如果有人看到崔迪潇，或许会有些奇怪。他的左耳常年挂着一只黑色耳环，左右两条大臂内侧各有一处纹身——左臂是拉丁文的"天将降大任于斯人也"，右臂是一幅"夸父逐日"的画，几乎围着整条手臂一圈。而在离开智加后，崔迪潇又有了第三个纹身，一个由AI参与设计的机械双马图案，纪念他在智加研发测试的最早两辆重卡-乌骓和绝影。

他既是国内自动驾驶领域的资深研究者，又是圈内公认"最好的摇滚歌手"。他曾留着齐肩长发扎着小辫，穿着短袖露出鲜艳纹身接待政府领导，也曾因形象与身边西装革履的投资人过于不协调，被警察拦下盘问。

而在自动驾驶行业的地图上，他的名字串联起一张庞大的人物网络。主线科技CEO张天雷、慧拓智能CEO陈龙、原华为团队成员陈奇、理想汽车李想……他们后来各自掌舵一方，成为中国自动驾驶产业化的中坚力量。

摇滚和自动驾驶，哪个更像崔迪潇的人生？

"摇滚是速效救心丸，自动驾驶是一盏明灯。"他说，两者本质上都是要打破规则、重塑行业。摇滚颠覆的是音乐传统，自动驾驶要颠覆的是整个运输产业。

（左一为崔迪潇，Joy Time为几人组建的摇滚乐队名）

时间进行到2017年，当时还是西安交通大学教师的他，正带领学生雄心勃勃地推进一个项目：让无人驾驶汽车从西安交大的校园一路开往咸阳机场。

然而，另一场发生在北京五环的无人驾驶直播——百度创始人李彦宏的“压实线”演示，引发了全国性的路权合规审查。崔迪潇的测试车很快被限制在校园内，技术的脚步被政策的边界清晰地界定。这次经历，也在无形之中点燃了他投身产业界的星星之火。

从西安交大到意大利帕尔马大学，从研究视觉认知的实验室到攻克重卡线控平台的工程前线，崔迪潇的经历是中国第一代自动驾驶研发者的典型缩影：他们从学术的起点出发，亲历了技术从零到一的荒芜探索，最终投身产业落地与商业博弈的洪流之中。

在智加科技的创业旅程中，崔迪潇亲历了公司最迅猛的扩张期：攻克一汽解放J7线控底盘、与解放成立合资公司、完成4.2亿美元融资，直至站上IPO的门口。然而，随着“滴滴事件”引发的中概股监管风暴，企业发展遭遇挑战。随着上市计划的调整，公司进入了架构拆分与战略优化的阵痛期。现在，崔迪潇仍然机敏地观察着自动驾驶创业浪潮的变化，积极筹划下一代物流自动驾驶的商业蓝图。

当资本的烈火烹油转为平淡，一家自动驾驶公司该如何选择前行的轨道？是聚焦于能带来短期现金流的L2辅助驾驶，还是坚守需要长期投入的L4无人驾驶梦想？崔迪潇的思考，不仅关乎一家公司的跌宕，也触及了十年起伏之间穿越技术周期必须具备的理解与韧性。

01

学术缘起与跨界转型

【编者按】2008年，西安交大大三学生崔迪潇，第一次坐上自己参与改装的无人车。

此后十余年，他从古城墙下的校园乐队，唱到苏州相城的产业一线；从意大利帕尔马的纯视觉实验室，走到一汽解放重卡线控平台的工程现场。他与诸多自动驾驶领军人物有过交集。

他身上有两处纹身：左臂是拉丁文的“天将降大任于斯人也”，右臂是“夸父逐日”。他说，摇滚是速效救心丸，自动驾驶是一盏明灯。

这一章从2008年的校园讲起。讲述了崔迪潇如何从一次偶然的课题选择开始，一步步走进自动驾驶的深水区。

芯流汽车：您本科就读于西安交通大学，后续攻读博士学位，最终从学术界转入产业界，能否分享一下这段经历与转型契机？

崔迪潇：我入行较早，进入自动驾驶行业带有一定的偶然性。

2008年，当时我还是西安交通大学大三本科生，学校启动了由时任校长郑南宁院士发起、隶属于国家视听觉认知计算重大研究计划的自动驾驶课题。该计划的核心并非单纯的感知技术，而是研究人的视觉、听觉认知能力机理，与当下所说的推理概念一致，而自动驾驶被定为这些技术的核心验证平台。通过多传感器融合实现交通场景理解与驾驶行为推理，正是该理论的优质落地载体，这也让我正式转向无人驾驶领域。

我的本科毕业设计聚焦行人朝向检测这一细分方向，核心是判断路口行人是逼近车辆、存在碰撞风险，还是远离车辆，采用的是传统机器学习方法，基于SVM、级联boost算法及HOG特征实现，当时深度学习还没兴起。后续攻读研究生期间，我又陆续开展交通标志检测、车道线检测等工作，其中车道线检测成为博士阶段的核心研究内容之一。我的博士论文中有两大章节围绕单目车道线检测展开，通过融合IMU实现车道线的时域关联，当时还需自行改造设备、手动标定参数，甚至车辆胎压变化后都要在学校测试基地重新标定，属于行业早期探索阶段。

博士阶段，我的研究范围进一步拓宽，涵盖静态与动态目标检测、车道线识别、障碍物与交通标志检测、建图定位、全局及局部路径规划等全链路工作。之所以研究内容较杂，是因为当时国内高校在自动驾驶实车研究领域尚处于早期，人才储备与技术积累不足，在读研究生和博士生必须具备全栈能力，才能推动实车正常运行，大多是边摸索边研究，同时借鉴斯坦福、MIT等海外高校的论文成果。

后来，我通过国家公派去意大利帕尔马大学深造，师从Alberto Broggi教授。他是学校实验室创始人，还担任全球智能交通协会（I.T.S.）主席。选择该实验室的核心原因，主要基于其研究方向与我的高度契合：早期行业多数团队以激光雷达为主导，但我所参与的国家研究计划强调类人思考，以视觉为核心。帕尔马大学在纯立体视觉研究领域积累深厚，早在1998年就已开展相关工作。当时无开源社区可依托，我只能依据论文理解逐一代码复现，最终成功在实车上落地验证，这段经历为我奠定了扎实的纯视觉技术基础。

芯流汽车：这个经历是哪一年？

崔迪潇：2013到2014年。

实际上，我最初也向斯坦福大学的塞巴斯汀·特伦（谷歌自动驾驶项目早期负责人）提交了申请，但因申请者过多仅收到自动回复，而意大利帕尔马大学团队虽地处小城，却在立体视觉领域研究更为扎实，最终我于2013-2014年在意大利深造一年。这段经历让我感受到中欧学术研究差异：国内面临论文、课题的双重压力，而欧洲团队因深耕多年，对技术难点认知更清晰，研究节奏更稳健。更重要的是，导师与全球头部科技公司（谷歌、苹果、丰田、奔驰、小松等）合作密切，我期间参与了多家企业的合作对接，不仅提升了英语沟通能力与综合素养，更亲眼见证了学术研究产业化的可能性，埋下了日后投身产业的种子。2024年底我赴日时，还与当时共事的小松同事重逢，他如今已转入丰田从事无人驾驶工作。

深造结束前，导师曾邀请我毕业后留校工作。

芯流汽车：是意大利的导师吗？

崔迪潇：对，但我始终计划回国。回国后，国内自动驾驶产业正逐步兴起，我通过同院师兄陈奇，开始接触国内产业界。当时华为团队曾赴西安交大考察，我们在西安选择了车流适中的区域，完成了早期无人出租车演示，涵盖红绿灯识别、转向、避障等基础功能，后续与产业界的互动愈发频繁，还与IDG、红杉、金沙江等资本方有了深度交流。

博士毕业前后，我还收到过李想的邀请。2016年5月，李想的车和家刚创业不久，主打小型低速电动车，他通过行业朋友了解到我，致电沟通近2小时，核心目的是邀请我加入其自动驾驶团队，称当时国内自动驾驶专业博士稀缺。然而，由于郑南宁院士、导师薛建儒教授（长江学者）希望我留校推动产业化，且我本人在西安生活十几年，对城市有感情，还组建了乐队，我最终便婉拒了邀请。

芯流汽车：你是哪里人？

崔迪潇：四川射洪人。我当时高考680分，但没有选择清华北大，选择西安是因为它是中国摇滚的重镇。有郑钧、许巍、张楚，还有很多当时的名人都在这里。当然，和李想的这段经历也让我在后面结识了时任车和家自动驾驶负责人郎咸朋。

留校任教期间，我带领团队参与无人车比赛并斩获全国冠军，2016年底至2017年上半年，牵头开展从西安交大兴庆校区无人驾驶至咸阳机场的项目，组织学生搭建高清地图并推进实车测试。但2017年7月百度李彦宏无人驾驶演示中压实线变道被举报，此时引发了国内对无人驾驶上路许可的严查，我们的项目也受到牵连。此前我们的测试车辆因标注西安交大无人驾驶，曾获舆论正面评价，但百度事件后，有网友向交警部门质疑我们测试的合法路权，学校宣传处与交警部门均介入调查。最终达成共识：不追究过往测试行为，但在相关法规出台前，车辆不得再驶出校园。

（左一为崔迪潇）

这一限制对技术研发造成极大阻碍，后续校内测试也因老校区人员密集、投诉增多而难以开展，再叠加此前埋下的产业化想法，我决心走出校园，以成立公司的形式对接资源、解决路权等问题。最初计划成立的公司名称颇具渊源：我此前研发的无人车名为“夸父”，但因夸父追日是悲情英雄故事，且该名称已被京东注册，便搁置了这一想法。因我常年玩乐队，一次排练串烧歌曲时，联想到羽泉《奔跑》中“速度70迈”的歌词，遂计划命名为“70迈科技”，但70迈、80迈均已被注册，最终确定为“90迈科技”，寓意“超越人类极限”。我的合伙人（原大疆无人驾驶团队成员）曾质疑名称有“超速”歧义，但我坚持这一定位，随后推进融资与路权对接。

然而，该项目最终因早期高校科研成果转化流程尚在探索阶段，在即将上会敲定投资时暂停。恰在此时，智加科技创始人刘万千博士得知我的情况，专程从美国飞赴西安，在大雁塔威斯汀酒店与我畅谈近5小时，解答了我在产业化过程中的诸多困惑。

芯流汽车：你觉得他当时解决了哪些问题？

崔迪潇：第一，在这个时候，David（指刘万千，David Liu）就已经意识得到技术只是其中一环，还需要解决运营问题，那是2018年，在我的认知里，这是最早提这个概念的。这次深度交流让我下定决心加入智加。尽管学校极力挽留，我仍在10天后正式离职，开启产业界生涯。

加入智加时，恰逢公司与一汽解放完成演示，成为全国首个攻克解放J7线控平台的团队。当时几家互联网巨头的自动驾驶团队均因技术难度放弃该平台，仅智加坚持突破，这也为后续其他智驾创业公司使用该平台奠定了基础。

同时，智加当时已获得满帮的投资与战略合作，在主机厂对接、场景落地等方面解决了我此前创业面临的核心资源问题。此外，智加中美两地并行研发的模式，可实现底层技术复用，同时布局全球最大的两个物流市场。综合之下，便在智加工作近7年。

以上，就是我从学界走向产业的种种机缘。

02

商用车智驾的商业逻辑与路线之争

【编者按】在智加近7年，崔迪潇亲历了一家明星公司从资本追捧到战略收缩的完整周期。他见过4.2亿美元融资到账时的意气风发，也见过上市中止后中美业务拆分的漫长阵痛，以及2024年初那场不得已的人员缩减。

这段经历让他反复思考一个问题：干线物流的自动驾驶，到底该走哪条路？

L2能降本，但算不清账；L4能提效，但需要长期投入。两条路交织在智加的战略里，也缠绕在中国几乎所有干线智驾公司的选择中。而当资本从烈火烹油转为平淡，答案必须越来越清晰。

这一章讲述了崔迪潇从商业逻辑的底层推演开始，如何拆解L2与L4的经济模型，以及阐述一家自动驾驶卡车公司，最终应该成为什么。

芯流汽车：你如何看待干线物流智驾公司的业务路线（L2/L4）及行业现状？

崔迪潇：从行业逻辑看，乘用车辅助驾驶领域尚无企业实现规模盈利，商用车辅助驾驶更难突破：一方面商用车销量规模较小，另一方面供应链体系不及乘用车成熟，成本控制难度更高。

L2的商业逻辑聚焦于降低司机成本与燃油消耗。干线运输（如800公里以上）中，顺丰、“三通一达”等企业通常配备双司机，L2可通过缓解司机疲劳减少一名司机，但需将节省成本的部分补贴给剩余司机，无法完全实现人力成本减半；燃油消耗可降低5%-8%，但收益不稳定，对整体营收贡献有限。

客户核心诉求是将投资回报率（ROI）在一年内转正，因此行业普遍在极致压低硬件成本，目标降至数万元甚至一两万元以内。

头部的干线智驾公司多采用编队模式，如头车、后车均为L4配置；或头车L2、后车L4，这种差异对模式核心影响不大，关键在于后车能力的快速迭代。但L4并非单纯的单车技术问题，而是系统性工程，需配套车辆（线控冗余、线控性能更优）、道路设施改造、车路协同、运营调度及补能/换电设施，缺一不可。

相比之下，L4的经济模型更具优势：单车层面，无人工干预下安全性更高，保险成本更低；系统层面，无人车无需休息，能实现高效连续运营，在降低成本的同时进一步提升创收能力。从本质上看，L2仅为辅助工具，未改变生产力核心；而L4作为核心生产工具，掌握该工具的主体能在物流收益中占据更大份额，这符合“生产力决定生产关系”的逻辑。

长期来看，自动驾驶卡车公司的最优路径是成为运力服务商，切入万亿级物流市场，而非局限于自动驾驶技术本身。但这取决于公司发展阶段、资金储备，还需通过融资租赁、车电分离等金融手段降低资金占用，且需构建“技术+产业+商业”的生态体系，单靠自动驾驶公司难以实现。若前期选择做技术服务商，则需对标Mobileye、Momenta，以低成本、广覆盖为核心，依托乘用车产业链降低硬件成本（优先服用乘用车的硬件配置，以更早实现规模效应），同时通过标准化工具与流程提升研发效率。

03

技术思考、安全性指标体系的重构

【编者按】在行业热衷于比拼“接管里程”（MPI）时，崔迪潇提出了一个相反的观点：MPI越大，可能越危险。

这个判断源自他的学术积累，自控出身，让他对系统的可控性与可观性有着坚持。当行业用数据洪流喂养神经网络时，他始终在思考：如何在泛化能力与确定性之间找到平衡？当L4的愿景被拆解为一个个商业化场景时，又该如何重构一套前置性的风险监测体系？

这一章从传感器选型的技术细节切入，讲述崔迪潇如何拆解1550纳米与905纳米激光雷达背后的成本逻辑，如何批判MPI指标带来的行业认知惰性，以及他在智加期间那项未被完成的实验——用脑电波、眼动追踪和生理信号，量化辅助驾驶对驾驶员疲劳的真实影响。

芯流汽车：1550激光雷达与905激光雷达在价格上差异显著吗？对自动驾驶技术落地有何影响？

崔迪潇：1550激光雷达价格是905的5倍，这也是部分车企选择905nm而非1550nm的核心原因。从技术逻辑看，自动驾驶系统的可靠性依赖多维度独立观测（摄像头、激光雷达、红外、毫米波等），观测维度越多，基于贝叶斯推理的系统安全性边界越大，因此不同模态的传感设备的搭载对提升系统可靠性至关重要。

但问题在于，单一自动驾驶卡车公司难以推动红外等小众技术的产业化成熟，这也是技术服务商必须控制成本的核心原因。成本控制需兼顾硬件（依托成熟产业链）与软件（提升单兵作战效率）。例如，通过标准化工具与研发流程，实现业务非线性增长时人员规模基本稳定或低线性增长，以较低迁移成本适配不同主机厂及国内外市场，这正是我们曾实践的路径。

芯流汽车：技术供应商需通过提高泛化性抢占更大市场，这一逻辑是否成立？

崔迪潇：这是路径选择问题，但技术团队容易陷入混淆自身视角与客户视角的误区。泛化性是技术团队扩大技术杠杆、降低服务成本的内在需求，而非物流客户的核心诉求。

物流客户的场景具有极强的特定性，有专属作业流程与工序，核心需求是满足自身场景下的可靠性与稳定性，对跨场景泛化能力无明确要求。因此，技术服务商不能本末倒置，需先聚焦客户特定场景的核心需求，再通过泛化性提升自身服务效率，而非将泛化性作为核心卖点。

芯流汽车：在L4级自动驾驶技术体系构建中，如何平衡不同技术路线的应用？您对MPI指标有何看法？

崔迪潇：L4级自动驾驶的核心在于兼容并蓄，需将不同技术方案与业务场景深度融合。我出身自控领域，自控的核心是系统的可控性与可观性，这两点在当前主流的网络模型中相对薄弱，但这类模型具备较强泛化性，如何实现二者的融合，是系统设计工程领域需持续积累的课题。

团队的核心壁垒并非单一模型的优势，而是将不同技术路线、技术模块选型与业务场景结合的能力。因此，L4在3-5年内实现自我造血仍是核心目标，优先从资源型运输切入，再逐步向外拓展。L4级自动驾驶能力包含多个维度，可拆分到不同业务场景与商业模式中分步或协同构建，而非局限于单一场景。

例如，在资源型运输场景中，可重点构建冗余线控底盘、冗余域控及系统失效安全策略（如靠边停车、本车道停车）等能力。在数据监控指标方面，我对MPI（每干预里程）指标持保留态度，我认为这个指标过度简化了自动驾驶的演进问题，甚至导致行业认知惰性。

MPI指标本质是系统失能后产生的统计数据，仅适用于L2级人机共驾场景，核心逻辑是依赖人类接管；但L4级自动驾驶的核心要求是系统不能失能，因此MPI指标不适用于L4场景。L4级自动驾驶的数据体系需具备前置性，聚焦系统失能前的风险指标，如障碍物检测速度波动、自身控制稳定性、轨迹平滑性、控制可控性等，提前识别偏离正常运行状态的信号，而非等待人类接管。

芯流汽车：除MPI外，辅助驾驶场景下应采用哪些指标评估安全性？如何平衡辅助驾驶与人类注意力的关系？

崔迪潇：L2级人机共驾场景下，MPI指标可作为参考，但并非越大越好。因为人类注意力具有涣散特性，若系统长期运行稳定，缺乏声光电等提醒机制激活注意力，驾驶员专注度会逐渐下降。系统运行越稳定，其无法处理的场景往往越复杂，此时注意力涣散的驾驶员难以应对突发复杂情况，从逻辑层面存在重大安全隐患。因此，系统设计需避免让驾驶员处于过度放松状态。

我曾在智加开展过辅助驾驶对驾驶员认知能力及疲劳度影响的研究，还发表了相关论文。当时核心诉求是量化辅助驾驶对疲劳度的改善效果。在商用车领域，需通过数据说服客户与政府部门，探讨在辅助驾驶条件下优化驾驶员工作时间管理的可能性，为“双驾变单驾”提供理论支持。

研究采用了多维度监测手段：生理信号检测，通过心率、心率变异性（HRV）、呼吸频率及呼吸深度判断驾驶员警觉性与放松度；眼动指标监测，通过眨眼频率、眨眼市场及眼睑闭合百分比（PERCLOS）等反映疲劳程度，以及主观量表评估，并通过固定路线、统一休息时间、监控驾驶员睡眠质量（佩戴手环）等方式控制变量，确保实验数据的可比性。

实验结论显示辅助驾驶对缓解疲劳有一定帮助，但效果有限。主要原因在于样本量不足、资源投入有限，且需借用运营路线开展实验，路线差异、发车时间波动等干扰因素过多。不过，该研究思路对行业认知产生了一定影响，也印证了L4级自动驾驶需前置风险监测的重要性——例如在资源型运输场景建立完善的监测体系，对后续商业化运输业务同样具有重要价值，可同步验证调度体系、商业模式及路权获取等核心环节。

04

细分场景与市场竞争格局

【编者按】干线之外，自动驾驶的战场正在分化。

矿山格局已定，头部两家企业占据主要份额，后来者的机会只在新增产能的缝隙里；港口逻辑类似，西井的差异化在于早早把目光投向海外。出海，正在成为许多自动驾驶公司必须回答的考题。

而末端配送正迎来新的变数。路权开放快于干线，让乘用车企业开始跨界入场。当习惯了无图方案、点到点能力的乘用车队杀入末端物流，那些依赖固定路线和高精地图的原住民们，将如何应对？

这一章从场景的细分聊到市场的格局，从产业链的模式聊到路权的博弈。崔迪潇的判断是：未来末端配送的重要增长点，将是无人化零担物流——一个足以让市场容量翻倍的方向，也是新旧势力即将交火的战场。

芯流汽车：如何看待矿山和港口场景的无人化？对自动驾驶企业而言海外市场是否是突破方向？

崔迪潇：矿山领域的市场格局已基本确定，潜在市场规模（TAM）在几百亿至1000亿元左右，其中希迪与易控占据主要份额，两家企业布局完成后，资本市场对该领域的预期将趋于稳定。核心原因在于，矿山自动驾驶不仅是商业问题，更涉及民生考量，国家短期内不会推动所有矿山全面无人化，仅会在部分作业面（如新建矿场）实现少人化或无人化。

当前小煤厂、第三方矿山多被国央企整合，产能由国家统一调配，运力也随之形成计划性匹配，现有运力平衡难以被新入局者打破。新玩家的机会在于新增产能场景——新增产能对应新增运力需求，无人化运力公司可作为运营服务商切入，以吨公里计价提供运输服务，无需纠结于有人/无人模式，更易突破现有格局。港口领域的逻辑与矿山类似，西井与其他企业的差异在于其全球化布局，重点拓展海外市场。

我对海外市场了解有限，但出海是必要方向，本质是高水平生产力输出。过去中国依赖低成本优势参与全球分工，利润空间有限；如今在生产力工具领域具备竞争力，通过技术输出可获取更高价值。

芯流汽车：如何看待垂直整合制造与代工两种模式的前景？产业链分工有何微妙区别？

崔迪潇：行业内存在两种模式：一是垂直整合，掌控整车或核心智驾模块制造，强化产业链掌控力；二是代工模式，弱化制造环节掌控力。两种模式的优劣取决于成本与风险控制能力，本质是算账逻辑。

当前行业中，易控等企业聚焦矿卡领域，矿卡保有量低，若自行撬动制造生态链，成本与风险过高，更适合用现有成熟供应链；九识等聚焦末端配送小车，小车市场规模大、风险可控，垂直整合制造可通过规模化生产降低成本、提升产品成熟度。末端配送行业近年快速发展，核心原因在于充分市场竞争环境，政策环境相对友好，但路权仍是核心瓶颈。

芯流汽车：如何看待无人配送涉及的路权问题？乘用车智驾方案公司为什么做末端配送？

崔迪潇：首先需区分场景，港口、矿山属于非公开道路，不存在路权问题，只需获得业主方同意，甚至可联合业主方改造道路（如调整转弯半径）适配车辆；而公开道路的路权问题，因场景不同难度各异——末端配送多局限于单一城市行政体系内协调，涉及部门相对较少；干线运输涉及跨省，需协调多省市部门，难度显著提升。资源型运输多为中短距离运输（通常在200公里以内）），在新疆、内蒙、陕西等资源大省多为省内运输，协调单位多为市级或省级，跨省案例多为周边省份，协调难度相对较低，且这些区域人口稀少，政策限制更宽松；长三角等人口密集地区在无人重卡跨省运输方面示范案例较少，以测试牌照为主。

对于末端配送而言，路权开放进度快于干线，核心原因在于安全性可控。末端配送车辆车速低、吨位小，即便发生意外，多为货物损失，不易造成人员伤亡，政府更愿意开放路权。部分乘用车企业优先布局末端配送，核心逻辑是借助该场景打通政府沟通渠道，积累路权资源，为后续robotaxi业务拓展奠定基础。

末端配送的路权资源具备复用性，因协调对象多为同一市级政府部门，合作过程中建立的关系可迁移至其他业务。且末端配送跨省市订单极少，进一步降低了路权协调难度。业内专家也认为，乘用车跨城自动驾驶业务几乎不具备可行性。其长距离封闭空间、高速行驶会引发用户心理恐慌，用户体验极差，且安全性尚未完全验证，与高铁（多人乘坐、安全性已充分验证）存在本质差异。

芯流汽车：乘用车智驾方案企业入局末端配送，会对现有企业产生哪些冲击？市场格局将如何演变？

崔迪潇：乘用车智驾方案企业入局必然会产生冲击，核心冲击体现在技术适应性与业务场景拓展能力上。现有末端配送企业多聚焦固定路线业务（如从分拨中心到站点），商业逻辑依赖固定场景，系统设计对高精地图的依赖性强；而乘用车智驾方案企业大多已转向无图方案，无图技术背后是系统对外部环境变化的更强适应性，这使其在业务拓展上具备显著优势。

物流领域可分为计划性物流与零担物流：计划性物流的收发端、路线、发车时间均固定，资源型运输及三通一达的多数业务均属于此类；零担物流的需求临时产生，收发端与路线不固定。乘用车企业在点到点自动驾驶领域积累深厚，若能补充冗余架构、安全性设计等能力，可突破计划性物流局限，承接零担物流业务，例如打造无人驾驶版“货拉拉”（暂不考虑搬货环节），市场容量将大幅提升。

目前头部末端物流企业已开始布局轻图与无图双方案，其战略意图正是突破固定场景限制，向更广阔的物流市场拓展。未来末端配送行业的重要增长点，或将是无人化零担物流。

05

行业终局与产品哲学

【编者按】如果自动驾驶终将成为基础设施，像水电煤网一样无处不在，那么企业还能靠什么建立壁垒？

崔迪潇的答案是：应用侧的差异化。

基础架构、算法、数据终将趋于同质化，但驾驶体验、用户交互、场景适配这些与人性相关的部分，会留下足够的空间。B端客户算的是经济账，每一项成本都需精确到小数点后两位；C端用户愿意为情绪价值付费，哪怕只是一点点不一样。

这一章从余凯的“标配论”谈起，聊到运力服务商的商业模型，聊到安全、舒适、效率的三角平衡，也聊到商用车与乘用车在终局形态上的根本分野。当行业的聚光灯逐渐从技术神话转向商业本质，一个更清晰的问题浮现出来：

自动驾驶公司，最终要成为什么？

芯流汽车：如何看待余凯“自动驾驶将成为标配，无个性化空间”的观点？

崔迪潇：我部分认同余凯的观点。我认为移动能力未来会成为人类的基础设施之一，如同水、电、气、网络，自主移动的轮式底盘或平台将成为基础移动工具，可根据需求加装不同功能，适配多样化场景——加装货运模块就是卡车，加装载人模块就是乘用车，结合工程机械就是无人作业设备，核心是实现“价值生产工具从A点到B点的移动”。

但自动驾驶仍存在个性化空间：基础架构、算法、数据层面可能趋于同质化，应用侧（用户交互、驾驶体验）必然存在差异。C端产品需依靠差异化卖点吸引特定客群，哪怕差异点极小，也能占据一席之地；B端采用刚性定价，一旦超出客户的成本预期就会失去市场，与C端弹性定价逻辑完全不同。地平线作为生态赋能者，自然希望弱化差异以降低服务成本、实现规模化复制；但主机厂为抢占市场，会主动创造差异化，二者的认知差异本质是立场不同导致的。

芯流汽车：做运力服务商前期投入较重，如何看待行业内类似模式（如运力即服务）？

崔迪潇：运力服务商前期投入重是客观事实，九识等企业提出的“运力即服务”模式，与我所倡导的逻辑高度契合，且通过融入金融手段，降低了模式复杂性，提升了落地可行性。

二者逻辑并不互斥，甚至可能交替发生或混合推进，这可以用经济学中的“交易成本”概念来解释。这背后的核心是C端与B端业务的本质差异——做B端业务的难点与优势并存，难点在于需精准核算每一笔经济账，优势则是所有决策都可基于数据推导，从经济账倒推运营的性能、功能指标，再依据物理学原理反推各模块的输出要求，这就形成了对产品研发的指导。

运载工具的核心，本质是安全、舒适、效率三者的三角平衡关系。对B端商用车而言，安全是首要前提，效率需求则由具体运载场景决定：资源型运输对时效要求较低，可采用编队模式；“三通一达”等商业运输需保障当日达、次日达等时效要求，策略上需侧重单车载运效率优化，这也导致不同场景下的运营策略存在差异。而无人运载的一大优势，在于能更好地适配这种场景化需求。

货物对车辆舒适度的需求，本质是车辆纵向、横向运动变化带来的体感差异，这种差异可通过加速度及加速度导数量化，且能根据货物自身物理属性倒推参数阈值——比如为保障货物安全无损，可明确车辆可接受的最大纵向、横向减加速度，这些参数会直接指导产品设计。

但乘用车及有人驾驶商用车的辅助驾驶，面临着主观感受差异大的挑战。B端干线物流的客群规模远小于乘用车，要在市场中占据足够份额，必须提升系统的适配性，主动贴合客户需求，增强自身适应能力；而C端市场规模足够大，聚集效应不如商用车明显，允许各类差异化产品存在，比如不同品牌的特色车型，各自吸引对应客群。

目前商用车行业的头部聚集效应已十分显著。仅头部前五家主机厂就占据了超90%的市场份额。商用车自动驾驶领域同样如此，干线L2赛道目前仅有智加、嬴彻等少数企业布局，L4干线领域则以小马智行、卡尔为主；港口、矿区等场景的自动驾驶，属于不同车型及场景的细分领域，与干线赛道差异较大。

乘用车的寡头效应则相对较弱，其核心逻辑是通过产品特性筛选适配的客群——每个人的驾驶风格不同，这种差异会体现在自动驾驶系统中。比如部分头部科技公司早期版本以变道风格激进著称，这种策略偏好可能与其技术团队背景和基因相关。这种三角关系的不稳定性，核心原因在于C端客户不会精细核算成本，更愿意为情绪价值、情感呼应等隐性价值付费，而商用车作为生产工具，每一项成本、收益都需精准核算。

06

尾声

一个半小时的访谈，崔迪潇的思考最终收束于一个根本性的分野：商用车是精准核算的工具，乘用车是情绪价值的载体。这个分野，也恰好解释了他身上那两个看似矛盾的标签——一个在B端世界里严谨推演经济模型的科学家，一个在C端生活中保留着摇滚、纹身、乐队的理想主义者。

自动驾驶创业十余年，他见过资本烈火烹油的狂热，也见过上市折戟后的战略收缩；见过L2与L4的路线之争如何撕裂一家公司的资源分配，也见过矿山港口格局已定后，后来者只能在新增产能的缝隙里寻找机会。他逐渐明白一件事：技术终将同质化，但场景不会；算法可以复制，但对安全二字的理解不能。

那个左臂上纹着“天将降大任于斯人也”的人，从未觉得自己肩负什么天命。他只是偶尔低头看一眼右臂上的夸父，然后继续上路。夸父逐日是悲情英雄，但在他看来，自动驾驶本就是一场逐日之旅，你或许永远追不上太阳，但每一次奔跑都在缩短与光明的距离。

摇滚是速效救心丸，自动驾驶是一盏明灯。灯还亮着，路还在走。

搜索添加芯流微信InkUnderwood，深入交流更多行业新进展。市场与项目咨询、人才服务、决策研判，添加Aristodemus0403。

- XINLIU -