2024年，无人驾驶技术开始深入布局各个不同的物流货运细分场景，不少无人驾驶企业针对相应场景正在摸索和布局适合现有场景物流客户的产品及服务。

　　本报告先后访谈了相关无人驾驶企业专家，在此感谢智加科技CTO王磊、小马智行智慧物流总经理&广州研发中心副总经理贺星、挚途科技战略部总监姜东胜等专家给本报告提供的支持。

　　2023年，中国公路货运量达到403.4亿吨，占比达到72.4%，达到近五年来的顶配水平，由于公路货运的灵活性和低运输成本，已成为了国内物流货运的首选运输方式。

　　然而，国内公路货运同样存在对成本高度敏感和整体低毛利的现状，使得行业整体经营压力较大，并且快递（平均20%）和零担市场（快递平均15~20%）虽然整体毛利率较高，但市场之间的竞争压力较大。

　　在公路物流货运加快速度进行发展的同时，物流公司却面临着市场之间的竞争激烈和经营成本高的问题，其背后根本原因是：一方面，同质化的产品服务导致物流公司降低了产品及服务的竞争力，并且货源不稳定，导致货运订单的恶性争抢；另一方面，国内一天比一天突出的人力成本和劳动力紧缺问题，将会促进增加物流货运成本。

　　针对物流公司面临的痛点，无人驾驶技术能通过减少事故发生率、降低人力成本、提升运输效率三方面来为物流货运场景创造价值。首先，安全是首要原则，商用车的交通事故有几率会使较大的损失，而无人驾驶可以再降低司机疲劳度的同时，也能够大大减少司机的误操作；其次，无人驾驶技术能替代人力成本，从而有效解决物流公司司机人力成本高的问题；最后是大幅度的提高运输效率，通过无人驾驶技术能实现24h的货物运输，车辆可以自主规划路径，避免了人类司机的误工和怠工问题。

　　从整个无人驾驶物流货运产业链来看，主要由核心零部件供应商、各类无人驾驶物流货运解决方案商、传统及新势力商用车主机厂、物流场景方组成。

　　受益于无人驾驶货运产业的发展，核心零部件供应商从传感器、芯片，再到线控技术，已不再仅限于国际传统tier1，国产供应商发展较快，其产品可靠性和超高的性价比已得到了国内商用车主机厂和物流场景方等客户的高度认可。

　　九识智能某行业专家提到，国内汽车产业链非常成熟，产能充足，随着九识体量的一直增长，相信也将在相关的产业供应链方面迎来进一轮成本优化和生产效率的提升。

　　报告按照不同的驾驶速度和运输距离对无人驾驶物流货运场景进行了分类，具体分为园区物流、城市配送、城际运输、干线物流四类，其中，园区物流和城市配送物流属于低速、中短距离运输，城际运输和干线物流属于中高速、长距离运输。

　　在中短距离运输场景下，运输路线较为固定、车辆时速相比来说较低，对于无人车的无人驾驶技术落地难度相比来说较低；在长距离运输场景下，运输路线多为非固定路线，车辆时速相比来说较高，无人驾驶车辆在感知定位和规划控制方面都有几率存在相比来说较高的难度，并且在路权的获取上也同样存在较高的难度。

　　从“快递下乡”到“快递进村”的政策激励下，三四线城市快递行业将迎来加快速度进行发展。然而，城配场景的市场规模中占比较高的异地电商的快递运输，其具备标准化程度高、运输路线固定、货源集中度高等特点，并且无人车只需要负责送货到固定地点即可，较适合无人驾驶技术落地。

　　亿欧智库认为，适合快递转运的城配无人车一定要满足实用化和低成本两项条件，首先通过模块化、标准化、简约化来减少相关成本，并通过功能化来提高其实用化；其次为了减缓货主的前期现金流压力，未来软硬分体的交付方式更适合城配无人车产品，以九识智能的无人车产品为例，“单车成本+软件FSD付费的方式”不但可以降低前期单车的一次性投入成本，后续每月的软件费用也远低于人类司机成本。

　　园区经济规模大，但其物流运输的劳动力供需存在着不平衡的特点。以工厂园区为例，园区物流面临着物流效率低、运输管理不规范、运输环节风险高、物流信息不透明及云端数据分析能力不够的痛点。

　　2023年，部分无人驾驶公司开始在国内园区场景实现了商业化落地，该场景具备交通参与者较少、货源较稳定、不存在路权问题的特点，但大部分园区无人驾驶项目对车辆数的需求较小，并且各个园区无人车项目会面对不同的道路运输环节、生产流程、运输物料类型等。

　　挚途科技姜东胜提到，单个园区所投入的车辆较少，平均在10辆以下，场景定制化要求较高。

　　定制化大多数表现在软硬件两个层面，从硬件来看，应该要依据园区的路面状况、旁边的环境、运输环节特点等因素，对无人车的上装体和核心零部件进行特殊设计，从而满足场景的运输需求；从软件来看，感知和规控算法也需要针对园区场景的环境特点进行针对性的设计。

　　城际运输存在电动化率较低和部分城区路段场景复杂度较高的问题，短期内城际运输无人驾驶不易落地，其原因主要在于：首先，以小车队和私人车主为主的城际运输，对智能化上车带来的成本上升会较为敏感；其次，存量市场的电动化率较低，燃油车体系不易智能化功能的迭代，大部分主要以后装市场的L2及以下功能为主。

　　亿欧智库认为，在后装市场上，城际运输车辆主要会基于法规的要求，优先布局最基础的双预警（LDW+FCW）+自动紧急刹车（AEB）方案；在前装市场上，车辆的电动化转变是当前的主要趋势，将围绕“产品+服务”为车队或私人车主打造的一体化解决方案。

　　渐进式路线+无人驾驶功能，可在干线高速路段实现高级别的高速NOA功能；适合拥有稳定货源、运输距离较长的客户，通过高速NOA功能帮助B端和C端客户实现安全、省人、省力及省油的优势。

　　在安全方面，无人驾驶系统通过更安全的AEB和安全监控等方式，实现整车的功能安全，尤其对于人机交互的预警提醒，确保能及时接管危机工况。

　　智加科技王磊告诉亿欧智库：“卡车的预警提醒要做的更精准，不仅要符合法规，更要保障人和货的安全，同时也要减少误报，还有就是能更易懂，需要最大限度避免卡车司机的错误理解。”

　　在省人和省力方面，系统通过高速NOA实现双驾变单驾、减轻长时间驾驶压力。

　　在省油方面，全局和局部的动态预测能更好地优化油耗。王磊提到，由于中国的道路环境复杂，卡车不可能一直沿着全局规划的速度行驶，局部规划对油耗也有非常大的影响。尤其是在交通流里面怎么样保持全局规划出来的速度目标，如何尽可能的避免大油门和大刹车，都非常影响油耗。智加的拥堵控制和变道超车等局部规划逻辑对于节油有深入的考量，采用了强化学习等方法来优化油耗，能让车辆速度控制与发动机运行始终保持在最佳区间。

　　跨越式路线无人驾驶功能，在部分专线运输路段实现编队模式下的司机减员，更适合B端客户，大部分该场景坐落在偏远地区、车速可低于高速最低限速、路权的获取难度远低于干线物流公开道路。

　　小马智行贺星告诉亿欧智库，通常“1+3”的编队模式所剩下的人力成本，基本能完全覆盖车辆的额外成本。

　　L4卡车产品的重点是算法能力，一方面感知算法需要在实现多模态前融合下，优化前向长距离和横向感知算法；另一方面，优化纵向和横向控制算法能够在一定程度上帮助无人卡车提高系统鲁棒性，并且控制算法的能力将会为整套自动驾驶系统兜底，使得无人卡车安全度大幅提升。

　　对于控制算法的技术应用，贺星提到，规控算法特别的重要，它为整套系统做了兜底，小马的规控算法从理念和代码上80%复用了Robotaxi的模式，再将数据做好标定后，几乎很多场景都能做到复用。

　　未来的商用车解决方案不再仅仅是单纯的智能化生产工具，而是集合辅助驾驶、智能底盘、多样化动力、车身与舒适性以及娱乐的一体化的集合体，车端的软硬件所产生的数据将会通过云端的算力能力，不断地优化车端的各大功能模块，最终形成一套知识型解决方案。

　　目前，无人驾驶物流货运赛道处于发展阶段，技术与产品的落地仍应该要依据具体场景的特点和物流客户的实际的需求而进行不断地打磨。亿欧智库认为，未来随着端到端的新技术的落地、商用车零部件的国产化逐步替代后，物流货运的无人驾驶产品一定会更加好用，还可以为物流用户带来降本增效优势。

　　亿欧智库对中国智能驾驶产业的未来发展持乐观态度，并期待智能驾驶技术能赋能AIEV为用户的出行方式带来不一样的体验。亿欧智库致力于跟踪汽车智能化领域，在调查和研究后产出具有深度和见地的研究成果，以供业界参考与借鉴。同时，我们亦期待与广大读者开展交流与合作，共同为推动AIEV产业的持续健康发展贡献力量。