图灵汇官网

无人驾驶：通往未来的金矿

2010年，谷歌创立了神秘的Google X部门，这是现今自动驾驶巨头Waymo的前身。经过近十年的发展，2018年，摩根士丹利的一份报告指出，Waymo当时的估值已达到1750亿美元。然而，到了2019年，其年收入仅为数十万美元。

尽管资本的推动让这条赛道迅速火热，但在技术实现方面，资本却显得无能为力。无人驾驶尚未完全落地，资本已经逐渐回归理性。根据投资者网站PitchBook的数据，Waymo的最新估值约为300亿美元，相较于三年前，这一数字已缩水超过1400亿美元。

越来越多的人意识到，要让无人驾驶真正颠覆交通历史，必须实现L5级的自动驾驶。然而，目前能够做到L4级自动驾驶的玩家依然稀少。在这一过程中，人们看到了愿景与现实之间的差距：

前方是一座金矿，但要越过眼前的障碍并非易事。

然而，赛道上的资金和资源已经准备就绪。例如，独角兽企业图森未来不仅在过去两年进行了密集融资，还成为了自动驾驶领域的第一股。账上积累了大量资金，解散显然不是一个好的选择。

相比于追求一次性技术突破，许多玩家已经转向场景化落地。从自动驾驶分级图来看，L4级自动驾驶与L5级的主要区别在于，L4级可以在某些限制条件下无需人为干预。这些限制条件被称为设计运行区域（ODD）。

设计运行区域（ODD）的概念源自美国汽车工程师学会，指的是为特定的自动驾驶系统或功能专门设计的运行条件，包括环境、地理、时间限制等。

简单来说，ODD是为了在无人驾驶技术完全成熟之前，通过限定特定场景来减少不确定性的风险。比如，期末考试的场景下，学校无法让学生掌握所有知识，但至少要确保学生掌握当年考试所需的知识。

不同场景对无人驾驶的要求也不同。目前，许多企业在特定场景中展开了布局。例如，专注于清洁环卫领域的于万智行和龙马环卫，覆盖新零售领域的新石器，以及在物流运输领域布局的京东、美团、阿里等互联网巨头，还有图森未来、赢彻科技、智加科技等新玩家。

随着战略路线的转变，从图森未来的瑞典公开道路测试，到美团的无人车在北京顺义的运营，可量产的L4级无人车正逐渐接近现实。

事实上，在当前无人驾驶赛道上，货运领域因其交通不稳定因素较少且具有巨大转型潜力，占据了最多玩家。通过研究这一热门领域，可以更好地理解整个赛道的机遇与价值。

无人货运：线与面的殊途同归

无人驾驶能否革新货运行业？让我们来看一组数据。根据中国物流与采购联合会的数据，2020年中国社会物流总费用达到14.9万亿元，占GDP比重达14.67%。而在物流运输模式中，公路运输占比约74%，这无疑是一个巨大的市场。

从当前无人驾驶货运玩家的布局来看，需求不同决定了其底层逻辑的差异。目前，无人驾驶货运玩家主要分为两大路线：干线物流和同城配送。前者以阿里和图森未来为代表，后者则由美团、新石器等企业主导。

解放生产力是科研的契机，但安全始终是决定可行性的关键。 在这一前提下，我们将从两个层面进一步分析无人驾驶在中国货运市场的前景。

成本博弈

无人货运首先要面对的是成本与商业模式的问题。以干线物流为例，通过查阅2020年我国公路货运的主要成本构成，可以看出，燃油费和司机薪酬占据了近半成本。

无人驾驶能否成功落地，关键在于货运车辆在规模化搭载无人驾驶技术后，这部分成本能否优于传统模式中的司机薪酬、燃油费、车辆折旧等成本开支。

目前来看，这种可能性是存在的。图森未来曾计算过，其无人驾驶系统每英里的成本约为0.3美元，而美国卡车司机的工资成本约为每英里0.8美元。此外，在燃油方面，机器操控的效率高于人工，可以更节能地行驶，从而降低成本。

然而，实际情况更为复杂。图森未来的无人货运在美国进行顺利，但将每英里的成本优势搬到中国是否依然适用？2020年，中国公路货运成本中车辆折旧占比13.42%，无人驾驶技术虽能削减部分成本，但也会增加这部分成本。

同城配送的成本同样居高不下。“现在整车成本在50万元左右，最好的能压在20万元左右。”一位任职于某自动驾驶企业的硬件测试工程师表示，“但随着规模化和量产，成本会逐渐下降，最终控制在5-10万元之间。”

总体来看，当前无人货运赛道并未出现大规模商业化的项目，特别是在同城配送领域，成本仍然较高。因此，只有在技术成本逐渐降低后，无人货运的盈利前景才会更加清晰。尽管目前解放生产力的目标仍有阻碍，但前景依然乐观。

安全问题

安全作为科技可行性的基础，无人驾驶的美好愿景是彻底消除交通事故。然而，现阶段无人货运面临的一个重要问题是路权问题。

首先，无人车要参与交通，必须高度智能化，不能随意行驶。在无人车完全普及后，机器的高精度规范能够极大改善交通安全现状。

谈擎说AI认为，当前的主要问题是，从无人车上路到完全普及，中间需要一个较长的人车共行过渡期，这一时期正是瓶颈所在。机器可以严格遵守规则，但人类交通参与者却难以达到同样的高精度规范。过渡期需要无人驾驶具备一定的应变能力来适应人的不确定性，很难做到两全。

与此同时，在这一过渡期内，无人驾驶终端到底是算作汽车还是机器人？如果是机器人，理论上不应该走上机动车道；但如果算作机动车，交通事故的判责和车辆保险又该如何处理？

例如，不久前美团无人车与一辆民用车辆相撞，当事人形容其驾驶技术“横冲直撞”。在判决过程中，无人车虽是机动车，但无牌照、无交强险等问题难以界定。

可以预见，未来很长一段时间内，人、车、无人车将处于混行状态。如何保障这一时期的交通安全？现有的政策和法规存在大量空白，这也是无人驾驶大规模落地的重要前提。

线与面的殊途与同归

在解放生产力和确保安全的基础上，无人货运所做的都是艰难但正确的事情。通过干线物流与同城配送的殊途与同归，我们可以窥见未来的一丝希望：

从干线物流和同城配送的运输模型来看，前者是从干道“线”的扩展，后者则是通过区域“面”的扩展。因此，这两种模型差异导致了不同的技术路径：

在技术问题上，干线物流干扰因素少，路线封闭或半封闭，扩张速度更快；同城配送则像是L4货运最难啃的一块骨头，在人车共用的开放场景中，每块新区域都充满不确定性与挑战。

由此可见，短期内，较为封闭场景下的无人货运可能会率先迎来大规模落地。但从长远来看，无论干线物流还是同城配送，甚至是环卫、矿业等众多场景，都将汇聚成L5的主流。

尽管现在看来，这仍是一个美好的愿景，但近年来自动驾驶赛道上的持续努力，已经让人充满期待。