深读｜数万亿物流赛道如何被算法重塑？

一辆满载货物的重型卡车平稳疾驰，驾驶座上空无一人。临近收费站，它自动收油减速、精准停在抬杆前，栏杆抬起后即刻识别路侧信号、提速汇入车流……这是苏州智加科技有限公司开展的一次跨省干线物流常态化测试，测试路段正是全国首条满足车路协同式自动驾驶等级的全息感知智慧高速公路——苏台高速S17。

当人们还在为城市道路上自动驾驶出租车的落地争论不休时，一辆辆无人重卡已在矿山、港口、高速干线上悄然落地。随着自动驾驶技术的日益成熟，一个年货运量超430亿吨、市场规模达数万亿元的物流赛道，正在被算法重新定义。这场行业演进，究竟走到了哪一步？

一问应用场景

无人重卡，先在哪里跑起来？

内蒙古伊敏露天矿，零下40℃。极寒之中，100台徐工无人电动矿卡在作业面上往复穿梭。驾驶室内空无一人，方向盘自主转动。车辆在装载点、排土场之间精准对位、装卸、掉头，一切井然有序。

“未来的矿山煤厂，无人驾驶可能成为标配。”徐工汽车研究院产品研发中心副主任周旋介绍，无人矿卡搭载多雷达和视觉感知设备，并接入“车—网—云”智能调度平台，100台车只需7个人操控，系统每年可为企业节支超1.5亿元。

千里之外的连云港新东方集装箱码头，5台无人集装箱卡车在6米宽的车道上执行转堆任务。路旁集装箱堆至5层，每隔十余米有一个堆场出口，有人驾驶车辆随时插入、拐出、停靠，无人集卡随之走走停停。

“我们使用无人集卡，是出于提升服务质量和生产安全的需要。”码头工程技术部技术员巩文武告诉记者，码头运行中存在一个典型矛盾：外集卡集中进场提箱时，若正赶上内集卡装船作业，有限的车道资源便陷入争抢，外集卡司机只能排队等待。无人集卡的引入提供新解法：通过设置中转箱区，外集卡可快速卸货离场，再由无人集卡在作业间隙将箱子转运至目标区域。2025年10月，首批无人集卡投入试验性运行，“现在是每天跑，每天发现问题、解决问题，在真实场景中反复打磨。”

更大的舞台，在高速干线。

早在2018年，智加科技就开始探索商用车自动驾驶，并最终聚焦干线物流。“重卡自动驾驶专注于高速、国道等干线物流场景，以长距离、高稳定、高冗余为核心目标。”智加科技市场部副总经理董明刚说。目前，其L2+前装量产产品已融入顺丰、京东等物流企业的快递快运、冷链运输网络，L4级自动驾驶测试与示范应用也在限定区域推进。

“我们先从头部客户切入，打磨产品、建立标杆，再沿着金字塔向下渗透，这是当前更现实的商业化路径。”董明刚进一步解释，这条路径的核心竞争力不只在于技术本身，还在于谁能最快跑通创新模式、完成商业闭环，从而形成规模效应。

在快递行业全面推进降本增效与数智化转型的浪潮中，智驾重卡正成为越来越多头部企业年度采购清单中的标配选项。以申通为例，随着第二批100台新能源智能重卡交付，申通数智车队总规模突破700台，标志着其在干线运输领域已完成从场景化试点到全国性网络化应用的转变。

二问技术难点

场景更聚焦，是否就更容易？

与乘用车不同，智驾重卡没有一开始就追求“哪里都能开”，而是先选择矿区、港口、高速干线等场景落地。

这样的选择，有着现实考量。周旋分析，矿区、港口相对封闭，通行规则清楚，法规限制较少；高速干线线路相对固定，车流秩序更稳定。更重要的是，重卡是生产资料，客户最关心的是安全、效率和成本。“智驾一旦能减少人力投入、降低能耗、提升周转效率，就有了清晰的商业价值。”

但聚焦不等于简单。“重卡不是一辆放大版小汽车。”国内智慧交通和智能物联领域头部企业——千方集团董事长、千曙科技CEO夏曙东解释，重卡车身长、载重大、惯性强，安全要求远高于家用车。尤其在满载状态下，车辆制动距离很长，不能等到看见障碍物再反应，而要提前判断、提前规划。“特别是高速场景下，对‘看得远’和‘想得早’的要求，反而更高。”

难点还在车辆本身。乘用车像反应灵敏的运动员，而重卡更像负重前行的巨人。周旋解释，乘用车控制相对直接，而重卡涉及电动、气动、液压等多种系统，要让这样一套复杂系统像乘用车一样顺畅配合，并不容易。

因此，业内通常把无人重卡分为低速、高速两类平台。矿区、港口等低速场景，车速多在每小时40公里以下，系统有更多时间感知和处理；高速干线速度快、距离长、风险高，对车辆的判断能力和执行能力要求更高。

三问经济账

为什么企业敢用敢试？

技术落地的核心前提，是要算清“经济账”。

据中国物流与采购联合会发布的数据，2025年，全国公路货运量达432.9亿吨，占营业性货运量的73.8%。这条物流主动脉，也正面临三大结构性痛点：交通事故高发、货车司机缺口扩大、人力成本持续攀升。

周旋算了一笔账：重卡司机月均工资约1.2万元，一年人力成本约14.4万元；智驾系统通过优化驾驶行为，可实现3%至6%的油耗优化，按年运营20万公里计算，一年可节约燃油成本3000元至8000元。“整车智驾系统的新增费用投入，半年即可回本。”

试点数据也在验证这一模型。交通运输部第二批智能交通先导应用试点中，鄂尔多斯公路货运自动驾驶项目投入超400辆智能网联重卡，运营里程突破4000万公里，货运量超3300万吨。混合编队模式下，综合运营成本下降约20%，人力成本最高降低83%，能耗降低约10%。

安全效益同样可以量化。太平洋保险联合智驾公司发布的智能重卡保险数据显示，智驾事故率较人工驾驶降低75%。申通快递申瑞车队车辆研究专家王章涛告诉记者，车队运用L2+级智驾系统以来，万公里碰撞预警次数下降67%、制动次数减少75%，“特别是侧滑和碰撞类事故数下降很多”。

不过，从服务头部客户走向普及中小物流企业和个体车主，成本仍是门槛。“这类客户地域分散、线路灵活，对成本与适配性极为敏感。”董明刚说。这要求供应商不能只做单一技术输出，而要探索更灵活的商业模式。而随着摄像头、毫米波雷达等核心硬件成本持续走低，智驾系统成本有望进一步下降，回本周期也将随之缩短。

四问未来出路

驶出高速之后，难题在哪里？

技术可行、经济合算，并不意味着可以一路畅行。

智驾重卡走向开放干线的“最后一公里”，是技术、政策、场景多重瓶颈的叠加。

技术层面，数据饥渴是首要难题。周旋坦陈，一个完善的智驾智能体需要海量数据支撑训练，这就陷入了“先有鸡还是先有蛋”的困境——不批量推广，训练数据就不足；要批量推广，又需要成熟可靠的智驾系统。

目前，业内形成三个破局方向：一是先批量推广L2级驾驶辅助产品，在获得用户许可的前提下回传脱敏数据，丰富极端场景和失效场景库；二是与科研单位合作开发L4级自动驾驶训练场景模拟系统，开展正向模型训练；三是强化安全兜底策略，在智驾模型中完善安全应急机制。

政策层面，全无人运营路权尚未完全开放。《中华人民共和国道路交通安全法》尚未允许L4级无人驾驶重卡以“去安全员”状态开展常态化商业运营。各地试点政策不一，跨省干线运输还面临准入标准不兼容的问题。事故发生后，责任边界涉及车企、技术提供商、运营方、路侧设施方等多个主体，相关法律界定仍需完善。

场景层面，更大的挑战往往不在高速公路本身，而在驶出收费站之后。“从收费站到物流园区，人车混行、车道线模糊，复杂度会骤然上升。”夏曙东说。更现实的问题是，如果车辆驶离高速后没有持续稳定的货源支撑，高昂的硬件成本和闲置折旧，可能抵消此前积累的成本优势。

对此，千曙科技提出“干支协同”路径：高速公路干线采用“人机共驾”模式，一名司机在智驾辅助下完成过去两人的工作；在支线“厂到仓”等固定场景，逐步向完全无人化过渡。同时，依托连接近3000家物流企业的平台，与头部物流公司合作锁定高频货运场景，让车辆在固定线路上尽可能满负荷运转。

随着技术路线演进，场景边界也在扩展。周旋认为，端到端大模型、视觉语言动作模型、世界模型等技术的发展，正在弱化“封闭场景”和“开放场景”的差异。“新的智驾技术本质上是拟人化智能体的训练，就像人开车，学会之后到哪都能开。”他判断，未来三到五年，封闭场景格局将率先定型，开放高速干线则将从小规模试点进入跨区域规模化试点阶段，并伴随法规完善进入加速推广期。

五问人与技术

方向盘交出去，司机怎么办？

45岁的田磊握着方向盘，目光扫过前方平坦的高速路面。上海到浙江金华这条物流线路，他再熟悉不过。每两天一个来回，单程4个多小时，这条路他跑了两年多。

自2015年成为货车司机以来，田磊跑过无数线路。踩油门、推挡位，手脚配合早已成为肌肉记忆。但去年，他的“老伙伴”变了样：陪伴多年的燃油货车，换成了新能源重卡，还搭载了智驾辅助系统。

“刚开始有些不习惯，不太敢用。”一年的磨合，田磊的态度也从谨慎变成了信任，“特别是开到腰酸背痛时，有了智驾，让人有喘口气的时间。”如今，在一些路况相对简单的高速路段，他会开启智驾功能，让系统分担长途驾驶带来的持续紧绷。

但并非所有司机都如此坦然。采访中，多位司机表达担忧：技术越来越成熟，我们会不会被取代？赖以生存的手艺，还有价值吗？

这是产业转型中最敏感，也最无法回避的问题。董明刚认为，重卡自动驾驶不是“一蹴而就”，也无法简单取代千万卡车司机，而是将在较长时期内成为司机的“工作助手”。“领航组合驾驶辅助的价值，在于缓解长途驾驶疲劳、提升行车安全、优化运输效率，与现有从业群体是共生关系。”

多位业内人士判断，随着智驾系统大规模应用和限定场景无人驾驶落地，司机角色将发生变化：从单一车辆操作者逐步转向安全员、运营管理者，承担智驾车队监控、调度、应急处理和系统维护等职责。换言之，未来一名司机，可能成长为一支车队的“指挥官”。

这也意味着，产业转型不能只关注车辆和算法，还要关注人的转型。董明刚建议，随着自动驾驶技术应用普及，政府与企业应推出针对性的技能培训项目，帮助司机掌握新工具、适应新岗位，既保障就业安全，也规范行业发展。

新华日报·交汇点记者 陈珺璐 胡兰兰 刘霞 顾敏