無人駕駛熱鬧了那麼久，終於交出了“物流”的作業。足夠噱頭足夠科幻，可是離現實究竟還有多遠？
“無人駕駛”從提出到現在，一大批企業躍躍欲試。雖然研究者眾，但是大多關注家庭用車、公交系統等領域，物流領域最常用的卡車卻很少被提及。
5月24日蘇寧完成了L4級無人重卡首測。
5月29日，京東無人重卡也相繼被曝光。
- 對動輒幾十噸的無人卡車，在現實生活中是否真能應用於物流運輸？
- 目前無人卡車使用、生產現狀如何？
- 無人卡車未來發展前景怎樣？又將觸動誰的利益？
本期頭等倉將結合現有資料和數據，帶領大家對“無人卡車”一探究竟。
NO.1 無人卡車的現狀
（一）無人卡車現狀——市場使用
無論是國內還是國外，無人卡車都暫未大規模投入實際使用。
受到各方面的限制（技術、政策等），無人卡車都仍處於試水階段——僅在相對單一環境內試行，區別僅在於試行單一環境的是封閉空間還是開放空間。
頭等倉提示：由於無人駕駛脫胎於AI（人工智能），而人工智能最基本要解決的兩大難題——機器識別與機器學習。
越發簡單的環境，機器需要識別、學習的信息越少，技術難度越低。故在探討無人卡車的市場使用時，我們需要將封閉環境與開放空間相區別開。
▲1、封閉空間：以蘇寧、重汽為例
2018年4月12日，由李德毅院士領軍，天津港集團公司、中國重汽集團公司和天津主線科技公司三方攜手打造的全球首臺無人駕駛電動卡車在天津港開啟試運營。
2018年5月19日，蘇寧無人駕駛重卡完成了在鹽城汽車試驗場的高速場景測試。
2018年5月28日消息，近日蘇寧在上海公司的物流園區內，又完成了一次無人駕駛方面的測試。此次蘇寧測試的是一個名為“行龍一號”的重型卡車，並將兩次泊車誤差控制在了2CM之內。
▲2、開放空間：以美國Embark為例
雖然在自動駕駛方面，uber、google都相對發展較快，但是因為種種原因，在網絡上暫時搜索不到這些公司在無人卡車方面的測試和現狀。
最近一段報道是：2018年2月，Embark旗下自動駕駛卡車從加利福尼亞州一路開往東海岸的佛羅里達州，行程總計約2400英里。Embark總共用了5天的時間，穿過了美國最南部的8個州。
不過，Embark所進行的還是L2的自動駕駛測試，駕駛員必須時時刻刻關注汽車的駕駛狀態。並且，只有在高速公路行駛時才啟動自動駕駛系統，而在高速公路出入口仍有司機來操作。
它的技術還只是能用在高速公路上。因為在高速公路上不需要處理棘手的變量，比如不遵守交通規則的行人，四向停車，或者留意小孩或自行車。它會保持著安全距離，只有在絕對必要的情況下才會變更車道。
（二）無人卡車現狀——生產製造
無人駕駛的概念提出已經有很多年了，之所以到現在還沒有大規模使用，雖然有很多因素，但最主要是受制於現有生產技術水平以及市場生產供應。
頭等倉補充：然無人駕駛領域存在3大主要技術難題，但由於卡車、尤其事重卡在物流運輸中常起到的作用是公路轉運，大部分行駛路段為高速公路，因此行駛環境相對城市道路簡單很多，故業內流行一種說法，自動駕駛或將先由物流領域開始。
在胡迪利普森的《無人駕駛》一書中，將無人駕駛的操作系統分成了底層、中層、上層三個控制層面。
今天，上層控制系統和底層控制系統技術都已經比較成熟，並且經過時間的考驗後得以 廣泛應用，反而看似簡單中層控制系統成為了技術難題。（莫拉維克悖論）
▲1、中層控制系統3大技術難點
首先明確，中層控制系統由下列四個模塊構成：a.佔據柵格；b.數據識別、標記；c.不確定性錐預測；d.短期軌跡規劃器。
說人話翻譯一下就是：中層控制系統通過萬物數字化、空間網格化，機器識別、標記這些原始數據，然後在大量機器學習的“經驗”基礎上做出行為預測，然後避開障礙物的同時遵守規則。
頭等倉劃重點：感知與識別，深度學習，數據存儲與迭代
① 感知與識別
難點：要明確所有事物、所有情景、所有突發狀況的定義及標準，並建立一套完整的數據體系。但不可避免地會出現一些特殊情況。
如果沒有一個概括性的方法將汽車可能遇到的一切情況進行分類，那麼也就無法編寫出指導汽車作出反應的全面規則。
② 深度學習
難點：一個從海量數據中統計並尋找規律的分析算法，而這些算法和規律產生於非常複雜的內部數學模型，無法通過檢測代碼察覺錯誤的我們，必須承擔“理論“驗證”實踐“的風險。
③ 數據存儲、迭代
難點：1臺機器每秒幾千萬次的數據處理、存儲、輸出，如果1000臺機器同時運作，並且每秒鐘產生大量的數據，對於存儲技術來說也是一項挑戰。
另外還有機器學習需要不斷迭代。每次迭代需要握一次手，告訴我，迭代完了，或者還沒迭代完，你得等一下，等一次就是一個門檻。當你有好幾臺機器迭代的時候，他們的速度是不一樣的，每一次，你都要等到最後一個機器完成以後，才能往前走。
▲2、現有生產商——全球範圍內六大自動駕駛卡車公司
① 特斯拉：像跑車一樣的自動駕駛卡車
據馬斯克介紹，特斯拉Semi將會是一個“重型，遠程，半牽引卡車，具有最高載重和遠距離續航，是之前從沒出現過的卡車。”
② Otto：L4級自動駕駛卡車
Otto於2016年8月被Uber收購。目前而言，雖然內部人員變動較大，Otto仍在開發無人駕駛卡車技術，並且早已於2016年10月完成過第一個無人卡車運輸商業訂單。
③ 戴姆勒：全球第一輛掛牌無人駕駛卡車
嚴格意義上，Freightliner Inspiration是一款半自動駕駛卡車，換句話說，是在特定的條件之下，才會進行自動駕駛。
④ Waymo：和擎天柱神似的自動駕駛卡車
今年6月初，谷歌旗下的自動駕駛公司Waymo確認了自家正在研發自動駕駛卡車的傳聞，雖然暫時沒有更多消息，但身為自動駕駛行業先行者的谷歌，勢必會為自家自動駕駛卡車提供更多的技術和經驗支持。
⑤ 沃爾沃：多場景自動駕駛卡車
沃爾沃也在進行自動駕駛卡車的開發。除了在商用車領域開發物流行業的貨運卡車之外，沃爾沃還設計了各種專用領域的自動駕駛卡車。
⑥ 圖森未來：國內自動駕駛物流卡車
圖森未來是北京的一家科技公司。具體來說，圖森是一家運輸服務提供方，定製化自動駕駛車輛買賣及高頻的軟/硬件系統更新升級。
二、無人卡車的未來
首先明確無人卡車的優點在於：
①安全，大幅度降低事故發生概率；
②節省人力成本、燃料成本，降低運輸費用；
③數據透明，全程可控，高效、智慧物流。
撼動傳統行業的新興科技都有一個共同特點：產品推出後，一項或多項生產工作的成本將降到幾乎為零。
頭等倉認為，一旦無人卡車技術成熟並大規模應用，帶來的會是物流行業的一次重大洗牌。
（一）發展趨勢
▲1、資本先行
這四個字似乎早已成為物競天擇的生存法則。無人卡車無論是車輛硬件本身，還是操作系統、各類型的軟件，甚至是數據處理與存儲都存在非常巨大的研發、購買、維護經費，只有足夠的資本才不會被踢出局。
▲2、絕對互聯網化，完全依託互聯網生態
物流企業、傳統汽車生產商向互聯網企業轉型非常困難，但是一家有資本的互聯網公司想要收購物流企業或者是汽車製造企業，都不是什麼難事。只是兩個行業並非你死我活，今後互聯網企業+物流企業的合作已成定局。
▲3、短期內無人物流區域化特徵明顯
如文章開頭提到的，環境越簡單，技術難度越低，無人卡車應用於物流的初步階段，應該會形成明顯的地域分佈以降低處理突發事件的可能性。
（二）相關行業興替
▲1、司機行業將逐漸退出歷史舞臺
司機行業如果能有保留下來的崗位，很有可能只是在技術難以觸及的情景裡，作輔助駕駛。
▲2、汽車領域利益變動
不光是卡車，所有類型的汽車如果都實現自動駕駛，傳統汽車生產製造商的利潤將會被互聯網公司搶佔，甚至是傳統生產企業在汽車領域的角色只能是配角。
▲3、休閒娛樂產業興起
不再需要浪費時間在路程上，不會存在堵車，所有時間都是可控、可預測和可自由支配的，交通情景中的休閒娛樂產業會快速崛起，例如車廂AR遊戲等。
▲4、“物聯網廣告”興起
無論是車體本身還是數據系統，基於車輛實體的廣告以及基於路徑規劃的數字廣告將會積大繁盛。無人車“實際控制者”將成為最大的“物聯網廣告”服務商。
以上就是頭等倉總結的關於“無人卡車×物流” 的一些現狀、觀點。
無人卡車雖然已開始試行，但要實質性地應用於物流環節尚未實現 ，以各位的物流從業經驗，你覺得完全實現無人卡車運貨，還需要幾年？
2億平方米倉庫資源，高效專業服務團隊；
行業獨家的數據資源，不講廢話的乾貨站點。
———— / 頭等倉，讓租倉更簡單 / ————
你還可搜索閱讀：
- 【重磅資料下載】全國倉庫建築面積+租金+空置率詳細數據，5大區32城，2018年度最新數據！
- 【附資料下載】倉庫大數據：全國高標庫規模、租金、空置率概況
- 【附資料下載】稅率再次變動，一文讀懂：租倉庫該如何繳稅、開票、避稅？附最新稅率表下載
- 【附資料下載】最全雄安新區規劃解讀：倉儲物流8大機遇4大挑戰+周邊高標庫租金、分佈概況（附規劃全文下載）
- 【附資料下載】上海工業地產104地塊完整清單
- 【選址·生鮮電商】倉庫選址考慮因素及改造冷庫注意事項
- 【選址·物流中心】順豐買飛機, 建機場, 航空物流中心為何建在這個地方?
- 【頭等倉】服裝電商倉庫選址5大因素+庫內佈局3大技巧
- 縱觀阿里騰訊混戰，新零售倉儲物流該怎麼玩？
- 【頭等觀點】普洛斯順豐攪動冷鏈市場，誰會是下一個參戰？
- 最細最全政府工作報告解讀——倉儲物流
- 【頭等倉解讀】生鮮電商混戰，得消費數據者得天下？
閱讀更多 頭等倉 的文章
