之處：

首先，由於工作性質，與 Waymo、特斯拉等自動駕駛汽車不同，挖掘機裝載機等重型機械不用在公共道路進行作業。不論採礦或是建築工地，一般都在私人道路或私人區域，這意味着法律法規的要求不同；其次，私人領域也意味着建築方對環境有更多控制，也就意味着更易於管理，比如在作業時把工地圍起來，禁止行人進入。

另一方面，工業自動駕駛汽車行業也面臨一些獨特挑戰，例如建築工地或採石場往往塵土飛揚、環境惡劣，很多之前開發的 AI 模型都會在這種灰塵極大的環境裏失效，因為之前訓練模型時沒想到灰塵會如此之高。此外在技術層面還有其他獨特挑戰，比如路面不均勻等。

在這種情況下，SafeAI 推出了一款叫做 “LOPA” 的安全保護分析系統（Layer Of Protection Analysis），其中包括 SafeAI 的 6 項專利。

第一層保護是物理障礙，比如路障、圍欄；

第二層：****“一鍵停止” 按鈕，工地控制站中的監督人員可以在緊急情況發生時按下按鈕，相當於急剎車；

**第三層：**車輛之間有互相溝通的渠道。緊急情況下，車與車可以互相交流，避免事故；

**第四層：**每輛自動駕駛車輛之間，都有一層安全保護軟件，該軟件可以告訴車：如果發生某種情況，你需要停下來或減速；

第五層、也是最核心的一層：****核心級別的算法級冗餘（algorithm level of redundancy），結合不同雷達、攝像頭收集的數據，充分分析周圍環境，以確保作業安全。

可以看出，從第一層到第五層，技術難度逐級升高，也離 SafeAI 的技術核心越來越近，而前面的物理障與 “一鍵停止” 兩道關口，則幫助簡化了後面軟件步驟所需處理的環境，讓軟件部分的複雜性大大降低。

值得一提的是，SafeAI 目前已經完全採用符合產品化質量要求的軟件底層框架，來進行所有算法開發，包括魯棒性極高的中間件 Middleware，和實時性操作系統 RTOS（Real Time Operating System）。

相應地，SafeAI 的產品就是軟件+硬件的安全套件。以礦山自卸車為例，SafeAI 會先給它裝上傳感器、計算機等自動化套件裏的硬件部分，並收取一次性的固定費用；然後，SafeAI 為其加上相應的軟件模塊，該軟件知道車輛都有哪些常規操作。對於軟件產品，SafeAI 像 SaaS 模型一樣向客户收費，客户可以選擇付年費、也可以根據實際使用需求付費。

（一輛準備裝載的自動卡車，圖自 Caterpillar）

​

説完了安全，再來説重型機械自動化的第二大好處：提高效率、降低成本。

在人工操作的情況下，實際作業的過程中有很多時間和錢，都花在了人員、機器之間的互相協調上，因此造成效率、金錢的極大損失（目前階段，建築和採礦的效率僅為約 25~30％）。像在澳大利亞或加拿大，僱一名採礦司機的成本約為每年 25 萬，因為礦場往往在偏遠地區，成本更高。因此提高效率就意味着最小化機器的互相等待時間、最大化卡車的運轉、工作時間。

Bibhrajit 認為，SafeAI 的自動化軟件有望將生產率提高 20％ 以上，這意味着客户可以節省約 30％ 的運營成本。“機器可以把本來一個月完成的工作，在短短几天內就完成。” 

第三個好處，則是讓擴大規模（scale up）成為可能。

在採訪中，Bibhrajit 數次強調 “擴大規模” 對整個行業的重要性。的確，這個行業的性質決定了其擴大規模的必要性 —— 畢竟，“在院子裏挖個游泳池” 和 “建造東京 2020 年奧運會所需場館”，兩者規模差距頗大，挖游泳池能用的方法，放在後者數十億美元的大型項目上，就顯得非常捉襟見肘。如果機器能更自動化，整個項目就會效率更高、結果更可預測、更安全。

（2020 年日本東京奧運會施工鳥瞰圖。圖自 Nikkei Asian Review，版權屬於原作者）

當然，並不是説人類操作員就會不再有用武之地。Bibhrajit 認為，在這種情況下，人類將扮演監督員的角色，確保任務準確無誤完成。

“雖然設備是自主的，但制定計劃仍需要人類，人類需要決定挖掘什麼、需要監督項目進展。未來在設備高度自動化後，每個項目將包括制定計劃者、監督人員、及自動化設備這三部分。”

而對目前的駕駛員來説，自動化的趨勢也會帶來一些好處：第一，當機器能自動化後，經驗更豐富、更專業的駕駛人員將從事更技術的工作；第二，自動化駕駛也使駕駛員的工作環境更安全，例如可以避免採礦業裏常見的卡車倒塌事故；第三，隨着採礦成本下降，將會有更多的採礦項目變得有利潤空間，也就意味着更多的工作機會；此外，礦場、建築工地等地環境的毒性也對採礦工人和建築工人的健康造成長期傷害，尤其是呼吸系統的疾病，自動化也有助於解決該問題。

**未來趨勢：**更可拓展、更開放

談及未來，Bibhrajit 認為 “更可拓展（Scale up）、更開放” 將成為行業趨勢。

“可拓展” 指的是技術層面，也是 SafeAI 正在攻克的技術難題之一：教機器在某種情況下采取具體某種行為、用某種角度、某種力度並不難，難的是當情況略有不同時，如何教會機器如何自學？比如銅礦、煤礦等不同礦山環境不同、土壤不同、灰塵也不同。如果沒有這種遷移能力，就算在銅礦上把 AI 模型訓練得很完美了，它在面對煤礦的灰塵時，也還是會失敗，而如果每次都從頭訓練一遍 AI，將會非常費時。

因此，SafeAI 致力於用強化學習做到這一點，讓機器更智能，不會換個地方換個環境，就又要重頭學起。只有如此，才能讓 SafeAI 的技術 —— 或其他新技術 —— 的規模化運用成為可能。

而更開放的系統，則是由業內一些龍頭企業聯合發起的趨勢。比如，目前如果購買 Caterpillar 的解決方案，就只能搭配使用 Caterpillar 自己的系列產品，系統是封閉的。這樣雖然有助於各大公司建立自己的護城河，但卻對礦業公司造成了不便，因此不少業內人士呼籲更開放的架構。全球礦業集團（Global Mining Group，GMG）的集團就是這種趨勢的推動者之一。當然，説到底，更開放的架構也是為了提高可拓展性。

所以説了這麼半天，挖掘機技術哪家強，在未來恐怕都強不過 AI。實在不行，學個美容美髮、廚師麪點，也挺好的…