隨著5G應用落地，無人駕駛在通信技術上的一大阻礙逐漸消失，而無人駕駛的曙光則漸行漸近。一方面，國家和地方層面密集發布無人駕駛汽車路測新規及路測實施細則，國內多個城市也陸續發放自動駕駛的開放道路測試牌照；另一方面，包括BAT在內的各路資本加快布局無人物流，其中不少企業正力推無人駕駛在物流卡車領域的運用。

　　本人與很多專家和業內人士交流，他們都認為物流貨運行業具備無人駕駛技術發展的商業動因，無人駕駛或最先在物流領域大規模商用和普及。從2B的物流運輸業開始，隨后才會蔓延到2C的消費者領域。

　　但研究發現“法律、商業、科技”之間一環套一環的“死循環”塑造了目前無人駕駛在物流行業落地的“不可能三角”：嚴格的法律管制不能為無人駕駛的商業化提供應用場景和更大范圍的測算環境，從而導致投資人不能通過商業化數據測算技術對效率的提升效果及投資模型，進而被限制的科學技術發展緩慢，現有水平很難滿足法律及監管部門對于安全行駛的要求。

　　所以，本文也將圍繞“效率、安全、成本”這三個指標剖析無人駕駛在物流行業的應用，試圖從商業角度找到破解不可能三角的突破口。

　　01

　　物流是無人駕駛的最可能首先商業化落地的應用場景

　　從商業模式的角度看，無人駕駛汽車在市場中以“賣產品”或“賣服務”兩種形式出現，具體可以細分為B2C、B2B2B、B2B2C三種運營模式：

　　B2C模式：與現有汽車“賣產品”模式相同，以產品形式直接售賣給C端個人消費者作為私人車輛；

　　B2B模式：對于“賣服務”的場景，將會在中間的B端出現無人駕駛車輛運營服務提供商，針對C端消費者，它們將提供無人駕駛車輛，在通勤時間可以作為公共交通“最前一公里”和“最后一公里”的補充；面對B端客戶，在一些路線相對固定的場景，諸如物流企業貨車在高速路段。

　　從整個商業模式的分析看，本文對未來無人駕駛賽道的玩家分類的『1+2+1&4』格局觀點：隨著技術成熟，必然出現“資產持有-數據運營-操作調度”的三層分化， “資產持有”層大概率出現“主機廠三足鼎立”或“類似普洛斯在物流地產的統治”競爭格局。

　　“數據運營”層獨角獸最有可能出現擁有“云+算法+豐富應用場景”的公司，比如“騰訊+滴滴”在B2B2C領域、阿里菜鳥在B2B2B，“操作調度”層可能進一步分化成“統一干線+特色末端（快遞、大件、特殊件、工業品）”的“1+4”競爭格局。

　　從Ipsos《公眾對未來無人駕駛汽車的民意調查》報告的結果我們發現幾個結論：    （1）中國民眾對于無人駕駛汽車的信任程度明顯高于全球平均水平（基本都超過10%），這說明一方面這些年國內企業在無人駕駛領域的發展在全球屬于第一梯隊，一方面說明民眾對國內企業在科技方面的投入較為認可。    （2）中國與全球在指標排序上，唯一的不同在“效率”上，強烈地表達了對技術驅動效率的訴求，很大程度源于國內擁堵的交通狀況。    （3）“效率、安全、成本”三個方面是目前公眾最不信任的三個領域，而在上面分析的無人駕駛三大商業模式中，以物流對這三個指標最不敏感，所以物流是無人駕駛最可能首先商業化落地的應用場景。    進而，本文也將圍繞著“效率、安全、成本”三個指標剖析無人駕駛在物流行業的應用。

　　02

　　無人駕駛在『物流行業』商業化突破“不可能三角”的關鍵

　　在于“法律、商業、科技”制約平衡的瓦解

　　物流業主要分為“干-支-配”三大運輸環節，從場景復雜度和車輛行駛速度兩個維度觀察：干線運輸場景復雜度低但行駛速度相對較快，支線運輸復雜度和速度都相對居中，末端配送則場景復雜度高但行駛速度較慢。

　　這些從本質上決定了無人駕駛在三個場景的落地應用的核心關注點：干線運輸最重視安全、支線運輸最擔心成本、末端配送最關切效率。

　　“法律、商業、科技”之間一環套一環的“死循環”塑造了目前無人駕駛在物流行業落地的“不可能三角”：嚴格的法律管制不能為無人駕駛的商業化提供應用場景和更大范圍的測算環境，從而導致投資人不能通過商業化數據測算技術對效率的提升效果及投資模型，進而被限制的科學技術發展緩慢，現有水平很難滿足法律及監管部門對于安全行駛的要求。

　　1、無人駕駛技術整體的底層支撐目前還并不完善

　　目前國內外大多數研發無人駕駛技術的企業中，絕大部分還處在摸索嘗試的過程中，而這個階段的大部分嘗試無疑都將以失敗告終，在這個不斷試錯的基礎之上，才有可能實現下一階段的突破，而這個試錯的過程可能并不會很短，投入之大也非常人可以承受。

　　無人駕駛沿著兩橫三縱的技術架構，逐步實現成熟的智能化和網聯化：

　　（1）2016年-2018年主要是三大傳感器的融合使用；（2）2017年-2019年主要是高精度地圖的成熟；（3）2019年-2022年是車載通訊模塊、互聯網終端、通信服務的成熟；（4）2022年-2025年主要是決策芯片和算法的成熟。

　　2、安全是干線運輸成為無人駕駛物流應用最佳落地場景的核心要素

　　目前全國有約700萬輛貨車運營全國干線運輸業務，占全國總載貨汽車擁有量的27.6%。根據國家統計局和公安部交通管理局的統計數據顯示：

　　（1）2018年，全國共發生貨車責任道路交通事故5.09萬起，造成2.23萬人死亡和4.7萬人受傷，分別占汽車責任事故總量的30.5%、48.23%和27.81%。

　　（2）貨車發生的事故率和死亡率高出整體水平一倍，貨車的生產安全成了監管部門最關切的地方。

　　貨車司機的疲勞駕駛和超速駕駛是交通事故發生的主因。通過G7監測到的數據顯示：每天每名司機長時間眼睛閉上的時間超過18.2次；在駕駛過程中，出現注意力分散的次數平均一天有7次；打哈欠平均每天是2.2次；頻繁低頭的情況是每天0.2次。而無人駕駛可以很好地規避這些非常危險的駕駛行為，尤其是在干線運輸這樣枯燥且危險的場景。

　　3、技術突破現階段無法改變駕駛行為是涉及公共安全等復雜行為的事實

　　雖然無人駕駛技術給大眾描繪了一副智慧出現的未來藍圖，但其安全性、可靠性依然存疑，具體技術水平需要達到什么樣的水平，才能得到各個國家的認可。而不同國家之間對無人駕駛技術的態度不一、政策上的不確定性，也會在很大程度上影響無人駕駛技術的發展方向。

　　具體政策法規制定實施的不確定性，所需要耗費時間的不確定性，都會阻礙無人駕駛技術的普及，同時一次無人駕駛意外的發生，就可能阻擋，甚至冷凍一項新興技術。

　　但新事物并非“洪水猛獸”，無人駕駛更加廣泛和深入地影響普通人的生活已經成為不可逆轉的趨勢。所以，法律在無人駕駛新技術大潮中如何發揮規范指引作用，平衡新技術與公共安全的關系，是對政策制定者智慧的重要考驗，一定程度上也是影響新技術及相關企業命運的重要因素。

　　4、無人駕駛技術提升效率帶來的成本壓縮空間僅有17%

　　目前無人駕駛汽車單車成本仍然較高，在目前貨車司機違規的情況下（每天行駛18個小時），可能超過司機工資及事故成本降低所節省的費用。雖然消除司機成本是物流企業盈利的關鍵，但無人車輛的造價即使降低到市場水平，能夠壓縮的單公里成本空間很少，僅有17%。測算模型如下：

　　5、物流企業運輸大部分成本依舊來源于折舊、路橋費、油費等部分

　　但無人駕駛技術有可能大幅降低負外部性成本。例如：每增加一名司機就加劇了所有其他司機面對的擁堵程度，也提高了另一名司機的事故發生機率，這種外部性的成本大約為每公里0.56元。假設一名司機行駛了1萬公里，除自己承擔的那部分費用以外，還會給別人帶來5600元的成本。

　　03

　　趨勢及建議

　　（1）鐵路總公司具有標準化、網絡化、高信譽、大容量、全天候、低價格、高保障、低碳環保等獨特優勢，目前限于貨運清算和分配方面激勵性不足，以及難以控制公路貨運企業實現“門到門”體系，一旦實現無人駕駛，鐵總將很容易通過“無人化支線接取送達網絡”實現干線網絡效應最大化。

　　（2）從目前公布的無人駕駛測試路段的城市分布看，多集中于沿海和東南部地區，北京、長沙、廣州和重慶成為無人駕駛測試重點路段。東部地區由于人工成本壓力，支線運輸很可能會成為無人駕駛的突破環節，但要選擇西南等偏遠地區進行技術測試與快速迭代。

　　雖然干線場景適合無人駕駛快速落地，但長遠看仍無法取代鐵路的干線優勢，東部地區的支線運輸會成為無人駕駛的突破環節（有人工成本壓力），但要選擇偏遠地區進行技術測試與快速迭代，只有技術的成熟才能反過來倒逼法律與政策的改變，但要意識到被技術替代從而釋出的司機群體的就業保障是核心問題。