「沿途下蛋」的无人物流，距离商业化闭环还有多远？

2022 年 7 月 30 日 机器之心

作者 / 华卫

「上半场拼技术，下半场比商业化运营。」这是自动驾驶的赛程表。

相较于Robotaxi，无人化物流通常被认为是能更快实现商业化的途径。一方面，物流行业面临人员招聘和运营成本等方面的困境，而自动驾驶技术不仅可以帮助企业节省成本，还降低了人员需求量；另一方面，物流行业的市场空间可观，应用场景也不同于城市道路，所面对的交通难题相对统一直观。

自2021年以来，来自不同背景的多家新企业涌入无人驾驶物流赛道，抢占干线物流、港口、矿山等场景的商业路径。而日前，全国首批L4级「主驾无人」自动驾驶卡车在公开道路的测试牌照已在浙江德清发放，获批的两家企业分别是嬴彻科技和阿里巴巴达摩院，无人物流商业化的节奏似乎变得越来越密。

在此背景下，Auto Byte近日联合上海市人工智能行业协会，举办「多场景下无人物流商业化突围之路」线上分享会，并邀请相关企业代表及技术专家到场，共同探讨自动驾驶企业布局特定场景下的无人化物流遭遇的瓶颈和痛点，同时解读了行业内最新的技术热点以及相关政策法规。

不同场景下落地无人物流

目前，无人化物流的应用场景主要有两类，分别是港口、矿区和环卫等低速场景与干线物流等高速场景。目前看来，在不同场景中落地无人物流的方案也存在较大差异。

飞步科技联合创始人兼CTO杨政对Auto Byte表示，自动驾驶的单车驾驶能力并不靠云端或者路段的辅助，它在功能性以及安全性上有自己的保障。他们之所以在港口强调路端和云端，主要还是因为对全局效率的更高追求。

一方面，自动驾驶车辆在行驶过程中面临来自视野盲区的不确定性，因此需要关注道路上的作业车辆，但是受港口狭窄道路空间和车辆基本等宽的限制，为确保车辆通过性其不能横向接入更多传感器，只能借助路段来撞开视野盲区。

另一方面，港口车辆和设备是固定编组的，需要综合订单、车辆、设备以及距离等进行全局最优分配，以达到更高的效益，因此需要云端信息的接入。

「而开放场景下的干线物流与港口又有所不同。」杨政指出。其一，在真实行驶过程中，车辆行为交互的占比较低；其二，目前道路上行驶的无人物流车辆还较少，云端分配问题可以在无人物流车辆达到一定数量后再考虑。

矿山场景下的「降本增效」

「降本增效」是自动驾驶的商业化本质，伯镭科技自动驾驶产品解决方案总监赵新寰以无人矿山为例展示了无人化物流的降本增效能力。他表示，该场景下的成本节约率高低取决于无人化编组的数量以及无人驾驶矿车的实际运输效率。无人驾驶矿车对场景适应后运输效率的提升以及相应编组越多，带来的经济效益势必更多。

经测算，在矿山中设置一个无人驾驶编组，除配置远程应急接管安全员外，还需要配置无人驾驶运维人员，而设置多个无人驾驶编组，运维管理人员并不线性增加。将无人驾驶技术引入矿山，仅在人力成本方面的节省显而易见。

赵新寰表示，「当前，伯镭在酒钢运行的五个无人驾驶矿卡编组，一年能为客户节省至少280万人力成本。」

干线物流的商业化障碍

自动驾驶在干线物流场景中的市场巨大，但实现起来并不轻松，需迈过多重关卡。

2019年起，宏景智驾开始布局干线物流场景，并与江淮商用车合作推出L3级自动驾驶重卡「HyperTruck One」。宏景智驾战略与业务拓展副总裁杨武认为，干线物流自动驾驶的商业化障碍，主要是技术、法规和商业化三个层面。

首先是，如何使技术真正成熟到 L3 的落地级别，包括自动驾驶、底盘的支持、零部件、车规级以及成本可靠性等各方面的技术。杨武表示，目前整个产业链成熟度以及大规模商业化应用所需的技术支撑还比较薄弱。

其次，现在中国还未真正全面出台允许 L3 及以上级别自动驾驶车辆上路的法律法规。不过，已有地区开始为自动驾驶立法。日前，深圳发布国内首部关于智能网联汽车管理的法规《深圳经济特区智能网联汽车管理条例》，明确了L3、L4和L5级别的自动驾驶智能网联汽车在深圳地区进行测试运营的相关管理条例及发生交通事故时的权责认定。

最后是，与技术捆绑在一起的商业化层面，例如， L3级别的干线物流重卡，即可省下一名司机的人力成本。杨武称，技术达到水准，物流车队和个体司机等终端用户才能从自动驾驶中获得更多收益。

数据仍是决定性因素

「攀登珠峰，沿途下蛋。」这是自动驾驶领域中经常讲的一句话。其中，「珠峰」是自动驾驶企业的终极目标，「下蛋」则指在实现理想的同时创造出商业价值。无人物流则是一种「下蛋」的登峰途径。

杨武表示，现在无人物流赛道主要有两类玩家。一类是走直接从L4或者L3级别开始做自动驾驶产品——在当前技术产业链成熟度以及法律法规都未达到支撑作用的情况下，如何实现可持续发展，是他们所面临的一大挑战；另一类则是走渐进式发展路线的公司，他们从省油、省人开始，逐渐发展至完全接替人的水平，这样的方式其实更加稳妥和有效。

商业化能力关系到自动驾驶企业的存活与否，而数据决定了自动驾驶企业的上限。杨武指出，高等级的自动驾驶在任何垂直场景内落地，最终都需要大量数据的支撑。他认为，先通过渐进式路线低成本获得大量数据，让车辆跑起来以实现部分功能和收益，再在车队规模逐渐壮大的过程中快速建立数据壁垒，对企业而言更加有利。

哪条路线能最快跑通商业模式

飞步科技联合创始人兼CTO杨政同样认可渐进式路线，但飞步走的是基于L4级从封闭场景到更开放场景的渐进式路线。他表示，这一路线最终要做的是提供一个作为AI司机的普适化产品，数据收集以及收益实现是必要环节，但可以从不同方向切入。

关于这一话题，伯镭科技自动驾驶产品解决方案总监赵新寰以矿山场景为例发表了看法。他指出，相比重卡和港口，矿山的场景更为特殊。由于矿山完全封闭，没有社会车辆和行人，在该场景落地自动驾驶的好处是不会受到政策法规的限制。

不过，他也表示，矿山在整体落地上时还面临很多难点，如矿山的道路与铺装道路差别很大、巨型化车辆的感知和控制要求更高，需要在未来逐步去解决。

「要完成商业闭环，不仅要加强技术开发，还需积极跟场景方深度绑定。」这是宏景智驾战略与业务拓展副总裁杨武的观点。他表示，不管是港口还是干线物流，规模相比乘用车至少低了一个甚至两个数量级。因此，单独为特定场景提供解决方案的商业价值和市场空间是有限的，如何在运营过程中变现自动驾驶技术，才是当前整个行业应努力的方向。