港口物流，大概是无人驾驶各细分赛道中“最不起眼”的那条赛道了。对这个赛道上的无人驾驶公司而言，通常，“几亿元”便是融资额的天花板，因为，在投资机构的眼里，这个赛道实在太小了，“缺乏想象空间”。

然而，在一些理性的创业者看来，最重要的并不是这个赛道的市场空间有多大，而是“我自己能分到多少市场”。对他们而言，与其追逐一个看起来更大，但商业化也更难，或者“我只能分到很少一部分”的大赛道相比，在港口这个小赛道上深耕，才是更务实的策略。

并且，往中长期看，这些创业者们认为，他们还可能将在做港口无人驾驶中积累的能力拓展至干线物流场景；甚至，在商务资源、固定运行线路等方面，他们还比一些当前聚焦于干线物流场景的无人驾驶公司更有优势。

一．无人驾驶集卡，是码头数字化中必不可少的一环

1.港口的痛点及无人驾驶能带来的价值

通常，业界所说的“港口无人驾驶”，特指内集卡，主要负责从货船到堆场之间（卸货和装货）的往返运输。结合港口的现实痛点来看，无人驾驶给港口带来的价值主要是：安全、降本、增效。

据某码头的资深管理者介绍，与安全和降本相比，增效才是无人驾驶带给码头的最关键价值。

在传统的有人驾驶作业中，码头方面难以对各车辆进行整体调度，因而经常会发生排队混乱、抢行加塞等问题，加之半程空载、作业时间不易把控等问题，运输效率受到严重影响；而在无人驾驶作业中，中控调度平台能够把码头作业每一个业务节点的数据全部自动化采集，并串联起来，进而将码头所有的作业都数据化，这样，就可以在不需要花太多成本的情况下极大地优化码头的调度效率。

以宁波招商大榭码头为例，在作业数据化后，整体效率初步估计可以提高30-40%。对船运公司而言，船舶在码头停留的时间可以减少1/3；相应地，码头的吞吐量也可以从300万TEU（标准箱）提升到400-500万TEU，甚至600万TEU。

2.为什么非得是无人驾驶？

其实，对货船到堆场之间的往返运输（行业术语称为“水平运输”）而言，无人驾驶集卡并不是唯一方案。已知的方案共有跨运车、AGV、IGV和无人集卡四种：

即使没有无人驾驶，码头自动化也是要照常推进的，但鉴于AGV方案有上述弊端，天津港、宁波招商大榭码头等在做数字化改造时希望能找到更好的方式，这正好为无人驾驶技术的落地提供了很好的应用场景。

二．既不能被“降维打击”，又要能够“升维”

近日，《九章智驾》在跟一位港口无人驾驶公司创始人交流时，对方提到他们在跟投资人交流的过程中经常遇到的一个“奇怪的逻辑”：他们既不希望你被其他赛道的玩家“降维打击”，又期望你能够向其他场景拓展。

说来也巧，港口无人驾驶，恰好是一个有可能同时满足上述两个要求的赛道——

（1）很难被“降维打击”

港口无人驾驶公司说自己很难被其他赛道的公司降维打击，主要理由是：做港口无人驾驶，技术框架本身在成功要素中所占的权重仅有2-3成，剩下的7-8成，都取决于对场景的理解；换言之，你能否吃透码头场景，才是决定成败的关键。

而来自码头官方的资深人士也证实，码头场景有其特殊性，而这些特殊性，对无人驾驶的感知、决策、定位、控制、交互等环节都提出了特殊的要求。具体如下：

①　北方多雪，南方多雨，加之雾霾、凝露等海边常见天气，都会对激光雷达、相机等传感器的感知能力产生很大的干扰。

②　堆场旁边会有很多杂草，通常，在不影响大局的情况下，码头不会把杂草清理得非常干净，而这些杂草会对无人驾驶的传感器感知造成一些影响。

③　港区内有各种不同的大型或中型、小型作业设备，比如龙门吊、正面吊、堆高机，无人集卡的感知系统需要在仅看到一部分的时候就能将它们都识别出来。

④　港区栏位里的很多车道线是有斑驳的，而重划车道线则需要把港区栏位的两个端头都封起来，这对港区作业会有很大的影响，因此，码头通常是三、四年才会重新划线。这意味着，无人集卡的感知系统就必须在车道线模糊不清的情况下也能将其识别出来。

⑤　下雨天，坑坑洼洼会有积水，积水少的时候，反射率很不稳定，在夜晚反光效果强的时候，很容易产生误检，影响自动驾驶的正常行驶。

⑥　空箱场地会堆得比较高，GPS信号会被遮挡，无法正常接收。

⑦　在海边或者龙门吊下方，GPS信号接收会受到一定干扰。

⑧　港口的大部分转弯其实是没有交通标记的，车辆需要通过学习人类司机的行为判断怎么先行、左转、右转。

⑨　堆场里货物的排列和放置一直在不停地变化，而集装箱不够放的时候，路会被拿去放集装箱，所以道路其实也是不固定的，这对匹配特征的选择、高精地图众包更新的挑战会更大。

⑩　半挂车的运动模型比乘用车复杂很多，加上线控响应周期长，显著增加了控制难度。

⑪　要保证集装箱精准地被放到车上，高精定位需要做到5cm以内（干线物流的定位做到10cm就OK了）——光高精定位做好了还不够，控制精度也要做好才行。

⑫　港区内的一些道路会有沉降，也会有用于排水的坡度，高高低低的，对控制系统的挑战比较大。

⑬　很多码头是没有红绿灯的，与十字路口车辆的交互挑战很大。

⑭　集装箱的扭锁有上万种型号，对车辆跟设备的交互能力提出了很高的要求。

⑮　在轮胎式龙门吊等大型设备需要移动的时候，无人集卡的决策逻辑会面临很大的考验——除了需要判断什么时候停车、等待、避让，还需要和上层系统进行很好的交互。

没有在码头待足够长时间的新玩家，很难搞定这些难题。

（2）从内集卡向外集卡场景拓展

当前，港口水平运输的市场规模总共为约300亿元（据斯年智驾CEO何贝介绍，其中港口内集装箱运输市场有60亿，港口内干散货运输市场约240亿），这意味着，港口内水平运输市场的天花板还是比较容易看到。这也是为什么港口无人驾驶公司的融资额通常很难超过几个亿的原因。

不过，斯年智驾CEO何贝在跟笔者交流时提到了港口无人驾驶从内集卡向外集卡场景拓展的可能性。

所谓“外集卡”，即往返于码头和附近物流站的集装箱卡车,负责港口到仓库的货物往返，或者是港口对港口的短驳运输。外集卡虽然已经在开放道路行驶，但往往围绕码头进行，行驶区域较小。

据斯年的测算，外集卡运输市场的体量超过1000亿/年。

（3）向干线物流场景“升维”的可能性

何贝跟辰韬资本管理合伙人萧伊婷等人还认为，港口无人驾驶公司是有机会将技术的应用拓展至干线物流场景中去的，而最关键的原因则是两个场景可共用相同的线控底盘。

何贝此前在跟笔者交流时曾说：

“重卡的线控底盘要做到稳定可靠，再加上冗余的话， 难度非常大。但你如果没有需求量，OEM就不会积极配合你打磨底盘，而我们现在就能凭港口的订单去跟OEM谈合作，同时，我们还会把未来向干线物流场景拓展的计划告诉OEM，OEM也认可这一逻辑，因此，配合力度就很大。

“通常，主机厂打磨出一款好的线控底盘需要2-3年时间，这也是我们相比于那些订单量一时半会儿还无法起来的干线物流场景无人驾驶公司的一大优势。”

 

在2020年10月底的一次媒体沟通会上，萧伊婷说：

“现阶段，无人驾驶在干线物流场景很难起量，因此也用不了多少线控底盘，而港口场景对线控底盘的用量更多一些，正好有助于打磨底盘，提升工程化能力。

“干线物流还要经过七八年的融资才能落地，但做港口场景有一个优势，到2022年就会有收入，到2024年会有不错的利润，形成自我造血能力，那时再进军干线物流场景，就容易一些。并且，在这个时候，港口无人驾驶公司在硬件的工程化能力上已经有很深的积累了。”

萧伊婷还说：“无人驾驶能从封闭场景拓展到干线物流场景的，只有港口赛道。”

当然，线控底盘的复用，只是港口无人驾驶公司向干线物流场景拓展的必要条件，却不是充分条件。实际上，两个场景的算法差异还是挺大的，因此，萧伊婷也认为，在向干线物流场景拓展时，“港口无人驾驶公司需要组建一个新的算法团队，这对CEO的团队管理能力是一个很大的挑战。

三．国内港口无人驾驶赛道的主要玩家

当前，港口无人驾驶解决方案的提供商主要有AI背景的无人驾驶初创公司及工程设备制造商两股势力，其中，站在聚光灯下的主要是前一股势力。

现阶段，在港口赛道上依然比较活跃的代表性无人驾驶公司就主线科技、斯年智驾、飞步科技等。商业模式，主要有两种：

（1）技术方案供应商，即科技公司卖技术方案给重卡厂商（前装）或码头（存量车改造），并收取服务费。主线科技、飞步均走这条路线。

（2）运输服务运营商，即科技公司自己采购车辆并完成无人化改造，然后为码头提供无人驾驶运输服务。现阶段，在港口无人驾驶赛道，走这条路线的只有斯年智驾一家。

其中，主线科技主要是跟重汽合作，在天津港已经部署了30辆车；斯年智驾用的是比亚迪的线控底盘，有8辆车已经在宁波招商大榭码头运行，在唐山港也有10辆车同时作业，还在陆续交车中；飞步科技在宁波已经卖出去差不多13辆车了。

在这几家公司中，斯年智驾是成立时间最晚、但发展速度也是最快的。

斯年智驾创始人兼CEO何贝曾担任某自动驾驶公司CTO。由于之前在其他港口已经有过25辆无人集卡的交付经验，因此，斯年尽管成立时间晚，但起点很高——成立当月，就拿下了宁波招商大榭码头的测试订单。

问起为什么会率先在宁波招商大榭码头做测试，何贝解释道：“宁波招商大榭码头场景复杂，实现无人驾驶的难度大，在宁波招商大榭码头打磨成熟的技术，之后再向其他港口拓展就比较容易。如果一开始是选择一个场景简单的码头，技术进步就很慢，向外拓展的难度也很大。”

斯年共有超过30名研发人员及测试工程师常驻宁波北仑区，可在半小时内赶到作业现场处理问题。甚至，为了保证自动驾驶系统的产品化效果，何贝与技术团队常常在冬冷夏热的现场一待就是几个月；晚上风大气温低，何贝与团队在港口曾一度顶着-20°的寒冷天气对自动驾驶集卡车辆进行调试。

2021年1月，斯年智驾已实际作业数万箱，实现了不挑航线、不挑船型、全场地、全工况和全天候的有人无人混行作业。

笔者问何贝：“在斯年成立一年来，哪些事项的进展未达到预期，哪些是超出预期的？”何贝答道：“整体是超出预期的。最典型的是，融资比预期的快；再比如，停车时的高精定位，行业的平均值是正负5cm，我们的预期也是正负5cm，但实际上已经做到了正负2cm。”

除了车端智能外，云端能力同样是港口无人驾驶核心技术的关键。斯年智驾设计的全路径调度系统，能够有效解决路口通行、车辆排队、多车死锁等经典问题。

据何贝介绍，目前其无人集卡的工作效率是人工的85%-90%，有差距的原因在于速度不同——码头限速是30km/h，而有人驾驶有时会更快些。但不用吃饭、不用上厕所、不用交接班的无人车待能够24小时运营时，在有效工作时间上就比人工驾驶的车辆长了。因此，哪怕车速不提升，整体运营效率也不比人工低。

目前，斯年正在思考的重点是，如何实现规模化运营。何贝说：“在2018年之前，无人驾驶能做个Demo就是个很有实力的公司了，而现在，我们需要证明产品的可靠性、鲁棒性，是否具备批量化落地的能力。”

大榭码头IT部部长张冉去年在跟辰韬资本交流时提到，他们理解的规模化，“大榭码头总共有16个作业路数，至少要有3个作业路数以上采用无人驾驶作业，才算规模化。一路5-6辆车，3路就是15-18辆车。”而在何贝心目中，只有车队规模达到了50-100辆，才算得上“规模化运营”。

据何贝介绍，斯年计划在2021年底之前将在大榭码头部署的无人集卡车队规模扩张到60辆以上；明年年初，将扩张至100辆。

当然，何贝也承认，在规模化扩张的过程中，要面对资金链安全、维修保养等挑战，因此，必须要做好充分的准备后才能推进。

笔者问何贝：“在您眼里，衡量一个无人驾驶公司技术水平高低的指标有哪些？”何贝答道：“看你在无人化后能不能正常作业。并且，是真无人，而不是假无人。” 所谓“假无人”，即只是做了个 “没有安全员”的车跑了一两次的Demo。

斯年还计划在2021年底或2022年初拿掉安全员。

无人集卡拿掉安全员，有一种变通的方案是，即划出专门供无人驾驶车辆行驶的区域（封闭区域），并安排人在附近拿着遥控器操纵。但何贝认为，今后，港口在相当长的一段时间里，会是无人车和有人车混行，如果要码头划出一片专供无人驾驶车辆行驶的区域，这不符合无人车常态化运营的条件；并且，把无人集卡限定在某个封闭区域跑，也需要对港口的基础设施做大规模改造，这就跟AGV差不多了。

从“有人”到“无人”的过程，不会一蹴而就。斯年的“拿掉安全员”，并不依赖于对场地的改造，可以支持“无人”跟“有人”混行。

笔者问何贝：“在拿掉安全员的时候，车速会降低吗？”何贝答道：“从研发的角度看，我们是希望车速能降低一些。”

车速降低了，码头不会介意效率降低了吗？据何贝的解释，在码头的水平运输环节，对效率影响最大的是设备和车辆的配合度，车辆大部分时间都处于“停止”状态（装货和卸货环节），每趟的路程不到2公里，真正耗费在路上的时间很短，因此，车速在港口整体作业效率中所占的权重非常低。

何贝说：“下安全员，是一个循序渐进的过程。我们选择自己做运营商，有一个很重要的原因正是我们可以自己控制节奏。”

去掉安全员，会率先从白班的车辆上开始，然后是夜班车。

四．斯年对重资产模式的观察与思考

与港口赛道上的其他几家无人驾驶公司相比，斯年定位为运营商、走重资产模式显得“特立独行”。除了做重资产模式“订单一签就是8年”、天花板更高外，还有没有其他原因？

我们先看客户需求，会发现一个很有意思的现象：港口方面更喜欢无人驾驶公司走重资产模式。

《甲子光年》在此前的一篇报道中提到，“尽管大多数港口运输公司对无人驾驶渴望强烈，但对产品和技术的采购却保持保留态度”。因为，无人集卡成本超过100万，在技术还不成熟的阶段，如果没看到成熟案例，国企背景的港口大多不敢轻易冒这个险；即便是港口的一线工作人员有兴趣尝试，由于决策流程过于漫长，申请预算需要很长时间，最终也往往不了了之。

何贝也结合自己的亲身实践提到，轻资产模式做起来很吃力。“技术还没有完全成熟的产品，客户不会轻易投入几十万、上百万来尝试。”

终究得有一方持有重资产。无人驾驶公司想走轻资产，那码头方面就得走重资产，但实际上，码头长期来的运作模式是：码头把水平运输外包给另外一个公司，自己也会买少量车辆，但是大部分的都是外包的。所以，对码头来说，自己采购车辆走重资产模式，已经超出了他们的“舒适区”。

在被问及“你们更希望无人驾驶公司以轻资产的方式切入还是重资产的方式切入”时，大榭码头的一位工作人员说：“希望车由他们买，他们自己做运营。因为，无人驾驶很复杂，每个环节都需要其他环节来配合，无人驾驶公司持有资产更能快速解决问题。”

萧伊婷在去年10月份接受媒体采访时还提到了码头不愿意买车的另一层原因：“他们会觉得创业公司很容易倒闭，我花很多钱买了你的车，几年之后你的公司运转不佳的话，我怎么办？相反，如果无人驾驶公司自己持有重资产，港口方面就会比较放心。”

因此，仅从商务关系的角度考虑，对无人驾驶公司来说，走重资产模式，在起步阶段要更容易一些。“让客户花大几十万、上百万从你这买一辆车很难，但如果是让他们按20元一箱支付运费，推进起来就顺利得多。”

从技术的角度看，无人驾驶集卡的运营方需要对技术有一定的理解才行，但在很多情况下，第三方运营商由于对技术的理解不够，很难做好，所以，运营交给开发技术的无人驾驶公司自己做，对港口来说也是最好的选择。

此外，走重资产模式还有一个好处是：用什么样的线控底盘，可以自己说了算，并且，可以只选有限的一两款线控底盘，这样，自动驾驶方案跟底盘的适配会相对容易；相比之下，如果是走轻资产模式，对港口的存量车进行改造，能“碰上”什么样的底盘，无人驾驶公司是无法自己“做主”的。

以大榭码头为例，他们希望无人驾驶公司提供的改装方案要“能适用于不同品牌、不同车型，包括柴油车、电动车、混合动力车”，因为港口有很多存量车辆，而这些存量车都往往不是同一个批次进来的，厂家和型号各不相同。这要求无人驾驶方案具有很强的“通用性”，而通用性可能导致方案做得很重，成本也不低。

在何贝看来，无论商业模式是什么，技术和产品最终都需要落实到运营服务上，区别仅在于运营是由客户自己来做，还是由无人驾驶公司来做。从这个意义上看，卖技术方案，更像是一种“承上启下”的形态。

笔者问何贝：“你们自己做运营，是否侵犯到码头传统运输公司的利益？如何解决避免冲突？”对这个问题，何贝的答案是：“宁波招商大榭码头的水平运输，一直是包给集运公司做的，而对集运来说，内集卡业务净利润经常是亏损的，他们不得不通过外集卡来赚钱，进而降低整体亏损；因此，集运公司其实迫切希望把内集卡运输业务剥离出去。”

作为一家初创公司，斯年如何克服重资产模式所需要面对的资金门槛？何贝说，他们计划通过融资租赁来解决这个问题。

此外，比亚迪等新能源卡车公司，都迫切希望把电动卡车卖给港口场景，宁德时代也希望把换电模式铺到港口场景，车辆本身的差异并没多大，未来，谁能向港口卖多少卡车和电池，主要取决于谁选择的无人驾驶合作伙伴更出色。因此，这些公司通常乐意跟港口赛道上的头部公司合作。甚至会希望投资。宁德时代在矿山赛道已经投资了跃薪智能，或许，在港口赛道也可能会有所布局？

五．外集卡和干线物流，斯年的“星辰大海”

本文在前面提到，港口无人驾驶公司通常认为自己有能力在时机成熟的时候开拓外集卡和干线物流业务，斯年自然也不例外。斯年计划，2023年启动无人外集卡的规模化运营，在2024年启动无人干线物流的规模化运营。

其中，“线控底盘可复用”是港口无人驾驶公司有信心向外集卡和干线物流场景拓展的最基础理由。当然，各港口无人驾驶公司对线控底盘的标准及跟供应商联合打磨的程度是有差异的。

在一些港口，无人集卡是被作为“特种设备”来管理的，不要求过车规，出了事是按照“生产事故”来处理的；而在大榭码头等地方，无人集卡是被作为“车辆来管理”的，要求过车规，出了事，也是由公安部门管理的。这意味着，斯年的车辆如果要在大榭码头规模化运营并做到前装量产，是要过车规的。

车规是把双刃剑：一方面，这种严苛的要求在某种程度上束缚了斯年的成长速度，另一方面，这也等于逼着斯年及其底盘供应商“苦练内功”，因而使其在做无人集卡的过程中打磨出的线控底盘更容易复用至干线物流场景。

此外，斯年在做港口无人驾驶运营服务中积累的很多商务资源，也可直接复用至其外集卡及干线物流业务中。

据何贝介绍，作为统一的“业主方”，港口运输公司不仅掌握港口内部的运输业务资源，还把控了港口间的短驳、短倒，以及众多的专线港口外物流渠道。

港口的外堆场，有的货主提货比较慢，货一直堆放在那里占地盘，会影响其他车辆的卸货效率，港口特别希望把这些东西给运走，这个时候外集卡（干线物流）就派上用场了。

港口运输业务有淡季和旺季之分，通常是旺季运力紧张，而淡季车辆和司机容易过剩，但港口运输公司为了确保万无一失，在做车辆和人员配置时只能按照旺季的需求来定，比如，平时可能需要100辆车，但需要准备140辆，其中40辆作为“冗余”，浪费极其严重。有了斯年这样的无人驾驶运营商，那40辆的“冗余”车辆便可以免去了，在旺季，直接向斯年购买运力就行了。

况且，码头跟码头之间，往往是兄弟单位，会分享优质商务资源。这意味着，斯年只要服务好一个码头，就可以通过口碑进入其他码头。

说到商务资源，还有不容忽视的一点是：相比于纯粹做技术方案的公司，提供运营服务的公司跟港口的日常往来更频繁，关系也更密切，因此，在向干线物流场景拓展时，来自港口的商务资源就更多一些。

当然，仅由于线控底盘和商务资源，肯定不能确保港口无人驾驶公司向干线物流场景拓展成功。实际上，两个场景的工况有很大差异，算法也不完全相同，拓展肯定是有很大挑战的。此前，笔者对“拓展说”是有一些疑问（甚至是质疑）的，这次，笔者也把这些疑问抛给了何贝；对这些疑问，何贝都一一做了解答。

以下是笔者跟何贝对话的实录——

九章智驾：

场景不同，数据便不能复用，所以，连“降维打击”都很难成立，而斯年从港口场景向干线物流场景拓展，简直就是“升维”了，如何确保“升维”能成功？

何贝：

从港口场景到干线场景，对技术的要求是一部分“升维”，另一部分则更简单了。

由于车速更高，干线物流对传感器探测距离及制动系统的要求都会更高，因此，这两个模块，都需要“升维”。

感知的难度，“是不升不降”。因为，目前用的感知算法基本都是基于数据驱动的深度学习算法，我们无论做港口还是干线物流，算法的模型并没有本质区别（代码和深度学习网络是差不多的），在拓展场景后，只需用干线物流场景的数据来对原有的算法模型做训练就行了。因此，壁垒在于我们能拿到多少干线物流场景的高质量数据，而不是算法怎么写。

预测算法，不能说难度增加吧，至少工作量是增加了不少。因为，预测算法是强化学习算法+基于规则的算法，如果场景换了，不仅需要拿新场景的数据对预测算法模型做训练，而且，算法的一些规则也需要重写。

路径规划算法，高速场景实际上比港口场景更简单了。因为，在港口，如果前面堵车了，无人集卡还得琢磨“怎么绕过去”，而在高速上，外集卡通常不需要超车，大部分情况下，只需要跑在最右侧车道的最中间就行了。

定位系统，高速场景也比港口场景更简单，因为，港口场景对车辆的横向和纵向定位精度要求都很高，而在高速上，对纵向定位没什么要求。

九章智驾：

无论技术的难度有没有降低，现在，图森、智加这些公司在干线物流场景的积累已经比你早了三年了，等你过几年再入局，人家在数据量的积累上已经领先你五六年了，算法上的优势应该比你们明显得多，你凭什么能跟人家竞争呢？

何贝：

现阶段，满足干线物流场景需求的传感器还不成熟，如激光雷达的探测距离达不到300米，而这些公司基于毫米波雷达和摄像头收集的数据都是不够用的；三年之后，等探测距离超过300米的激光雷达出来了，他们现在收集的数据就没有多大用处了——算法模型需要用融合了激光雷达之后的数据来重新训练，这意味着，算法架构也得改。

并且，线控制动和转向机构都需要做好冗余才能上路，而根据采埃孚在跟图森签约时披露的信息，商用车的线控底盘要到2024年之后才能成熟。所以，哪怕是起步很早的无人驾驶卡车公司，往往也力不从心。

九章智驾：

所以，他们的供应商拖了他们的后腿，反而给了你们追赶的机会？

何贝：

供应链的瓶颈，不是任何一个无人驾驶公司能轻易突破的。

九章智驾：

在干线物流场景，相比于一开始就在这个赛道上的无人驾驶公司，斯年这种从港口场景起步的公司，有什么独特的优势吗？

何贝：

指望一套无人驾驶方案能把中国的干线物流场景都跑完，是不可能的，还是得限定于某些特定区域，甚至是特定路线，至少是刚开始时最好如此。图森在美国也只跑了一条路线（从东海岸到西海岸），在同一条路上反复跑，算法就会被打磨得很成熟，然后在这条路上越跑越顺。

九章智驾：

Waymo在提出发力干线物流时也提到了“路线固定”。

何贝：

所以，无人干线物流的运营商，需要有能力或有资源去定义路线。

有一些无人驾驶公司虽然做干线物流，但不仅自己没车，而且其战略合作方也没有自己的车，就是一个连接车主跟货主的网络平台，大客户给他什么路线，他就只能跑什么路线，根本没能力自己去定义路线。如果有几千辆无人卡车的话，就还好——每条路都会被不同的车各跑很多遍，再将不同车辆的路线数据汇总分享，最终系统对各线路的理解就比较深；但在只有几十辆卡车，并且被分散在很多不同线路的情况下，很少有哪一条线路能被跑过很多遍，所以，系统在任何一条路上都没法跑得很顺。

而我们，由于车是自己的，在做干线物流的时候可以跟港口的合作伙伴协商，只跑某一些专线，因此，实现“无人化”的难度就低得多。