自动驾驶技术在物流领域的三大落地场景

（文章来源：新经济微观察）
我国目前有500万辆大货车用于500公里半径的干线运输；1000万辆货车用于50公里半径区域运输；而在5公里半径的物流领域，则有3000万辆微型车、两轮和三轮车在为电商物流和外卖市场服务。同时在封闭场景中，我国港口众多，每年完成大量货物吞吐，而矿区的矿产资源丰富，每年产量可达上亿吨，对于运输车辆及司机需求与日俱增，因此物流领域下潜藏的自动驾驶市场需求相当庞大。依据美国汽车工程师协会（SAE）2014年制订的自动驾驶分级标准（按照自动驾驶对于汽车操纵的接管程度和驾驶区域），自动驾驶可分为L0-L5共六级。

随着等级的提升，驾驶操作、周边监控和支援的主体逐渐由人向系统过渡，其中0级汽车由驾驶者全程操控，而处于5级（最高级别）的自动驾驶汽车则由无人驾驶系统完成所有驾驶操作。自动驾驶的发展已经走过单纯强调技术的阶段，目前更强调实际落地。在无人驾驶乘用车落地变得遥遥无期的当下，场景相对简单、市场规模超过万亿的物流行业有着更多的机会。近几年越来越多的行业参与者们聚焦于物流领域，具体原因主要包括：

物流是中国较大的单一经济实体之一，2018年中国社会物流总费用超13万亿元，其中运输费用占比超过一半，因此物流场景下的市场空间可观。物流行业的大部分应用场景比较简单、封闭，任务目的明确，技术实现难度总体来说相对乘用车场景下的要求更低。从法律法规以及对城市生活的影响角度来看，物流车辆所受的限制相对较少。因此更容易实现自动驾驶应用，形成规模化的批量复制。

因此，推进自动驾驶技术商业化落地，物流领域是非常好的切入点。同时在过去十多年的快速发展中，虽然物流行业经过了快速的规模化和整合，体量发展已经巨大，但在效率等方面与发达国家仍存在较大差距，存在可提升空间。自动驾驶技术能够解决物流中的痛点，在其中有着很大的成长空间。

成本：近年来运输成本占物流总成本比例均超50%，而运输成本中的人力费用和燃油费用占比较大，存在可压缩空间。自动驾驶则可明显降低人力成本，同时节省燃油费用。效率：物流运输效率受各种因素影响，例如司机可持续驾驶时间以及车辆速度和车辆行驶间距等都受到严格限制。自动驾驶则可以提高车辆持续行驶时间同时以较高速和较短间距行驶。安全：调查数据显示，在我国约700万辆城际中重型卡车中，每年平均发生5.07万次交通事故，几乎每年每1000辆车就会出现一起死亡事故。司机在长途运输中持续驾驶时间有限，疲劳驾驶发生安全性交通事故的可能性相对更大。自动驾驶则可相对提升安全性。

无人驾驶技术在物流领域的落地场景主要可以划分为干线、终端配送以及封闭场景。干线物流：一般使用重卡，道路以高速公路、城际或城市公路为主，具备长距离、道路参与者相对简单的特点。商业机会：在三大场景中，干线物流的总体运力最大，场景较为集中。同时干线整车物流运输是一个比较标准化的产品，技术复用度高，从而便于外包，因此能够产生的规模经济效应很强。总体来说，干线物流是一个较为理想的商业场景。

技术要求：由于干线物流大多应用于高速场景，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。由于卡车机动性、稳定性和精度较差等原因，需要更长的刹车距离、更大的转弯半径，以及更加精确和鲁棒的控制，因此在感知和控制层面对技术提出了更高要求。

市场格局：自动驾驶卡车产品化的实现仅靠一家企业是无法完成的，需要整合产业链资源。从目前的发展趋势看，不论是科技创新公司、主机厂商、产业链各类供应商还是运营管理平台，优势互补、开放合作已经日渐成为主流态势。各方合作可将各自优势聚合，产生强聚合效应，既可以提高开发效率，也能节约资源，从而促进技术进步，推动行业格局构建。

发展重点：目前干线物流自动驾驶行业发展的重点是车的工程化量产。一方面，技术的完全成熟是需要长时间积累的，目前行业需要在当前技术的发展程度之上进行卡车生产来创造价值、为社会服务；另一方面，实现大规模卡车运营的基础也是车的工程化量产，只有达到量产，运营一定数量规模的车队才能保证不亏损。

未来趋势：L4级卡车实现大规模商用大致可分为5个阶段：原型期、工程验证期、设计验证期、生产验证期和量产，同时预测未来3-5年内可实现自动驾驶卡车的量产。尽管目前发展最快的公司仍处于工程验证期，尚未实现盈利，但一旦实现量产，市场空间将十分可观。一般使用物流车或配送机器人，涉及到城市道路、园区或住宅区道路等。道路场景及参与者较为复杂。

商业机会：目前人力成本占据末端物流成本的90%以上，高昂的人力成本通过自动驾驶技术得以降低将会产生巨大的商业价值。根据公开资料显示，最后一公里的交通工具数量为干线物流货车数量的六倍左右，因此车辆替换市场空间巨大。技术要求：尽管末端配送的车辆速度较低，体型较小，但在三大场景中所需面临的场景复杂度最高，因此对于技术的动态判断能力有极高要求。

市场格局：不同于干线物流和封闭场景下的重型卡车，末端配送的交通工具往往轻便、小巧，因此传统卡车制造商和供应商基本不涉及这一块业务，所以这一细分领域内的主要参与者为有相关业务场景的电商物流公司和即时配送公司（如美团、阿里菜鸟、京东等）以及科技初创公司。发展重点：随着市场的发展与沉淀，最后一公里场景下自动驾驶发展重点不再是技术的创新能力，而是如何利用技术在具体场景之下提高效率以及降低成本。

具体来说，一方面在于技术如何实现对于具体复杂场景的应对能力；另一方面在于如何降低整体解决方案的成本来实现足够的产品功能。未来趋势：人力配送成本的逐渐上升与机器配送成本的逐渐下降都是未来必然的发展趋势，因此未来市场爆发的时间点在于这两条线的交汇节点，智行者联合创始人霍舒豪认为此节点会在3-5年之后出现。因此在这种趋势背景之下，各公司仍会选择持续在此领域进行研发投入和布局。

一般使用重卡，在港区、矿区和厂区等封闭场景作业。场景简单但对重卡动力和荷载能力要求较高。商业机会：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、矿山等细分场景的应用已经较多。封闭场景下道路环境单一固定、稳定性高，从自动驾驶的技术难度上来讲相对前两种场景更容易实现落地，同时在各具体场景下实现落地的业务壁垒相对较高。

技术要求：不同于开放道路主要关注在复杂场景下的动态判断能力，封闭场景下的人员和障碍物较为确定可控，关键难点在于具体业务对接能力，例如某些港口的集装箱卡车和机械的对位精度要求不超过三公分等。技术发展的重点是对车队的管理、路径和任务规划等计算决策方面的能力，发展核心是整体车辆的智能调度系统。

市场格局：随着技术和法规等因素的限制日益加强，之前专注于干线物流和开放道路的部分公司开始将注意力转向特殊场景之下的自动驾驶落地。但大部分新入局公司对于实际应用场景和行业的积累不够导致在这一领域面临的挑战依旧很大。同时传统主机厂商也有参与其中，虽然其在车辆生产集成的能力较突出但对于具体业务对接能力及在算法、系统方面并无深厚积累，因此在此场景下的优势并不突出，更多是作为被集成方的角色参与其中。

因此这一场景下的领先者主要是长期专注于此细分领域，与具体场景有深度耦合度的科技创新公司。发展重点：技术目前处于从实验室到商业场景落地的转变过程中，技术的发展程度和客户的配合度是比较重要的影响因素。因为技术落地需要对具体行业的业务和作业场景足够了解，这需要技术公司与行业客户的全面分享和合作，因此客户配合度是除技术外影响行业智能改造程度的另一重要因素。

未来趋势：封闭场景下的客户随着产品的成熟度提升实际需求逐步增长，业界人士判断在未来两三年内行业会进入快速发展期，未来五年左右全球范围内的码头等会开始进行智能化的改造和升级。
（责任编辑：fqj）