今天，一位华工校友开创AI新物种：博雷顿发布无人驾驶通用智驾大模型
今日（6月29日），博雷顿发布无人驾驶通用智驾大模型，面向矿山复杂作业场景。细细了解下来，一个实时连接、自主优化的矿区智能生命体跃然纸上。
这是全球首个 矿山端到端大模型 ，配套了矿区驾驶Agent、AI大模型调度系统、矿山数字孪生平台等。如此一举，标志着博雷顿智驾已不只是单车自动化，而是迈向车队协同化、矿山智能化、未来具身化的新阶段。
“天生无人，不止无人。”博雷顿董事长陈方明现身发布会现场。这位华工校友，早在2016年就瞄准矿山货运缺人又缺电的痛点，带队在上海创立博雷顿，围绕矿区提供新能源、智能化的一揽子运输方案。全力拥抱AI，博雷顿悄然构筑出业内稀缺的工程界“特斯拉”。
由此，一个物理AI产业化落地的新样本浮现。
从发布会说起
一个AI新物种诞生
这也许是AI去过最复杂的环境，矿区。
这里道路不断变化，作业面持续推进，装载区和排土区环境动态更新，车辆、设备、人员、能源、任务和安全因素相互交织。矿山无人驾驶的真正难点，不只是让车辆离开驾驶员，更是让车辆理解矿区、适应矿区、协同矿区，并在长期高强度运营中保持安全、稳定和高效。
博雷顿无人驾驶通用智驾大模型，正是为此而生。
在 感知 层面，博雷顿无人矿卡搭载多模态传感器系统，实现对矿区道路、车辆、障碍物等复杂环境的综合识别。不只识别前方有没有障碍物，还要判断障碍物处在什么作业场景中，会如何影响车辆行驶。
行驶在不断变化的矿山， 地图 的同步演进必不可少。博雷顿采用高精定位与多Agent众包融合技术，无人矿卡一边运行一边感知矿区变化，地图也随之分钟级动态更新。
数据是智能驾驶的重要一环。但真实矿山现场无法无限试错，高风险场景也难以大规模采集。博雷顿智驾通过世界模型和虚拟训练体系，为无人矿卡建立了“ 虚拟驾校 ”，训练结果反哺实车运行，加速矿卡进化。
具体到 决策 层面，车辆常常会在矿山运输中遇到复杂的决策场景：诸如窄路会车时如何判断先后顺序、前方出现人员或设备时如何避让、装载区靠近挖机时如何选择安全位置、排土区边界变化时如何完成卸载……都极其考验无人驾驶系统的综合判断能力。
博雷顿采用了规控PNP模型。相比于传统规则规划，其能在更复杂的道路和作业环境中生成多种可行轨迹，并结合车辆状态、道路条件、作业任务和风险等级进行综合判断，让矿卡拥有了类人驾驶决策能力。
当然，仅有一台矿卡能自动驾驶还远远不够。矿山运输是一个复杂系统，装载点、卸载点、运输道路、车辆数量等因素都会影响整体效率。如果车队调度不合理，单车能力再强，整个矿山的运输效率也没法充分释放。
此时 AI大模型调度系统 就派上了用场。博雷顿依托该系统进行运力全局调度、路径最优计算、任务动态分配、矿山变化实时推演和时空联合优化，让车队在复杂矿山环境中实现协同。
哪台车去哪里、走哪条路、什么时候装载、什么时候排土、什么时候补能……都需要通过AI调度系统进行持续优化。不是经验驱动而是数据驱动，不是被动响应而是主动预测。
与调度一脉相承的是 运维 。博雷顿将智能运维纳入无人驾驶系统整体设计，通过多源状态采集和周期性巡检，形成面向故障前兆的预测能力，以此维护生产组织长期稳定。
安全 则是矿区驾驶的兜底保障。矿卡体量大、载重大、运行环境复杂，系统出现异常后必须及时识别、迅速响应。博雷顿智驾的安全机制围绕感知、定位、决策、控制、系统健康、远程协同、信息安全等层面全方位展开。
最终，在 数字孪生平台 的描摹下，矿山不再只是物理生产现场，而是逐步变成一个可实时感知、可动态推演、可智能调度的数字化系统。各类无人设备协同作业、持续优化，俨然一个生生不息的智能生命系统。
“天生无人，不止无人”，含义正在于此。
一年前敲钟
“工程界特斯拉”浮现
想象这样一座循环运转的矿山——
头顶太阳能发电，全身遍布电网，无人矿卡全天候自动运行，隐秘角落还有量子探测器对常规设备探知不到的弱光、粉尘等环境进行实时感知。上述所有都由AI大脑调度全局。
这正是博雷顿。
身后缔造者是一位华工校友——陈方明。从华南理工大学毕业后，陈方明做了很长一段时间投资人，见证了光伏产业的轮转跌宕，对产业链协同有着深入的洞察。察觉到新能源商用车赛道的机遇，于2016年创立博雷顿主攻矿山，2025年5月在港交所上市。
俗话说，电力是算力的尽头，算力则是电力的灵魂。可以说，博雷顿的矿山电力方案天然就能向算力场景延伸，何况AI大模型早已渗透到矿山设备行业竞争的方方面面。
纵观矿卡行业各梯队参与者，大多为单独拥有新能源或无人驾驶能力。博雷顿则是赛道里少见的同时掌握 AI端到端智驾大模型、光储微网、无人电动矿卡、量子感知 四维一体能力的公司。
早在去年11月，博雷顿就全球首发了原生无人驾驶纯电矿卡9M145E，搭载自研E2E端到端智驾系统。如今伴随AI智驾端到端大模型发布，原本单一的运输装备一跃而成具备感知、理解、决策、执行和持续进化能力的矿山智能体。
一旦全面部署，矿山项目将产生海量“发-储-充-运-调度”全链路数据，喂养大模型持续进化。届时，模型越来越聪明，自主能力越来越高，劳动力将从原本危险、艰苦的环境中彻底解放。
光储微网的搭建则让博雷顿的增长飞轮更加紧密。
矿山的运作需要能源。没有自建微电网，AI带来电力成本将成为天文数字。博雷顿自研了光储微网，一种把光伏发电、储能电池和微电网控制系统整合在一起的小型电力系统。目前已在刚果（金）、赞比亚、津巴布韦等多个国家和地区验证落地，呼之欲出。
智能感知方面，今年5月，博雷顿以约1400万元收购星秒光电6.83%股权，布局量子精密测量行业。其单光子探测器具备极弱光环境下的超高灵敏度，可迁移至矿卡视觉感知系统，实现“黑夜如白昼”的感知。
如此一来，一个矿山版的“特斯拉生态”得以成型。
这样一套系统能有多省钱？博雷顿董事长陈方明分享了一组数据：大约每三度电可以替代1升油。以博雷顿在赞比亚的电动矿卡为例，一台车一年能省100多万， 能耗节约百分之五十 。如果用上光储的电力，大概能节省百分之七十到八十。
干同样的活，一辆无人纯电矿卡对比传统的燃油车，每年可以减碳500吨以上，节约90%人力。钱的节约，能源的节省，影响深远。
重新定义下一代智能矿山
价值重估
“有用的AI已经能赚钱。”
想起此前黄仁勋在股东大会上的一句感慨。正如工厂里的机械臂、马路上的自动驾驶出租车、仓库里的分拣机器人，每一个动作都在产生可量化的经济价值。
但在热闹背后，一个根本的问题浮现：概念再响、融资再多，都离不开早日拿到长赛道的门票。这就需要规模化数据、可持续现金流，以及真实世界里的量产验证。
而验证来自闭环。传统大模型仅处理数字文本，物理AI核心是让AI读懂现实物理规则，推演物体运动、力学交互、环境变化，这就要搭建“感知-推理-决策-执行-迭代”的完整智能闭环，自动驾驶是落地最成熟的赛道之一。
矿山 则是当中价值最突出、最易落地的领域——属于封闭极端场景，路况非结构化、多动态障碍，长期存在人力紧缺、柴油成本高、偏远矿区缺电、调度效率低等痛点，刚需极强。
回到博雷顿，核心能力正是在于打通了 感知、能源、整车、AI调度 四大环节，实现了无人化、自主化、智能化作业和矿山物理AI闭环，是国内少数具备端到端解决方案能力的公司。
四大环节彼此咬合、形成飞轮，重新定义着下一代智能矿山的概念边界。 过去是人适应矿山，现在由AI辅助矿山，未来它还将拥有自己的智能生命系统。
无数例子表明：2026年将成为物理AI在各垂直领域落地的关键之年。
正如日前交通运输部、国家铁路局等五部门联合发布《“人工智能+交通运输”典型应用场景创新行动方案》，明确推进智能驾驶端到端大模型研发，聚焦矿产、集装箱、粮食等大宗货物干线运输场景，开展智驾技术集成应用验证。
风向标隐隐浮现。
回望过去一年，博雷顿从赴港上市到实施无人驾驶技术方案，再到发布全球首个矿山端到端大模型、构网型微电网项目落地海外，一个以人工智能为灵魂、瞄准矿山智能化运作的综合体逐渐成型。这也意味着博雷顿早已超出传统工程机械叙事，迈入物理AI产业落地新阶段。
而AI带来的想象空间不可小觑。这段时间，AI已然改变着各行各业的估值逻辑，中国千亿万亿公司络绎不绝地出现，一场置身于宏大时代的叙事正在上演。
随之而来，便是我们开始见证一场前所未有的价值重估。
本文来源投资界，作者：余梦莹，原文：https://news.pedaily.cn/202606/565666.shtml