文|諸葛臥龍處女座
在干線物流、礦區、港口，無人重卡的規模化落地比輕模式更指日可待，相較于智能化汽車，無人重卡的落地優勢在哪？
一、重卡司機缺位，無人化需求急迫
二、封閉場景易控，適于路線預先優化
三、數據共享加速，技術互聯互通
2022年，自動駕駛汽車愿景仍未完全實現，自動駕駛卡車的消息卻源源不斷。
資本市場上，2月，嬴徹科技完成1.88億美元的B+輪股權融資，并在6月獲得國內首張“主駕無人”自動駕駛重卡公開道路測試牌照；4月，千掛科技更以高達2億元的Pre-A輪融資再次引起熱議。
產品層面上，3月，小馬智行公布了智能卡車品牌“小馬智卡”，并在7月宣布同三一集團旗下三一重卡合資成立公司；4月，滴滴被曝已布局無人駕駛卡車。
比起面向C端的商用自動駕駛遲遲不能落地，專注B端的貨運物流由于技術和場景復雜程度更低而離商業化更近，成為了智能造車玩家們“曲線救國”的選擇。
重卡司機缺位，無人化需求急迫
人社部發布的《“最缺工”的100個職業排行》中，道路貨運汽車駕駛員一直榜上有名，最高排名達到25名。
由于機動車駕駛證要求B2以上等級、工作環境較為艱苦，重卡司機的一直處于供不應求的狀態。2021年，交通運輸部發布數據顯示，2020年1728萬貨車司機完成全社會74%的貨運量，缺口已達1000萬人。
即使是是重卡司機足夠，卡車運輸的問題依舊在人力上層出不窮：超負荷駕駛、夜間運輸、年齡過大都可能使得貨運司機產生疲勞駕駛，從而引發事故。
高額的工資也是用工方不得不面臨的問題，最貴的礦車司機年薪達到30萬，鄂爾多斯大卡司機一年也要20萬元。
面對司機老化和短缺的問題、越來越高的人力成本，以及重卡行業普遍對駕駛安全和燃油經濟性的考量，貨運物流行業對無人卡車有著天然的需求。
無人卡車單車成本較高，對成本的敏感性相對較弱，加之卡車司機的人力成本并不低廉，多重因素加成，使重卡的自動化不僅實現了智能領域的“降本增效”藍圖，也切實解決了人力資源不足的發展桎梏。
率先實現重卡自動化的澳大利亞鐵礦石出口商FMG，曾算了一筆無人重卡代替人力資本的經濟賬。從成本看，無人化改裝和維護的成本一年約為30萬元，大約是一輛車一年1-1.5個司機的成本。從效益看，成熟的無人化運輸效率將比傳統人工運輸提高30%左右，以載重65噸的寬體車為例，一年因效率提升帶來的利潤增長就將超過30萬元。
這就意味著，進行自動駕駛改造后的一年內，效率提升帶來的效益就將覆蓋掉自動駕駛改裝的成本。智能化改裝完成后，無人駕駛還能節省一部分油耗成本，在相對理想的情況下，自動駕駛會節省10%-20%的燃油費用。
對于有利可圖的生意，主機廠和場景方的接受度很高，自動駕駛公司向B端提供用戶車隊和運力服務的商業化落地并不困難。
自動加速公司可以向主機廠提供自動駕駛全棧技術，或幫助場景方做車輛的無人化改造，收取技術服務費，車輛歸屬于主機廠或場景方。比如智加科技在與主機廠合作的過程中，負責研發自動駕駛系統PlusDrive；智加科技發布了L3級無人重卡J7，已量產并拿到全球1萬輛左右的訂單；嬴徹科技與主機廠合作伙伴共同研發的L3級智能重卡投入運營。
目前已經完成商業化落地的產品，也驗證了盈利的可行性，如友道智途研發的無人純電智能平板轉運車運營一年，能省下約五六十萬成本，相當于三個司機的工資。這類產品已在外高橋四期、寧波大榭招商國際碼頭提供運力服務。
從需求端看，前干線物流中司機增長的速度遠遠趕不上貨運增長的需求，無人重卡的存在將逐步解決這一關鍵問題。從成本端看，對用工方而言，決定是提高薪酬招人還是上自動駕駛，核心點在于誰成本更低。
需求的旺盛和降本增效的能力，使得無人重卡成為道路貨運場景下可預見的未來趨勢。
封閉場景易控，適于路線預先優化
除了人力資源的缺口，更為易控的應用場景，也是自動駕駛卡車相對于自動駕駛轎車落地難度更低的原因。
相比復雜的城市行駛環境，貨運卡車大多行駛在高速公路、港口等封閉性強的干線之上，來往車流更容易判別，對仍處于技術突破期的自動駕駛來說，封閉場景是比城市道路更適合落地的場景。
同樣都是“主駕無人”的道路公測，貨運重卡要求的自主級別要比普通汽車低一個等級，物流無人重卡在封閉的物流園區和試車場的測試已然獲得成效。
蘇寧物流與智加科技聯合推出的“行龍一號”物流無人重卡時速達到80km/h，能在300米外識別障礙物、在25毫秒內迅速做出反應，遇緊急狀況能迅速控制車輛，自主避障、自主規劃路線、自動精確泊車，于5月24日在上海完成了道路測試。
從封閉園區走向專用車道，則意味著半封閉場景下的道路測試也成為可能，上汽友道智途5g+l4智能重卡東海大橋隊列“減員化”運營，在東海大橋專用車道上測試成功。
港口等半封閉環境，對于自動駕駛落地更有利，但并不意味著技術上難度和挑戰降低。
比如，在礦區開采、卸載等環節，卡車需要在起點和終點停靠的位置是變化的，對車輛控制的精確性要求較高；在港口存在船只、岸橋等調度環節，也有精準的位置要求。
封閉場景下的精細化定位處理，依賴于智能感知、智能定位和智能控制技術。主線科技TrunkPort全新升級2.0版本依靠精確場景三維重構，高精準度感知周圍環境，推理車輛位置，構建駕駛決策態勢圖，實現厘米級微操控制。同時，不再配有安全員，達到了完全無人的港口碼頭真實業務場景整船作業。
由此可見，無人重卡在封閉、半封閉場景下運行，優勢在于速度更低、路線更固定、任務更簡單；但同樣存在技術難點，即與不同場景的車型進行適配，以達到與車耦合的要求。
從技術層面看，實現封閉場景下的商用化落地依靠的是智能感知、智能控制技術的升級迭代；從應用層面看，提前與各大港口碼頭、礦區、物流常用的管理系統實現融合，則是縮短落地時間和成本的捷徑。
數據共享加速，技術互聯互通
相比于智能駕駛汽車，智能駕駛卡車的劣勢似乎也非常明顯：起步較晚、玩家較新，缺乏前期數據積累。
當前賽道專攻無人重卡的玩家智加科技、嬴徹科技、圖森未來、千掛科技、行猩科技、主線科技等公司大多成立于近5年，比起專攻智能汽車領域的傳統車企、互聯網頭部企業，似乎缺乏數據和技術上的優勢。
從技術層面來看，業界普遍觀點認為，乘用車和商用車之間的很多技術是相通的，自動駕駛技術的復用率可以超過70%。
由于自動駕駛是一項應用技術，行業內人才的流動會導致未來第一梯隊的創業公司的技術差距不斷縮小，自動駕駛的技術壁壘正在發生變化。目前很多入局企業都已經過了自動駕駛方案的可行性測試階段，技術壁壘會隨著時間的推移逐漸弱化。
從數據資產的積累來看，算法的演進需要“刷場景”，即在實戰場景中獲取數據，用大量數據來“喂養”算法，無人重卡并不缺少這樣的場景。
無人重卡的優勢降本增效的意愿強烈，進而使得應用端測試意愿較強、測試數據容易獲得，實踐場景支撐數據的獲取。如無人駕駛卡車一旦成功，阿里電商的毛利率會從5%提升到40%左右，巨大的利潤空間加速了測試的進程，無人重卡的數據積累顯示著超出想象的速度。
從頭部企業小馬智行的發展規劃，可以窺見無人重卡玩家們對于數據、技術以及商業化的態度。小馬智行提出：2019 年到 2020 年實現物流貨運商業化探索；2021 年到 2022 年建立規模化自動駕駛車隊；2023 年到 2024 年建立智慧物流網絡。
小馬智行要想更快走通自己的商業化路徑，并盡快建立自己的技術、數據閉環。其發展路徑是，首先實現產品規模化運營，進而獲取數據，最后通過運營數據、經驗反哺技術，打通研發、生產、運營的整個過程。
不過，自建生態對創業公司來講有不小的成本壓力，宏景智駕、嬴徹科技為代表的玩家都選擇了與主機廠合作，以最小成本獲取技術支持和數據支撐。
如，宏景智駕與江淮合作開發L3自動駕駛卡車HyperTruck One，殺入干線物流，預計2022年量產；智加科技發布L3級無人重卡J7，已量產并拿到全球1萬輛左右的訂單；嬴徹科技與主機廠合作伙伴共同研發的L3級智能重卡投入運營。
從技術和場景復雜程度上看，乘用車到物流卡車存在一定的降維，似乎無人重卡的踐行應該更順利。
但從實踐情況看，無人重卡的實踐要慢于計劃的時間節點，而能否早日L4級別自動駕駛技術，并打造牢固的閉環生態，或許成為無人重卡企業能否走出自己的路的制勝關鍵點。