社区

自动驾驶技术越来越成熟以后，最先赚钱的会是谁？

很多人的第一反应可能是Robotaxi。它最接近我们想象中的无人驾驶，没有司机，一辆车自己接人和送人，理论上还能长时间运行，把传统出租车和网约车中很大一部分人工成本拿掉。

这个想象当然很有吸引力，但如果把自动驾驶真正放进不同场景里比较，就会发现，同样一套感知、计算、决策和执行技术，用在Robotaxi、干线卡车、矿区运输和末端配送上，面对的是完全不同的经济模型。

有些场景技术难度最高，长期市场也最大。而有些场景看起来没有那么科幻，却因为道路简单、任务固定、人工成本高，更容易率先形成稳定的商业闭环。

自动驾驶的商业化顺序，很可能并不是按照谁的技术最先进排列。它更接近另一条逻辑，技术已经足够好，同时又能明确降低成本的场景，会更早变成真正的生意。

一、自动驾驶商业化，本质上是一笔成本账

判断一个场景是否适合自动驾驶，我现在更愿意先看四件事。它能替代多少成本，环境有多复杂，设备利用率能提高多少以及系统失效以后要承担多大的代价。

这四件事放在一起，往往比单独讨论自动驾驶等级更接近商业现实。

首先是人工成本。如果一个场景原本就不需要多少人，那么即使实现了完全自动化，能够节省的钱也有限。但如果司机本身就是成本结构中的重要组成部分，而且还存在招工困难、夜班、长时间驾驶等问题，那么自动驾驶创造的经济价值会更加直接。

其次是环境复杂度。城市开放道路里存在行人、自行车、外卖骑手、施工、临时停车和各种并不完全遵守规则的交通参与者。矿区、港口、园区则完全不同，路线更固定，参与者更少，规则也更容易统一。自动驾驶需要解决的问题自然会少很多。

第三是设备利用率。自动驾驶系统本身并不便宜。如果一台设备每天只工作几个小时，昂贵的传感器、芯片和软件成本很难被摊薄。反过来，如果自动化能够让设备从每天工作八小时变成十六小时甚至更长，那么价值就不仅仅来自省掉一个人。

最后是安全和责任。一辆矿卡在封闭矿区里异常停车，和一辆Robotaxi载着乘客停在城市主干道上，影响完全不同。场景越开放、参与者越多、涉及的人身安全越直接，商业化门槛通常也越高。

自动驾驶并不是简单地从有人驾驶变成无人驾驶，它真正改变的是一套运营系统里的成本结构。

越靠近开放世界，自动驾驶需要处理的变量越多。矿区、港口等受约束场景通常更容易率先形成商业闭环，而Robotaxi面对的技术、运营和安全要求最高。

二、Robotaxi：最大的想象空间，也是最复杂的一笔账

Robotaxi最吸引人的地方，在于它直接进入了巨大的城市出行市场。

传统出租车和网约车中，司机是一项非常重要的成本。如果自动驾驶能够真正取代司机，一辆车理论上可以工作更长时间，同时持续接单。

而且Robotaxi和卖车的商业模式不同。卖车的收入主要发生在交付时，Robotaxi则是一辆车每天不断提供服务，不断产生收入。

从商业模型上看，这很诱人。

Robotaxi进入的是最开放的城市道路环境，也因此拥有巨大的长期市场和更高的商业化门槛。

但它同时也进入了自动驾驶最复杂的环境。城市里不仅有车辆，还有行人、电瓶车、公交车以及大量很难提前写进规则的人类行为。

人类司机在处理这些情况时，依赖的不只是交通规则，还有大量生活经验。比如一个人站在路边，没有迈进车道，但司机可能已经通过他的身体朝向、视线和动作判断，他很可能准备过马路。

这种带有社会判断性质的驾驶行为，是城市自动驾驶最难处理的部分之一。

而Robotaxi面对的又不仅是技术问题。它直接载人，因此对安全性、稳定性和乘坐体验的要求都很高。

在矿区里，一辆无人车遇到不确定情况时，可以非常保守地停车。

但在城市道路里，如果车辆频繁犹豫和急刹，或者因为轻微异常停在路中间，那么即使没有发生事故，也很难形成好的运营体验。

更重要的是，无人化并不意味着运营成本消失。车辆仍然需要日常清洁和充电，以及人工调度和事故处理。遇到复杂情况时，可能还需要后台人员提供远程协助。

Robotaxi真正值得看的，不只是自动驾驶系统能不能开。更重要的是一辆车每天有多少时间真正载着付费乘客，空驶率有多高，每公里收入是多少，每公里成本是多少以及整车和自动驾驶系统的投入多久能够回收。

它可能拥有自动驾驶中最大的长期市场，但也是最需要时间验证单位经济模型的场景之一。

三、干线卡车：自动化的经济价值更加直接

干线卡车的商业逻辑和Robotaxi不太一样。长途货运的特点是路线相对固定，而且司机成本和时间约束都非常明显。

一辆重卡需要长时间在高速公路上运行。司机不仅有工资成本，还受到工作时长、休息时间和人力供给限制。

如果自动驾驶可以承担其中大量高速路段的驾驶任务，价值很容易体现出来。车辆能够运行更长时间，司机成本下降，车队调度也可以变得更加标准化，而且运输效率也可能因此提高。

这里的车队调度其实很重要。对物流公司来说，真正需要优化的往往不是某一辆卡车，而是一整支车队。

哪些车什么时候出发，走哪条线路，什么时候补能，怎样减少空驶和等待，都会直接影响最终的单位运输成本。

自动驾驶如果只是让一辆车自己开，价值还比较有限。但是一旦它和车队管理系统结合起来，能够同时优化车辆利用率、路线和调度，创造的价值就不只是少一个司机，而是整支车队的效率都可能提高。

从环境上看，高速公路也比城市道路更加结构化。车道明确，没有大量横穿道路的行人，绝大多数车辆都沿着同一方向高速行驶。

与城市道路相比，高速公路更加结构化，这让干线物流成为自动驾驶较容易创造经济价值的场景。

当然，卡车也有自己的难点。重卡本身重量大，制动距离长，同样一个判断错误，产生的后果可能远大于普通乘用车。

而且真正的物流并不只有高速公路。一趟运输通常还包括物流园区、收费站、上下高速、城市道路和装卸场地。

更现实的商业路径，未必是一开始就把整趟运输全部无人化。

一种很自然的方式，是先把最标准化的高速干线交给自动驾驶，再让人类完成两端更复杂的接驳。这样做不需要等待自动驾驶解决所有道路场景，就可以先利用机器最擅长的部分。

从商业上看，干线卡车最值得关注的并不是什么时候可以完全没有司机。

真正重要的是自动驾驶能够替代多少高重复的驾驶时间，以及这部分节省出来的成本，能否覆盖新增的硬件软件和运营投入。

只要这笔账能够成立，它就有可能在完全无人驾驶到来之前，提前创造商业价值。

四、矿区运输：最不像未来，却可能最早形成稳定回报

如果只看想象力，矿区运输可能是几个场景中最不起眼的一个。

它没有Robotaxi那种未来城市感，也不像无人卡车那样直接连接庞大的社会物流体系。

但从自动驾驶商业化的条件来看，矿区几乎是一个天然适合机器工作的环境。

路线固定、任务重复、环境受约束，使矿区成为自动驾驶最容易率先形成商业闭环的场景之一。

矿区通常相对封闭。道路固定，路线明确，社会车辆和行人少，交通规则也可以由运营方统一制定。

矿卡每天执行的任务也非常重复，装载、运输和卸载，然后返回继续下一轮。这正是物理AI非常擅长的一类受约束任务。

而矿区原本就存在很明确的自动化需求。司机工作环境比较辛苦，部分地区招工困难，大型矿卡需要长时间连续作业，矿区还可能存在粉尘、夜间工作和极端天气等一系列安全风险。

自动驾驶创造的价值不需要依赖很遥远的未来故事。它可以直接体现在人工成本下降，设备运行时间增加，人员暴露在危险环境中的时间减少，运输调度更加稳定以及单位运输成本下降。

而且矿区和干线物流有一个很相似的地方，真正被优化的往往也不是某一辆车，而是整套运输系统。

挖掘机什么时候完成装载，哪辆矿卡先到，运输路线怎样安排，卸载点是否拥堵，下一轮车辆如何衔接，都会影响矿山整体效率。

无人矿卡真正的价值，不只是车里没人，它还在于装载、运输、卸载和调度可以被放进同一套生产系统中优化。

矿区客户通常也是非常理性的B端客户。他们并不需要一辆车表现得像人一样聪明。他们真正关心的是同样一吨矿石，从A点运到B点，成本是不是变低了。

只要单位运输成本下降，自动驾驶就有商业价值。

物理AI最早形成稳定现金流的地方，未必出现在最复杂的开放世界。反而很可能首先发生在矿山、港口、工厂和园区这些看起来没有那么科幻的场景中。

五、末端配送：速度更低，但运营系统更碎片化

末端无人配送看起来比Robotaxi简单很多。它不载人，车辆速度低，单次事故可能造成的风险也相对更小。

同时，快递、外卖和商超配送又都是高度依赖人工的行业。无人配送因此很自然地成为自动驾驶商业化的重要方向。

末端配送的难点不只在车辆本身，更在于最后一公里的整个履约流程能否被重新组织。

但真正进入运营以后，它会遇到另一种复杂性。最后一公里本身就是现实世界里最碎片化的部分。

小区门口、人行道、非机动车道和临时停车等等这些因素，都可能成为车辆运行中的变量。

而且自动驾驶解决的还只是把东西移动到某个位置，真正的交付还包括很多其他环节。商品需要从仓库装进车里，无人车需要处理社区入口和门禁，到达目的地后还涉及用户取件或者进一步配送，出现异常以后也需要有人处理。

如果这些流程最终仍然需要大量人工介入，无人车节省出来的驾驶成本，可能会被其他运营成本重新吃掉。

末端配送的商业化不能只看一辆无人车。它更像一个完整物流系统的重构。仓库、商家、配送站点、社区和用户取件方式，都可能需要一起发生变化。

这也是它和Robotaxi很不一样的地方。Robotaxi的目标，是让一辆车自己完成一次人的移动。无人配送更像是在重新设计货物最后一公里怎样移动。

现实中的自动驾驶当然也不只有这四种形态。港口、物流园区、机场和工厂等场景，其实分布在完全封闭和开放道路之间的不同位置。它们面对的道路复杂度、人员参与程度和运营要求各不相同，也共同组成了一条从受约束环境逐渐走向开放世界的商业化光谱。

六、受约束的场景，往往更早形成商业闭环

把Robotaxi、干线卡车、矿区运输和末端配送放在一起比较，可以看到一个很明显的规律。