主持人：
骆轶航 | 品玩/硅星人创始人
嘉宾：
胡国亮 | 宁德时代智能科技执行总裁
楼天城 | 小马智行联合创始人、CTO
李 强 | 菜鸟集团CTO
郑 赟 | 罗兰贝格亚太区汽车业务负责人
杭州北部余杭区的一个快递网点，超过20台无人车组成的车队正在日夜不休进行着末端配送工作。每台无人车装载量为5立方米。这是目前单一网点载重规模最大的快递无人车车队，而这些无人车来自菜鸟。
“我们很高兴地告诉大家，我们把无人车拓展到了公开道路和城市配送的场景，而且我们今年已经在无人车场景开始进入量产阶段。”菜鸟集团CEO万霖在近日举行的2024全球智慧物流峰会上表示。
据菜鸟透露，这些无人车不仅仅承接了包裹到驿站的派送，还承接了从客户到网点的包裹揽收服务，实现揽派高效结合。目前，该站点超过30%的包裹由无人车配送，通过站点串联，单车每日至少运输1500个包裹。而多车组合作业的方式，也让车队综合效率提升远大于单车的效率提升。
“这件事情标志着经过长期的积累、长期的建设，无人车和无人驾驶在物流行业基本迈过了技术的门槛，它和整个业务、流程相结合的紧密度也已经达到了规模化应用的阶段。”万霖说。
随着菜鸟L4级无人车主要面向快递网点商用进行公开发售，无人驾驶的商业化显然又进了一步。
菜鸟集团CTO李强也表示，他认为，未来三到五年，物流行业将有超过20万台的快递无人车部署。
在菜鸟的2024全球智慧物流峰会上，我们也有机会和包括菜鸟集团CTO李强在内的，来自宁德时代、小马智行、菜鸟以及罗兰贝格的专家们一起聊了聊无人物流对于今天自动驾驶技术商业化进程的意义。
以下为对话实录。
骆轶航： 我们这个环节争取在半小时内集中解决几个关键问题。今天我们要聚焦讨论自动驾驶及其未来场景，特别是自动驾驶与无人物流之间的关系。我们尽可能把话题聚焦在这一点上，争取达成一些共识。当然，如果实在没有共识也不必强行达成，我们希望能有更多的思想碰撞。
我觉得今天的四位嘉宾背景非常有意思。胡总来自宁德时代智能科技，我理解他所专注的是从电池技术延伸出来的整车智能底盘的研发与打造。小马智行的楼天城大家都很熟悉了，他所在的公司多年来一直深耕自动驾驶领域，尤其是在过去六七年中不断突破，并在无人配送物流方面做了大量探索。菜鸟已经在正式对外销售L4级无人物流车，也有快递公司的网点向菜鸟采购无人车，物流的未来发展是他们最关心的议题，因此无需多说。而我们罗兰贝格，作为一家咨询公司，近年来也对汽车领域的实践积累了丰富的观察和见解。所以，我觉得今天大家的角度非常多元，也非常适合在这里展开思想的碰撞。
探索自动驾驶未来：物流场景优于个人出行？
现在我们来探讨第一个议题。
多年来我们一直在讨论L4级自动驾驶何时能够普及。今天我想请大家思考：相比广义上的个人出行自动驾驶，无人物流是否更容易找到落地场景并获得大规模推广？
同意的请举"Yes"牌，不同意的举"No"牌。
好，三个"Yes"，一个弃权。楼总，您为什么在这个问题上持中立态度？
楼天城： 我认为落地场景之间的差异很大。比如乘用车、长途干线物流、园区短途物流等，每个场景面临的挑战都不同。有些在技术上难度大，有些在成本和商业化压力上大，有些在法规上有很大挑战。这些因素之间的权衡非常复杂，所以我觉得这是一个混合的状态，不是简单的"是"或"否"的问题。
骆轶航： 明白了。那么其他几位为什么认为无人物流更容易实现？胡总，您先谈谈看法。
胡国亮： 我同意楼总的观点。虽然我选择了站队，但并不意味着我完全认同。从自动驾驶的角度来看，不同场景确实面临不同的挑战。基于我之前在感知领域的经验，以及现在在宁德时代做执行层面的工作，我认为最大的难题其实是中间的规划控制环节。感知和执行相对而言是技术难题，而规划控制遇到的更多是伦理和法律层面的问题。
当涉及到人的因素时，决策过程会更加复杂，比如著名的电车难题。但如果我们将人的因素从自动驾驶场景中移除或减少，那么做出判断和决策的过程会相对容易一些。所以虽然我不能说哪个场景一定更好，但如果要选择的话，物流场景中至少少了一个需要保护的对象 ——车内的人。这从规划控制和各种规则的角度来看会稍微容易一些。
骆轶航： 我理解您的意思是，通过去除人这个角色，无人物流在伦理和其他层面上避免了很多复杂的考量，从而更容易落地。李总，您怎么看？
李强： 我非常赞同楼总提出的三个思考维度。从技术层面来看，物流场景可以接受一个相对确定的路线和较低的速度，所以实现L4自动驾驶的难度相对较低。我们认为物流L4的技术已经越过了商业化的基本门槛。
从产品和需求层面来看，整个行业，无论是菜鸟还是我们的同行，都找到了能够满足客户需求的恰当产品。最后，从法律法规和伦理角度来看，正如楼总和胡总所说，无人物流驾驶毕竟车上没有人，速度也较慢，我们可以做到尽量不发生碰撞。所以从这三个维度来看，我对物流L4自动驾驶的前景非常乐观。
骆轶航： 所以您认为物流L4自动驾驶的春天已经到来了？
李强： 是的，我非常坚信这一点。
骆轶航： 好的。郑总，您也来谈谈您的观点吧。
郑赟： 我主要从运人和运货这两个视角来看。从法规端、供给端和需求端来看，大家对无人驾驶在物流领域的应用确实有较大期待。同时，在整个生态系统中，有许多优秀的企业在确定性较高的领域内进行大量工作。
但正如罗总提到的，物流本身是一个多场景、复杂的行业，包括干线、支线到末端，末端又分为to B和to C。需要将这些场景逐层打开来分析，确实有很多值得探讨的空间。但有一点是明确的：相较于载人，自动驾驶在物流领域的进展一定会更快。同时，在封闭场景中，目前遇到的挑战和门槛相对较低。至于在终端的一些潜在挑战，我们可以稍后再详细探讨。
骆轶航： 理解。您实际上是把这个问题做了更细致地拆解。从整体上看，无人物流的难度可能更低，但如果细分到to B和to C的场景，拆解到不同的维度和模块，这个问题还有更多可以讨论的空间。
法规与伦理：自动驾驶商业化的关键
骆轶航： 好的，我觉得我们可以接着大家的思路，继续讨论下一个问题。在讨论之前，我想再让大家举一次牌。我们要讨论的是：自动驾驶应用于物流时，应该是车规级的自动驾驶，还是封闭场景下点到点的自动驾驶？哪个场景是我们现在更应该关注的？如果认为应该是普遍的车规级自动驾驶，请举"YES"牌；如果认为现阶段更应该关注封闭场景下的点对点自动驾驶，请举"NO"牌。大家准备好了吗？我们现在开始举牌。
骆轶航： 有意思，有一位举"NO"，三四位举"YES"，我也倾向于"YES"。看来绝大部分人认为应该在车规级场景下实现自动驾驶。您的观点似乎不太一样，能否分享一下您的看法？
郑赟： 从整体落地节奏来看，我个人认为封闭场景下的需求更明确，推进节奏也较快。但就无人物流这个细分领域而言，生态体系中的参与者可能需要更多关注干线、支线和末端这几个细分领域。从中期角度来看，可能更应关注后者。因为每个场景面临的挑战和难度差异巨大。目前，封闭场景的难度相对较低。
骆轶航： 您的意思是在封闭场景下，干线、支线、末端这些领域的难度会相对较低？
郑赟： 是的，封闭场景的难度更低，开放场景显然更高。但在开放场景中，干线、支线和末端之间的难度差距也非常大。
骆轶航：既然我们讨论到这个问题，不如重点讨论一下开放场景下自动驾驶应用于物流的技术挑战。我们可以从技术、产品和监管这三个角度进行更具体地分析。楼总，您先来谈谈您的看法吧？
楼天城： 谢谢主持人。从技术角度来看，今天的情况与几年前已经完全不同了。我可以表达一个非常乐观的态度。除了高速干线运输可能还需要一两年时间，其他场景在技术上已经准备就绪。
这种"准备就绪"主要体现在：
首先，自动驾驶技术在很多方面已经远超人类水平。以中等规格的乘用车为例，很多公司的车辆已经能够行驶超过1万小时而不出任何事故，这在统计上至少比人类驾驶员高出一个数量级。
至于为什么高速干线还需要时间，主要是因为它需要更长时间的验证。从技术角度来看，我们行业中的技术人员在前年就已经达成共识，认为我们已经跨过了技术门槛，现在面临的主要是验证问题。
在技术方面还有一个因素需要考虑，那就是软硬件的结合。硬件本身还存在一些缺陷，这恰恰需要通过量产来解决。如果某个环节看似技术上还不成熟，很可能是因为没有量产，而不是技术本身的问题。
成本与量产：推动自动驾驶规模化应用的核心
骆轶航： 您主要表达了乐观情绪，认为技术上已经足够成熟。那么在其他方面还有哪些挑战？
楼天城： 量产就是一个重要挑战。成本是一个关键因素，任何行业都需要达到一定数量才能将成本降到可接受的水平。无论是乘用车还是商用车都是如此。只有通过量产才能真正实现这一点。特别是对于新公司来说，我们更需要关注如何在特定领域达到一定规模以降低成本，这是基础。
骆轶航： 所以量产实际上是一个相对突出的挑战。胡总，您一直坚持在开放场景下进行无人配送自动驾驶，能否分享一下您的看法？
胡国亮： 从时代角度来看，我们当前的工作与这个议题密切相关。我们非常看好未来无人驾驶形态下的滑板底盘产品。这种产品能够承载无论是载人还是载物的上层空间，它完成的是运动中心、能量中心和数字控制中心的职能，是一种通用产品。它与传统车辆形态没有太大关系，但能够完成所有车辆运动部分和执行部分的功能。我们之所以致力于此，正是因为我们对行业前景充满乐观。
正如楼总所说，技术上我们整个行业现在确实比较乐观。但要实现量产，意味着要将一个概念通过验证最终实现工业化。这个产业化过程不仅需要技术和场景，更需要合适的产品来承载。目前，行业中已经出现了许多专注于车体智能化、软件和功能集成的优秀公司，如小马科技等。
当前产业化还缺少的环节包括：第一，像菜鸟这样拥有巨大应用场景的公司；第二，真正为无人驾驶而生的、全冗余的、完全安全的车辆。现有的主机厂多是拿出少量车辆进行实验，这些车并不是专门为无人驾驶设计的，在功能安全、车辆安全和数据安全方面还有待提高。
我们希望通过与像宁德时代这样的公司合作，专注于开发全冗余的、车规级别的、可在公共道路上行驶的产品，将其变成可供行业使用的基础产品。这将有助于整个自动驾驶行业中的解决方案提供商、归航控制和感知技术公司，通过可落地的产品和场景结合，实现真正的量产，从而加速整个自动驾驶行业的发展进程。
骆轶航： 您提到了两个关键点：量产和场景。您们的产品本身就是为量产而设计的，那么如何将场景叠加其上，应用于自动驾驶物流场景呢？强总，我觉得菜鸟的情况很有趣。您认为应该实现开放场景的自动驾驶，但我们目前看到的菜鸟案例和实践，大多是在相对封闭或半封闭场景下进行的。您如何看待这种情况？我们现在是否处于一个过渡阶段？从落地挑战的角度，您有什么看法？
李强： 从我和菜鸟的一些实践和经验来看，无论是封闭的园区还是开放道路，我觉得它的难度都不小。但是经过这十年的技术进步，目前在物流场景里，我们可以相对固定线路，相对低速度，无论是开放道路还是封闭园区，技术都已经越过了最基本的门槛。所以这个时候为什么我会说我们要高度关注开放道路？我觉得是从用户需求来看，现在我们发现有越来越多的要到开放道路去的客户需求在涌现。所以这是我们为什么说要去高度关注和投入在这个领域。
如果要把它规模化的话，从我对这个事情的思考来看，我觉得最核心的可能还有这么三个问题需要做得更好。我觉得可能都不是障碍，不是什么多大的，就是需要做得更好。
第一个是关于地图。过去，大多数L4级自动驾驶技术基本上都依赖于高精度地图，而采集和制作这些地图的成本相对较高。因此，我们面临的一个关键挑战是，如何让L4级自动驾驶在轻量化地图的基础上，依赖更强大的感知能力，实现类似于乘用车NOA（Navigate on Autopilot）的功能。实现这一目标，将是我们亟需突破的一个重要方向。
第二个，我觉得是我们现在这个无人车可能确确实实非常安全。但是它可能还没有完全做到跟人类的老司机一样的行为模式、行为习惯。那我们如何通过无论是端到端的技术也好，还是说通过语言视觉模型也好，还是说这个世界模型也好。怎么样去让这个无人车，让系统的驾驶行为能够和人能够一模一样。然后让它能够成为一个非常友好的交通参与者，这也是一个非常重要的方向。
最后一个，我觉得还是一个成本的问题。这里面除了我觉得刚刚楼总和胡总讲的这个就是从规模量产这个规模效应之外。我觉得还有一个就是我们如何用刚刚好的传感器，刚刚好的计算平台，然后能够做到这样的能力，我觉得这个也很重要。而不是说去堆砌了做了非常多的冗余，堆砌了很多的能力而做到的。我觉得这是未来要做好的三个很重要的方向。
骆轶航： 我们要重点关注的有三个方面。首先，是实现“轻地图、重感知”的技术突破，减少对高精度地图的依赖，增强自动驾驶系统的感知能力。其次，就是借助我们所认为的先进AI技术，不论是端到端的自动驾驶系统，还是空间智能模型，目标是实现更具人性化、拟人化的驾驶体验。最后一点，量产与成本密切相关，二者就像硬币的两面——没有成本的降低，就无法实现规模化量产，也无法突破量产的关键拐点。
在解决这三个问题的基础上，OK，接下来我们可以基于他们三位嘉宾的观点，再请您谈一谈您对这些挑战的看法。因为他们主要讨论的是L4级自动驾驶在开放场景中的应用挑战。听完他们的讲解后，您有没有对这些问题的看法进行一些调整？或者您认为L4自动驾驶在开放道路上的应用，还有哪些其他方面的挑战，特别是在无人物流领域？
郑赟： 我认为问题的核心还是要落在几个关键点上。首先，第一个是政策层面的灵活性，这是至关重要的。第二是在成本控制上，我们需要根据不同场景进行切分，具体探讨如何在成本端做好优化。第三是企业始终关注的盈利性问题，从这个角度来看，我们要考虑如何在不同场景下最大化利润。这几个方面是我在听了几位嘉宾的分享后进一步思考的几个重要维度。
骆轶航： 灵活性。
郑赟： 第二个是成本，第三个是盈利性。
骆轶航： 对，就是这个成本。这个成本指的是它既是指的是这个无人驾驶的solution的提供方，实际上也指的是本身他的客户，是对吧？OK好理解。
刚才大家讨论中提到了多个维度的挑战，其中量产无疑是非常关键的一个。量产的实现，实际上依赖于很多具体的模块来逐步解决。同时，大家也提到了诸如端到端自动驾驶技术和多模态理解等新技术的适应性和灵活性。这些问题，实际上是当前阶段我们需要集中解决的。例如，第一个问题，我们讨论自动驾驶在无人配送中的应用，这是一个更理想的场景，也是如何快速实现自动驾驶商业化的迫切需求。第二个问题是，针对现阶段的商业化挑战，我们如何找到有效的解决方案。因此，这两个问题都是基于当下的现实情况设置的。
2030年的展望：自动驾驶与物流的未来蓝图
但接下来，我们需要讨论的，是关于未来的时间表。实际上，时间表的问题一直都备受关注。我记得在2017年时，就有人告诉我，L4级自动驾驶将在2025年前替代人类驾驶员。当时大家信心满满，认为这是不远的目标。然而，现在已经2024年了，显然这个预期并未如期实现。关于时间表的设定，不同的利益相关者往往有着不同的出发点，可能是出于融资的需求，或者是为了展示更美好的愿景。但今天，我们不妨务实一些，从技术、量产、成本和商业化的角度出发，来进行探讨。
接下来，我想请大家举牌，表明自己的看法。认为2030年之前能够实现L4级自动驾驶在无人物流中的应用，请举“yes”牌；认为2030年之前无法实现的，请举“no”牌。并且，每个人都要说明理由。好，现在可以举牌了。结果让我意外的是，全场最悲观的观点竟然来自咨询公司的同学。好，让我们听听你为什么认为不行。
郑赟： 我认为从几个大的维度来看，刚才您提到的问题确实涵盖了许多场景，并且进行了不同的拆解。在我们日常的跟进和研究中，封闭场景相对更容易讨论，尤其是在智慧物流领域，更多关注的是渗透率问题。如何在控制成本的同时获得更高利润，是核心讨论点之一。在整个大的开放的场景之下，如果要讨论我们说干线、支线和末端这几个话题，我觉得对于干线这个话题来说，从整个端到端的干线物流这个环节到30年，或者说30到35之间，应该是能够做到一个差不多15%左右的一个渗透率。到了在我们说的终端末端这个话题上，可能更多的在B2B这个话题上，我们认为可能介于15%左右，这是乐观的一个场景了。在这个B2C可能还是会小于5%的这么一个渗透率。所以这里面从整个大面上的一个往前的一个发展，我们认为是这样的一个节奏，可能会更符合当下诸多玩家在共同克服的一些困难和挑战。
骆轶航： 这个数据是如何得出的？我们关于不同场景下渗透率的这些数据是基于什么来推算的？我们是通过哪些具体的方法或模型得出的？
郑赟： 我们综合考虑了整体的可实现成本，包括消费者终端用户的需求意愿，以及生态系统中核心企业的布局和战略思考。比如，刚才提到的干线物流就是一个很好的例子，市场上已经有不少优秀的企业推出了相应的产品进行应用。因此，我们基于这些数据，构建了一个较为细致的模型，进行了一系列推演。
骆轶航： OK好谢谢。我们强总讲一讲您判断2030之前这个事儿make sense的原因，可以讲得简单一点也无所谓。
李强：我认为物流场景确实非常广阔。我们并不是指望到2030年，物流行业能够实现100%使用L4级自动驾驶技术，而是说在2030年之前，甚至更早，某些领域将完全具备L4无人驾驶的能力。当然，这还需要一个逐步渗透、逐步扩展的过程。举例来说，菜鸟目前着重发展的领域中，今天早晨万里也做了一个简单的分享。比如，我们在杭州北部的一个早期客户的网点，一次性采购了25台我们生产的L4级无人车。这可能是目前全国最大的单一网点无人车队，规模达到五立方的无人车队。
骆轶航：这是目前最大的一笔采购吗？确实如此。
李强：是的。目前这些车辆从早晨六点一直工作到晚上九点，既负责配送也负责揽件，客户的满意度非常高。我们也欣喜地看到，通过多车调度等技术加持，一个无人车队的综合效益要远远高于单车运行的效益。因此，我认为未来会有越来越多的大型网点选择采购或租赁批量的无人车。
根据我们的测算，未来3到5年内，仅快递公司网点用于揽收和派送的场景，可能会有20万到30万台无人车交付并落地。这将推动技术的快速迭代和进步，降低成本，进一步扩大规模。因此，我对2030年之前物流行业L4无人驾驶的规模化落地持非常乐观的态度。
骆轶航：规模化落地，但并不是百分之百的渗透。
楼天城：我觉得骆总稍微保守了一点。
骆轶航：我猜你可能会把时间表提前。
楼天城：是的。我认为，规模化落地至少需要达到盈利性，比如万级、十万级别的规模，才会真正开始盈利。Pony.ai在2017年创办时，我就对团队说，这个行业可能还需要八年才能盈利，恰好就是2025年。我仍然支持2025年这个时间表，并且我认为我们甚至可以在2025年尝试达到盈利。
在实现盈利性后，整个行业的前景将非常广阔，投入的资源也会更多。我之所以持乐观态度，主要是因为技术进展，尤其是安全性。老司机之所以开得好，是因为他们会照顾到其他路上的驾驶员，而自动驾驶技术能够达到甚至超越这个水平。自动驾驶不仅仅是在一个维度上超越人类驾驶，它在安全性、舒适性和效率上都会有显著提升。
此外，我还想补充一点关于法律法规的进展。中国政府，特别是一线城市的政府，投入了大量精力去理解自动驾驶技术，并且出台了相关的政策和法律法规。这些法规不仅涉及技术本身，还涉及伦理和保险等方面的配套措施。我相信，在物流领域，相关的法律法规也会很快出台，从而支持整个行业的发展。
海外的情况可能稍微慢一些，因为他们还没有看到这种技术的广泛应用，因此法律法规的制定也滞后。但我相信，随着技术的普及，海外也会迅速跟上。
最后，我认为成本问题是目前我们最有信心解决的一个方面。举个例子，我在创业初期曾以80万元人民币购买过一个激光雷达，而现在同样的设备只需要几千元。这是行业发展的一个巨大飞跃，我们已经享受到了量产带来的红利。我相信，未来成本还会进一步大幅下降。
骆轶航：这确实是一个重要的发展方向。
胡国亮：我同意楼总的观点，我也是相对乐观的。不过，我的乐观是谨慎乐观。我并不认为到2030年可以实现全面普及，但从我个人的经历来看，现在的技术发展已经到了一个关键的时刻。首先，无人驾驶技术的车辆设计已经不再需要传统的方向盘。这是一个巨大的突破，因为法律法规一直要求车辆必须有方向盘才能上路。
目前，线控技术在底盘上的应用已经非常成熟，不仅国际玩家能够做到，国内的供应商体系也逐渐完善。我们已经实现了完全的线控转向技术，不再需要踏板或机械推杆，驾驶的自动化程度大大提高。
例如，特斯拉的Cybertruck已经实现了全线控转向，但目前它在中国无法上牌，因为中国的法规还没有支持这种车辆。因此，行业内正在讨论，预计在未来2到3年内，这些法规问题将会得到解决。一旦解决，我们的车辆设计将不再需要传统的方向盘，而是专为自动驾驶设计的车辆。
骆轶航：这意味着车辆的定义也将发生改变。
胡国亮：是的，届时车辆将不再是现有车辆加装自动驾驶设备，而是为自动驾驶场景量身定制的车辆。这样的车辆会更加安全，能够实现更多的异构冗余，减少传统车辆设计中的成本增项。这将极大地推动自动驾驶车辆的普及和应用。
目前，无人驾驶车辆只能在示范区内行驶，这是因为交管部门对无人驾驶技术的普遍应用还心存顾虑。一旦无人驾驶车辆与普通驾驶员在同一条道路上行驶，如果处理不当，可能会引发交通事故。因此，我们需要通过车规级设计和安全冗余来解决这些问题。
从事故率的角度来看，目前无人驾驶系统的事故率比人类驾驶员低很多倍，甚至是百倍、千倍。如果我们能够解决交通管理部门的顾虑和法律法规的限制，无人驾驶技术将会更加广泛地应用于物流等领域。
在物流领域，责任主体相对明确，自动驾驶车辆作为责任主体的认定会更加容易。因此，我对无人驾驶技术的批量化、规模化应用持谨慎乐观的态度。
我相信到2030年之前，自动驾驶车辆的批量生产将成为现实。目前，我们的行业已经通过规模化生产将成本大幅降低。举个例子，曾经售价5万到10万元的雷达现在售价不到500元。这种规模化生产将继续推动行业发展，最终惠及整个社会，解决当前出生率下降、快递员和网约车司机短缺等问题。
骆轶航：我们可以继续往下讨论。整个过程不仅仅是技术的推动，还包括成本的下降、量产的推进、法规的完善，甚至车辆重新定义等多个因素的共同作用。这是一个非常有趣的现象。
在这半个多小时的讨论中，我们主要探讨了三个问题：一是自动驾驶与无人物流的结合是否更有意义；二是技术跃迁与成本下降之间的挑战关系在哪里；三是对未来的预期。我希望我们达成了一些共识。总体来说，大多数时候大家的观点是一致的。我也希望这次讨论能够帮助大家更好地理解未来的物流、自动驾驶与物流的关系，以及相关的一些议题。好的，谢谢大家！谢谢各位的参与。
