时至今日，没人会怀疑，在触手可及的未来，自动驾驶会形成一个难以估量的庞大市场。
而当终点的旗帜如此明显，赛道也就变得格外拥挤。过去几年，无论各大传统车厂，科技巨头还是林林总总的供应商，都在以一种军备竞赛的心态开足马力，在自动驾驶的路上跑马圈地。
但不知你是否留意，或许是在科技媒体的过度洗礼之下，当我们在谈论自动驾驶时，约等于就是在谈论乘用车的自动驾驶；但事实上，在分食自动驾驶这盘裹挟着巨大利益的奶酪时，不同团队其实早已厉兵秣马，在不同路面上并行奔跑 。
譬如按照不同场景：有人盯准乘用车市场，就有人觊望商用车市场；有人希望让自动驾驶穿梭于闹市之间，就有人希望让自动驾驶卡车来往于高速路的两端，或者在港口码头等封闭低速环境下默默耕耘；有人专攻城市，就有人转战农田 总之，自动驾驶对人类的福祉，会出现在不易被大众察觉的场景。
举个具体的例子，物流。
如果你看过《集装箱改变世界》就会知道，在20世纪人类各种眼花缭乱的发明里，集装箱势必占有一席之地，它让人类物流体系标准化，形成了巨大的规模经济和网络效应，让从A地到B地的货物运输成本忽略不计，并最终成为全球贸易爆发的基石，从那一刻起，物流系统也被视作全球贸易的毛细血管。
尽管如今很难有哪项物流技术能与集装箱相提并论，但令人欣喜的是，在经历了人工生产，机械化和自动化阶段之后，物流行业正在进入到整合各项传统科技与新兴科技，以人工智能，大数据和云计算等前沿技术为引导的智慧化阶段。无论是运输，仓储还是配送环节，几乎都正在被你所熟知的各种黑科技所加持，譬如在运输环节，产业界就非常相信：自动驾驶将在经济成本和配送效率上做出巨大贡献。
嗯，在我看来，由于远离媒体聚光灯，自动驾驶在2B领域的摸索和进步，似乎有些被低估了。
当自动驾驶遇上高速公路
让我们先从高速货运的场景谈起。
在过去的直觉里，自动驾驶率先落地的场景，大概率上会与 共享理念 融合。你可能已对如下想象倒背如流：在APP上预订，一辆汽车自动驶来，带你到指定地点，你下车，它自动去接下一单。在人们的期许中，共享自动驾驶汽车能大幅提升社会效能（私家车95%的时间处于停放中），改善自然环境，甚至打破工业时代城市规划的枷锁，重新释放城市居民的自主权。
我当然相信，上述美好景致，终会变成现实 但若论商业落地的速度，共享模式，乃至整个乘用车市场，都不见得是排头兵。最近几年，产业界似乎正在扭转共识：大概率上，商用车会比乘用车更快完成商业落地，在许多人眼中，自动驾驶卡车会比私家车更快实现规模量产。
最近的GMIC上，我就听智加科技PlusAI（硅谷无人驾驶公司）副总裁付强谈到，当自动驾驶遇上高速公路，会几乎会立竿见影地改变货运现状，让这一相对枯燥的行业更为高效，经济和安全。
这不难理解，如果说乘用车的最大属性只是出行工具，货车则更像是成本颇高的 生产工具 。角色上的差异，会让后者对自动驾驶技术有更为迫切的需求。因为货运行业通常只关注两个指标：安全和成本，这两点对自动驾驶技术都不是难事。
先说技术，人工智能的完善需要数据的喂养，相比于城市内部复杂的 网状 路线，货车在高速路上是 线状 行驶，道路环境单一且相对封闭，这种从A到B的重复线路会让数据不会被过渡稀释；另一方面，由于更多是 生产工具 ，货车的用户体验也不用像乘用车那么复杂，对算法的要求相对较低，也更有利于量产。
而货运公司拥抱自动驾驶的真正理由，是它可以大幅降低成本。利润低，成本高（尤其人工成本）是货运领域的最大痛点。但中国经济的快速发展，早已让其快速成为物流运输大国，中国拥有超过700万辆长途重卡和1600万重卡司机，整体物流业占GDP比重将近17%，其中公路运输占比70%。
有人曾算过一笔账，仅以1600万干线运输司机为例，如果能减掉一半，按一名司机年薪12万算，这就已是个万亿级别市场。而除了人力成本之外，油耗在干线运输成本中也占有较大比例，自动驾驶技术的落地，预期能减少约15%的油耗成本。
当然，自动驾驶能大幅提升公路安全，这在高速路上显得尤为迫切。在中国，货车司机因疲劳驾驶引发的交通事故屡见报端，而自动驾驶不存在这个问题，能为物流货运带来更为安全的操作。
其实就像人工智能学者塞巴斯蒂安 特隆总结的那样： 驾驶事故是年轻人死亡的第一杀手，所有这些事故几乎都是由人为错误而非机器故障造成的；而在自动驾驶的帮助下，我们还能让高速公路的承载量提升2到3倍 通过优化车辆的位置，让它们在较窄的行车道上近距离行驶，进而消除高速公路拥堵。
另外值得一提的是，目前看来，政策也颇为利好。商务部等5部门在《商贸物流发展 十三五 规划》通知中就指出，要加强商贸物流信息化建设，推广应用人工智能等在内的先进技术，探索发展与生产智慧物流生态体系。使自动驾驶在国民经济的核心产业领域释放出更大潜力。
不同场景的落地
一切指向一点：作为未来人类智慧物流的重要一环，即将率先落地的自动驾驶商用车市场潜力巨大。
趋势背后，是各大厂商的积极应对：无论是戴姆勒这种传统车企，谷歌这样的互联网巨头，还是特斯拉和Otto（6.8 亿美元被Uber 收购）这样的科技新贵，在自动驾驶货车方向均有布局。而与其他AI领域非常相似，市场的广阔，让初创团队完全有资格与大公司共舞。
值得一提的是，在很多人眼中，相较于未来乘用车市场更宏大的蓝图，巨头们只把商用车当做对冲风险的副线，研发精力大多集中在乘用车的主线。
这意味着，自动驾驶商用车更像是某种 边缘性创新 ，如智加科技PlusAI这种创业公司更可能成功突围，作为获得美国加州自动驾驶测试牌照的企业之一，他们已经迅速掌握了包括高精地图制作，基于深度学习的感知，路径规划和控制等技术在内的L4级别全自动无人驾驶能力。这让他们有能力提供给厂商一整套可立即商用的解决方案，推动自动驾驶在不同场景的落地。
1）一个特殊场景：港口码头。
如果说人工成本高、危险系数高、工作环境苦是横亘在公路货运领域的三道关卡，那么这三道关卡，在高温、高盐、高海风的港口码头无疑会成倍放大。正因如此，港内集装箱卡车也急需与自动驾驶技术完成嫁接。
其实与公路相似，近年来随着中国进出口贸易日益繁荣，港口码头物流压力倍增，需要24小时高效、安全、精准运转的港口，对于无人化运输的需求非常迫切，而港内集装箱自动驾驶卡车，可以在很大程度上解决司机短缺，且大幅降低港口运营成本，提升运营效率。
港口正在完成自动化的蜕变。譬如就在不久前的青岛港集装箱码头，搭载L4级驾驶系统的商用重卡解放J7全程以无人驾驶状态工作，顺利完成了包括自动装货、行驶、转向、停车、卸货等一系列关键港口标准作业，成为首次在港口真实生产环境下的商用车实地作业。作为一汽解放的战略合作伙伴，智加科技（PlusAI）为解放J7的发布提供了独家的无人驾驶技术支持。
这并不容易，港口龙门吊的设计结构（有些吊臂下面左右空间不到10cm）决定了卡车必须精准停在吊具下方，前后误差不能超过5厘米。加之桥吊钢笼结构还会屏蔽信号，导致卫星导航系统无法精确定位，都会增加精准停车的难度。而为了解决低速条件下精准定位的问题，PlusAI也通过融合了深度学习视觉算法，使用车道线检查、LIDAR（激光探测与测量）以及SLAM（即时定位与地图构建）等方案，操控解放J7将停车误差控制在正负2厘米。
值得一提的是，在不少人眼中，相比于 无人工厂 里来回穿梭的小型机器人，无人重型卡车在码头上的闪转腾挪，其实更具视觉冲击力。
总之不难发现，无论在高速公路，还是港口码头， 自动驾驶+物流 正在媒体的聚光灯之外，完成对运输效率的改造，成为自动驾驶领域率先落地的商用场景。
