（文章來源：新經濟微觀察）
我國目前有500萬輛大貨車用于500公里半徑的干線運輸；1000萬輛貨車用于50公里半徑區域運輸；而在5公里半徑的物流領域，則有3000萬輛微型車、兩輪和三輪車在為電商物流和外賣市場服務。同時在封閉場景中，我國港口眾多，每年完成大量貨物吞吐，而礦區的礦產資源豐富，每年產量可達上億噸，對于運輸車輛及司機需求與日俱增，因此物流領域下潛藏的自動駕駛市場需求相當龐大。依據美國汽車工程師協會（SAE）2014年制訂的自動駕駛分級標準（按照自動駕駛對于汽車操縱的接管程度和駕駛區域），自動駕駛可分為L0-L5共六級。

隨著等級的提升，駕駛操作、周邊監控和支援的主體逐漸由人向系統過渡，其中0級汽車由駕駛者全程操控，而處于5級（最高級別）的自動駕駛汽車則由無人駕駛系統完成所有駕駛操作。自動駕駛的發展已經走過單純強調技術的階段，目前更強調實際落地。在無人駕駛乘用車落地變得遙遙無期的當下，場景相對簡單、市場規模超過萬億的物流行業有著更多的機會。近幾年越來越多的行業參與者們聚焦于物流領域，具體原因主要包括：

物流是中國較大的單一經濟實體之一，2018年中國社會物流總費用超13萬億元，其中運輸費用占比超過一半，因此物流場景下的市場空間可觀。物流行業的大部分應用場景比較簡單、封閉，任務目的明確，技術實現難度總體來說相對乘用車場景下的要求更低。從法律法規以及對城市生活的影響角度來看，物流車輛所受的限制相對較少。因此更容易實現自動駕駛應用，形成規模化的批量復制。

因此，推進自動駕駛技術商業化落地，物流領域是非常好的切入點。同時在過去十多年的快速發展中，雖然物流行業經過了快速的規模化和整合，體量發展已經巨大，但在效率等方面與發達國家仍存在較大差距，存在可提升空間。自動駕駛技術能夠解決物流中的痛點，在其中有著很大的成長空間。

成本：近年來運輸成本占物流總成本比例均超50%，而運輸成本中的人力費用和燃油費用占比較大，存在可壓縮空間。自動駕駛則可明顯降低人力成本，同時節省燃油費用。效率：物流運輸效率受各種因素影響，例如司機可持續駕駛時間以及車輛速度和車輛行駛間距等都受到嚴格限制。自動駕駛則可以提高車輛持續行駛時間同時以較高速和較短間距行駛。安全：調查數據顯示，在我國約700萬輛城際中重型卡車中，每年平均發生5.07萬次交通事故，幾乎每年每1000輛車就會出現一起死亡事故。司機在長途運輸中持續駕駛時間有限，疲勞駕駛發生安全性交通事故的可能性相對更大。自動駕駛則可相對提升安全性。

無人駕駛技術在物流領域的落地場景主要可以劃分為干線、終端配送以及封閉場景。干線物流：一般使用重卡，道路以高速公路、城際或城市公路為主，具備長距離、道路參與者相對簡單的特點。商業機會：在三大場景中，干線物流的總體運力最大，場景較為集中。同時干線整車物流運輸是一個比較標準化的產品，技術復用度高，從而便于外包，因此能夠產生的規模經濟效應很強?？傮w來說，干線物流是一個較為理想的商業場景。

技術要求：由于干線物流大多應用于高速場景，車輛運行速度快，因此對自動駕駛系統的環境感知范圍有很高要求。由于卡車機動性、穩定性和精度較差等原因，需要更長的剎車距離、更大的轉彎半徑，以及更加精確和魯棒的控制，因此在感知和控制層面對技術提出了更高要求。

市場格局：自動駕駛卡車產品化的實現僅靠一家企業是無法完成的，需要整合產業鏈資源。從目前的發展趨勢看，不論是科技創新公司、主機廠商、產業鏈各類供應商還是運營管理平臺，優勢互補、開放合作已經日漸成為主流態勢。各方合作可將各自優勢聚合，產生強聚合效應，既可以提高開發效率，也能節約資源，從而促進技術進步，推動行業格局構建。

發展重點：目前干線物流自動駕駛行業發展的重點是車的工程化量產。一方面，技術的完全成熟是需要長時間積累的，目前行業需要在當前技術的發展程度之上進行卡車生產來創造價值、為社會服務；另一方面，實現大規?？ㄜ囘\營的基礎也是車的工程化量產，只有達到量產，運營一定數量規模的車隊才能保證不虧損。

未來趨勢：L4級卡車實現大規模商用大致可分為5個階段：原型期、工程驗證期、設計驗證期、生產驗證期和量產，同時預測未來3-5年內可實現自動駕駛卡車的量產。盡管目前發展最快的公司仍處于工程驗證期，尚未實現盈利，但一旦實現量產，市場空間將十分可觀。一般使用物流車或配送機器人，涉及到城市道路、園區或住宅區道路等。道路場景及參與者較為復雜。

商業機會：目前人力成本占據末端物流成本的90%以上，高昂的人力成本通過自動駕駛技術得以降低將會產生巨大的商業價值。根據公開資料顯示，最后一公里的交通工具數量為干線物流貨車數量的六倍左右，因此車輛替換市場空間巨大。技術要求：盡管末端配送的車輛速度較低，體型較小，但在三大場景中所需面臨的場景復雜度最高，因此對于技術的動態判斷能力有極高要求。

市場格局：不同于干線物流和封閉場景下的重型卡車，末端配送的交通工具往往輕便、小巧，因此傳統卡車制造商和供應商基本不涉及這一塊業務，所以這一細分領域內的主要參與者為有相關業務場景的電商物流公司和即時配送公司（如美團、阿里菜鳥、京東等）以及科技初創公司。發展重點：隨著市場的發展與沉淀，最后一公里場景下自動駕駛發展重點不再是技術的創新能力，而是如何利用技術在具體場景之下提高效率以及降低成本。

具體來說，一方面在于技術如何實現對于具體復雜場景的應對能力；另一方面在于如何降低整體解決方案的成本來實現足夠的產品功能。未來趨勢：人力配送成本的逐漸上升與機器配送成本的逐漸下降都是未來必然的發展趨勢，因此未來市場爆發的時間點在于這兩條線的交匯節點，智行者聯合創始人霍舒豪認為此節點會在3-5年之后出現。因此在這種趨勢背景之下，各公司仍會選擇持續在此領域進行研發投入和布局。

一般使用重卡，在港區、礦區和廠區等封閉場景作業。場景簡單但對重卡動力和荷載能力要求較高。商業機會：從目前物流自動駕駛在封閉場景的落地情況來看，港口、機場、礦山等細分場景的應用已經較多。封閉場景下道路環境單一固定、穩定性高，從自動駕駛的技術難度上來講相對前兩種場景更容易實現落地，同時在各具體場景下實現落地的業務壁壘相對較高。

技術要求：不同于開放道路主要關注在復雜場景下的動態判斷能力，封閉場景下的人員和障礙物較為確定可控，關鍵難點在于具體業務對接能力，例如某些港口的集裝箱卡車和機械的對位精度要求不超過三公分等。技術發展的重點是對車隊的管理、路徑和任務規劃等計算決策方面的能力，發展核心是整體車輛的智能調度系統。

市場格局：隨著技術和法規等因素的限制日益加強，之前專注于干線物流和開放道路的部分公司開始將注意力轉向特殊場景之下的自動駕駛落地。但大部分新入局公司對于實際應用場景和行業的積累不夠導致在這一領域面臨的挑戰依舊很大。同時傳統主機廠商也有參與其中，雖然其在車輛生產集成的能力較突出但對于具體業務對接能力及在算法、系統方面并無深厚積累，因此在此場景下的優勢并不突出，更多是作為被集成方的角色參與其中。

因此這一場景下的領先者主要是長期專注于此細分領域，與具體場景有深度耦合度的科技創新公司。發展重點：技術目前處于從實驗室到商業場景落地的轉變過程中，技術的發展程度和客戶的配合度是比較重要的影響因素。因為技術落地需要對具體行業的業務和作業場景足夠了解，這需要技術公司與行業客戶的全面分享和合作，因此客戶配合度是除技術外影響行業智能改造程度的另一重要因素。

未來趨勢：封閉場景下的客戶隨著產品的成熟度提升實際需求逐步增長，業界人士判斷在未來兩三年內行業會進入快速發展期，未來五年左右全球范圍內的碼頭等會開始進行智能化的改造和升級。
（責任編輯：fqj）