自動駕駛“闖入”礦區

白洋 王秋婷

當前，自動駕駛技術在低速無人配送場景的應用漸見成熟，而其在特定細分行業同樣具有商業價值，且市場規模可觀，如礦區、港口等場景下的自動駕駛具有需求明確、低速、可控程度高、替代價值高等特點，是現階段商業化進展較快的自動駕駛應用之一。

在市場需求不斷擴大以及自動駕駛技術的逐步成熟下，我國礦山、港口自動駕駛行業市場規模將持續擴張。

根據應用場景的差別，我們將自動駕駛分為商用車和乘用車。

在乘用車中，根據自動駕駛級別的高低，分為L4及以上的高級別自動駕駛乘用車和L3及以下的中低級別自動駕駛乘用車。

在商用車中，根據行駛速度差別分為在主干線實現自動駕駛的高速商用車，以及在某些特定場景下的低速商用車。低速商用車需求明確，技術相對簡單，能夠較早達到安全性、通用性和商業化3個層面的均衡，預計能更快實現商業化落地。

當前，自動駕駛呈漸進式發展態勢。特定場景下的自動駕駛可解決傳統行業痛點，商業模式已粗具雛形。

首先，商業化方面，自動駕駛可解決特定場景物流運輸的經濟性與安全性問題。

傳統物流運輸行業工作辛苦、枯燥，行業面臨招工難、人力成本逐年攀升、司機年齡總體偏大等問題，而自動駕駛的應用可解燃眉之急：1. 不影響運營效率的同時降低對人力的依賴，節省人力成本；2. 保證運營效率，提高運輸環節的規范性和安全性；3. 降低燃油、輪胎消耗，推動綜合成本下降；4. 可智能調度車隊，實現更高效率的路徑規劃。

其次，模式方面，當前主要有2種商業模式：提供自動駕駛軟硬件解決方案和深度參與運營雙模式并行。

提供軟硬件解決方案。對于軟硬件技術能力較強，傾向于以“輕資產”模式展業的自動駕駛企業，其往往選擇為整車廠或場景用戶提供軟硬一體的自動駕駛解決方案，主要包括2種類型：一是后裝，針對場景用戶的存量車輛進行改造，賦予其自動駕駛能力；二是前裝，成為主機廠的一級供應商，提供自動駕駛套件，車輛出廠時即具備自動駕駛能力。該模式較輕，容易進行規模化復制，但無法深度介入業務環節，后續持續變現能力較弱。

提供自動駕駛運營服務，助力細分行業全面自動化升級。主要包括2種類型：一是僅切入運輸環節，與運輸隊成立合資公司或獨立運營，提供低成本運輸服務，重資產、重運營，對資金實力、技術能力和運營能力要求較高，但客戶前期投入低，相對容易與客戶建立合作關系；二是全面介入廠區運營，將自動駕駛作為廠區數字化轉型升級的建設板塊，結合云控平臺和業務系統等打造數字化整體解決方案，這不光需要企業具有單點技術能力，還要具備全局化AI能力，將自動駕駛作為系統作業的中間環節，以自動駕駛能力串聯業務場景，助力客戶實現智慧運營。

目前，提供自動駕駛軟硬件解決方案甚至生產自動駕駛整車，是企業通常采用的商業模式。隨著對技術和行業的理解逐步深入，有企業選擇接入物流運營，轉型成一家提供自動駕駛運力的服務商，該模式下市場空間更為廣闊，同時企業構筑的競爭壁壘更高，客戶黏性更強。

最后，政策鼓勵助推商用車自動駕駛在特定場景下的商業化進程。

相較于全域自動駕駛，政策指引的限定區域自動駕駛落地時間更早。《新能源汽車產業發展規劃（2021-2035年）》中指出：到2025年高度自動駕駛汽車實現限定區域和特定場景商業化應用，到2035年高度自動駕駛汽車實現規模化應用。特定場景自動駕駛應用時間早于全域范圍的落地。

礦區、港口等特定場景獲政策鼓勵，或將逐漸邁向規模化復制階段。

1. 港口場景：港口內集卡運輸場景擁有百億級市場規模，隨著技術沿用到港口內其他運輸、主干線運輸等場景，可延展市場空間更大。

2. 礦區場景：擁有千億級潛在市場規模，通過整合設備、車輛、礦區等多方行業資源，加上適配場景的自動駕駛技術打磨，相關企業將逐漸脫穎而出。

而深入產業來看，相關頭部公司已逐漸跑出。礦區、港口、機場、園區等擁有落地場景；傳統車輛/設備企業擁有完善的供應鏈體系、品牌力和制造能力；傳統物流承運企業有豐富業務經驗；自動駕駛初創企業和科技巨頭在技術研發、生態資源上更具優勢，多方聯合開展自動駕駛已在特定場景下開展應用示范，并逐漸推廣商業應用。

接下來我們將重點介紹自動駕駛在礦區和港口的應用，分析其運作模式和代表性企業，并試圖從其商業模型來判斷未來的市場空間。

港口作業的貨物轉運重點集中于吊機和車輛上。集裝箱碼頭作業流程通常分為4步：1. 在碼頭前沿區，岸橋將集裝箱從船舶卸載到水平移動工具（內集卡/跨運車/AGV）；2. 內集卡/跨運車/AGV將集裝箱水平運輸至堆場；3. 場橋將集裝箱卸下存放至堆場保管；4. 外集卡由閘口進入堆場，場橋將集裝箱放置于外集卡上，出閘口運往目的地交付。

無人駕駛集卡兼具效率和經濟性

高水平自動化和無人化有助于提高碼頭工作效率，降低對人力的依賴。港口水平運輸自動化主要有3種解決方案：

1. 自動導引車AGV：于上世紀50年代開始投入運營，用于倉庫貨物的自動搬運。港口AGV通常使用電磁感應方式，沿預先設定的行駛路徑埋設磁釘，AGV便可根據電磁信號自動行駛。

2. 無人跨運車ASC：在傳統跨運車上加裝雷達、攝像頭等感知設備，借助自動駕駛算法實現無人作業。

3. 無人駕駛集卡：在傳統集卡上加裝感知設備，并賦予其自動駕駛能力，用于港口內的水平運輸。

AGV需配合大量基礎設施建設，這種漫長的建設方式與周期適用于新碼頭建設，并不容易復制到傳統碼頭的改造中；跨運車本身高度有限，通常只能滿足1～3個集裝箱高度的堆放，在國內碼頭的應用較少。

因此，將自動駕駛能力賦予集卡，對于解決傳統港口的智能化轉型升級或是更具經濟效益的選擇。

智能港口升級需求明確，經濟性可期

2021年，全球集裝箱吞吐量回暖至8.27億標準箱（TEU）。全球港口有較強動力實現智能化升級，降本增效，實現內生發展。

2021年，我國主要港口集裝箱吞吐量占全球港口集裝箱吞吐總量的34%，居全球首位。據上海國際航運研究中心《2021年全球前20大港口生產形勢評述》數據，在全球吞吐量前20大集裝箱港口中，中國占據9個席位，且其中7個港口躋身前10。

當前，港口自動駕駛主要包括車端自動駕駛升級和提供運營服務2種商業模式。

1. 車輛自動駕駛升級：目前中國港口共擁有約1 800個岸橋，全球約有7 000個岸橋，按岸橋和內集卡1 ：6左右比例，全球約有4萬臺存量內集卡，每年新增量約6 000臺。若僅考慮狹義范圍內在碼頭內集裝箱車輛的自動駕駛升級，預計市場規模約108億元/年。此外港口自動駕駛企業會提供對應的車輛調度軟件解決方案，預計市場規模約10億元/年。

2. 運輸服務：全球集裝箱吞吐總量約9億標準箱，水平運輸價格以25元/標準箱計，港口水平運輸市場約225億元/年。

集裝箱運輸的旺盛需求對港口效率提出了更高要求，而港口效率是貿易成本的決定性因素，同時也是港口競爭力的集中體現。港口自動駕駛可滿足港口提升貨物轉運效率、降低運營成本的核心業務訴求。此外，港口自動駕駛有助于解決勞動力成本攀升，以及由于勞動強度大和工作環境惡劣導致的人力短缺問題。

假設港口自動駕駛在未來能達到和人力一樣的工作效率甚至更高，隨著自動駕駛技術的不斷成熟及套件成本的降低，其經濟模型會逐漸得到優化。據測算，采用自動駕駛內集卡，2.7年左右可收回額外的硬件投入，且其后續年運營成本更低。

技術：強調厘米級作業精度

港口自動駕駛的特殊性在于作業精度和作業環境。1. 作業精度要求厘米級：裝卸集裝箱的作業過程涉及多個大型機械的交互，所以集卡需具有厘米級別的對位精度才能使得吊具精準裝卸；2. 信號干擾大：船舶靠岸、岸橋、集裝箱等金屬會干擾信號傳輸從而影響定位精度，此外港口集裝箱體高且密集，會出現北斗信號數據抖動、延遲等問題；3. 極端天氣影響：港口常見鹽霧、側風、雷雨、臺風等作業環境會影響傳感器性能、加速硬件損耗。

車路協同方案可解決港口自動駕駛的差異化需求。定位方面，在傳統組合導航的基礎上，增加視覺和激光的定位結果進行補充，可解決港口多徑干擾等問題帶來的影響；精確停位方面，通過在龍門吊上安裝有源或者無源的設備來輔助，進而完成厘米級作業要求。隨著5G、新基建和車路協同技術的進一步發展，可進一步加強自動駕駛感知和定位能力。

自動駕駛要融入TOS業務系統。TOS業務系統是港口重要的作業“大腦”，可指導碼頭制定高效、合理的生產計劃，實時準確地記錄、存儲碼頭作業過程中的關鍵數據，科學有效地分配資源，為碼頭生產決策提供完備的數據統計和信息分析。做好港口自動駕駛，需要深入港口的作業流程，與TOS系統實現無縫對接尤為必要。

產業鏈：廠商和整車廠深度綁定

產業鏈上游，包括新型零部件供應商、系統供應商、算法供應商、新興技術供應商、高精度地圖供應商等，分別提供零部件和技術服務給產業鏈中游主機廠與機械設備商，提供傳感器、芯片、高精地圖等給自動駕駛技術解決方案商。

產業鏈中游，主機廠和自動駕駛解決方案提供商建立合作關系，主機廠提供線控卡車，自動駕駛廠商提供自動駕駛技術能力，兩者共同研發自動駕駛集卡出售給下游港口企業，或以自動駕駛車輛為港口提供運輸服務。

當前，港口行業準入壁壘高，競爭格局基本穩定，產業集中度高。據前瞻產業研究院數據顯示，2020年港口集裝箱吞吐量CR3（行業前3總量）、CR5、CR10分別為37%、54%和72%，港口資源整合有望持續推進。而大型港口企業多為上市國企，資金實力雄厚，付費能力強，擁抱推進港口智能化、現代化動力足，有意愿且有能力落地自動駕駛運輸。

而港口自動駕駛企業主要分為2類：有自動駕駛技術背景的企業；整機廠自研自動駕駛集卡及設備。

其中，在有自動駕駛技術背景的企業中，一類是與整車廠達成深度合作，有些作為整機廠的一級供應商，有些以自動駕駛企業為核心，向整車廠購置集卡，向港口輸出成套自動駕駛解決方案；另一類是自研整體集卡設備，如西井科技，自研沒有駕駛艙形態的港口自動駕駛設備，后者更符合市場需求。

在整車廠背景的企業中，一類選擇和自動駕駛企業形成合作，購買其解決方案來提升自動駕駛能力；另一類是自研技術，如上汽紅巖和東風商用車。

從商業模式上來看，目前以自動駕駛解決方案提供商和運輸服務商2種角色為主，前者更多是企業為港口提供全站智能化港口解決方案或為整車廠提供自動駕駛套件，后者則是自動駕駛公司獨立或與合作商合資成立運輸企業，為港口提供無人化運輸服務，按TEU（Twenty-feet Equivalent Unit，國際標準箱單位）進行收費。

案例：西井科技

2016年，西井從智慧港口理貨系統開始切入，深入到港口自動駕駛商用車解決方案中；2018年，發布Qomolo自動駕駛品牌，推出全時無人駕駛電動重卡Q-Truck；2021年，發布“貨客兩用”無人駕駛重載移動平臺Qomolo One，形成全局化人工智能智慧港口、新能源無人駕駛等整合方案。

當前，西井采取整體解決方案與單點運營服務并駕齊驅的多元商業模式。

整體解決方案，主要指整車銷售或自動駕駛及運力調度系統銷售，通常以一次性收費為主；單點運營服務方案，主要指按照服務內容和形式收費，如按照搬運集裝箱的數量計件收費或包月、包年計價。C端化計件收費模式，省去了高額的一次性購置費用，同時無需碼頭進行復雜的基建改造，容易建立起與用戶的連接，實現港口無人化運營輕啟動，助力港口的數智化轉型升級。

當前，西井的無人駕駛商用解決方案已實現與港口場景的深度耦合，截至目前已覆蓋10多個國家和地區，服務80多個客戶。

礦山開采可分為露天開采和地下開采2種方式：將覆蓋在礦體之上的浮土和圍巖剝離，從裸露的礦體上采掘礦石的方法稱為露天開采；針對埋藏較深的礦床則采用地下開采的方式。本文主要探討自動駕駛技術在露天礦場景下的應用。

露天開采工藝，分為穿孔、爆破、采裝、運輸、排土等環節，其中“采運排”環節成本占比較高。據甲子光年數據顯示，煤礦“采運排”成本約占總成本比重的80%～90%，金屬礦“采運排”成本約占70%左右，砂石礦“采運排”成本約占30%～40%。

露天礦山運輸方式中，采用汽車運輸較為普遍。我國礦區運輸車輛有3種：非公路礦用自卸車（礦卡）、非公路寬體自卸車（寬體車）、后八輪（一類公路自卸車）。隨著礦區集中度越來越高，運輸車輛呈大型化趨勢：后八輪逐步被替代，寬體車、礦卡主流載重逐漸增加。從礦卡和寬體車的競爭格局來看，頭部主機廠集中度較高，礦卡中北方股份占據市場總份額的80%；寬體車中前三大企業的市占率也較高。

行業需求剛性，市場規模可期

我國礦產資源豐富，礦產產量高，每年礦石和土方運輸市場廣闊。此外，在供給側結構性改革推動下，小型礦山有序退出，大中型礦山推廣智能化、自動化的動力較高。隨著礦企不斷向頭部集中，預計對新技術的引入將逐漸開放。

當前，礦區自動駕駛主要提供礦山無人駕駛整體解決方案和提供無人運輸運營服務2種商業模式：

1. 提供礦山無人駕駛解決方案。存量市場：大型礦卡存量車的自動駕駛升級市場約140億元；增量市場：作為一級供應商給整車廠提供自動駕駛解決方案，市場規模約200億元/年；此外，礦區需要軟件管理平臺來管理車輛，該部分市場規模約100億元。

2. 提供自動駕駛運輸運營服務。據測算，國內煤炭土方剝離運輸市場規模約700億元/年，鐵礦土方剝離運輸市場規模約189億元/年，石灰石礦剝離運輸市場規模約456億元/年。由此，自動駕駛運輸服務每年潛在市場規模約在1 300億元左右。

礦區無人化的緊迫性

礦運作業安全事故頻發、招工用工困難、人力成本高企已成為礦區的痛點和管理難點。

首先，招工難。礦山地點通常偏遠封閉，且工作環境復雜，加上工作內容單一乏味，愿意從事礦區運輸司機工作的年輕勞動力匱乏，而招聘經驗豐富的駕駛員困難。

其次，高危險。礦區內道路沿山而上，崎嶇顛簸，雨天濕滑泥濘，晴天石沙飛揚，加上各種落石障礙物等突發路況，駕駛難度高。安全生產是礦區工作的紅線，一旦發生安全事故，社會影響和經濟損失很大。

最后，人力成本高、管理難度大。礦用卡車司機用工成本約20萬元/年，每輛礦卡雇傭4～5名司機，每輛卡車每年人工費用可達100萬元；司機流動性大，日常管理難度較大；人工運輸情況下，不同駕駛方式和習慣會導致油耗大、設備維護困難等問題。

智能化、自動化、無人化改革得到政策鼓勵，為礦區運輸提供了新的發展思路。國家發改委等八部委于2020年2月發布的《關于加快煤礦智能化發展的指導意見》中提出，在2025年實現煤礦無人化運輸；2020年4月，工信部等聯合發布《有色金屬行業智能礦山建設指南（試行）》，提出要“開展礦山無人駕駛系統建設與應用”。

經過幾年摸索，礦區尤其是露天煤礦的實踐基本度過了從0到1的過程。但隨著規模化落地進入“深水區”，四大礦種的差異、產業生態鏈協同升級、技術綜合度的提高、要求進一步提高的經濟效益和工程化能力以及面向項目交付后市場的數據積累與運維工作，都對其提出了更高標準的考驗。

不過，從直接經濟模型考慮，據測算，自動駕駛寬體車中相比于傳統模式，1年左右可收回自動駕駛套件投入；而在礦卡中相比傳統模式，3年左右可收回自動駕駛套件投入，此外自動駕駛還能實現更高的安全性，其間接經濟意義更高。

技術趨勢：多維度技術綜合應用

與城市道路、高速公路或園區廠區等常規場景相比，礦區應用環境存在高溫、高寒、高濕、振動沖擊大、灰塵大、雨霧多乃至高海拔等特點，礦區作業流程通常又比較復雜、停工代價大，故而在露天礦無人駕駛運輸系統設計中，必須充分考慮上述因素，以保障整個系統的高穩定性、高可靠性和礦區作業的高連續性。

因此，自動駕駛在礦區的應用需要在感知技術、線控技術、車云協同、云端智能和調度及大數據技術方面深耕。而惡劣的作業環境也使得礦區自動駕駛的環境感知、定位導航、車輛控制、車云協同更具競爭壁壘。

首先，復雜的道路和氣候環境考驗著礦區無人駕駛的感知精度。多源異構傳感器融合可提高環境感知的準確性和魯棒性。在實際應用中，選用多個對粉塵敏感度低的毫米波雷達，并高度融合激光雷達、攝像頭等傳感器，取長補短，可提高目標檢測的精度，實現礦卡全天候環境感知，從而達到礦卡無人駕駛的安全性。大型礦卡各個方向部署的傳感器總數量達20個，包括多種焦段攝像頭、毫米波雷達、固態激光雷達、多線束激光雷達等。

其次，因大體型+高載重+復雜地形，礦區場景對車端的執行控制要求更高。由于礦區主要運輸車輛在其體型和載重量上均遠超常規車輛，控制上具有延時大、非線性的特點；而礦區道路環境復雜多變、非結構化，上/下坡坡度大，常有大曲率轉彎、顛簸不平、裝/卸載區道路場地變化頻繁等問題，礦區車輛的控制難度大；執行控制時還需考慮車輛不同的狀態，包括重載上坡、空載下坡等復雜情況。因此，無人駕駛礦車底盤線控技術是無人駕駛實施的關鍵點之一。改造存量車的線控以及對增量新車的線控底盤進行全新研發可達到直接控制執行元件的目的。

同時，礦區作業規程高度復雜、場地多變，系統智能下的“車地云協同”成為必要條件。露天礦是一個復雜、完整的作業體系，不同于公開道路有一套完整的交通法規，露天礦的作業區域，其場景變化頻次遠高于公開道路。為了使整體系統安全、高效、可靠，需要使無人駕駛的礦車之間，以及礦車跟不同地面管控終端和輔助作業車輛之間進行協同作業，由云端平臺進行統一智能化調度和管控，并實時更新場景地圖，通過智能系統將車端、路端智能終端整合成可以交互的整體，實現無人駕駛車輛的高精定位、環境感知、防撞避撞、狀態監測、故障報警、人機交互和V2X通信。智能終端通過4G/5G通信網絡與高精定位地面基準站和管理系統進行數據交互，協調應對運行過程中的各種情況。

此外，大多礦區采用多品牌、多車型進行作業，云端系統本身的開放性與功能可擴充性對于項目實施的可行性與經濟性至關重要，系統架構標準化、模塊化設計將成為主流。

最后，運輸運營與后市場對大數據技術也提出了要求，無論是運輸運營模式，還是解決方案的后市場，其本身都是一個產生大量多維數據的過程。因此，大數據技術在整體方案中的應用，成為企業后續進入運輸運營市場和礦車運維后市場的重點。

產業鏈：認知+技術多維融合

將礦山無人駕駛按照業務屬性和產品屬性，可分成橫向和縱向2條產業鏈主線。

從橫軸來看，從上至下分別是：整車廠商、運輸運營廠商、工程公司及最終的礦企。運輸運營廠商市場較分散，傳統企業購買車輛、招聘員工，為礦企提供有人運輸服務；礦企中，不同行業分散度不同，但總體來看隨著供給側改革推進，落后產能去除，整體集中度將提升，龍頭礦企更有動力進行數字化改造以提升效率。對于希望以自動駕駛技術驅動運輸服務的公司而言，需要承擔更重的資本開支為礦企提供運輸服務，但市場空間更大。

從縱軸來看，礦區自動駕駛上游廠商主要是芯片、攝像頭、激光雷達、毫米波雷達、V2X等供應商，中游為自動駕駛軟硬件解決方案商，下游是整車廠商。整車廠中礦卡的集中度較高，其中北方股份市占率達80%；寬體車相對較分散，龍頭企業市占率約30%～40%。因此，對于自動駕駛軟硬件解決方案商而言，使自動駕駛套件適配好整車廠的各款車型，成為整車廠的優質供應商是他們的主要目標。

案例：踏歌智行

成立于2016年的踏歌智行，深耕礦區自動駕駛，推出了“車-地-云”架構的智慧礦山整體系統理念，打造出由云端智能調度管理、4G/5G車聯網通信、智能路側單元和車載智能終端組成的“曠谷”礦山運輸無人駕駛解決方案。

踏歌智行從技術產品、方案創新、商業化落地等方面實現了行業創新，包括首次礦車無人駕駛、首次礦區實測、首次編組作業、首次安全員下車、首次夜間作業、全礦無人駕駛項目等，落地眾多標桿礦區項目。此外，公司還率先實現礦區無人運輸運營模式，運作規模化無人駕駛寬體車隊。

踏歌智行“曠谷系統”礦區無人駕駛解決方案包含車載系統、地面系統、云控平臺三大板塊，是一個復雜的分布式多層次控制系統，主要由調度中心設備、地面設備、車載設備、網絡通信及定位設備等部分組成，功能涵蓋編隊跟車、防撞避讓、會車慢行、泊車停靠、多車平裝、動態卸載等細分環節，服務于露天礦運輸全場景，可完成礦區內從采裝、運輸到排土的關鍵鏈路。

踏歌智行擁有多場景應對能力，其將礦區全流程作業拆解為了停車場、測試場、行駛、裝載、停靠以及排土場等多個場景。此外，考慮到長尾場景，踏歌智行還形成了無人駕駛、人工駕駛、遙控駕駛多模式駕駛無縫切換的完整方案以應對小概率的特殊事件。目前踏歌智行在礦區80%以上都能通過無人駕駛實現。

在模式上，踏歌智行采用自動駕駛解決方案與礦山無人駕駛運輸服務雙路并行。

踏歌智行與行業龍頭達成了深度合作。踏歌智行在發展中早期即與采礦行業上下游的重要企業形成了深度合作，積累了行業經驗。此外，踏歌智行還積極參與行業標準建設與開展前沿技術研究，協同眾多國家級協會，參編近20項礦區無人駕駛標準，包括無人駕駛相關的整車技術、道路運輸、車輛安全、檢驗檢測、通訊技術、車聯網等多方面。

當前，踏歌智行自動駕駛解決方案在各大礦區批量落地，復制率不斷提升。2021年，公司與中環協力簽訂1.84億元礦區無人運輸運營訂單，提供礦山運輸全鏈路一條龍服務，開創了無人運輸運營新模式。

安全員的常態化下車是無人駕駛規模化商用的一個重要標志。據悉，踏歌智行已開始在多個礦區逐步實現生產狀態下“常態化”去安全員作業。

當然，特定場景自動駕駛也存在相應風險。

一是技術發展和應用推廣或低于預期。當前，自動駕駛技術仍需不斷迭代并和具體場景做更好的結合，積累更多的應用案例，才能適應更多的長尾場景，以進一步擴大復制規模。除技術升級外，應用的推廣落地也與場景方的使用意愿、軟硬件套件的成本及自動駕駛可實現的效率有關。以上因素都有可能影響其商業落地的時間表。

二是競爭加劇。隨著特定場景自動駕駛應用逐漸成為現實，以及各家企業逐漸形成明晰的商業模式，容易吸引競爭對手參與到行業競爭中來。

三是監管風險。監管部門關注自動駕駛技術的標準和應用，在鼓勵其發展的同時，也制定了相應的細則來規范行業健康發展。