作者 / 華衛
「上半場拼技術，下半場比商業化運營。」這是自動駕駛的賽程表。
相較於Robotaxi，無人化物流通常被認為是能更快實現商業化的途徑。一方面，物流行業面臨人員招聘和運營成本等方面的困境，而自動駕駛技術不僅可以幫助企業節省成本，還降低了人員需求量；另一方面，物流行業的市場空間可觀，應用場景也不同於城市道路，所面對的交通難題相對統一直觀。
自2021年以來，來自不同背景的多家新企業湧入無人駕駛物流賽道，搶佔幹線物流、港口、礦山等場景的商業路徑。而日前，全國首批L4級「主駕無人」自動駕駛卡車在公開道路的測試牌照已在浙江德清發放，獲批的兩家企業分別是嬴徹科技和阿里巴巴達摩院，無人物流商業化的節奏似乎變得越來越密。
在此背景下，Auto Byte近日聯合上海市人工智慧行業協會，舉辦「多場景下無人物流商業化突圍之路」線上分享會，並邀請相關企業代表及技術專家到場，共同探討自動駕駛企業佈局特定場景下的無人化物流遭遇的瓶頸和痛點，同時解讀了行業內最新的技術熱點以及相關政策法規。
不同場景下落地無人物流
目前，無人化物流的應用場景主要有兩類，分別是港口、礦區和環衛等低速場景與幹線物流等高速場景。目前看來，在不同場景中落地無人物流的方案也存在較大差異。
飛步科技聯合創始人兼CTO楊政對Auto Byte表示，自動駕駛的單車駕駛能力並不靠雲端或者路段的輔助，它在功能性以及安全性上有自己的保障。他們之所以在港口強調路端和雲端，主要還是因為對全域性效率的更高追求。
一方面，自動駕駛車輛在行駛過程中面臨來自視野盲區的不確定性，因此需要關注道路上的作業車輛，但是受港口狹窄道路空間和車輛基本等寬的限制，為確保車輛透過性其不能橫向接入更多感測器，只能藉助路段來撞開視野盲區。
另一方面，港口車輛和裝置是固定編組的，需要綜合訂單、車輛、裝置以及距離等進行全域性最優分配，以達到更高的效益，因此需要雲端資訊的接入。
「而開放場景下的幹線物流與港口又有所不同。」楊政指出。其一，在真實行駛過程中，車輛行為互動的佔比較低；其二，目前道路上行駛的無人物流車輛還較少，雲端分配問題可以在無人物流車輛達到一定數量後再考慮。
礦山場景下的「降本增效」
「降本增效」是自動駕駛的商業化本質，伯鐳科技自動駕駛產品解決方案總監趙新寰以無人礦山為例展示了無人化物流的降本增效能力。他表示，該場景下的成本節約率高低取決於無人化編組的數量以及無人駕駛礦車的實際運輸效率。無人駕駛礦車對場景適應後運輸效率的提升以及相應編組越多，帶來的經濟效益勢必更多。
經測算，在礦山中設定一個無人駕駛編組，除配置遠端應急接管安全員外，還需要配置無人駕駛運維人員，而設定多個無人駕駛編組，運維管理人員並不線性增加。將無人駕駛技術引入礦山，僅在人力成本方面的節省顯而易見。
趙新寰表示，「當前，伯鐳在酒鋼執行的五個無人駕駛礦卡編組，一年能為客戶節省至少280萬人力成本。」
幹線物流的商業化障礙
自動駕駛在幹線物流場景中的市場巨大，但實現起來並不輕鬆，需邁過多重關卡。
2019年起，宏景智駕開始佈局幹線物流場景，並與江淮商用車合作推出L3級自動駕駛重卡「HyperTruck One」。宏景智駕戰略與業務拓展副總裁楊武認為，幹線物流自動駕駛的商業化障礙，主要是技術、法規和商業化三個層面。
首先是，如何使技術真正成熟到 L3 的落地級別，包括自動駕駛、底盤的支援、零部件、車規級以及成本可靠性等各方面的技術。楊武表示，
目前整個產業鏈成熟度以及大規模商業化應用所需的技術支撐還比較薄弱。
其次，現在中國還未真正全面出臺允許 L3 及以上級別自動駕駛車輛上路的法律法規。不過，已有地區開始為自動駕駛立法。日前，深圳釋出國內首部關於智慧網聯汽車管理的法規《深圳經濟特區智慧網聯汽車管理條例》，明確了L3、L4和L5級別的自動駕駛智慧網聯汽車在深圳地區進行測試運營的相關管理條例及發生交通事故時的權責認定。
最後是，與技術捆綁在一起的商業化層面，例如， L3級別的幹線物流重卡，即可省下一名司機的人力成本。楊武稱，技術達到水準，物流車隊和個體司機等終端使用者才能從自動駕駛中獲得更多收益。
資料仍是決定性因素
「攀登珠峰，沿途下蛋。」這是自動駕駛領域中經常講的一句話。其中，「珠峰」是自動駕駛企業的終極目標，「下蛋」則指在實現理想的同時創造出商業價值。無人物流則是一種「下蛋」的登峰途徑。
楊武表示，現在無人物流賽道主要有兩類玩家。一類是走直接從L4或者L3級別開始做自動駕駛產品——在當前技術產業鏈成熟度以及法律法規都未達到支撐作用的情況下，如何實現可持續發展，是他們所面臨的一大挑戰；另一類則是走漸進式發展路線的公司，他們從省油、省人開始，逐漸發展至完全接替人的水平，這樣的方式其實更加穩妥和有效。
商業化能力關係到自動駕駛企業的存活與否，而資料決定了自動駕駛企業的上限。楊武指出，高等級的自動駕駛在任何垂直場景內落地，最終都需要大量資料的支撐。他認為，
先透過漸進式路線低成本獲得大量資料，讓車輛跑起來以實現部分功能和收益，再在車隊規模逐漸壯大的過程中快速建立資料壁壘，對企業而言更加有利。
哪條路線能最快跑通商業模式
飛步科技聯合創始人兼CTO楊政同樣認可漸進式路線，但飛步走的是基於L4級從封閉場景到更開放場景的漸進式路線。他表示，這一路線最終要做的是提供一個作為AI司機的普適化產品，資料收集以及收益實現是必要環節，但可以從不同方向切入。
關於這一話題，伯鐳科技自動駕駛產品解決方案總監趙新寰以礦山場景為例發表了看法。他指出，相比重卡和港口，礦山的場景更為特殊。由於礦山完全封閉，沒有社會車輛和行人，在該場景落地自動駕駛的好處是不會受到政策法規的限制。
不過，他也表示，礦山在整體落地上時還面臨很多難點，如礦山的道路與鋪裝道路差別很大、巨型化車輛的感知和控制要求更高，需要在未來逐步去解決。
「
要完成商業閉環，不僅要加強技術開發，還需積極跟場景方深度繫結。
」這是宏景智駕戰略與業務拓展副總裁楊武的觀點。他表示，不管是港口還是幹線物流，規模相比乘用車至少低了一個甚至兩個數量級。因此，單獨為特定場景提供解決方案的商業價值和市場空間是有限的，如何在運營過程中變現自動駕駛技術，才是當前整個行業應努力的方向。
歡迎加入Auto Byte社群
Auto Byte 為機器之心推出的智慧出行垂直媒體，關注自動駕駛、新能源、晶片、軟體、汽車製造和智慧交通等方向的前沿研究與技術應用，透過技術以洞察產品、公司和行業，幫助汽車領域專業從業者和相關使用者瞭解技術發展與產業趨勢。
歡迎
關
註標星
，並點選右下角
點贊
和
在看
。
點選
閱
讀原文
，加入專業從業者社群，以獲得更多交流合作機會及服務。