对话清华大学姚丹亚:当前制约自动驾驶发展的关键因素并非技术,而是路权问题|谈路权

干线物流一直被视为自动驾驶最具潜力、最容易实现商业化落地的场景之一。但在广袤的真实道路上，干线物流自动驾驶的规模化爆发还未到来。

技术真的阻挡了干线物流自动驾驶发展的脚步吗？商业模式构建背后的堵点是什么？近期中央提出加强物流网等在内的六大网络规划建设，又为行业带来了怎样的机遇？

为了探寻上述问题的答案，《车路云50人》全新视频栏目“自动驾驶面面观”独家专访了清华大学自动化系系统工程研究所教授、博士生导师姚丹亚。

在访谈中，姚丹亚教授一针见血地指出，当前自动驾驶发展的破局核心，已经不再是技术本身，而是跨省跨区域的“路权”。

他同时表示，行业最理想的落地模式，是由具备路权协调能力的国资或政府、拥有货源的物流公司，以及提供技术的自动驾驶公司，共同组建重资产运输平台。

换句话说，干线物流自动驾驶的核心矛盾，已经从“车能不能自己开”，转向“谁来组织这条线、哪条路允许长期跑、货源是否足够稳定”。

【核心观点摘要】

1、物流网正从独立的物理系统向“信息物理系统（CPS）”演进，未来将融合形成全局优化的“物流网大模型”。

2、混合编队是现阶段必然，原因在于远距离干线物流面临爆胎、交警检查等单车无法独立解决的长尾问题，保留有人驾驶能应对突发情况。

3、当前制约干线物流商业化的核心不是技术，而是跨省跨区域的路权不通。只要路权放开，市场会自动跑通商业逻辑。

4、行业最理想的落地模式，是由具备路权协调能力的国资、拥有货源的物流公司以及提供技术的自动驾驶公司组建重资产运输平台。

从单点提效到全局优化：

物流网正在变成CPS

讨论干线物流自动驾驶，首先要回到物流网本身。

近期国家正在大力推进“六网融合”建设，在姚丹亚教授看来，理解物流网，需要先回到它最底层的物理要素。

早期物流并不是一个抽象系统，而是由车、道路、场站、货物共同构成的运输网络。到了信息化阶段，行业开始把需求方和货物方进行匹配，以减少车辆空跑；与此同时，场站调度、道路信息化也各自完成了一轮效率提升。

但问题在于，这些变化并没有真正把物流网变成一个整体。配货系统仍然管配货，场站调度仍然管场站，智慧公路也更多服务于道路本身。

一个个子系统被分别优化，却没有被放入同一个全局系统中协同计算。为解释这一变化，他引入了工业控制领域“信息物理系统（CPS）”的概念。

所谓CPS，并不是简单把设备联网，而是把物理世界、信息世界以及控制优化能力叠加起来，让整个系统变成一个可感知、可计算、可优化的智能体。

因此，物流网的内涵也随之发生变化：它不再只是“物理世界”，而是“物理世界+物理世界的信息+物理世界的智能”。

只有把这三者看成一个整体，物流最底层的效率、安全和绿色环保三大目标，才可能从局部优化走向全局优化。

由此再看自动驾驶，它也不只是车辆自身的无人化问题，而是整个物流网从单点提效走向系统级重构的一部分。

长尾现实之下，

混合编队是先跑起来的方案

当讨论从宏观的物流网落到具体运力形态，目前重卡无人化大体呈现出两条路线：一种是单车独立运行，另一种是混合编队。

姚丹亚教授的判断是：在没有完美解决方案之前，商业化落地必然是混合编队。

这背后，是对真实物理世界长尾问题（Corner Case）的考量。

“干线远距离物流不同于城市，一趟动辄要跑300公里、500公里。比方说开到路上车胎爆了，靠边停自动驾驶能做到；但要在后方50米放个三角锥，纯粹的自动驾驶谁去摆？”

爆胎只是其中一个例子。漫长的高速沿线上，还有大量纯单车难以独立解决的问题：遇到没有ETC的收费站怎么缴费？前方发生事故交警拦车谁去交涉？

如果不可能每隔50公里就派驻一个维护人员蹲守，那么保留有人驾驶车辆带队的“混合编队”，例如一拖一、一拖二，就成为更符合现实的选择。

在姚丹亚教授看来，现场几百米范围内有人能够充当“安全员”，及时处理突发状况，远比完全依赖远程接管更让人放心。

但混合编队能够跑起来，并不意味着它适用于所有物流场景。

这种模式最容易在大宗运输等刚需场景中率先落地：大宗运输拥有充足的单向货源，能够保证满载，只有拿下这种庞大的市场需求，降本增效的逻辑才可能真正跑通。

相反，如果是散户化、时有时无的零担运输，当前组织自动驾驶编队并不经济。

姚丹亚教授特别强调，对于这类场景，降级为辅助驾驶来提升安全性，反而更符合现实。

因此，现阶段真正适合先跑起来的，并不是所有干线，而是那些拥有稳定、充足、单向货源的刚需通道。

大宗运输之所以成为典型案例，不只是因为路况相对简单，更重要的是它天然具备高频、稳定、满载的运营条件。

从这点看，对于自动驾驶干线物流而言，能否找到足以支撑编队长期运行的物流需求才是商业模式跑通与否的关键。

真正的堵点：

最大制约并非技术，而是跨省路权

如果混合编队的技术逻辑和经济逻辑都成立，新的问题随之出现：为什么国内还没有看到大规模、跨区域的常态化运营？

在不少讨论中，这常被归因于技术标准不够宽松，或者产业补贴不够强。

但姚丹亚教授认为，这件事并不需要太多额外的鼓励政策，真正需要被打通的是连续、稳定、可预期的路权。

一旦路权放开，只要货源足够充足，一拖一、一拖二的成本天然低于纯有人驾驶，物流公司自己会算账，也会主动入局。

现实的难点在于，跨省互认已经成为阻碍产业规模化的一道坎。

姚丹亚教授举例，每天从河北保定高碑店往北京运送的快消品，需求庞大，也适合自动驾驶编队，但两点之间却找不到一条完整开放路权的路。

这也解释了为什么大宗运输更容易率先跑出来。大宗场景往往只要搞定一个矿企或一个大货主，就能形成稳定需求；但快消品干线虽然货量同样庞大，却需要集散地、货主、物流公司以及跨区域路权同步配合。

产业难点不再是“有没有货”，而是能否把货源、车辆、路线和路权组织成一条可持续运营的商业干线。

因此，姚丹亚教授呼吁，政府需要大力支持跨省路权的无门槛互认，强省与弱省之间千万不要为了博弈去互相设卡。

只有路权从局部示范走向跨区域互认，自动驾驶干线物流才可能真正进入常态化运营。

路线图：

用重资产平台打通路权、货源与技术

路权难解的背后，折射出另一个更现实的产业机制问题：一条商业干线，到底应该由谁来牵头？

如果让自动驾驶科技公司牵头，它不仅要协调政府争取路权，还要重金买车、持有车辆、搭建运营体系。这会让一家高科技公司被迫变成重资产运输公司。

如果让物流公司牵头，它们虽然算得清成本账，但科技能力相对偏弱，也不擅长跨部门协调政府开放路权。

如何破局？姚丹亚教授给出了一套更具实操性的多赢商业模型。

“现在的破局点可能是：有大的国资或政府资本出面去协调路权，加上有货源的物流公司，再加上提供技术服务的自动驾驶公司。三方凑在一起搭建一个重资产的运输平台，这种模式相对会更顺畅。”

这也与《车路云50人》提出的“蝴蝶模型”思路一致。

“蝴蝶模型”示意图

在“蝴蝶模型”的“左翼三角”中，自动驾驶公司、主机厂和增值服务运营商分别承担不同角色：自动驾驶公司聚焦场景化技术研发与解决方案，持续推动创新迭代；主机厂发挥规模制造优势，为自动驾驶车辆量产落地提供核心支撑；增值服务运营商则深度挖掘市场需求并提供运力服务，通过商业化运营实现价值闭环。

也就是说，当前行业发展的核心命题，是构建多方协同的产业生态闭环。

这样一来，产业链不再要求某一类企业独自承担全部风险，而是把“路、货、车、技术”重新拆分给最有能力承担的一方。

在这一过程中，个体司机可能升级为“一人带多车”的“高水平测试员”；高速公路方也可以通过盘活海量数据，将其用于车厂训练大模型，进一步挖掘新的商业变现路径。

归根结底，一切创新最终都必须回到真实的土壤中。

由此看，未来3到5年，干线物流自动驾驶的落地路线图已经相对清晰。

第一步，不是追求全线纯无人，而是让混合编队先行。

第二步，由有货源的物流方、提供技术的自动驾驶公司，以及能够出资持车的平台共同推进，形成产业合力。

第三步，也是最关键的一步，是政府推动跨省路权无门槛互认，让车辆真正从示范线驶向物流网。

“现在再去专心在测试场里面打磨技术已经意义不大了。”姚丹亚教授表示，“必须解决路权，让真实的场景跑起来！”