環球今熱點：讓一部分自動駕駛卡車先跑起來

它是寵兒，也是棄兒；它被追逐，也被放逐。它曾經把圖森未來送上「自動駕駛第一股」的位置，估值超過百億美元；最近卻迎來了一連串的遇冷。它就是自動駕駛卡車業務。

(資料圖)

最近，自動駕駛卡車業務的日子著實不太好過，明星企業 Embark 面臨倒閉，Waymo 裁撤了旗下卡車項目 Via 的員工，圖森未來的市值也只剩下 2.55 億美元。伴隨而來的是對于自動駕駛卡車業務的質疑：無人卡車還有前景么？什么時候能真正量產落地？

4 月 18 日，低調了 1000 多天的滴滴在上海車展上的亮相，發布了自動駕駛相關業務的同時，也帶來了自動駕駛卡車創新項目 KargoBot。

在最近行業冷卻的當口，還有新玩家扎進來，滴滴想如何延續自動駕駛卡車的故事？KargoBot 是如何讓一部分自動駕駛卡車「先跑起來」的？

一直以來大家似乎有這樣一個認知：自動駕駛商用車會比乘用車更容易落地。相對簡單的場景、半封閉式的固定路線、貨運場景對于提升安全和效率的剛性需求，伴隨著近年來國內一波又一波的卡車司機用人荒，讓自動駕駛卡車落地的技術支持和商業需求都水到渠成。節省司機成本、增加卡車運行時間、提高燃油經濟性，一舉三得之下，眼看著一個萬億級市場唾手可得。

不過理想很豐滿，現實卻很骨感。作為自動駕駛第一股的圖森未來曾經將自家 L4 級卡車設置成兩種場景：干線物流路段由系統提供 L4 級自動駕駛；城區路段交由駕駛員操作，系統提供 L2 級輔助駕駛。這套方案一度被視作將改寫貨運市場格局，收獲了 7400 多輛訂單，然而至今仍然沒有一輛車進入交付量產階段。這是自動駕駛卡車行業無數玩家的真實縮影，扼住了量產交付「喉嚨」的兩雙手，一個是技術模式，另一個是落地場景。

要解決自動駕駛卡車的落地，難以避免要面臨幾個問題：在什么場景使用？提供什么形態的產品？產品賣給誰？以及最關鍵的經濟賬怎么算？

走過了 1.0 時期全場景無人化愿景的「彎路」后，目前自動駕駛卡車公司主要有兩條路：一個是選擇漸進式路線，將現階段的部分技術落地，在落地中迭代；另一個是堅持 L4 路線，但是在場景上進行一定約束。

選擇漸進式路線的玩家走上了 L2+、L3 級別智能駕駛，比如摯途科技、贏徹科技，為主機廠提供 L2+、L3 級別的前裝輔助駕駛解決方案；通過 L2/L3 級別的輔助駕駛提高卡車的安全性、優化燃油經濟性，甚至嘗試節省司機人工成本。

不過現實的貨運中，為了節省人力成本，往往在 800km 甚至更遠途的運輸中才會采用雙司機，這意味著單人+L2/L3 輔助駕駛要覆蓋更長距離路程的挑戰；在這個過程中，盡管有輔助駕駛的幫忙，司機依然無法直接睡覺、完全休息，疲勞駕駛的安全隱患依然存在。因此，借助 L2+技術讓雙駕變單駕、進而節省司機人員成本的模式，目前依然在探索當中。

選擇堅持 L4 路線的玩家，則在場景上做選擇題，讓卡車在部分場景中實現無人駕駛。

比如，去年 GeekCar 在《困在疫情里的重卡》中采訪到的友道智途，當時在東海大橋到洋山碼頭的物流環線封閉運輸，利用測試路段專用測試車道相對封閉的特點，逐步推進無人化運營；類似的還有港口、礦區、園區、環衛等相對更加封閉的場景。這類場景都相對封閉、運營場景單一、干擾較少，更有利于自動駕駛技術運行；不過相應地，這類場景體量相對較小，規模化難度大，對于貨運、汽車、自動駕駛這三個都需要向規模要利潤的領域來說，未來大規模商業化還有很大的難度。

另一個我們比較熟悉、規模也足夠大的場景就是快遞貨運。目前國內快遞貨運有8000億規模，足夠商業化。但是就如同平時購買的快遞一樣，快遞貨運的路線相對分散，遍布全國不同的高速、國道、省道，甚至成熟道路，路況相當復雜，而且快遞對于時效性要求尤其嚴格，對目前仍處于測試階段的自動駕駛公司來說，技術挑戰和運營挑戰都不小。

在這種情況下，路線集中度高、場景半封閉的干線物流就成了大量 L4 級自動駕駛卡車企業的選擇：路線以高速路為主，沒有人車混行和復雜路口的沖突點，高精地圖完全覆蓋，而且每年干線物流在中國有著萬億級的市場規模，可以說是自動駕駛卡車天然的「培養皿」。因此，無論是圖森未來、DeepWay，還是 KargoBot、小馬智卡等公司，都選擇了從干線物流場景入手，剩下需要解決的問題就是：如何讓自動駕駛卡車真正跑起來？

一直以來干線物流都是自動駕駛商用領域最有想象力的場景。特別是礦產、原材料等看起來沒那么「高大上」的大宗商品運輸，約有 2.2 萬億以上，占了國內貨運卡車近一半的市場。

足夠大的市場、半封閉的路線、大宗商品相對穩定的需求，以及單條路線每天能集中上百輛貨車的規模，讓 KargoBot 這個自動駕駛領域的新玩家一下就看到了大宗商品貨運的前景。而這個領域的大型企業主要采用雇傭運力的方式，對于降低物流成本、提升效率的自動駕駛卡車有著很高的需求。

解決了場景和用戶需求的問題，但是要讓自動駕駛卡車真正跑起來依然要解決兩個問題：

解決這兩個問題最好的辦法就是：將系統能解決的事情交給系統，提高效率；將系統無法的解決的問題交給人工，讓自動駕駛落地。因此，KargoBot 提出了一種人與系統混合并存的解決方案 KargoOne：由 2～6 輛車組成一個車隊，整個車隊只需要一名駕駛員來控制頭車，后續是 1～5 輛 L4 級無人駕駛卡車，整個車隊進行端到端的運輸工作。

正常運行時，頭車具有 L2 級輔助駕駛能力，由駕駛員控制，后續 L4 級自動駕駛卡車可以自主決策超車、并線、如何通過紅綠燈等情況；當遇到突發情況時，車輛間信息實時同步，頭車的駕駛員可以引導整個車隊編隊通過復雜路段、遠程控制后續 L4 卡車，也可以來應對人工繳費、交警檢查等需要溝通的情況。

以往難以單獨上路應對突發場景的自動駕駛卡車，在 KargoOne 模式下可以由一個領航司機引導 2～6 輛卡車上路，處理復雜場景的能力提升了 50 倍，核心安全指標提升了 20 倍。

這不僅意味著一個車隊可以緩解 1～5 名卡車貨運司機的缺口，節省人力成本；而且組隊行駛時車輛間距縮短、風阻進一步降低，能減少 5%～10%的能耗。

「走更線性的曲線，技術演進一部分，就獲得一部分收益。」滴滴自動駕駛創新業務的負責人韋峻青博士這樣形容 KargoOne 系統的初衷。

事實上目前這套 KargoOne 系統也已經開始華北地區常態化運營，目前有超過 100 臺的編隊的車輛運行，連接了 26 個重要的起終點，包括了煤礦、石灰石礦、港口、鋼廠和其他一些重要的物流的集散地。據 KargoBot 透露，截至 2023 年第一季度，自動駕駛卡車的收入將突破 1 億，隨著車隊規模的擴大，2026 年將實現盈利。

如果說自動駕駛每隔幾年就經歷一輪波峰與波谷的輪動，2023年大概是新的一輪波動。從2022年底ArgoAI倒閉，到前不久Embark破產、圖森未來震蕩，自動駕駛行業似乎寒氣陣陣；但與此同時，越來越多乘用車搭載來高階智駕功能，類似KargoOne這樣在技術和商業上能夠跑通的新路徑出現，讓人覺得自動駕駛行業并未遇冷，只是逐漸向著更加務實的路線前進。

在 KargoBot 的發布會上，地平線創始人余凱博士說「這是一個理想主義者同行的聚會」，這場「聚會」中，有 KargoBot，有地平線這樣的賦能者，也有陜汽這樣的硬件主機廠；正是「朋友圈」的共同合作，才有 KargoOne 這樣具有完全無人化能力的前裝量產車上路。

事實上無論是自動駕駛行業，還是 KargoBot 團隊，都是起源于一群理想主義者試圖通過技術改變世界的暢想。2005 年，KargoBotCEO 韋峻青博士和他的核心團隊最早接觸到自動駕駛比賽，并在 3 年后加入美國卡內基梅隆大學的無人駕駛實驗室，開始無人駕駛的研究、創立自動駕駛公司、開啟測試，再到加入滴滴自動駕駛，在滴滴的數據和運營基礎上開發出 KargoOne 系統。18 年自動駕駛領域的經歷，是自動駕駛從理想主義走向現實，逐漸用更加可行的方式去改變世界的過程。

前不久的筆者采訪到內蒙古地區某物流公司的負責人，作為一位有著 20 年從業經驗的老物流人，他對 GeekCar 說，以往西北地區大宗商品貨運的作業環境非常艱難，工作強度很大，工作時間也比較長；同時冬天最低能到零下 30 度，司機所受的苦也比較多，人員的缺口也越來越大，這是多年都無法改變的現狀。目前在當地的高速公路上，已經能看到 KargoBot 車輛的運行，特別是短途運送煤炭和中途運送石灰石和蘭炭，每天都有幾十輛車在實際載貨運輸。自動駕駛卡車的試運行，正在改善著當地貨運缺口。

根據 KargoBot 給出的數據，截至今年 3 月，KargoBot 累計已經運輸了超過 120 萬噸煤炭及其他大宗商品，累計物流收入突破 1 億元。KargoBot 這個自動駕駛的理想主義者正在走上商業化的現實之路，也正在用混合無人駕駛技術改變著世界。

前段時間，比爾蓋茨試乘 Wayve 打造的 Robotaxi 時說，「自動駕駛將在未來十年內達到一個臨界點，將像個人電腦改變辦公室工作一樣徹底改變交通運輸。」

自動駕駛落地是否真的需要十年，不可而知；但是技術的演進無法從天而降，需要不斷的創新嘗試，為自動駕駛提供彈藥，來克服技術上、商業化上的挑戰。這個彈藥既是商業上的盈利能力，也是技術落地提供的數據迭代和優化。

只有讓自動駕駛卡車先跑起來，一切才有可能。