2018年，谷歌Waymo率先挥起载人自动驾驶商业化的大旗，但在一阵喧嚣过后，众人发现其仍然是“试运营”。

与此同时，不载人光载物的物流自动驾驶，却在暗流涌动之中。在中国，面对着9万亿的物流市场，各方试图用自动驾驶的技术重新切分这份天价蛋糕。

物流自动驾驶初创公司、卡车主机厂、供应商、互联网巨头、物流运营商都已入场，30余家产业链上的公司，正在攻城拔寨。

一、五大势力改造9万亿大市场

其实，物流行业对自动驾驶的需求，要比乘用车或者大型客车对自动驾驶的需求强烈得多。

在中国，物流成本占GDP超过10%，尽管这一数据连年降低，但在2017年仍然达到了14.5%。

2017年，中国物流费用12万亿。在这12万亿中，公路运输占到了76%，简单换算，国内发生在地面的物流，形成了9万亿的市场。

这9万亿的核心驱动力，是1400万辆主要活跃在中远途运输以及城际运输的货运卡车，和近3000万辆主要活跃在城市内运输、快递外卖配送场景的面包车、三轮车以及两轮的电动车、摩托车。

在4400万辆交通工具背后，当然是比4400万数字更大的“司机”们（物流行业通常人停车不停，尤其中大型卡车会一车配多名驾驶员）。

即使以最保守的从业人数（4400万）加上两年前的薪资标准计算——2017年物流行业平均年薪不到8万元，国内物流行业仅在物流的人力薪资上就付出了3.5万亿元。

具体到单个公司，美团无人驾驶事业部总经理夏华夏曾向车东西透露，美团一名全职外卖骑手每年人力成本支出约10万元。

干线物流初创公司嬴彻科技CEO马喆人也表示，一位干线物流卡车司机平均一年的成本达到18万。

驾驶员与外卖员、快递员总要休息，而自动驾驶的车辆则可以日夜不休，在理论效率上的潜力，要比人类大得多。

总额高昂的人力成本（由于没有计算保险、福利，上述3.5万亿还只是其中一部分），为物流行业引入自动驾驶提供了最基本的驱动力。

另一方面，物流行业面临的严峻安全问题也让自动驾驶的价值日益凸显。

举两个典型的数据。据公安部交管局数据，2016年我国货运车辆在全国机动车占比中只有12%，但却制造了48%的事故死亡数。2017年，上海快递与外卖行业涉及交通事故117起。

成本与安全双重压力下，国内物流行业对自动驾驶的呼声越来越高，各方玩家云集响应，形成了物流自动驾驶的五大势力（在计算单元与传感器等部件上，物流用车与乘用车不存在特异性，此处不再列出）：

智加、图森未来、主线科技、AutoX、飞步科技、 西井科技、CIDI等十余家初创企业，趁着人工智能的红利，切入了物流这个传统领域，试图在物流行业的自动化革新中，成为新一代的关键技术供应商。

ICT巨头们，无论是在自动驾驶研发上先行一步的百度，还是自带物流、配送业务的阿里、京东、美团，乃至于从通信角度入手的华为，都将自动驾驶作为其未来业务的撒手锏之一。当这些巨头掌握面向物流行业的自动驾驶技术，他们进可向行业输出方案，开辟新的收入来源；退可优化自家物流配送业务，提效降本。

而将物流作为主业的物流公司以及卡车车队运营商们——无论是市值曾突破3000亿元的顺丰，还是估值达到100亿美元的满帮集团，都急切地要在重塑行业的关键技术高地插上一面旗，牢牢守住本来属于自己的领地。

生产卡车的商用车主机厂，则与乘用车巨头们有着同样的焦虑——物流行业是他们产品最大的市场，而自动驾驶在物流行业的推行将改变产品的竞争格局以及他们赖以生存的商业模式。商用车的主机厂们，也唯恐成为代工厂。

对于商用车尤其是卡车的零部件供应商们，他们则看到了行业产品升级带来的新机遇，比如各类自动驾驶传感器，以及一直难以在卡车上推广开来的商用车线控底盘，都随着物流自动驾驶化的需求获得了更大的市场。

上述五大类势力出于不同的动机，彼此之间保持竞争又合作的关系，形成了一个初级的物流自动驾驶生态。

二、抢夺三大商业场景

2018年，自动驾驶经过多年发展之后，逐渐从笼统的技术研发与讨论中分化，成为一场场场景卡位战。这在物流自动驾驶领域也不例外。

经观察发现，物流自动驾驶相关企业目前正在角逐“一高（速）两低（速）”三大核心场景。

“一高”，指的是高速运动的干线物流场景；“两低”，则是低速行驶的最后一公里配送与封闭场景。

1、干线物流自动驾驶：玩家最多、竞争最激烈

先从干线物流场景分析。

在三大场景中，干线物流总体运力最大，涉及的产值也最高，并且由于车辆主要运行在封闭场景中，被认为在技术上相对容易实现。

因此，这一场景吸引了数量最多的玩家“混战”。在这之中，初创公司尤其多，而每一家试图在这条赛道上淘金的初创，都有自己的技术绝活。

2016年转入货车自动驾驶研发的图森拥有一支豪华的海归自动驾驶研发团队，CTO侯晓迪、COO郝佳男、首席科学家王乃岩都曾是硅谷的学术明星。

由于干线物流基本处于高速场景，车辆运行速度快，因此对自动驾驶系统的环境感知范围有很高要求，图森因此研发了利用长焦镜头最大探测距离达到1000米的感知技术。有这项技术加身的图森在美国亚利桑那开启了商业试运营，每辆自动驾驶卡车每周能获得3300美元收入。

与图森未来相似，智加（Plus.ai）创始人也是海归背景，其CEO刘万千与CTO郑皓还是斯坦福的同学。智加在技术上的独门密招则是选取部分关键像素进行融合的“中融合”感知技术，在自动驾驶感知能力与部件成本性能要求之间求取平衡。

在去年，智加还和一汽、满帮组建了一个自动驾驶卡车“软件技术-车辆平台-运营管理”商业化铁三角。

比图森、智加稍晚诞生的飞步科技，则有前滴滴首席科学家何晓飞坐镇。成立后不满一年，飞步科技就让自动驾驶卡车上路开跑。

与其他初创公司不同的是，飞步科技选择自研自动驾驶最核心的底层硬件之一——计算芯片。其初代自动驾驶专用计算芯片（ASIC）凤凰100已经在去年完成了流片。

而在物流干线场景姗姗来迟，2018年初才成立的嬴彻科技，为了后发制人，则采取了结盟作战的打法，去年在上海汽车城创新港的帮助下，成立了一个类似于“卡车界的apollo”的自动驾驶卡车，用以数据共享、技术交流、法规落地推动等。

另外值得一提的是，嬴彻科技背靠的G7，是国内商用车管理平台之一，平台上接入的商用车数量，在2018年已经超过了80万台。这意味着嬴彻科技的自动驾驶技术有着海量的数据来源和潜在应用对象。

此外，还有初创公司直接获得了互联网巨头的加持。比如成立于湖南的长沙智能研究院（CIDI），这个由大疆董事长、 香港科技大学教授李泽湘孵化的自动驾驶项目，在2018年2月获得了百度风投的投资。在百度Apollo的技术发布会上，CIDI打造的高速自动驾驶重卡，还作为了百度Apollo生态的典型样例被重点介绍。

虽然物流干线自动驾驶的场景较为集中、技术复用度高、产值大，是一个较为理想的商业场景，但初创公司没有一手好技术或者一座靠山，很难在其中崭露头角——因为ICT（信息通信技术）巨头们自然不可能错过这个好生意。

百度、阿里、京东乃至华为都在其中布下了势力。

上文百度通过投资CIDI切入了这一场景，不再赘述。

阿里由于自家电商衍生的庞大物流业务，对物流自动驾驶也有很强的垂直整合动机。阿里巴巴的自动驾驶项目由人工智能实验室首席科学家王刚带领，直接瞄准L4级别。尽管阿里的自动驾驶卡车从来没有正式亮相，但其招聘信息已经说得很明白——“共建智能物流车”。

与阿里的无人驾驶团队相对低调不同，拥有自己物流业务的京东，则在去年的618大会上秀出了自家的L4级无人卡车，并表示其无人重卡已经在美国完成了数千小时的测试。

不做物流的华为，则从通信技术赋能自动驾驶的角度，开发了编队自动驾驶的技术。多辆自动驾驶卡车组成紧密的行车编队，在华为提供的低延时通信技术下实时交换各车辆的数据状态，达到多车控制策略的统一——这一技术的用武之地在于，即使无人驾驶技术不成熟，也能依靠头车人类驾驶，后方无人车紧密跟随的形式来减少人工参与。

当然，专业物流公司们自然也不会放松对新技术的关注。

估值100亿美元的满帮，已经和一汽解放、智加组建了战略同盟，要在2021年让无人物流卡车上路；

腾讯加持的G7，则亲自孵化了嬴彻科技这家初创公司来推进干线物流自动驾驶技术的研发；

相对传统的苏宁，其物流业务也与智加合作，推出L4级别的无人重卡；

一直在物流领域深耕的狮桥集团，则在其最新的10亿元融资中引入了百度，计划将百度的自动驾驶技术应用于干线物流场景。

连以保密工作优秀著称的顺丰，也在其招聘信息中，通过一则“自动驾驶仿真研发工程师招聘”，昭示了其打造自动驾驶车辆的野心。

物流干线自动驾驶也是商用车主机厂们的主战场，他们的产品大头是去向物流市场。不过，由于基础的ADAS在卡车上推广就有限，因此制造卡车的主机厂的自动驾驶积累普遍不深，通常一上场就采取合作的形式。

在早期，还一度出现过一家主机厂绑定一家创业公司的情况，比如图森-陕汽、上汽-西井等组合。但从2018年开始，主机厂们视野普遍更加开阔，开始采取更开放的合作模式。一汽解放就在今年宣布打造“哥伦布”开放体系，与多家初创公司和运营商共建智能物流。

2、最后一公里配送： 互联网巨头们的决战场

当自动驾驶的场景切换到最后一公里的配送，互联网巨头们的优势就凸显了出来——组成这一场景的两大生意：外卖与快递，都是互联网公司占了大头。活跃在这一场景的主要公司包括美团、阿里菜鸟、京东等。

外卖与快递所在的最后一公里配送，对人工都是高度依赖，但又存在典型的结构性人力不足问题——尤其是在深夜、饭点、下班时段以及节假日或特殊天气时。无论是满足偶发的高峰需求还是削减人力成本，美团、阿里、京东们都对无人车有真实的需求。

不过，由于末端配送的交通工具往往是轻便、小巧的，形态更像是轮式机器人，因此传统的卡车制造商和供应商基本没有这一块业务，供给侧专业大公司的缺失使得掌握需求侧的互联网巨头们直接成为了这一场景的“话事人”。

在2018年，互联网巨头的无人配送小车们纷纷上路。

4月，阿里物流公司菜鸟旗下的ET物流实验室推出“基普拉斯”，载重100公斤，时速15公里。

6月，京东618活动期间 ，京东的第三代无人物流车上路送货，巧的是，其运行时速也是15公里。

7月，美团外卖无人配送小车正式发布，无人配送开放平台也一同推出，吸引了赛格威、新石器、智行者以及AutoX、Roadstar.ai等自动驾驶初创公司参与。

拥有人才与用户优势的互联网公司，实际上已经掌握了最后一公里配送自动驾驶的技术乃至标准话语权，正在逐渐定义这一物流自动驾驶的细分场景。

尽管物流巨头顺丰也有海量的末端配送需求，但目前其自动化的方向主要在无人机，因此声音较少。

在互联网巨头把持用户并且直接向上自建技术的背景下，最后一公里配送自动驾驶“巨头带着初创公司跑”的格局已经较为明显，将这一场景作为主业的创业公司，最终被收购的可能性较大。

3、封闭场景：生意分散，百花齐放

物流自动驾驶的封闭场景，其实并不是一个统一的场景，而是一个笼统的统称——只要和外界交通隔绝开，就可以被称为封闭场景，而这样的场景是多种多样的。

从目前物流自动驾驶在封闭场景的落地情况来看，港口、机场、工业园、矿山等细分场景的生意已经被挖掘了出来。

这些细分的封闭场景存在技术破碎、单个场景产值较低等情况，大公司通常不愿意下场做这样的脏活累活，但反倒为一些初创公司提供了检验、提升技术乃至获得营收保证生存的土壤。

创办于2015年的西井科技早期研发类脑芯片，但在2017年，接到客户需求反馈后，西井科技开始转入对港口自动驾驶技术的研发，并在上汽红岩等企业的支持下，顺利于2018年在珠海完成了集装箱卡车的港口自动驾驶演示。现在港口自动驾驶已经成为这家曾经的类脑芯片公司的主力业务之一。

百度无人车项目背景出身的张天雷创办的主线科技，也将自动驾驶集装箱卡车早早开进了天津港。

上文提到的图森未来，也在2018年4月切入了港区自动驾驶。

驭势科技在其乘用车自动驾驶业务之外，也开辟了一个为机场运输货物的无人专用车技术团队，打造的无人车已经在某国际机场投入运行。

而由青岛智能产业技术研究院孵化的慧拓智能，则在2018年9月与临工重机达成了深度合作，为后者在矿山运行的无人矿机提供自动驾驶技术支持。

三、比乘用车自动驾驶先落地？先解决这两大问题

由于物流自动驾驶的需求强烈，并且运行的场景、涉及的伦理问题“看上去”比载人自动驾驶更加简单，因此业界一直有声音表示，物流自动驾驶有望比载人自动驾驶更先落地。

这种观点在理论上有其正确性，不过，具体到中国的自动驾驶产业环境中，物流自动驾驶的落地需要解决两个至关重要的问题。

1、总体成本过高难以收回技术投入

与乘用车相比，物流自动驾驶的无人车在成本上往往更高，尤其在干线物流与封闭场景两个领域，由于车体通常较大，需要更多的传感器，因此占大头的传感器成本，物流自动驾驶车辆会大增。

曾有某自动驾驶卡车创业公司的高管告诉车东西，仅是在封闭场景运行，其卡车传感器成本就达到了20万。

如果要在开放场景运行，则无人卡车的传感器还要进行升级，成本还会翻倍增长。

需要提到的一点是，在中国，自动驾驶卡车的成本上升更加不可接受——在美国，卡车司机的平均薪水是中国的4倍，即使自动驾驶卡车的技术成本稍高一些，也更容易跑赢高企的人工成本。

而在中国，卡车司机的平均月薪其实仅6000元出头，一旦车辆自动驾驶化的实现成本稍高，卡车司机在成本上仍能处于优势地位。

因此，如果物流自动驾驶要比乘用车自动驾驶更早普及，必须拿出更大的降本力度。

2、线控普及问题待解

同样，在商用车（卡车）领域，自动驾驶必须的线控系统，普及情况也很差，乃至于有些技术方案，不得不使用电机或者机械臂直接去打方向盘或者踩油门，而不是通过电信号直接控制转向和加速、制动。

在国内，还没有出现一家规模以上的、专事卡车底盘控制的供应商，物流自动驾驶车辆的控制线控化。

国内的商用车主机厂，目前能提供的支持多为部分开放控制协议，由下游的公司自行进行线控改装。没有统一的线控底盘供应，也在一定程度上拉高了物流自动驾驶的实现成本与难度。

目前，商用车的底盘线控化主要依靠国外的Tier-1在推动，比较典型的包括行业龙头威伯科，以及德国的克诺尔。

不过，国内已经开始出现这一方面的创业公司，比如中云智车，将打造商用车的线控底盘作为了一个专门的创业项目在进行。

四、结语：物流自动驾驶期待更多合作

物流自动驾驶确实如从业者所说，比乘用车领域有着更强的需求以及更明确的目标和商业场景。

相对独立于乘用车自动驾驶，物流自动驾驶已经渐渐自成一派，在国内形成了一个产业小气候。

面对9万亿的产业机会，无论是初创公司，还是主机厂，亦或是科技巨头们，对其成长为一个成熟的产业都有着很高的期待与切实的投入。

不过，物流自动驾驶的实现还面临更大的成本压力与更大的基础建设难度。与其说这是一场竞赛，不如更多地从产业各方合作的角度去看待。“没有一家公司能够单独做成自动驾驶”，在物流领域这句话同样成立。