2021 年，商用场景自动驾驶获得了更多的关注和认可。

干线、矿山、港口、环卫、无人物流小车等赛道融资持续火爆，自动驾驶老将新手都纷纷布局商用场景，仅干线物流场景便涌现超 6 家初创企业：小马智行裂变出3 家企业：千挂科技、擎天智卡和行猩科技；图森陈默创办了图灵智卡；百度和狮桥合资创办卡车品牌 DeepWay、吉利也正在推出远程汽车。

赛道热度可见一斑。

辰韬资本一直关注商用场景自动驾驶，坚信特定场景先行落地，并早期投资易控智驾、易咖智车、于万智驾、斯年智驾、白犀牛、踏歌智行、极目智能等公司，完成了系统布局。

热度之下，我们重新梳理了商用场景自动驾驶的底层逻辑和挑战。

全文主要观点如下：

（1）在干线、矿山、港口、环卫、末端配送等场景，司机短缺将是主要矛盾，人力供给短缺日益加剧的现状下，迫切需要解决的是有和无的问题，不是有和优的问题，自动驾驶是解决人力供给矛盾的主要方案；

（2）提升司机驾驶体验将成为商用车行业发展趋势，干线场景高级辅助驾驶存在价值。

（3）商用场景自动驾驶落地的真正挑战在于长尾场景问题和供应链，路权不是主要障碍；

（4）专注场景是自动驾驶竞赛的致胜关键，不仅有利于解决长尾场景问题，而且将帮助建立客户、渠道、供应链、运营模式等壁垒。

1、自动驾驶价值：首要解决的是有和无，而不是有和优的问题

静态来看，现阶段自动驾驶依然存在诸多问题：一方面商业模式仍在探索中，且自动驾驶实际运行效率与人工相比都不高；另一方面技术不成熟，无法完全去掉安全员，使用成本高；最后，性能不够稳定，影响使用体验。

即便存在这么多问题，大家对自动驾驶的热情依然不减。支撑自动驾驶持续发展的需求究竟在哪？我们认为：解决劳动力短缺问题、降本增效、提升司机驾驶体验是关键需求。其中，劳动力短缺是核心矛盾，自动驾驶首要解决的是有和无的问题，而不是有和优的问题。

（一）司机短缺已成「灰犀牛事件」，补充需求非常迫切

（1）劳动力供给持续减少

根据前瞻经济学人的统计，自 2013 年以来，我们适龄劳动力人口持续下降，7 年时间累计减少了2300 万人。

结合历年出生人口数据，可以得知我国正在逐渐步入老龄化社会，适龄劳动力人口减少的问题在短、中期内没有逆转的可能。

上图数据来源：前瞻经济学人

劳动力供给减少导致的用人短缺，最先影响工作环境艰苦、体验差、收入低的行业和岗位。而且，随着生活水平的提高，大部分适龄劳动力、尤其是年轻人不再愿意到干线、矿山、港口等场景当司机。

我们曾经访谈一个头部零担公司，他们旗下司机的平均年龄每年增长 0.8 岁，公司只能一再放宽司机年龄要求，然而还是有很多司机年龄超过要求，他们对未来司机招聘表示担忧。

快递、配送行业也存在类似情况，因为招不到骑手，不少配送站点被迫撤销。

（2）需求不断增加

以末端配送领域为例，2013 年，中国快递及即时物流订单分别为 91.9 亿单和 9.5 亿单，2019 年增长到635.2 亿单和184.9 亿单。

2019年即时物流同比增速高达 33.71%，而且依然保持着高速增长。

数据来源：前瞻经济学人

在公路运输领域，中国公路运输市场规模大、从业人员多，据交通运输部统计数据，截至 2020年年底，我国道路货运从业人员 1728.73 万人，基数巨大。

同时，根据国家统计局的数据，行业需求持续增长，2013 年到 2025 年的预期复合增速为 8.5%。

（3）自动驾驶是解决司机短缺问题的主要方案

在劳动力供给减少和需求不断增加的双重影响下，司机短缺已成「灰犀牛事件」。

虽然大家也在做自动驾驶以外的方案探索，比如在末端配送等场景探索无人机、机器狗等方案，但综合下来自动驾驶解决司机短缺问题确定性最高，最值得期待。

「司机短缺」这一主要矛盾，对自动驾驶领域的商业分析很重要。

以无人物流小车为例，无人物流小车目前确实因为无法上楼，跟人工配送相比服务体验有所下降，不少人为此担心其商业逻辑不够通顺。

但我们实地调研发现，已经有非常多的社区、园区，因为人力不足而无法提供配送上楼、到家服务，或者因为管理需求、防疫需求而禁止配送人员进入园区或上楼。

我们认为，即使不考虑未来小机器人或人机协作解决上楼问题，无人物流小车的商业模式也是合理的。因为，在人力供给短缺并且日益加剧的现状下，未来需要权衡的不是有和优的问题，而是有和无的问题。

（二）降本增效：虽远必至

（1）自动驾驶可以大幅降低成本

技术成熟并去掉安全员以后，自动驾驶成本优势明显。以下结合具体场景说明。

矿山：矿用宽体车一般需要 3 名驾驶轮班，一台车每年司机费用需 30 万元左右，自动驾驶套件成本按50 万元计算，假设按 5 年折旧。综合下来，自动驾驶技术成熟后，一台车每年可节省近 20 万元成本。并且，自动驾驶套件成本未来还有比较大的下降空间。

无人物流小车：根据我们调研，目前部分企业无人配送车整车成本能做到 20-25 万元左右，多位无人配送从业者表示，无人配送车在未来 3 年内会实现规模化量产和商用，整车成本会逐步降至 10 万元以内。以骑手工资约 10 万元每年计，技术成熟以后，若按 3 年折旧，无人物流小车每年可节省成本数万元。

港口：现阶段自动驾驶套件整体成本 20-30 万，其中主要为激光雷达，还包括计算平台、 GPS、惯导和摄像头等。我们测算自动驾驶以后，每年成本方面亦可以节省 20 万左右。

可以预测，在自动驾驶技术成熟以后，拥有自动驾驶技术的公司在成本上会有较大优势。

（2）自动驾驶有助于扩大经营规模

以干线重卡为例，目前运营方非常分散，以中小车队为主，根据 Wind 和运联智库的数据显示，2020 年 50辆以上的大型运输企业仅占全行业 6.7%。

我们访谈干线物流运营公司管理人员得知，车队规模的主要限制影响因素之一是司机招聘和管理难度大，司机群体工作辛苦且较少与外界接触，管理难度大。

未来无人化后，将不再存在司机招聘和管理的难题，到时候随着信息化的同步发展，运营公司的管理效率和规模将大幅提升。

（3）自动驾驶有衍生其他业务的可能

自动驾驶技术壁垒高，自动驾驶运营公司在形成运力网络后可以向上下游延伸。

比如，末端配送公司形成网络效应后可以切入售卖，广告等业务，营业收入可以从传统的配送费转移到商品销售。干线自动驾驶公司形成足够大的运力网络后，往下可以直接跟货源方对接，往上可以直接往主机厂的角色转移。

（三）提升司机驾驶体验将成为商用车行业发展趋势

自动驾驶功能可以提升司机的驾驶体验，这在乘用车领域已经得到验证，乘用车「消费品」属性更强，有不少车主愿意为自动驾驶功能付费。商用车的「工具」属性更强，购买逻辑和乘用车存在差异，同时在商用车场景中，车辆的所有方往往不是司机本人。

如果自动驾驶功能短期内只能提升司机的驾驶体验和安全性，而不能实现大幅度降本增效，车辆所有方是否会愿意为自动驾驶功能买单？

我们认为，提升司机驾驶体验将成为商用车行业发展趋势。即使自动驾驶功能不能完全省掉司机，但只要能改善司机驾驶体验，将有不少购买方愿意付费。主要有以下原因：

（1）目前的重卡司机中「夫妻店」的比例非常高，这种情况下，购买方就是使用方，购买方对驾驶体验很敏感。在跟司机的访谈中我们了解到，如果能实现 ACC、AEB 自动换道等高级辅助驾驶功能，有不少司机表示愿意额外付费。

（2）人力短缺已经非常严峻，即使重卡的购买方不是使用方，购买方也有动力通过改善司机的工作环境和驾驶体验，以降低司机的招聘难度。

2、长尾场景和供应链是主要挑战

自动驾驶行业的确定性非常高，且前景令人心动，但发展依旧存在诸多挑战。行业龙头 Waymo 经过了 10 多年的努力，在商业化上并不令人满意。国内虽然百花齐放，但除了部分特定场景外，批量落地的时间表依然不够明确。

落地到底存在哪些挑战呢？我们认为最大的挑战在于长尾场景和供应链，路权和商业模型并不是主要阻碍。

（一）长尾场景是最主要的技术难点

长尾场景的解决是自动驾驶技术最大的难点。自动驾驶技术的难度不在底层架构和算法框架，这些方面已经有成熟的方案，各家自动驾驶公司在方案上已经不存在本质的差异，即使有也会随着研发的推进被逐渐抹平。

自动驾驶落地真正的拦路虎在于长尾场景问题的解决，长尾场景是落地的关键，也是自动驾驶公司之间竞争的决胜手。

为什么长尾场景是拦路虎？自动驾驶功能是基于 AI 算法实现的。以目前的技术，AI 算法只能完成之前被训练过的任务，与能够基于先验知识进行推理的通用型人工智能有本质区别。

这意味着，如果想让自动驾驶车辆克服各种场景，就必须把这些场景提前找到并训练。常见的场景特别好找，但是有很多特殊的场景非常难碰到，也就是所谓的「长尾场景」。

理论上，我们只可能无限逼近而不可能彻底找到所有场景，所以没有解决的「长尾场景」太多，自动驾驶的事故率、故障率将居高不下，不仅严重影响安全，也会因为需要各种接管而无法规模化、商业化复制。

（二）供应链离满足需求仍有差距

一方面，现有的辅助驾驶供应链难以满足自动驾驶需求。辅助驾驶在行驶中以司机为主，智能驾驶系统进行辅助，自动驾驶则以智能驾驶系统为主，司机辅助，甚至完全无需司机。二者在设计理念和功能上存在很大区别，比如自动驾驶对安全要求更高，需要足够在冗余备份。

目前，辅助驾驶供应链难以完全复用到自动驾驶产品上，但是市场上真正大规模出货的是辅助驾驶产品，对大部分供应商来说，自动驾驶配套的部件开发难度高且暂时没有批量订单，研发动力不足。不少自动驾驶公司有针对场景的定制化开发需求，但供应商配合度不够高。

以底盘线控相关的部件为例，如果要实现自动驾驶，一定要有冗余，且有些功能需专门开发，比如在矿山场景，矿用车辆的底盘冗余设计就很难简单套用公路卡车的方案。因此，目前不少自动驾驶公司已经被逼到亲自下场做底盘相关的研发。

另一方面，自动驾驶相关的传感器尚未成熟。一些针对自动驾驶开发的传感器比如激光雷达、芯片等也还处于迭代中，离车规尚有距离。

而且，商用车比乘用车使用工况更复杂，比如矿山场景，道路环境差、昼夜温差大，冬天室外作业温度很低，一般的激光雷达没法满足要求。

（三）路权和商业模型不是主要阻碍

除了长尾场景和供应链的挑战以外，很多人还会想到路权和商业模型。但我们认为从长期来看，这两点不是主要的阻碍。

首先讨论路权。目前，我国政府确实对自动驾驶车辆的路权开放有限，但目前距离技术成熟还需要一定时间，我们相信等到自动驾驶技术成熟以后，路权不是主要阻碍。

一方面，政府对自动驾驶技术普遍保持开放和支持的态度，北京和深圳，已经在积极推进相关立法。另一方面，政府主要担心是自动驾驶车辆的安全性，自动驾驶技术成熟以后，可以大大消除政府对安全性的顾虑。

其次是商业模型的问题。我们在上文简单分析了几个自动驾驶场景的商业模型，从测算结果来看，实现 L4 以后降本效果非常明显。

另外还有两个因素值得关注。第一，人工成本在不断往上涨；第二，自动驾驶套件的成本会随着产业链的成熟和放量不断下降，目前依然有很大的下降空间。

综合来看，自动驾驶的商业模型一旦过了拐点，效益会越来越明显。因此，从长期来看，商业模型不是主要的阻碍。

3、专注场景，是自动驾驶商用落地的必由之路

（一）在干线物流场景，高级辅助驾驶产品依然有价值

提升司机驾驶体验将成为商用车行业发展趋势。在 L4 实现之前，商用车将长期处在高级辅助驾驶阶段，很多人在分析其自动驾驶商业价值时仅从降本增效的角度分析，并质疑其在省人、省油，安全等方面的效果。

但是在 L4 实现前，高级辅助驾驶能提升司机驾驶体验，且会有客户为此功能付费。

这对干线自动驾驶公司非常重要，这表明在 L4 落地前的漫长时间里，干线自动驾驶公司可以通过高级辅助驾驶产品过渡，而不用担心在漫长的时间里仅有研发而难有收入。

（二）专注场景：自动驾驶关键的致胜策略

技术中「长尾场景」是技术竞争的决胜手。要解决好长尾场景的问题，一是通过实践寻找，二是通过推衍寻找，这两种方式都需要深入场景。很多长尾问题没法通过仿真模拟，只有深入场景才能发现。同时，深入场景才有机会对场景产生足够深入的了解，这是推衍新长尾场景的前提。

自动驾驶最终的竞争是商业闭环的竞争，技术以外还有客户、渠道、供应链、运营等因素，不同场景的客户、渠道、供应链、运营模式有非常大差异，这些因素在实际商业化运作中非常关键，只有深入场景才能建立优势。

因此，在自动驾驶的竞争中，专注场景是关键的致胜策略。

返回第一电动网首页 >