智能重卡的商业化之路，正在跑出一种新模式。
在 10 月 16 日举办的第 29 届智能交通世界大会（ITS World Congress）上，智加科技宣布完成了与一汽解放、江淮汽车、东风柳汽三大头部重卡主机厂的深度合作布局，并公布了相关时间表。
在这次公布的一揽子合作中，一些值得关注的行业现象正在浮出水面：
一是「车企+下游物流公司+自动驾驶公司」的三方商业合作模式，帮助智能重卡企业与整车厂深度捆绑；
二是自动驾驶系统可以与不同主机厂、不同车型、不同场景，做到高效适配。
与此同时，智能重卡「三步走」路线图清晰呈现：高速公路主路——收费站到收费站——仓到仓。
瞄准「仓到仓」之后，智能重卡企业各有策略。
在技术突破上，智加科技已经走到了「收费站到收费站」开放道路的试运营一环。主线科技、KargoBot（滴滴孵化企业）在尝试混合编队运营模式。
在 L4 自动驾驶普遍放缓之后，智能重卡以渐进式路线创造价值、赋能干线物流。
采用「渐进式道路」脚踏实地做好量产交付，成为当下智能重卡市场发展的主流。而未来的竞争格局，则取决于今天的技术工程化的落地能力、量产交付的商业化能力。
01
「车企+下游物流公司+自动驾驶公司」组合，商业模式跑通
这一次，智加科技一口气公布了两个重磅合作，绑定了三大重卡主机厂，将自动驾驶卡车量产交付带到了新起点。
K7+，江淮汽车与智加科技为快递快运市场打造的智能重卡，将于 10 月底量产交付于中通快运，双十一即可投入使用。
H7，东风柳汽与智加科技双方共同开发的智能重卡，签署量产合作协议后，计划 2024 年初量产交付。
此前，搭载智加科技自动驾驶系统的智能重卡一汽解放 J7 超级卡车，于 2021 年量产下线，已完成面向荣庆物流的 100 台当时中国最大前装量产自动驾驶重卡订单的首批交付。
至此，智加科技与三大头部重卡主机厂的深度合作完成布局。
商业化落地背后，有两个行业现象值得关注：
一是三方合作模式的日趋成熟，由「车企+下游物流公司+自动驾驶公司」组成稳定铁三角。
二是一套自动驾驶系统与不同主机厂不同车型、场景适配的高效率落地。
「车企+下游物流公司+自动驾驶公司」这一主流模式的背后，存在着「公路货运数字化改造」的根本性命题——它不是任何一家公司能够独立完成的，需要整个产业生态的联合。
以量产落地上跑得较快的玩家来说：
从资本层面看，满帮曾对智加科技进行多轮投资，嬴彻科技由 G7 与普洛斯、蔚来资本联合组建，福佑卡车与主线科技成立合资公司。
一端是技术能力获取，智能重卡纷纷选择和主机厂合作，以最小成本获取技术、数据的支撑。
另一端则是基于商业化运营的考量，自动驾驶公司与物流科技公司跨界合作，如今并不罕见。
试图将三者统合为一的图森未来，曾计划在美国组建自动驾驶货运网络（AFN），以建立「车企+供应商+物流」的三角关系为核心。
回溯来看，智能重卡公司联合产业上下游构筑的「三方合作模式」案例频出。
今年 8 月，智加科技与东风柳汽联合开发的智能重卡 H7，完成了广西柳州到新疆乌鲁木齐的单驾 8000 公里的实际运营，自动驾驶比例高达 97%，做到了最高节油 10%。
9 月 17 日，主攻智能纯电重卡的 Deepway 与齐鲁物流公司签订了车辆订单协议，联合宁德时代让车辆具备换电能力。
主线科技与中储智运开启了「业内首个大宗智慧物流联合运营项目」。
宏景智驾，一方面与江淮汽车合作，此前推出过 L3+智能重卡 Hyper Truck One；另一方面与中昱物流曾共建一支 30-50 辆规模的长途干线物流重卡车队。
在这些合作中，智能重卡企业主要负责研发自动驾驶系统。
双方也从早期的对于系统调试、功能实现、稳定性优化等侧重研发端，逐渐过渡到实际使用场景的运营。
走到这一阶段，量产交付正在成为智能重卡玩家们的「最大公约数」。
能够迅速在多个合作方认可，考验的是智能重卡工程研发的落地能力。
智加科技基于全栈自动驾驶技术自主研发的自动驾驶系统智加领航，一个系统可以与不同主机厂、不同车型、不同场景高效适配。
2021 年，智加科技实现了智加领航的前装量产。目前，智加领航进行了从 1.0 到 2.0 的全面升级，已开放了从收费站到收费站的领航自动驾驶功能，做到了上下匝道、汇入汇出等高速公路切换操作。
02 
智能重卡的下一步：通往「仓到仓」的星辰大海
越来越多的行业共识是，只有攻克「仓到仓」，才能真正发挥自动驾驶核心的价值。
但这条路并不容易。
当车辆在物流园仓间往返时，会经过高速公路乃至省道、国道各级道路，沿途的收费站、路口、闸机。
从物流仓到收费站的路程，接近城市内部路况。要跑通环环相扣的全流程，是技术突破和商业化驱动的结果。
智能重卡企业试图提出各种方案，将场景复杂的仓到仓进行切割，分层次分区域推进技术落地。
美国的自动驾驶重卡公司 Embark 曾在高速公路收费站旁边新建转运中心，减少在开放道路上行驶的环境变数。
主线科技、滴滴自动驾驶孵化的 KargoBot 也在推进混合编队模式，由一名司机驾驶的带智能驾驶功能的领航车辆，后车在跟车这种形式，以做到阶段性的高速交付。
基本上，智能重卡企业主要涉及的是道路结构化程度高比较封闭的高速主干路。
实际上，业界的探索，也符合政策支持的方向。
2022 年 8 月，交通运输部发布了《自动驾驶汽车运输安全服务指南（试行）》（征求意见稿）。其中提到，「（鼓励）在点对点干线公路运输、具有相对封闭道路等场景使用自动驾驶汽车从事道路普通货物运输经营活动」。
瞄准仓到仓，从技术突破到商业化落地，智加科技一步一个脚印，在三年实现了「三个里程碑」。
——首个干线物流高速公路：2021 年 9 月下旬开始，智加科技和荣庆物流开展联合运营，开通中国首条量产智能重卡运营专线。
——首个收费站场景：2022 年 9 月，中国首个 33 公里收费站到收费站开放交通流全路段自动驾驶试运营，同时覆盖了中国目前最长的湖底智慧隧道（太湖隧道）。车辆可以自动通过匝道汇入主路，在主路上做自动变道、超车、下高速。
——迈出商业化重要一步：2023 年 10 月，迄今拿到三大头部主机厂深度合作（江淮汽车、东风柳汽、一汽解放）。
目前，智加科技的合作伙伴包括荣庆、中通、申通、德坤、黑豹等，搭载智加科技的自动驾驶系统「智加领航」的前装量产智能重卡的商业化运营与测试已实现近 18 万公里中国高速公路全覆盖。
在封闭场景能够实现纯无人的过程中，智能重卡三步走路线图清晰呈现：高速公路主路——收费站到收费站——仓到仓。
智能重卡只攻克高速公路主干路，尚不能形成完整的商业闭环，而只有打通干线物流的仓到仓模式才是最终解。
各个场景推演的降本增效潜力，由最短、也是最后的那块木板决定。
规模化的覆盖、有效的成本控制，均建立在此基础上。
随着「收费站到收费站」的进一步跑通，智加领航步入了新的阶段。
智加科技副总经理王磊曾指出：「我们的长期目标是打造完全无人的仓到仓的干线物流自动驾驶产品。这里有一以贯之的功能性能追求，就是安全、省油、更省力」。
自动驾驶系统前装量产及物流线路商业运营，最终带来的是对对技术迭代的持续反哺。
整体来看，尽管「仓到仓」尚未落地，但是智加科技等国内头部智能重卡企业相关技术，已经拥有相当多的积累。
03 
L4 放缓之后，智能重卡赋能物流业前景如何？
公路货运数字化改造过程中，全无人智能重卡的目标对应的是干线物流长期痛点——成本、人员。
在总成本中，30% 是燃油，25% 是人力，剩余 45% 是路桥费、保险理赔等开销。与此同时，也存在司机难招、司机难留、年轻司机少等难题。
以快递市场年均 30 万公里里程为例，每公里运输成本约为 5.7 元，其中燃油成本 2 元，司机人力成本 1 元，占运营总成本的 50% 以上。
智能重卡行业以「降本增效」来创造价值，进而刺激传统物流业更新换代。
据亿欧智库预计，引入智能重卡之后，「到 2030 年干线物流自动驾驶市场规模将达到 7165 亿元。车辆 TCO（即全生命周期使用成）有望下降 27%。其中，人力成本可下降 70%。」
那么，在实际高速道路上，目前的智能重卡运营到底能够带来多少「降本增效」？根据智加科技和荣庆物流开展的中国首条前装量产智能重卡运营专线数据统计：
  • 自动驾驶压线比例比人工驾驶低 74.5%，可降低交通事故。
  • 自动驾驶比例平均 96.7%。平均每趟 140 次自动变道，平均每趟 107 次自动微调避让，可以很大程度减轻驾驶员工作强度。
  • 比现有普通车辆油耗最高节省 10%。
如果以快递快运场景来说，智能重卡已经可以实现「双驾变单驾」，叠加最高 10% 的燃油成本节省，运营成本能大大降低。未来，一旦做到完全自动驾驶，总运营成本可减少约 28%。
2022 年全国货物运输量达到 516 亿吨，而其中公路货运量为 371.2 亿吨，占比 72%。
智能重卡面对如此广阔蓝海，或许带来万亿级的经济效益。
罗兰贝格预测，至 2030 年自动驾驶商用车销量渗透率仍以 L2 及以下为主
相比于小马智行、图森未来等曾经坚定的 L4 派，无论主动或被迫抉择，采用从低阶到高阶的「渐进式路线」成为当下主流路线。
亿欧智库在《2021 中国自动驾驶干线物流商业化应用研究报告》中预测，到 2030 年，中国干线物流重卡保有量将达 627 万辆，2030 自动驾驶干线物流市场规模将达 8539 亿元。
中国科学院院士、清华大学教授欧阳明高预计，到 2025 年，新能源重卡的市场渗透率将超过 10%，2030 年会接近 50%。
这意味着智能重卡行业拥有一个巨大的市场容量，将在未来五年呈现爆发式增长的态势。
智能重卡的长远愿景，激励着这个领域的玩家们，从活下去到创造更大价值。
穷尽可能性，意味着故事的结局也是开放性的，自动驾驶寒冬之后会迎来什么，也由人们对新技术的态度来书写。
推荐阅读：
继续阅读
阅读原文