李克强教授：发展干线物流自动驾驶，核心是处理好技术闭环与商业闭环的关系

发布时间：2025年12月18日

纵观全球，中国拥有世界上最大的物流市场，干线运输作为国民经济的动脉，长期承载着巨大的压力。

“我国干线物流行业非常艰辛。从数据上看，公路运输占货运总量比重高达73.6%，但行业长期依赖超载超限，以及约1300万名货运司机的艰苦付出，来维持低成本运营，同时运输效率不高、劳动力老龄化等问题日益突出。”

在12月12日于清华大学举行的干线物流自动驾驶商业化路径研讨会暨四川省港投集团干线物流自动驾驶“挑战赛”招募发布会（后文简称“研讨会”）上，中国公路学会理事长，交通运输部原党组副书记、副部长翁孟勇的一席话，揭开了行业的残酷真相。

在这场汇聚政府监管部门、高校院所、行业机构、整车企业、自动驾驶公司、物流企业、金融机构、基建投运机构和通信运营商等领域的七十余位核心专家的研讨会现场，与会嘉宾正为物流行业如何实现突围而建言献策。

研讨会现场

“要破解干线物流行业的痛点，需要技术进步和真实需求（如效率、安全、成本）共同驱动。”清华大学车辆与运载学院教授、智能绿色车辆与交通全国重点实验室主任、西部科学城智能网联汽车创新中心首席科学家李克强指出。

而自动驾驶技术，恰恰被视为能够同时满足上述技术与需求双重标准、破解干线物流困局的最优解。

它在理论上不仅能节省人力成本、规避人为安全隐患，还可以全天候运行以提高运输效率，从而精准匹配物流企业对于降本增效的迫切需求。

越来越多创新企业和生态各方涌入这个领域，寻找真实需求的同时试图用技术改变物流行业，并逐步向深水区演进。

一、发轫：从技术萌芽到干线物流变革前夜

关于自动驾驶与干线物流的故事，是一部不断逼近真实场景的历史。

源头可以回溯至2004年3月。彼时，在美国莫哈韦沙漠地区，一场名为“DARPA大挑战赛”的自动驾驶汽车比赛正在举行。

作为全球第一个自动驾驶汽车长距离比赛，本次挑战赛有15支参加决赛的团队，它们在142英里的赛道中展开激烈角逐。

遗憾的是，本场比赛没有完赛者，甚至连接近完成的团队都没有——最远的是卡内基梅隆大学的红之队，他们的汽车只行驶了7.4英里，不到全程距离的5%。

DARPA大挑战赛2004

图片来源：WIRED官网

但挑战赛就像一个火种，其所奠定的科研基石自此深刻改变了自动驾驶行业。

2010年代末，自动驾驶开始向干线物流领域拓展，逐步从实验室走向现实道路，并进行试点运营。

在国外，以Waymo Driver、Aurora为代表的企业，率先在美国西南部的长途高速路段开展L4级试点运营，通过“卡车即服务（TaaS）”模式验证技术的可行性。

在国内，涌现了嬴彻科技、卡尔动力、小马智行、主线科技、挚途科技等一众自动驾驶企业，它们从L2级智能辅助系统的规模化应用，到L4级在区域场景的快速推进，再到生态联盟的积极探索，逐渐展现出全球领先的加速度。

以嬴彻科技为例，其副总裁王立鹏在研讨会上透露，该公司在干线物流L2级辅助驾驶的商业化运营里程已突破4亿公里，覆盖了中国97%以上的高速公路。顺丰、“三通一达”等头部物流企业均已成为其客户。

卡尔动力则分享了在鄂尔多斯的实战数据：其自动化里程已跑了35万公里，运输了数亿吨货物，并验证了电车在编队模式下能耗仅为油车的一半，降本效果显著。

从全球的进展不难发现，自动驾驶干线物流领域的技术路线逐渐清晰，数据积累日益雄厚。

二、瓶颈：制约规模化落地的“三重阻碍”

尽管已经取得不错成绩，但为何干线物流自动驾驶迟迟未能大规模铺开？

这是在于，行业仍面临一些瓶颈，且这些难题环环相扣：

第一重阻碍，是技术仍待突破——最紧要的便是长尾场景的安全置信度。

虽然目前技术已能覆盖90%以上的高速场景，但剩余10%的低频高风险“长尾问题”难以通过穷尽测试解决。

比如极端天气、复杂的突发路况、非标准施工区、传感器被遮挡等场景，皆须通过海量真实数据和虚拟仿真进行弥补。

要知道，任何单一的长尾安全事故，都极有可能对公众信心和监管审批流程造成毁灭性打击，这对L4级系统的安全冗余和应急处理能力提出了极致要求。

第二重阻碍，是“政策限制”与“成本效益”之间构成的两难困境。

两者并非孤立存在，而是互为因果。根据我国现行的《中华人民共和国道路交通安全法》，L4级别车辆尚未获准在公开道路上进行“去安全员”的商业化运营。

这意味着，现行监管框架在无人驾驶车辆救援调度、远程接管安全性认证及事故责任追溯等关键环节存在制度缺失，缺乏统一的准入基线，从而直接阻碍了无人驾驶车队的规模化扩张。

同时政策限制导致了商业层面TCO（总拥有成本）的失衡。

原因在于，在传统物流成本结构中，人力与燃油占比超过50%。自动驾驶若要实现盈利，必须通过彻底“去除安全员”来削减人力支出，并配合极高的里程利用率，才能抵消激光雷达、算力单元等高昂的硬件投入。

自动驾驶卡车全生命周期总成本

图片来源：《自动驾驶干线物流商用报告》

核心矛盾正基于此：在法规尚未完全放开“去安全员”运营的背景下，企业在承担高昂硬件成本的同时，仍需负担人力成本。

结果就是，TCO最优模型无法在实际中得到验证，进而导致整体投资回报周期充满了高度不确定性。

嬴彻科技副总裁王立鹏在现场同样提到这一关键挑战：“L4级自动驾驶技术投入巨大，其价值体现必须建立在能够真正替代驾驶员的基础上，这需要路径的突破。”

第三重阻碍，是车规级量产的工程挑战。

重卡固有的高惯性、制动响应迟滞（气制动），以及车辆编队行驶中的耦合控制难题，增加了控制系统的复杂性。

自动驾驶系统必须与主机厂进行深度前装集成，解决线控转向、制动冗余、传感器防尘防水设计，以及高负荷运行下的散热等车规级难题，而非简单采用可靠性较低的“后装”方案。

这一深度工程化过程需要耗费巨大的资金和时间成本。

“在与众多物流公司及客户的频繁交流中，我们发现大家的核心关注点主要集中在以下四个方面：一是能耗，二是时效，三是系统购置成本，四是车辆或整个系统在运行过程中的运营维护成本。”陕西重型汽车有限公司汽车工程研究院副院长薛令阳表示。

他强调，如果为了实现L4级全过程无人化，导致系统冗余做得过多，进而推高了购置成本，反而会影响整体经济效益。“客户关心的不是技术有多深，而是最终的TCO（全生命周期成本）能否降低。”

零一汽车智能驾驶合伙人王泮渠也补充道，除了能耗，还应考虑车辆折旧、智驾硬件投入等全周期成本，以及相比人工驾驶提升了多少运营时长和效率。

而对这些问题的回答，决定了干线物流自动驾驶规模商用到来的时刻。

三、破局：平台型力量驱动下的“场景实证”

面对上述挑战，单纯的技术验证已无法满足行业需求——如何将L4级技术安全、高效地推广至常态化、跨区域的开放干线物流网络场景中已经迫在眉睫。

而这，亟需具备稳定资源且能有效联动监管部门的平台型力量引领突破。

在此背景下，四川港投（四川港航投资集团）牵头发起的干线物流自动驾驶挑战赛及实证运营计划应运而生——以一种全新的方式，加速推动干线自动驾驶的规模化应用。

“行动是围绕‘技术、经济、政策、生态’四个维度，构建完整的商业化闭环，以期通过四川港投的实践，为全国干线物流自动驾驶的规模化推广提供一套清晰、可靠、可复制的中国方案。”四川港投集团总工程师胡旭表示。

具体来说，此次挑战赛对于干线物流自动驾驶的发展来说，有两大核心亮点。

一是真实的货源。

四川港投集团作为四川省属大型国有资本营运平台，承担着全省现代综合物流发展的重任。四川港投通过提供稳定可靠的真实货源和部署50台重卡测试车队，将技术验证置于真实商业场景中。

二是真实的路线。

四川港投选择了磷矿与锂矿等大宗原材料、制造业产品批量配送的商品大通道、高频次与小批量的城际接驳等运输场景。

只有在上述真实的路上跑，才能真正知道自动驾驶还存在哪些欠缺，需要完善哪些方面。

最终，通过长达一年的在真实场景里的实证运营，验证自动驾驶在全生命周期成本上的优化能力，探索真正具备商业竞争力的运营模式。

此举目标是在2028年前，在四川率先建成全国首个省级干线物流自动驾驶示范网络，实现“枢纽到枢纽”的常态化无人化运营。

四川省港航投资集团有限责任公司党委副书记、副董事长、总经理何政强调，港投集团致力于成为干线物流自动驾驶领域的“三个驱动者”：商业模式的驱动者、创新生态的驱动者，以及行业规范的驱动者。

并期待与产业伙伴一道，以本次挑战赛为新起点，共同推动中国干线物流向更高效、更智能的方向迈进。

深入剖析此次挑战赛发现，四川港投的实践高度呼应“车路云50人”提出的跨行业“蝴蝶模型”。

“蝴蝶模型”扩展示意图

“蝴蝶模型”旨在实现产业从“技术产品化”向“运营数字化”的结构性转型。

模型中，左翼三角（技术供给侧：自动驾驶公司与主机厂）与右翼三角（运营需求侧：路云运营商、金融机构及终端客户）协同发展。

而四川港投作为大型国有物流平台和核心“终端客户”与需求聚合者，占据“蝴蝶模型”的核心枢纽位置。

其核心职能是借助实证运营，以真实产业需求侧的订单流为驱动力，反向牵引技术产品的迭代与商业模式的优化，并通过金融资本侧的资源整合，最终深化“双三角”的生态协同。

综上，得益于处于价值转化枢纽的平台型力量的引领，产业各方将突破传统边界形成协同网络，实现技术创新与场景资源精准耦合，从而推动自动驾驶干线物流的规模化拐点加速到来。

四、升维：“车路云一体化”重构安全与信任体系

需要注意的是，在复杂的干线物流场景中，“安全”是获取“路权”的唯一通行证，而“监管”是悬在头顶的达摩克利斯之剑。

即，技术验证若无法通过安全的考验，商业化落地便无从谈起。

中国邮政集团有限公司邮政研究中心副所长刘志勇在现场分享了真实案例，深刻揭示了这一现实痛点。

他在研讨会上谈道：“我们曾试图在某几个城市落地无人车，但遭到当地交警的强烈反对。理由很简单：一旦上路就影响交通，且一旦发生事故，责任认定极其复杂。我们统计过，虽然无人车的主动事故率极低，但被动事故（如被追尾、被加塞刮蹭）非常多。在干线物流中，如果安全不能过关，其实就根本没有‘路权’这一说法。”

对此，清华大学教授、智能绿色车辆与交通全国重点实验室主任李克强指出：“自动驾驶不是孤立的技术，必须在国家统一架构和标准下，坚持‘车路云一体化’的协同发展路线。”

坚持这一路线的必要性，首先在于突破单车智能在复杂地理环境下的物理瓶颈。

尤其是在我国四川等地形复杂的区域，隧道、桥梁众多，单一的车端感知存在盲区。

中移上海产业研究院和联通智网的代表均强调，自动驾驶不仅是车的事情，更是路和网的事情，需要通过通信网络赋能，解决车辆在复杂环境下的感知难题。

国家智能网联汽车创新中心副主任袁宇同样表示，干线物流涉及车辆、智能交通系统和运营系统三个层面。“要实现安全运营，必须依靠‘车路云一体化’系统提供超视距感知，将道路安全预警信息及时触达车端。”

其次，“车路云一体化”更深层的意义，在于解决由AI驾驶这一“新生产力”带来的“生产关系”适配问题。

随着车辆从“人驾驶”向“AI驾驶”进化，汽车的核心价值正在重构。AI驾驶虽然追求极致的效率与安全，但单车智能受限于局部视野，往往难以处理全局的协同难题，甚至会产生“外部性”风险。

例如，一辆AI重卡为了追求自身的最优路径，可能会无意中阻碍后方交通流，破坏整体效率与公平。

此时，“车路云一体化”便不再仅仅是技术的叠加，而是充当了“生产关系适配器”的关键角色。

车、路、网、云在新生产关系中的职能与定位

在这个全新的体系中，“云”不再只是存储数据的中心，而是化身为数字化、实时化的“交通警察”与“规划师”。

它负责接收全域数据，对AI驾驶产生的外部性进行宏观调控，将人类社会对交通系统“安全、效率、公平”的核心诉求，转化为数字指令反馈给车辆，从而解决单车智能无法逾越的全局协同难题。

这种系统化的协同能力，实现了对单车智能的双重安全冗余，能够为干线物流的商业运营提供更高层级的保障，将主动避险提升到新的高度。

最后，这种新生产关系的构建，是重构监管和信任体系的关键钥匙。

传统的单车智能模式下，车辆运行数据宛如“黑盒”，一旦发生事故，监管部门往往面临取证难、定责难的困境。

这种全链路、多维度的数据汇聚和实时协同能力，从根本上解决了长期困扰行业的责任认定和监管难题，开启了智能交通的全新治理模式。

而云控数字底座（信息物理系统，CPS），通过建立“车－路-云-网”的多模态数据交互枢纽，将为构建“数据可溯、风险可防、责任可究、公众可信”的新型智能交通治理体系提供坚实的技术基座。

它将推动自动驾驶从技术验证走向真正的社会化、法治化运营，彻底清除规模化落地的最后一道政策与信任障碍，从而推动风险预警与安全评估的智能化转型。

当然，单车智能与“车路云一体化”并非矛盾关系，而是升级版的关系：云控不是因为单车智能“不行”才需要，而是因为单车智能“行了”，才必然需要一个全新的生态位（云/网）来与之组成适应性的新生产关系。

可以看到，车路云一体化体系，其意义已超越单一的技术组件。它本质上是在重塑交通的经济与社会运行结构：

在经济层面，它彻底改变了交通资产（如车辆、道路）的利用效率、成本结构、保险和商业模式，从“分散决策”的低效运营转变为“全局协同”的高效动态分配；

在社会层面，它构建了全新的安全责任认定机制、路权分配体系和交通治理框架，确保了AI生产力的释放与公共利益的兼容。

只有通过这种系统级的协同，实现双重安全冗余，监管部门才有可能在法律层面放开“去安全员”的限制，真正的商业化运营才有可能落地。

五、终局：处理好技术与商业闭环，推动“中国方案”落地

正如20多年前，“DARPA大挑战赛”点燃了自动驾驶的星星之火。如今，挑战赛或将为中国干线物流自动驾驶的燎原之势开个好头。

从四川出发，这场挑战赛不仅是一次商业模式的突围，更是“车路云一体化”中国方案在干线物流领域的生动实践。

它标志着中国自动驾驶行业再进一步，开启自动驾驶实证时代的同时，也在统一系统架构下，向着规模化、标准化的未来迈进。

这不仅是四川的机遇，更是中国物流行业在复杂地理环境与庞大物流需求下，实现弯道超车的历史性机遇。

从行业发展规律来看，这是一条必由之路。

中国公路学会理事长，交通运输部原党组副书记、副部长翁孟勇指出：“干线物流自动驾驶是解决道路运输痛点的重要解决方案。虽然过程很难，但万里长征，总要走出第一步。”

交通运输部公路科学研究院副院长汪水银也认为，干线物流自动驾驶是改变公路运输“三高两低”（高污染、高排放、高风险；低效率、低组织化）现状的解法，通过积累关键接管数据，为国家相关法律法规的修订提供实证依据，从而推动“中国标准”的建立。

清华大学教授、智能绿色车辆与交通全国重点实验室主任李克强表示，推进产业化落地，核心在于处理好技术闭环和商业闭环的关系。技术上要实现安全、可靠、高效；商业上要能真正带来价值，实现盈利。

同时，他呼吁产业界要形成共识、协同推进，尤其要解决好管理协同和技术协同的问题，确保走在正确的产业发展道路上。

展望未来，随着挑战赛的深入实践与数据积累，行业将逐步形成可量化、可验证的技术指标与商业模式评估体系。

这不仅能为政策制定提供扎实依据，也将吸引更多产业链伙伴加入，共同构建一个完整的生态闭环。

在这一过程中，中国有望依托庞大的物流场景与领先的“车路云一体化”路径，率先建立起具备全球竞争力的自动驾驶干线物流标准，为世界提供绿色、高效、安全的智慧物流“中国方案”。

来源：车路云50人