今天，一位華工校友開創AI新物種：博雷頓發佈無人駕駛通用智駕大模型

原標題：今天，一位華工校友開創AI新物種：博雷頓發佈無人駕駛通用智駕大模型

AI浪潮正卷向更硬核的地方。

今日（6月29日），博雷頓發佈無人駕駛通用智駕大模型，面向礦山複雜作業場景。細細瞭解下來，一個實時連接、自主優化的礦區智能生命體躍然紙上。

這是全球首個礦山端到端大模型，配套了礦區駕駛Agent、AI大模型調度系統、礦山數字孿生平臺等。如此一舉，標誌着博雷頓智駕已不只是單車自動化，而是邁向車隊協同化、礦山智能化、未來具身化的新階段。

「天生無人，不止無人。」博雷頓董事長陳方明現身發佈會現場。這位華工校友，早在2016年就瞄準礦山貨運缺人又缺電的痛點，帶隊在上海創立博雷頓，圍繞礦區提供新能源、智能化的一攬子運輸方案。全力擁抱AI，博雷頓悄然構築出業內稀缺的工程界「特斯拉」。

由此，一個物理AI產業化落地的新樣本浮現。

從發佈會説起

一個AI新物種誕生

這也許是AI去過最複雜的環境，礦區。

這里道路不斷變化，作業面持續推進，裝載區和排土區環境動態更新，車輛、設備、人員、能源、任務和安全因素相互交織。礦山無人駕駛的真正難點，不只是讓車輛離開駕駛員，更是讓車輛理解礦區、適應礦區、協同礦區，並在長期高強度運營中保持安全、穩定和高效。

博雷頓無人駕駛通用智駕大模型，正是為此而生。

在感知層面，博雷頓無人礦卡搭載多模態傳感器系統，實現對礦區道路、車輛、障礙物等複雜環境的綜合識別。不只識別前方有沒有障礙物，還要判斷障礙物處在什麼作業場景中，會如何影響車輛行駛。

行駛在不斷變化的礦山，地圖的同步演進必不可少。博雷頓採用高精定位與多Agent眾包融合技術，無人礦卡一邊運行一邊感知礦區變化，地圖也隨之分鍾級動態更新。

數據是智能駕駛的重要一環。但真實礦山現場無法無限試錯，高風險場景也難以大規模採集。博雷頓智駕通過世界模型和虛擬訓練體系，為無人礦卡建立了「虛擬駕校」，訓練結果反哺實車運行，加速礦卡進化。

具體到決策層面，車輛常常會在礦山運輸中遇到複雜的決策場景：諸如窄路會車時如何判斷先后順序、前方出現人員或設備時如何避讓、裝載區靠近挖機時如何選擇安全位置、排土區邊界變化時如何完成卸載……都極其考驗無人駕駛系統的綜合判斷能力。

博雷頓採用了規控PNP模型。相比於傳統規則規劃，其能在更復雜的道路和作業環境中生成多種可行軌跡，並結合車輛狀態、道路條件、作業任務和風險等級進行綜合判斷，讓礦卡擁有了類人駕駛決策能力。

當然，僅有一臺礦卡能自動駕駛還遠遠不夠。礦山運輸是一個複雜系統，裝載點、卸載點、運輸道路、車輛數量等因素都會影響整體效率。如果車隊調度不合理，單車能力再強，整個礦山的運輸效率也沒法充分釋放。

此時AI大模型調度系統就派上了用場。博雷頓依託該系統進行運力全局調度、路徑最優計算、任務動態分配、礦山變化實時推演和時空聯合優化，讓車隊在複雜礦山環境中實現協同。

哪臺車去哪里、走哪條路、什麼時候裝載、什麼時候排土、什麼時候補能……都需要通過AI調度系統進行持續優化。不是經驗驅動而是數據驅動，不是被動響應而是主動預測。

與調度一脈相承的是運維。博雷頓將智能運維納入無人駕駛系統整體設計，通過多源狀態採集和周期性巡檢，形成面向故障前兆的預測能力，以此維護生產組織長期穩定。

安全則是礦區駕駛的兜底保障。礦卡體量大、載重大、運行環境複雜，系統出現異常后必須及時識別、迅速響應。博雷頓智駕的安全機制圍繞感知、定位、決策、控制、系統健康、遠程協同、信息安全等層面全方位展開。

最終，在數字孿生平臺的描摹下，礦山不再只是物理生產現場，而是逐步變成一個可實時感知、可動態推演、可智能調度的數字化系統。各類無人設備協同作業、持續優化，儼然一個生生不息的智能生命系統。

「天生無人，不止無人」，含義正在於此。

一年前敲鍾

「工程界特斯拉」浮現

想象這樣一座循環運轉的礦山——

頭頂太陽能發電，全身遍佈電網，無人礦卡全天候自動運行，隱祕角落還有量子探測器對常規設備探知不到的弱光、粉塵等環境進行實時感知。上述所有都由AI大腦調度全局。

這正是博雷頓。

身后締造者是一位華工校友——陳方明。從華南理工大學畢業后，陳方明做了很長一段時間投資人，見證了光伏產業的輪轉跌宕，對產業鏈協同有着深入的洞察。察覺到新能源商用車賽道的機遇，於2016年創立博雷頓主攻礦山，2025年5月在港交所上市。

俗話説，電力是算力的盡頭，算力則是電力的靈魂。可以説，博雷頓的礦山電力方案天然就能向算力場景延伸，何況AI大模型早已滲透到礦山設備行業競爭的方方面面。

縱觀礦卡行業各梯隊參與者，大多為單獨擁有新能源或無人駕駛能力。博雷頓則是賽道里少見的同時掌握AI端到端智駕大模型、光儲微網、無人電動礦卡、量子感知四維一體能力的公司。

早在去年11月，博雷頓就全球首發了原生無人駕駛純電礦卡9M145E，搭載自研E2E端到端智駕系統。如今伴隨AI智駕端到端大模型發佈，原本單一的運輸裝備一躍而成具備感知、理解、決策、執行和持續進化能力的礦山智能體。

一旦全面部署，礦山項目將產生海量「發-儲-充-運-調度」全鏈路數據，餵養大模型持續進化。屆時，模型越來越聰明，自主能力越來越高，勞動力將從原本危險、艱苦的環境中徹底解放。

光儲微網的搭建則讓博雷頓的增長飛輪更加緊密。

礦山的運作需要能源。沒有自建微電網，AI帶來電力成本將成為天文數字。博雷頓自研了光儲微網，一種把光伏發電、儲能電池和微電網控制系統整合在一起的小型電力系統。目前已在剛果（金）、贊比亞、津巴布韋等多個國家和地區驗證落地，呼之欲出。

智能感知方面，今年5月，博雷頓以約1400萬元收購星秒光電6.83%股權，佈局量子精密測量行業。其單光子探測器具備極弱光環境下的超高靈敏度，可遷移至礦卡視覺感知系統，實現「黑夜如白晝」的感知。

如此一來，一個礦山版的「特斯拉生態」得以成型。‌‌‌

這樣一套系統能有多省錢？博雷頓董事長陳方明分享了一組數據：大約每三度電可以替代1升油。以博雷頓在贊比亞的電動礦卡為例，一臺車一年能省100多萬，能耗節約百分之五十。如果用上光儲的電力，大概能節省百分之七十到八十。

干同樣的活，一輛無人純電礦卡對比傳統的燃油車，每年可以減碳500噸以上，節約90%人力。錢的節約，能源的節省，影響深遠。

重新定義下一代智能礦山

價值重估

「有用的AI已經能賺錢。」

想起此前黃仁勛在股東大會上的一句感慨。正如工廠里的機械臂、馬路上的自動駕駛出租車、倉庫里的分揀機器人，每一個動作都在產生可量化的經濟價值。

但在熱鬧背后，一個根本的問題浮現：概念再響、融資再多，都離不開早日拿到長賽道的門票。這就需要規模化數據、可持續現金流，以及真實世界里的量產驗證。

而驗證來自閉環。傳統大模型僅處理數字文本，物理AI核心是讓AI讀懂現實物理規則，推演物體運動、力學交互、環境變化，這就要搭建「感知-推理-決策-執行-迭代」的完整智能閉環，自動駕駛是落地最成熟的賽道之一。

礦山則是當中價值最突出、最易落地的領域——屬於封閉極端場景，路況非結構化、多動態障礙，長期存在人力緊缺、柴油成本高、偏遠礦區缺電、調度效率低等痛點，剛需極強。

回到博雷頓，核心能力正是在於打通了感知、能源、整車、AI調度四大環節，實現了無人化、自主化、智能化作業和礦山物理AI閉環，是國內少數具備端到端解決方案能力的公司。

四大環節彼此咬合、形成飛輪，重新定義着下一代智能礦山的概念邊界。過去是人適應礦山，現在由AI輔助礦山，未來它還將擁有自己的智能生命系統。

無數例子表明：2026年將成為物理AI在各垂直領域落地的關鍵之年。

正如日前交通運輸部、國家鐵路局等五部門聯合發佈《「人工智能+交通運輸」典型應用場景創新行動方案》，明確推進智能駕駛端到端大模型研發，聚焦礦產、集裝箱、糧食等大宗貨物干線運輸場景，開展智駕技術集成應用驗證。

風向標隱隱浮現。

回望過去一年，博雷頓從赴港上市到實施無人駕駛技術方案，再到發佈全球首個礦山端到端大模型、構網型微電網項目落地海外，一個以人工智能為靈魂、瞄準礦山智能化運作的綜合體逐漸成型。這也意味着博雷頓早已超出傳統工程機械敍事，邁入物理AI產業落地新階段。

而AI帶來的想象空間不可小覷。這段時間，AI已然改變着各行各業的估值邏輯，中國千億萬億公司絡繹不絕地出現，一場置身於宏大時代的敍事正在上演。

隨之而來，便是我們開始見證一場前所未有的價值重估。

本文來源投資界，作者：余夢瑩，原文：https://news.pedaily.cn/202606/565666.shtml