今天，自動駕駛公司飛步科技宣布完成B輪數億元融資。此輪融資由達晨財智領投，德屹資本等機構跟投。

不難發現，飛步科技雖然成立不到四年，但堅持以AI為核心技術自研，主要是瞄準物流運輸、客運出行等場景，為客戶提供智能駕駛、感知、調度等車路云一體化協同服務。而本輪融資將用于核心技術研發及商務拓展，為后續分階段落地各場景下的全自動無人駕駛商業化運營奠定基礎。

飛步創始人何曉飛曾任滴滴出行高級副總，負責滴滴核心交易引擎，并參與創立了滴滴無人駕駛團隊，相關經驗十分豐富，而飛步科技研發人員數量占比超過八成，保障了公司研發的強勁動力。

就例如其自主研發的自動駕駛系統，是行業內適配最多商用車型的自動駕駛系統，經歷了多種場景的應用驗證，包括貨運物流、港口運輸、公交接駁等，積累了海量數據。

卡車自動駕駛走向主流，但中美技術目的大不同

乘用車領域一向是無人駕駛技術關注的重點，但如今來看，重卡自動駕駛公司相繼上市或落地，也讓自動駕駛技術的普及方向多點開花，在美國等資本主義發達國家，卡車司機一向是工資最高的藍領工作之一，卡車司機們也許很快會迎來被替代的命運，而這對物流行業又會產生哪些影響？

編者留意到，交通運輸部在去年底也正式發文，支持開展自動駕駛載貨運輸服務，也鼓勵開展自動駕駛擺渡接駁試運行及商業運營服務，這無疑是站在風口上了。實際上，自動駕駛卡車的“軍備競賽”，早已進入下半場。

早在兩年前，一輛18輪重型卡車駛入美國高速公路，并以80公里時速行駛近10英里之后，路上的其他司機驚訝地發現，車內駕駛室竟然沒有一個人。

是的，沒有司機和安全員，也沒有任何工作人員，這是美國開放道路上第一次重型卡車自動駕駛測試，在完美天氣下這輛車完成的壯舉成為當時的焦點。

 

實際上，這關乎背后的研發團隊創造的遠程無人自動駕駛平臺，這輛車之所以能上路，在于有人在“遙控”它。當然，這只是自動駕駛卡車的冰山一角。

前兩周，自動駕駛卡車“第一股”圖森未來成功IPO，隨后另一家自動駕駛公司智加科技也簽訂了合并協議，并有計劃上市。這意味著又一家自動駕駛卡車領域的重磅玩家應運而生，拿到入場券參與下半場的角逐。

 

不過，編者也發現，縱然中美兩國無人卡車企業都在躍躍欲試，但中國與美國發展自動駕駛重卡技術的目的卻大有不同。

在國內，貨運領域的運輸成本主要是路橋費、油和稅等外部成本。無人卡車技術可以通過減少人手操控和不良駕駛習慣，達到安全及省油降本。而美國主要卻是內在的人力成本，目前企業向卡車司機開出逾7萬美元的年薪，卻還面臨招不到人的尷尬情況。

 

因此，不管出發點如何，也并非單純是為了取代卡車司機，而是去解決各自遇到的行業瓶頸，繼續提升運輸業的效率。而再繼續深入思考，更會發現最終決定自動駕駛卡車能否取代司機等問題，核心或許并不在于自動駕駛技術本身，而是整個運輸行業一直以來復雜而分散的老問題。

就拿飛步當例子，其相比其他智能駕駛企業有何特色和困難？此前，飛步還低調與寧波舟山港集團共同合作，落地行業首個混線工況下的自動駕駛集卡編隊獨立整船作業。

雖然，在大家的基本認知下，自動駕駛落地港口是屬于降維打擊，把困難的事情簡單做，畢竟，相對于開放的道路，港口碼頭環境相對封閉。

 

但編者也認為，港口也有港口的細節面上的特殊挑戰，碼頭也有碼頭的長尾難題，封閉場景并不意味著是企業對困難妥協，在港口搞自動駕駛，只不過也是想專精于細分領域，選擇一條自己擅長解決問題的路線而已，這也不意味著任務簡單，至少也會遇到一些主要難點。

例如，碼頭上人、車、機械混雜，“無保護沖突路口”問題也非常典型，這對無人卡車感知能力極為苛求，也需要精準的行為預測能力；裝卸箱時要實現厘米級的精準；包括日常要隨機應變的長尾問題等等。而達到能規模化落地混線作業，就更不是易事了。這樣看來，飛步日后重中之重的落地場景，也將是港口和碼頭。 

編者認為，雖然在許多人看來，無人貨車在數據和場景愈加清晰之后，作業超越人工老司機，應該也是時間的問題了，但隨著AI技術和機器上位，卡車司機就真的岌岌可危了？

實際上，自動駕駛行業的長尾效應如影隨行，通俗的講，就是行業即便已經解決了9成以上的問題和痛點，剩下的卻可能要花費同樣多甚至更多的精力，包括很多邊界化難題，如何去克服未知的情況，這才是最困難的核心，正因如此，卡車司機和人工才為何一直難以取替。而即便現階段自動駕駛重卡看似日趨成熟，但也需要大量的時間和成本去做測試等工作，高昂的研發成本也會對企業帶來了更大的挑戰。