无人货运规模化拐点将至：从单车验证到系统运营

执行摘要：以卡尔动力等企业为代表的无人货运正从技术验证转向规模化商业运营，无驾驶舱运输机器人落地推动单车经济效益提升。本报告梳理无人系统产业现状与竞争格局，拆解上游硬件与算法、中游整车与运营、下游场景应用的产业链结构，结合多机器人任务分配等前沿技术进展与经营数据，研判产业规模化、去中心化协同与降本增效的核心趋势，为产业观察提供参考。

产业现状与发展格局

一、无人货运从技术验证走向规模扩张

经过数年的单车级技术验证与示范运营，中国无人货运产业正进入以规模化系统运营为特征的新阶段。这一转变的核心标志在于：车队规模从个位数、十位数试验车辆扩展至百台量级的常态化运营车队；运营模式从单点线路演示升级为打通矿区、工厂、装卸全环节的系统性运输网络；经济性验证从“技术可行”迈向“单位经济模型转正”。

以深耕内蒙古五年的卡尔动力为例，其在鄂尔多斯棋盘井宣布启动规模化AI运输网络，已建成百台量级无人运输车队，并与鄂尔多斯集团打通煤矿、工厂装卸全环节，实现了线路级单位经济模型转正。这是无人货运商业闭环在能源运输场景落地的重要节点——意味着在该类线路上，无人运输的综合运营成本已能够被运输收入覆盖并产生正向收益，摆脱了对持续外部补贴的依赖。

二、区域覆盖沿能源运输走廊持续延伸

从地理分布看，无人货运的落地高度依托我国能源运输的现实需求。早期运营集中于内蒙古鄂尔多斯等煤炭主产区，随着运营经验与技术成熟度积累，业务半径逐步扩展至新疆、甘肃、陕西、山西等能源运输区域，形成了沿西部—中部能源走廊展开的区域网络格局。这一扩张路径具有清晰的产业逻辑：矿区与干线能源运输具有线路相对固定、运距适中、需求刚性的特点，是无人驾驶技术最先具备商业可行性的落地场景之一。

从“有人驾驶与保留驾驶舱的无人卡车并行”到“无驾驶舱运输机器人投入运营”，技术形态的演进同样支撑了规模化进程。据行业测算，无驾驶舱运输机器人的投入有望将单车经济效益从20%提升至30%以上，进一步提升无人货运的成本优势与规模化复制能力。

三、系统化运营成为竞争焦点

值得注意的是，头部企业的竞争重心已从“单车智能”转向“系统运营能力”。规模化AI运输网络的核心在于将有人驾驶车辆、有人值守的无人卡车与无驾驶舱运输机器人纳入同一调度与运营体系，实现混合车队的协同作业。这一方向与学术界的探索相互印证：近期发表于arXiv的多机器人任务分配（MRTA）研究，在NVIDIA AGX Orin平台上开展了3000次任务级仿真实验与3000次配对零计算实验，并在Pololu 3pi+ RP2040硬件上完成96次在环测试，系统评估了“任务准入合并”机制对去中心化多机器人系统的影响，对比了CBAA、ACBBA等经典分配算法在不同合并阈值下的表现。

这类研究表明，当车队规模扩大至百台量级、任务并发度显著提升时，任务分配与准入策略的计算效率与决策质量直接决定系统的整体吞吐能力。多机器人协同调度、边缘计算与车端智能的深度融合，正在成为支撑无人货运从“单车验证”走向“系统运营”的技术底座。

四、产业演进路径小结

综合来看，无人货运产业的演进呈现出清晰的阶段性特征：

五、小结

当前无人货运产业正处于规模化拐点：百台量级车队在能源运输场景实现单位经济转正，区域覆盖从内蒙古延伸至新疆、甘肃、陕西、山西等地，技术形态向无驾驶舱化演进，运营模式向混合车队系统协同升级。下一阶段产业竞争的关键变量，将集中于跨区域复制能力、混合车队调度效率以及降本幅度的可持续性。能源运输场景作为先行落地领域，其经验积累将为更广泛的货运场景规模化提供可复制的范式。

产业链上游：硬件与算法

无人货运产业的规模化，首先取决于上游环节的成熟度。车载计算平台、传感器系统与多机器人任务分配算法构成了产业的技术底座：前者决定了单车的感知与决策能力边界，后者决定了从“单车智能”走向“系统运营”的可能性。本章从硬件与算法两条主线梳理上游产业格局。

一、车载计算平台：从原型验证走向车规量产

车载计算平台是无人货运车辆的“大脑”，承担传感器数据融合、环境感知、路径规划与车辆控制等核心计算任务。当前产业内以NVIDIA AGX Orin为代表的高算力平台已成为主流选择，其单板算力可达275 TOPS，能够支撑多传感器数据流的实时处理。

值得注意的是，上游算法研究与工程落地之间的硬件链条正在打通。以多机器人任务分配领域的公开研究为例，相关团队已直接在NVIDIA AGX Orin平台上开展大规模嵌入式评估——包括3000次任务级仿真实验与3000次配对零计算实验，并在Pololu 3pi+ RP2040等嵌入式硬件上完成96次硬件在环测试。这种“仿真—零计算—硬件在环”的三层验证方法，反映出上游研发正从纯软件仿真向嵌入式实机验证演进，算法与硬件的协同优化成为趋势。

对产业而言，这一趋势意味着：计算平台不仅是算力供应商，更逐步成为上游算法生态的锚点。平台厂商通过统一的开发工具链（如Jetson生态）吸引算法团队围绕其硬件做适配与优化，形成“平台—算法”双向绑定的竞争格局。

二、传感器系统：冗余设计与成本约束的平衡

无人货运车辆通常搭载激光雷达、毫米波雷达、摄像头与高精度定位模块的组合方案。在封闭或半封闭矿区、能源运输专线等场景，运营方倾向于采用多传感器冗余架构以保障安全，而在高速干线物流场景，成本敏感度更高，传感器配置方案呈现差异化。随着国产激光雷达等核心部件价格持续下探，单车传感器成本占比逐年下降，为车队规模化部署创造了条件。

三、多机器人任务分配算法：去中心化协同成为竞争焦点

如果说硬件决定了单车的下限，任务分配算法则决定了车队的上限。多机器人任务分配（MRTA）要解决的核心问题是：当大量运输任务与有限运力并存时，如何在去中心化条件下高效完成“任务—车辆”的动态匹配。

当前主流算法路线包括CBAA（基于共识的捆绑算法）、ACBBA（异步基于共识的捆绑算法）、PI（性能指标类算法）与HIPC等。2024年发表于arXiv的嵌入式评估研究系统测试了“任务准入合并”（Task Admission Coalescing）机制对上述四类算法的影响——通过设置立即准入与2、4、8个任务的合并阈值等不同参数，在计算开销与分配质量之间寻找平衡点。这类研究的产业意义在于：去中心化系统不依赖中央调度服务器，单点故障风险更低、通信带宽需求更小，更适应矿区、干线等网络条件不稳定的运营环境，因此正成为头部企业的技术竞争焦点。

四、上游技术栈的结构关系

从产业视角看，上游各环节的协同关系可概括如下：

五、上游竞争格局与产业判断

综合来看，上游呈现三个特征：

其一，硬件平台集中度高。 计算平台领域呈现明显的头部效应，NVIDIA凭借AGX Orin等产品占据主导地位，同时国产车规级芯片企业正在矿区等封闭场景寻求替代切入机会。

其二，算法竞争从单车转向系统。 以CBAA、ACBBA为代表的去中心化任务分配算法研究，正在从学术走向嵌入式工程化。卡尔动力等运营企业已将有人驾驶车辆、保留驾驶舱的无人卡车与无驾驶舱运输机器人纳入同一运输系统，在鄂尔多斯等地实现煤矿、工厂装卸全环节打通，线路级单位经济模型转正——系统级协同能力正是其规模化AI运输网络的核心支撑。

其三，验证方法论成为隐性壁垒。 3000次仿真、3000次零计算实验、96次硬件在环测试的验证规模表明，算法从论文到上车需要大量嵌入式评估投入，这一工程化能力构成上游的进入门槛。

总体判断：上游硬件的算力供给已基本满足当前需求，未来2-3年的技术竞争将主要发生在去中心化协同算法与嵌入式工程化验证层面。谁能率先将成熟的多机器人任务分配算法与车规硬件深度耦合，谁就能在“从单车验证到系统运营”的拐点中占据先机。

产业链中游：整车与运营

无人货运产业链中游的核心主体是整车制造商与运输运营方。与上游聚焦芯片、算法等单点技术突破不同，中游企业的竞争关键在于将车辆、调度、装卸、能源补给等环节整合为可持续运转的运输系统，并通过规模化运营验证单位经济模型。从当前产业实践看，以卡尔动力为代表的中游企业正在完成从“单车验证”向“系统运营”的能力跃迁。

混合运输体系：中游的主流运营形态

从技术落地路径看，中游企业普遍采用“渐进式替代”策略，即构建有人驾驶车辆与无人驾驶车辆并行的混合运输体系，而非一步到位的全无人化。卡尔动力在内蒙古鄂尔多斯棋盘井启动的规模化AI运输网络，将三类运输主体纳入同一系统调度：有人驾驶重卡、保留驾驶舱的无人卡车，以及无驾驶舱运输机器人。这一分层结构的产业逻辑在于：有人驾驶车辆承担复杂场景兜底与应急保障，保留驾驶舱的无人卡车满足当前监管对远程接管能力的要求，无驾驶舱机器人则代表成本优化的终极形态。三者共享同一调度系统，使运营方可以在保证运力连续性的前提下逐步提升无人化比例，降低技术与政策的双重不确定性。

全环节打通：从单点技术到线路级运营

中游企业的竞争壁垒并非单纯的自动驾驶技术，而是对“煤矿—运输干线—工厂装卸”全环节的打通能力。以卡尔动力为例，其深耕内蒙古五年，已建成百台量级无人运输车队，业务范围从内蒙古延伸至新疆、甘肃、陕西、山西等能源运输区域，并与鄂尔多斯集团合作打通煤矿与工厂两端装卸环节。

这一“全环节打通”具有三重产业意义：其一，装卸环节的自动化衔接消除了人工等待与交接成本，使无人卡车的效率优势能够在线路整体层面兑现；其二，固定线路、固定客户的能源运输场景为无人系统提供了高重复度的运行环境，有利于安全数据积累与算法迭代；其三，与大型能源集团建立的线路级合作，将技术供应商的角色升级为运输运营服务商，形成更稳定的商业关系。

线路级运营的直接成果是单位经济模型的转正——即单条运输线路的收入能够覆盖车辆折旧、运维、保险与调度系统的全部成本并实现盈利。这一里程碑标志着无人货运从“技术示范”进入“商业验证”阶段，是产业观察者判断规模化拐点临近的核心依据。

无驾驶舱机器人的经济效益提升逻辑

无驾驶舱运输机器人的投入运营，是中游成本结构优化的关键变量。驾驶舱作为传统重卡的成本中心，涉及座舱总成、线束、仪表、空调系统等硬件成本，以及为驾驶员预留安全冗余带来的整车设计约束。取消驾驶舱后，整车可以针对纯货运场景重新设计，带来载货空间与能源效率的优化。据卡尔动力披露的运营数据，无驾驶舱机器人投入运营后，单车经济效益有望从当前的20%提升至30%以上。

需要指出的是，无驾驶舱形态的规模化落地仍依赖两个前置条件：一是运营区域内监管框架对无驾驶舱车辆上路的许可安排；二是混合调度系统在无人类接管兜底条件下的安全保障能力。因此，无驾驶舱机器人在短期内更可能在封闭或半封闭的矿区、园区专线率先放量，而非直接进入公共道路开放运营。这也解释了为何头部企业普遍选择能源运输这一相对封闭、高价值的场景作为规模化起点。

中游格局展望

综合来看，中游产业呈现三个趋势：一是运营形态从“车队管理”向“运输网络”演进，调度系统需同时管理有人、带舱无人、无舱机器人三类运力；二是商业模式从卖车或卖技术方案，转向按运输量计费的线路级运营服务，收入模式更接近物流公司而非设备商；三是行业验证标准从单车的路测里程，转向线路级单位经济模型能否转正。随着更多线路实现盈利验证，中游企业之间的竞争将从技术能力比拼转向运力网络规模、客户绑定深度与跨区域复制效率的系统性竞争，无人货运规模化的产业拐点正在临近。

产业链下游：场景与商业模式

一、下游定位：场景是无人货运价值兑现的最终出口

在无人货运产业链中，下游是技术与运营能力的最终交付环节，其核心不是“卖车”或“卖技术”，而是“卖运输服务”。当前产业实践呈现出清晰的选择逻辑：优先落地于封闭及半封闭场景，其中以能源运输最具代表性。煤矿至电厂、矿区至化工厂、煤化工园区内转运等线路，具有路线相对固定、路况可控、运距适中、运量大且高频的特征，天然适配无人重卡的运营要求。

从实际案例看，卡尔动力在内蒙古深耕五年，已建成百台量级的无人运输车队，业务范围从鄂尔多斯逐步扩展至新疆、甘肃、陕西、山西等能源运输区域，并与鄂尔多斯集团打通煤矿、工厂装卸的全环节。这类项目的共同点在于：无人化改造的对象并非开放的公共道路网络，而是矿区、园区及点对点固定线路，环境复杂度显著低于城市场景，使技术可靠性、运营效率与安全管理能够率先形成闭环。

二、商业模式的演进：从技术示范到规模化运输服务

下游商业模式的演变可分为三个阶段：

1. 技术示范阶段：以单点项目验证为主，收入依赖政府补贴、科研合作与示范工程，单位经济模型普遍为负。

2. 试点运营阶段：形成小规模车队，开始按运输量计费，但人工安全员成本仍占较高比重，经济性处于盈亏平衡边缘。

3. 规模化服务阶段：以单位经济模型转正为标志性节点，无人运输服务成为可复制的标准化产品，收入结构从项目制转向持续的运营服务费与运费分成。

卡尔动力宣布启动规模化AI运输网络的举措，正对应这一转型：将有人驾驶车辆、保留驾驶舱的无人卡车与无驾驶舱运输机器人纳入同一调度系统，实现混合编组的线路级运营。与鄂尔多斯集团打通煤矿与工厂装卸全环节，意味着商业模式已从“单点无人驾驶演示”升级为“端到端线路级运输服务”，并实现线路级单位经济模型转正——这是判断无人货运是否跨过产业化拐点的核心指标。

三、单位经济模型：转正的关键变量

单位经济模型转正取决于收入端与成本端的共同改善：

• 收入端：规模化运营提高车辆利用率与有效运力，按运输量计费形成稳定现金流。
• 成本端：核心变量是驾驶舱与安全员的去留。保留驾驶舱的无人卡车仍需在特定环节配备随车人员，而无驾驶舱运输机器人的投入，使人力成本进一步压缩。据参考素材披露，无驾驶舱运输机器人投入运营后，单车经济效益有望从20%提升至30%以上。

这一改善的产业逻辑在于：无驾驶舱设计不仅降低了制造成本，更重要的是解除了车辆对随车人员的依赖，使远程调度、集中接管成为可能——单名远程安全员可服务于多台车辆，人力成本随车队规模扩大呈现边际递减，这正是从单车验证走向系统运营的经济本质。

四、系统运营能力构成下游竞争壁垒

从“单车验证”到“系统运营”的转变，对下游运营方提出了更高要求，竞争壁垒不再是单一车辆的技术指标，而是系统性能力：

• 多车协同调度：去中心化多机器人系统中的任务分配（MRTA）能力直接影响车队整体利用率。相关研究（如arXiv上对任务准入合并机制的嵌入式评估，基于CBAA、ACBBA等经典分配算法在边缘计算设备上的实验验证）表明，任务分配策略的优化能够在有限算力条件下显著提升多机系统的整体效能，这类调度算法的工程化落地是下游运营效率的关键支撑。
• 有人/无人混合交通管理：在过渡期内，保留驾驶舱的无人卡车与有人车辆、无驾驶舱机器人需在同一运输网络中协同作业，对调度系统、应急预案与责任界定机制提出了复合要求。
• 全环节打通：与货主方（如煤矿、电厂、化工企业）在装卸、称重、结算等环节的系统对接能力，决定了服务能否从“路线上无人”升级为“全流程无人”。

五、小结

下游是无人货运产业价值的最终兑现环节。当前产业已出现清晰的积极信号：以能源运输为代表的封闭半封闭场景率先实现线路级单位经济模型转正，无驾驶舱运输机器人的落地将单车经济效益推向30%以上的目标区间。若这一经济性能够在跨区域复制中保持稳健，无人货运将从技术示范期正式进入规模化运输服务期，产业链下游也将随之从“验证性需求”转向“市场化需求”，成为拉动中游制造与上游核心部件持续投入的最终动力。

数据透视与竞争态势

无驾驶舱带来的单车经济模型跃迁

无人货运的规模化拐点，最终要落在财务报表上。从产业数据看，无人货运的商业化验证经历了三个阶段的单位经济模型演进：早期测试阶段单车成本高于人工驾驶；保留驾驶舱的无人卡车运营阶段，单车经济效益普遍转正至20%左右；而随着无驾驶舱运输机器人投入实际运营，这一指标有望提升至30%以上。

以卡尔动力在内蒙古鄂尔多斯棋盘井的实践为例，其在能源运输场景深耕五年，建成百台量级无人运输车队，通过与鄂尔多斯集团打通煤矿、工厂装卸全环节，已实现线路级单位经济模型转正。无驾驶舱设计的经济逻辑在于：去除驾驶舱及相关的人机交互、安全冗余结构后，单车制造成本下降、载货空间与有效载荷提升，同时叠加24小时连续作业带来的资产周转率提升，形成“降本+增收”的双向改善。

从单车验证到系统运营

单车经济效益的改善只是必要条件，规模化拐点的真正标志是系统运营能力的形成。头部企业正在从“卖单车”转向“运网络”：

• 车队规模效应：百台量级车队使调度算法、远程监管、运维体系摊薄至单车的固定成本显著下降；
• 场景绑定深度：与货主打通装卸全环节，意味着运输机器人嵌入货主的物流流程，形成线路级的排他性运营壁垒；
• 区域网络密度：业务从内蒙古核心区延伸至新疆、甘肃、陕西、山西等能源运输区域，网络节点越多，重载下行的返程配载效率越高。

值得注意的是，多机器人任务分配（MRTA）领域的学术进展为系统运营提供了技术支撑。近期发表于arXiv的研究在NVIDIA AGX Orin上开展了3000次任务级仿真实验，辅以3000次配对零计算实验及96次硬件在环测试，系统评估了“任务准入合并”机制对去中心化多机器人系统的影响，并对比CBAA、ACBBA、PI、HIPC四种经典分配算法在不同合并阈值下的表现。这类研究指向一个产业趋势：当车队规模从几十台扩展到数百台，去中心化的任务分配与准入策略将直接决定车队整体利用率和运力响应速度——这正是系统运营阶段的核心竞争力。

竞争格局：先发者构筑三重壁垒

当前无人货运赛道的竞争态势呈现明显的梯队分化。头部企业依托三个维度构建先发优势：

无驾驶舱运输机器人的落地进一步放大了这一分化。由于无驾驶舱车型涉及道路测试资质、安全评估等监管环节，率先获得开放道路规模化运营许可的企业，将积累其他竞争者短期内难以复制的合规经验与运营数据。监管框架本身因此成为竞争格局的塑造力量：许可发放的节奏与覆盖范围，在一定程度上决定了各家企业的扩张速度边界。

数据闭环：规模优势的自我强化

先发优势的本质是一个正反馈循环：

这一循环解释了为何头部企业急于在技术尚未完全成熟时推进规模化：数据资产和场景绑定具有时间不可逆性，晚两年入场意味着在循环的每一个环节都落后一个身位。

本章小结

综合来看，无人货运正处于从“单车技术验证”向“系统化运营”切换的关键窗口期。无驾驶舱运输机器人将单车经济效益从20%推升至30%以上的预期，为规模化提供了财务可行性；而监管许可、车队规模与场景绑定三重壁垒，则决定了行业红利将首先向已完成闭环验证的头部企业集中。对于产业观察者而言，后续需要重点跟踪的指标包括：头部企业车队规模的扩张斜率、无驾驶舱车型许可政策的放开节奏，以及线路级单位经济模型在不同货种、不同区域的可复制性。

趋势判断与风险提示

趋势一：从单车验证走向规模化复制。 无人货运正经历从示范线路到网络化运营的跃迁。以卡尔动力为例，其在内蒙古深耕五年建成百台量级无人运输车队后，于鄂尔多斯棋盘井启动规模化AI运输网络，将有人驾驶车辆、保留驾驶舱的无人卡车与无驾驶舱运输机器人纳入同一调度系统，业务已延伸至新疆、甘肃、陕西、山西等能源运输区域。这一路径表明，头部玩家的竞争焦点已从“能不能跑”转向“能不能复制”——通过打通煤矿、工厂装卸等全环节作业流程，实现线路级单位经济模型转正，是规模化复制的核心前提。

趋势二：去中心化多机协同成为技术主线。 车队规模的扩大使集中式调度面临通信、算力与单点故障的多重约束，去中心化多机器人任务分配（MRTA）因此成为学界与产业界共同关注的方向。相关研究在NVIDIA AGX Orin上开展了3000次任务级仿真与3000次配对零计算实验，并在Pololu 3pi+ RP2040平台完成96次硬件在环测试，系统评估了CBAA、ACBBA等经典分配算法在“任务准入合并”机制下的表现。这类嵌入式评估工作表明，多机协同的可靠性验证正在从纯仿真走向车规级硬件实测，为大规模去中心化车队的落地提供工程依据。

趋势三：无驾驶舱化推动成本持续下探。 去除驾驶舱意味着取消驾驶室、线束、安全冗余等与有人驾驶强相关的设计约束，单车制造成本与运营成本有望同步降低。产业数据显示，随着无驾驶舱运输机器人投入运营，单车经济效益有望从20%提升至30%以上。当单位经济模型在更多线路上转正，无人货运将从“政策补贴驱动”转向“商业价值驱动”，这是行业拐点到来的关键信号。

风险一：法规适配滞后于技术迭代。 无驾驶舱车辆的上路运营对现行机动车法规体系提出新要求，包括车辆准入标准、事故责任认定、保险与数据监管等。产业界需要与监管部门保持沟通，推动适配无人货运特征的法规与标准逐步完善。法规进程的节奏将直接影响跨区域扩张的速度，企业宜采取“封闭/半封闭场景先行、开放道路渐进”的稳健策略。

风险二：跨区域扩张的合规与运营壁垒。 无人货运牌照、测试资质与运营许可通常按行政区划管理，跨省运营面临重复认证、数据接口不统一、路权规则差异等问题。同时，不同区域的货源结构、地形气候与物流生态差异显著，内蒙古矿区验证成功的运营模式未必能直接复制到其他场景，跨区域扩张需要重新完成单位经济模型验证。

风险三：长尾场景可靠性仍是技术短板。 矿区、干线等结构化相对较高的场景已初步跑通，但极端天气、突发交通事件、异型货物装卸等长尾场景仍是事故与效率损失的主要来源。去中心化多机协同算法在任务冲突、通信中断等边界条件下的鲁棒性，需要大量真实运营数据持续验证，短期内难以完全消除。

综合来看，无人货运正处于从技术验证期向商业运营期过渡的关键阶段。规模化复制、去中心化协同与成本下探三大趋势相互强化，构成行业拐点的基础；而法规适配、跨区域合规与长尾可靠性三大风险，则决定了拐点到来的时间与节奏。对于产业参与者而言，在推进技术迭代的同时，建立与监管的常态化沟通机制、沉淀可复制的运营方法论，将是穿越拐点期的核心竞争力。