新闻资讯

灾害发生后的头几个小时，最难的不是缺人缺装备，而是不知道里面的情况。

路断了，通信断了，电力断了。指挥员手上只有一张灾前的地图，和几段零星的电话。派多少人进去、从哪个方向进、带什么装备，全靠经验判断。判断对了，救援顺利；判断错了，人进去也可能出不来。

程力集团3月18日发布的14款智能专汽中，智能应急救援车针对的就是这段“信息黑洞”。它的定位是远程无接触勘探与应急指挥支持，用在震区、洪涝这类场景。

顺序变了

过去的顺序是：先派人进去侦察，人回来报告，再组织救援。

新的顺序是：先把车开到能开的地方，让车上的设备和无人机去看，看清楚之后再决定人从哪里进。

这个顺序变化听起来只是流程优化，实际影响很大。人不进去，就没有人员风险；设备先看，信息更完整；决策提前，救援的黄金时间利用率更高。

程力集团对这款车的描述是，针对地震、洪水等灾害，提供远程无接触勘探与应急指挥支持。关键词是“无接触”。

一台车怎么当指挥所

应急救援车通常承担几个功能。

第一是通信。灾害现场公网往往中断，车要能自己建链路，卫星、微波、专网，至少要有一条通。

第二是侦察。车上带无人机，飞出去看灾区全貌、看道路损毁、看有没有被困人员；车上带红外和可见光设备，在夜间和烟尘环境下也能工作。

第三是计算和显示。多路画面同时进来，要能拼接、能标注、能推送给不同的人。指挥员在一块屏上看到全局，救援队在自己的终端上看到自己那一片。

第四是保障。发电机、空调、照明、简易会议空间。听起来是配套，实际决定了这台车能在现场待多久。

把这四件事装进一台车，难点不在单项技术，而在集成。通信、侦察、计算、供电互相牵扯：设备多了耗电快，耗电快了要加大发电机，发电机大了噪音和散热又成问题。

“看得见”和“看得懂”是两件事

无人机飞起来，画面传回来，这是“看得见”。指挥员能据此做出判断，才是“看得懂”。

差别在信息处理。一段航拍视频，一栋倒塌的楼，画面里可能有几十个位置需要判断：哪边是承重墙残余、哪里可能有生存空间、哪条路能进机械。让一个人盯着屏幕找，效率很低。

所以这类车普遍配AI识别：把画面里的可疑目标标出来，把变化的部分提示出来，把多架次的数据叠在一起形成一张图。程力集团这套体系里的“前端AI智能识别、云端数据处理”，指向的就是这个环节。

但AI在灾害场景的准确率，远不如在结构化场景。废墟下的形状千奇百怪，算法训练集里没有的样本，识别不出来很正常。这类系统目前更适合做“提示”而不是“结论”，最终判断还得靠人。

从卖装备到参与设计流程

一个更根本的变化是，这类企业开始参与用户的作业流程设计。

过去的模式是：用户写需求，企业照着做。用户说不清的地方，企业也不太追问，反正按图施工。

现在的模式反过来：企业带着场景方案去找用户，问的是“你现在这段流程怎么走、卡在哪里、如果信息提前十分钟到会怎样”。这种对话需要企业懂业务，也需要用户愿意开放流程。

对专用车行业来说，这是一次能力跃迁。机械制造的能力可以靠设备和工艺积累，场景理解的能力只能靠一个个项目磨出来。程力集团半年做出14款车，说明研发速度快；这些车能不能在真实场景里站住，要靠接下来几年的项目积累。

对应急部门的启示

一是别把车当万能。一台车能解决“看得见”和“联得上”，解决不了“挖得出”。真正的救援力量还是人、机械和搜救犬。

二是要练。设备买回去放着，真出事时不会用，等于没买。这类车的操作复杂度远高于普通消防车，需要定期演练，需要专人。

三是要定流程。车到了现场，谁指挥、信息给谁、决策怎么下，要在预案里写清楚。否则设备再好，也只是多了一堆画面。

四是考虑配套。无人机的电池、机库的维护、通信的资费、软件的升级，都是持续成本。采购预算里要留出这部分。

一个细节：电源

应急救援车的所有功能，最后都落在电上。

通信要电、侦察要电、显示要电、空调要电。设备越多，用电越大。发电机的功率、油料的储备、供电的切换逻辑，决定了这台车能在现场撑多久。

行业里的经验是：标称功率要留三成余量。不留余量，夏天开空调时设备就会跳闸。

一个更大的判断

专用车行业正在经历一次角色变化。过去它是“工具供应商”，客户说要什么就造什么。现在它开始参与“作业方式的设计”：不是问客户要什么车，而是问客户在什么场景下、缺什么信息、需要什么动作。

这个变化对企业的要求高得多。要懂场景，要懂数据，要能集成，还要能持续服务。程力集团联合中科院技术团队组建研究院，半年推出14款车，走的是这条路。

走得通走不通，不看发布会的场面，看的是几年之后，这些车在多少次真实的灾害现场，真的被用起来了。