商用车自动驾驶领域正吸引着越来越多的参与者。


(资料图)

日前,商用车自动驾驶公司卡睿智行Corage宣布,已于年初完成千万元级天使轮融资,投资方为辰韬资本、丰元资本和日本PKSHA SPARX Algorithm基金。

公开资料显示,卡睿智行成立于2021年12月16日,聚焦商用车自动驾驶和智慧物流技术,目前已实现多个商用车自动驾驶落地项目。其中,卡睿智行参与规划、设计的自动驾驶干线物流专线道路即将开展自动驾驶干线物流的长距离场景路测和筹备运营。

当前政策方面正在加大对商用车自动驾驶商业化落地的支持。8月,交通运输部发布了《自动驾驶汽车运输安全服务指南(试行)》(征求意见稿)公开征求意见通知。其中提到,“(鼓励)在点对点干线公路运输、具有相对封闭道路等场景使用自动驾驶汽车从事道路普通货物运输经营活动”。

据悉,智加科技、图森未来、宏景智驾等企业,目前都已步入商业化探索阶段。

新能源与自动驾驶并行推进

与乘用车相比,当前商用车的新能源化与自动驾驶化更受业内关注。

中国汽车工业协会数据显示,目前全国商用车保有量约为4000万辆,占全国汽车总量的10.9%,但其碳排放却占全部车辆碳排放的近65%。其中重型卡车碳排放占比达83.5%,是所有碳减排车辆中的关键车型。在此背景下,当前新能源商用车的保有量也在迅速增长。

此外,新能源商用车的应用特点恰好满足自动驾驶的落地需求。从经济成本角度和新能源车补能需求考虑,新能源商用车率先在能源价格相对低廉的区域、并有实际稳定货运需求的固定线路即“货运专线”实现商用。“车是自动驾驶的载体,新能源车的线控底盘比燃油车对自动驾驶技术更友好。”卡睿智行创始人、CEO佟显乔说。

公开数据显示,在2020年中国公路货物成本占比中,司机薪酬占比或在21%左右。而以自动驾驶技术替换传统司机,或可极大提升新能源车的成本和效率优势,从而加速新能源车对燃油车的替换进程。

正是在这一背景下,卡睿智行选择了新能源与自动驾驶同行的策略,其具体规划是紧跟商用车新能源化进程,在可产生经济效益的长途干线的能源补给及货物转运点之间,逐步实现自动驾驶技术和商业化落地。为实现这一想法,卡睿智行参与规划、设计全长超过430公里的自动驾驶干线物流专线道路——酒泉至明水自动驾驶货运专线。

据了解,该货运专线沿线均为荒漠无人区、地形平坦,有条件采用全封闭、全路径、全断面专供自动驾驶新能源货运车辆行驶的设计。同时,当地有丰富的光风电能可再生能源,可以实现低成本制造绿氢。项目计划在这一道路上采用氢能重卡,并在路端建造加氢站和转运货场。

卡睿智行方面称,从现在到明年上半年是该项目野外路试的实验期,明年下半年会涉及到土木工程的施工,道路的正式运营要等到2024年~2025年。

大规模商业化应用仍需过多重关卡

《2021中国自动驾驶干线物流商业化应用研究报告》(以下简称《报告》)显示,在自动驾驶技术应用的系列场景中,干线物流被认为是仅次于Robotaxi的第二大商业化应用场景,而高速公路相对规范的道路环境和公路货运行业强烈的应用需求,也使得干线物流场景被认为是将最快实现自动驾驶商业化应用的场景之一。

上述《报告》提及,相比普通柴油重卡,L3级自动驾驶重卡单车每年可节省13.6万元,L4级自动驾驶重卡单车每年可节省22.4万元。另据亿欧智库测算,2030年中国干线物流重卡保有量将达627万辆,自动驾驶干线物流潜在经济效益将达14045亿元。

在此背景下,资本与玩家疯狂涌入干线物流领域。《2022年中国商用车自动驾驶产业发展报告》显示,商用车自动驾驶应用在干线物流、矿区和港口三大场景的热度最高。2014年至2022年第一季度投资事件分别为34起、28起和30起,投资金额分别为149.83亿元、19.51亿元和13.32亿元。

据了解,今年2月,自动驾驶卡车技术和运营公司嬴彻科技宣布已完成1.88亿美元的B+轮股权融资;6月,自动驾驶干线物流公司千挂科技Autra.tech宣布完成2亿元Pre-A轮融资;8月,卡车造车新势力DeepWay宣布完成4.6亿元A轮融资。

“干线物流具有运输距离长、运输吨位大、货物价值量高等特点,是商用车自动驾驶最大的市场。”辰韬资本执行总经理贺雄松认为,自动驾驶在干线物流场景中的市场巨大,但实现起来并不轻松,需迈过多重关卡,其中技术、政策和商业模式是商用车自动驾驶落地和商业化的三个关卡。

宏景智驾战略与业务拓展副总裁杨武曾表示,干线物流的商业化障碍有如何使技术真正成熟到L3的落地级别,包括自动驾驶、底盘的支持、零部件、车规级,以及成本可靠性等各方面的技术。目前整个产业链成熟度,以及大规模商业化应用所需的技术支撑还比较薄弱。

中国工程院院士、中国人工智能学会名誉理事长、主线科技首席科学家李德毅则认为,当前人们对智能驾驶的长远作用、产业化难度认知不足,对近期效果期望过高。自动驾驶干线物流应用远非一朝一夕可以实现,需要大量资金与人员投入,也离不开产业各方的协同发展以及政府、学界的支持助力。

推荐内容