圖片來源@視覺中國
文｜光錐智慧、騰訊科技，作者｜周文斌
劃重點：
港口自動駕駛是單車智慧與平臺智慧的結合；
企業當前最重要的是技術變現和商業化落地；
商業化的關鍵是透過專案產品化做到可大規模複製，具體表現為可交付性、價效比、安全和效率；
BD很重要，技術也很重要，港口自動駕駛企業要兩條腿一起走路；
從港口到幹線還有許多挑戰，現在更大的機會在港口間的自動駕駛。
船舶靠岸，數百個集裝箱被岸橋式起重機一一吊起，轉頭放在一旁等候已久的集裝箱卡車上。集卡駛向堆場，停在龍門吊下方，等待集裝箱卸貨後，駛向下一次往返迴圈。
在無人集卡之前，這樣的場景需要數百位司機日夜倒班，駕駛著集卡在港口中來回往返。但如今，隨著自動駕駛開始逐步代替傳統AGV登上舞臺，無人化成為港口的一種新特徵。
在中國，從東北到西南，有32600KM海岸線，分佈著87個港口。而港口自動駕駛從2018年開始探索以來，從廣州到青島，從廈門到天津，已在十多個港口落地。這個速度，還要遠超過從上世紀90年代就開始佈局的港口AGV。
10月底，中國港口自動駕駛公司飛步科技和寧波舟山港梅東公司完成簽約，繼續擴大L4級無人集卡在港口的應用，將原來超40臺規模的無人集卡擴大至62臺。
11月15日，同樣作為港口自動駕駛頭部玩家的斯年智駕完成超億元A+輪融資，這是其成立兩年以來的第四次融資。同時，斯年智駕還在今年完成了六大港口、百輛車隊的第一鏈佈局。
可以看到，在外界頻繁談及自動駕駛寒冬的今天，港口自動駕駛仍然在快速落地。
“如今，自動駕駛行業面臨的問題像一個堰塞湖，所有的企業都堵在L2和L2+的關口”，勁邦資本汽車行業專案負責人貢璽向光錐智慧表示，破局的關鍵是整個產業的有序突破，而從產業端的實際落地難易程度來講，港口和礦山是目前確定性比較高的場景。
那麼，作為最有望率先破局的場景，如今的港口自動駕駛又走到哪一步了呢？
01 搬運集裝箱的“蟻群”
細心觀察過螞蟻的人會發現它們一些有趣的特點，比如拿筆在螞蟻前進的方向畫上一道，它就會迅速地掉頭繞開；不論食物在何處，它們總能尋到最短的路徑將其搬回家。
而如果找到一個高處鳥瞰港口，我們會發現港口中那些在一堆堆集裝箱中間往來穿梭的無人駕駛集卡，某種程度上和螞蟻並無分別。
01 搬運集裝箱的“蟻群”
1992年，因為觀察蟻群，比利時科學家Marco Dorigo開創了著名的“蟻群演算法”，這是一種用來尋找最優路徑的機率型演算法，如今被廣泛應用在自動駕駛的路徑規劃和平臺排程等方面。
圖：蟻群演算法的路徑
在與光錐智慧的交流中，斯年智駕CEO何貝就提到，斯年智駕的戰略就是既重平臺智慧，也重單車智慧。飛步科技CTO楊政也認為，如今港口注重效率和安全，只注重平臺智慧，或只注重單車智慧都是行不通的，必須兩者結合才能打磨好產品。
這種演算法恰到好處地描繪了港口自動駕駛的精髓。
曾經，提到港口、礦區等特定場景下的L4自動駕駛時，大家的第一反應都是“簡單”，因為封閉或半封閉場景沒有開放道路複雜，應該更容易落地。
“我在2019年初第一次進港口的時候覺得這個場景非常簡單，因為它很固定，Corner Case會更好收集，同時速度更低，決策時間會更長。但隨著一點點深入，我們會發現它的互動頻率更高，對於車的控制要求更高。”楊政對港口自動駕駛認知的轉變，也體現了這個場景的許多潛在的複雜性。
“在港口會有許多特定的問題，比如無人集卡停車定位的誤差要達到正負5cm的精度，比如在滿是金屬集裝箱的港口，衛星定位會不精準，甚至在車輛間互動，姿態控制，轉彎等方面都會面臨挑戰。”楊政向光錐智慧稱。
首先是定位。在港口，無人集卡需要和大型裝置配合作業，港口的集裝箱需要吊橋從船舶上吊起放在卡車上，然後由無人集卡將其運送到堆場，再由龍門吊吊起放在堆場上。
卡車停放與龍門吊的相對位置需要非常準確，停不準，龍門吊就很難將集裝箱從車上拿起，或者放下。更重要的是，龍門吊的位置是會移動的，這又對車的精準定位提出了更高的要求。
其次是港口的道路問題，港口通常是填海造陸而成，寸土寸金，需要最大限度地利用空間。這導致港口的道路很多時候非常狹窄。“集卡的寬度通常2。7m、2。8m，但港口許多地方路可能只有2。9m，所以港口對車的操作和決策要求更極限，對技術也有更高要求。”楊政說。
另外，區別於乘用車，無人集卡在港口作業基本每次都必然會遇到大角度的轉彎、掉頭。而無人集卡車體更大，更長，所以在轉彎、掉頭的時間也會更長，意味著其與後車的互動的時間也會更長。
但在港口，無人集卡其實沒有太多時間用來掉頭，因為通常車隊作業，後面的車源源不斷地駛來，如果掉頭一次沒有成功，後面的車隊可能就會堵上，影響整個港口的執行效率。
所以，區別於其他自動駕駛場景，港口自動駕駛不僅僅是單車智慧的單打獨鬥，同時也是單車智慧與平臺智慧的精妙結合。
“如果單車智慧不夠強大，那對港口來說就像是一個定時炸彈，一旦某輛車遇到特殊情況停了下來，後面的車都會停下，不及時人為干預甚至可能導致整個港口陷入癱瘓。”何貝說道。
所以港口自動駕駛企業都有做相應的安全冗餘，比如斯年和飛步配備有遠端駕駛的技術，司機可以在控制中心遠端監控車輛狀態，一旦某一輛車出現問題，就可以透過遠端駕駛立即干預。
而提到自動駕駛，其對勞動力的補充又是一個必要的話題。比如在港口，集卡司機用工成本高，招工難，長時間駕駛對司機健康損害大等等。
但實際上從上世紀90年代就開始，港口就透過AGV等方式開始了無人化的探索。所以除了降低用工成本，自動駕駛對於港口更大的意義還在於效率和安全。
目前，絕大多數港口都處於無人集卡和人工作業混行的狀態，再加上還有港口外的卡車、場地作業的工人等等，港口的環境仍然複雜，這些情況都對無人集卡的單車智慧提出了更高的要求。
在這方面，港口自動駕駛企業普遍採用的是“車”“雲”協同的方式來實現港口整體效率的最大化。比如飛步科技提出的“車路雲協同一體化”和斯年智駕的“車端-雲端一體化”。
引入雲端的概念，在於“雲”能夠對港口整體的情況進行判斷，比如從A點到B點，通常來講直線距離最近，但直接過去可能會堵車，而經過C點繞過去，路程或許更遠，但道路通暢卻可能更快。
楊政解釋道，透過感測器和接通港口資料，雲端能夠知道哪裡需要更多的車，哪裡車輛有冗餘，以此來更合理的分配運力。“我們幫助港口設計打造智慧化作業系統，不僅聚焦水平運輸本身，同時也致力於全域性的降本增效。”
在許多港口自動駕駛公司的共同努力下，如今港口已經開始進入了無人化階段，無人集卡，IGV（Intelligent Guided Vehicle 智慧導引車）等車輛在港口的佔比逐漸提升。
比如在年集裝箱吞吐量超千萬級的寧波舟山港梅東碼頭，飛步科技的無人集卡數量佔比已經超20%，作業效率已十分接近傳統駕駛員。而在寧波港大榭碼頭、江蘇宿遷港等地，斯年智駕完成了百輛車隊的第一鏈佈局，其運營的無人集卡效率相對於AGV和IGV提高了1。5~2倍左右。
要提高效率，單靠強大的單車智慧其實並不容易。就像螞蟻搬運糧食一樣，當群體協作成為工作的主要方式時，在個體的能力之外，合理的組織和排程就變得尤為重要。
整體來看，港口像是一個蟻群的工作場地。個體的排程與集體的配合，障礙物避讓與路徑規劃。很多時候，大自然的神奇之處就在於此，人類苦心追求最優解，往往在許多微小的地方早已寫下了答案。
以新事物、新技術發展曲線來驗證，作為新興技術的自動駕駛仍處於早期，沒有成熟的案例模式來參考借鑑。行業中深耕港口一線場景的自動駕駛企業，會依據客戶意願的差別與企業自身的基因性格來定義不同的商業化路線。
深水區已至，除了技術上的創新，也更需要在商業化上有突破式的探索。
“講技術、講產品已經是幾年前的事情，現在的關鍵是如何變現。”斯年智駕CEO何貝坦言。
而從投資人的視角看，業務落地同樣是如今的重點。貢璽向光錐智慧提到，投資人除了看（技術能否代替）安全員等綜合技術體現之外，還要看自動駕駛公司是否能夠快速地跑馬圈地，擴充套件市場。
“現在企業就是要儘快去進可以進的港口，這個市場和礦山一樣，一旦你進去之後，跟它的繫結就會很深，不太容易輕易換你。”貢璽提到。
關於商業化，何貝將其分成了三步，
02 以租代買還是聯合開發？商業化的深水區
“目前我們處在第二步，關鍵是毛利率和無人駕駛技術的落地，而現在到明年的重點是第三步，將專案產品化，完成大規模的複製。”何貝提到。
但就整個商業化而言，最難的卻是第一步，找到“第一個吃螃蟹”的客戶。
一方面，傳統的港口、碼頭對新事物的接受程度較慢；同時，購買自動駕駛集卡也確實是一筆不菲的投資。目前一輛無人集卡價格大約在200萬左右，如果配上30輛就要6000萬，在還沒有太多成熟案例的前兩年，這個價格無疑讓港口感到遲疑。
“斯年的策略是‘以租代買’，即自己花錢買車、改裝，然後作為一個‘運輸公司’在港口拉活兒。”何貝向光錐智慧介紹他們最早進入港口的方法。
透過代運營的方式，一方面可以提前獲得一部分收入，同時能夠更好地收集行駛資料來改進演算法。另一方面，當港口方實際看到自動駕駛的效果，它們自然願意為此付費。
在獲得港口認可之後，斯年也會有“軟硬體一體”的產品銷售模式，就是將裝配好的裝置一次性打包賣給港口，為其提供技術服務和後續的運營支援。這樣，斯年就像一個無人駕駛技術軟體供應商，按照運營里程收取技術訂閱費。
貢璽認為，現在港口自動駕駛公司大致可以分為兩類，一類是輕資產運營，即自己不持有資產，只提供整體的解決方案，做後端的改裝；另外一類則是重資產運營，自己買車，自己改裝，然後給港口提供運力。
02 以租代買還是聯合開發？商業化的深水區
從重資產走向輕資產，這是斯年切入市場的方式。而飛步科技進入港口的方式，則是一開始就和港口共同研發。
“在未來真正運營智慧水平運輸的主體，一定是港口自己。”楊政表示，“無人集卡與IGV等新事物，演化到終局，本質上是與場橋、岸橋一樣的機械化生產工具。港口應該，也必須實現自主可控。”
“所以，我們從進入港口的第一天開始就以‘產品化’為目標，儘量把除了系統設計和系統整合之外的操作部分和港口一起打磨，然後逐步讓渡給他們。”楊政說。
“有沒有人買”是第一步，“有沒有一群人買和有沒有回頭客”是第二步，“能不能批次化複製”是第三步。
“寧波舟山港貨物運輸種類最為齊全，吞吐量全球最大，梅東碼頭又是超千萬級的傳統混線碼頭。因此，這裡是全球智慧港口建設改造實實在在的珠峰。”楊政透露，飛步與寧波舟山港梅東碼頭在三年內完成四期合作，交付的無人集卡數量達到62臺。透過車端智慧與遠控系統的組合，無人集卡車隊開展多路編組實船作業超1000天，現階段基本實現了與人工作業效率的持平。
“根據企業發展的不同階段，輕資產和重資產都是必要的，前期需要透過重資產獲客，中後期需要透過輕資產減輕運營壓力。”貢璽說。
他認為，產品化有兩個比較重要的點，一個是可交付性，就是這套產品一定要操作簡便、穩定，交付給客戶之後即使沒有技術人員也能夠使用。二是產品要有核心價值，具體表現為價效比，安全和效率。
當然，港口自動駕駛的競爭也不侷限在港口這一個場景下。
一方面，港口自動駕駛市場的天花板是肉眼可見的。按照中國港口協會的資料，中國港口內每年集裝箱的運輸約60億元，幹散貨約240億元，整體下來大概每年300億元的市場。而目前自動駕駛落地的港口僅有1%左右，即使算上今後的成長空間，這個市場的想象力仍然不夠性感。
所以，港口自動駕駛企業自然也將目光放向了規模更大的港口間運輸、幹線物流，甚至城市運輸等場景。但要實現這個跨越其實並不容易，不要說港口自動駕駛這樣的“跨界者”，就是像圖森未來這種深耕幹線的企業，在這方面的進度也並不理想。
“飛步從成立第二年就開始做相應的探索，雖然港口和幹線場景不同，但技術上沒有太大的鴻溝。”
“BD很重要，技術也很重要，企業要兩條腿一起走路。”貢璽提到：“回顧汽車產業的發展，我們會發現最終成功的企業，無非是抓住了兩點，即極具技術壁壘的產品力，或是極強的商務關係，這是汽車這個大to B行業本身基因決定的。”
比如對待開放路口的自動駕駛，大家要求達到絕對的安全，但這種絕對本身並不存在。“意外總會發生，而我們如何去對待這種偶然的，極小機率的安全事件，全社會都沒有做好準備。”
何貝的觀點則更加謹慎，在他看來，除了技術之外，
03 港口之外，港間和幹線
03 港口之外，港間和幹線
相比於港口，幹線的重卡更加危險，一旦出現事故波及的範圍也更大，因此法律落地上也會更加謹慎。
楊政認為，在幹線物流，大家今天遇到的問題更多是技術之外的。
何貝提到，中國的物流市場司機非常內卷，物流公司分散，無論是在人工替代還是在付費主體上都不夠聚焦。因此怎麼整合資源、怎麼合理合法地替代司機都是問題。“在幹線物流的自動駕駛上，目前的商業模式，商業邏輯等方面都沒有很好的梳理清楚。”
港口和幹線之間其實還存在三座大山。
“專心做演算法研究的基礎，一定是感測器等硬體的成熟，如果硬體不夠成熟，只能透過演算法去彌補感測器的差距，並以此來完成一個穩定的無人駕駛。”何貝說道。
除此之外，從港口到幹線物流，就像其他場景進入港口一樣，同樣會面臨許多行業Know-How的問題，比如對於幹線，甚至城市道路的行車資料和corner case的解決，比如干線會有更多的車型，幹線重卡的載重更大，速度更快，所以剎車和車輛控制也都更加困難等等。
首先是法律問題。
何貝認為，對於港口自動駕駛來說，現在跳出港口的機會更多應該在港口間的自動駕駛上。
港口間的自動駕駛是指從港口到工廠、港口間的短途接駁、廠區內等場景。區別於幹線受制約的條件較多，港口間的優勢在於它只是短途運營，相關管理法規當地的區政府和市政府就能拍板，對於自動駕駛來說更容易拿到路權。
除此之外，現在港口間的無人駕駛也不用去安全員，甚至從港口到港間，兩個場景使用的車型一致，整體的環境和工況一致，速度也不會很快，企業需要的只是增加一些資料集和場景就可以完成技術的迭代和更新。
完成從港口到港間的轉換，港口自動駕駛企業能夠將市場空間從原來的每年300億元左右提升到1500億元左右。
其次是商業模式和商業邏輯的問題。
事實上，從港口到港間，再從港間到幹線，我們確實需要看到一些港口自動駕駛的優勢。
即與其他做幹線、做L4自動駕駛的企業來做港口的路線不同，港口自動駕駛企業選擇從相對簡單、容易落地的場景出發，能夠更快地獲得收入。而如今困擾高級別自動駕駛企業，或者圖森未來這樣的幹線物流自動駕駛公司最大的問題，就是收入很難起來。
最後是感測器等硬體的能力上，
所以對於港口自動駕駛公司而言，完成了港口內的運輸，然後向港口外擴張，從港口到幹線，也更像是一件順理成章的事情。