城市	规模/项目	关键数据	特点
广州	多区布局	约240台	十五运会实战验证
沈阳	主干道车队	12台L4级	国内最大主干道整建制车队
深圳	全域试点	近670台	占全国近四成份额
杭州萧山	合同强制配套	14辆（2026.10前）	3.85亿项目标配
漳州	租赁模式	酷哇8617万/3年	最大无人环卫租赁项目
乌鲁木齐	新能源+无人	12台交付	甘泉堡绿色智能示范

还有一个宏观数据值得注意：2025年全国无人环卫中标总金额超过126亿元，同比增长超150%。150%是什么概念？翻了一倍半。这说明市场不是"试试看"的心态了，是真金白银在投入。资本市场也在跟进——酷哇拿了上海国投1亿的Pre-IPO融资，宇通和文远知行签了150台的战略合作协议。产业链上下游都在加速布局。

无人驾驶清扫车在城市道路作业场景

二、技术能力边界：哪些场景好用，哪些还差得远

说完规模，说能力。这是大家最关心的部分——车到底能干啥？能干到什么程度？

先说硬数据：

指标	数据
单台日清扫面积	约20,000㎡（≈6名工人工作量）
每小时清扫效率	约10,000㎡（≈3-5名工人）
续航时间	8小时连续作业
作业模式	24小时循环（自动返航充电/加水/倒垃圾）
自动驾驶等级	L4级，多传感器融合（激光雷达+摄像头+毫米波雷达）
安全保障	自动避让行人，多冗余传感系统，远程监控

这些数字看起来漂亮，但关键是"在什么场景下"能达到。同样一台车，在干净平整的园区道路上和在坑坑洼洼的老城区小巷里，效率可能差一倍。

我把它分成三个层次：

1. 好用的场景（成熟度80%以上）

封闭园区道路、非机动车道（路况较好段）、公园景区、大型广场。这些地方共同特点是：路况相对简单、行人可预测、清扫路线固定、障碍物少。无人车在这些场景里的表现已经相当成熟，基本上能做到"设好路线、按下开关、不用管它"。

广州十五运会期间70多台GS1的表现就是典型案例。园区型场景的确定性强，无人车的路线规划、避障、清扫覆盖率都能做到很好。江门试点的数据更直接——路面洁净度达到98%。这个数字比很多人工清扫的路段还要高。为什么？因为无人车的路线覆盖是精确计算的，不会漏扫，不会偷懒，不会因为天气热就找个阴凉地方歇着。

在公园景区场景里，无人车还有一个天然优势——可以夜间作业。很多景区白天人流大，不方便清扫，晚上无人车自己跑一圈，第二天早上干干净净。这是人工很难做到的。

2. 能用的场景（成熟度50-80%）

城市非机动车道（复杂路段）、背街小巷。这些地方障碍物多、人流密集、路况复杂。无人车能干活，但效率会打折扣，而且可能需要远程监控人员介入。

广州的实践就暴露了这个问题：障碍物多导致清扫碎片化。说白了，车在路上跑，一会儿遇到个乱停的电动车，一会儿遇到个摆摊的，一会儿遇到个遛狗的大爷，频繁停车避让，实际清扫效率可能只有理想的60%左右。这时候就需要人工配合——无人车负责大面积清扫，人负责处理那些无人车搞不定的边角。

还有一个问题：上牌流程繁复。无人车要上路需要牌照，但现在各地对无人环卫车的上牌标准和流程不统一，有的地方三个月都办不下来，有的地方根本不知道找哪个部门。

3. 还差得远的场景（成熟度50%以下）

城市主干道（快车道）、雨天/恶劣天气作业、复杂路口通行。这三个场景是目前公认的技术难点。

快车道车速快、车流大，无人车的安全冗余要求极高——一旦出现系统故障，后果不堪设想。雨天的传感器性能衰减是物理限制，激光雷达在雨雾中的探测距离会显著下降，不是软件算法能完全弥补的。复杂路口的博弈场景（比如无信号灯路口的左转、多向会车），目前还没有完全可靠的解决方案。

不过话说回来，环卫作业的主要场景本来就不在快车道上。80%以上的环卫清扫任务集中在非机动车道、人行道、公园广场这些地方，这些恰恰是无人车的优势场景。所以，"技术还不能覆盖所有场景"不等于"技术不能用"——关键是匹配对场景。

无人环卫车各场景技术成熟度评估

这里要特别说一下"人机协同"模式。这是目前行业里验证最充分、推广最可行的方案。简单说就是：无人车做主力清扫（覆盖大面积、标准化路段），人工做精准补扫（处理边角、死角、突发情况）。

这个模式的好处是：既发挥了无人车"大面积、高强度、不休息"的优势，又保留了人工的灵活性和判断力。沈阳12台L4级车队的运营，核心就是这种模式。广州的实践也证明了这一点——人机配合的综合效率，已经超过了纯人工模式，而且作业质量更稳定。

从更务实的角度看，人机协同还有一个好处：它给了传统环卫工人一个转型的出口。不是"机器换人"，而是"机器帮人"。操作员、补扫员、远程监控员——这些新岗位对体力的要求低，但需要一定的技术素养，收入也能提高。这对解决环卫行业"招工难、老龄化"的问题是有意义的。

人机协同作业场景：无人车与环卫工人的配合

三、算账环节：到底划不划算？

这是大家最关心的第二个问题。技术好不好是一回事，钱划不划得过来是另一回事。我见过太多项目，技术很炫，PPT很漂亮，一算账全完蛋。

仙途智能的案例就是最好的教训。这家公司曾经拿过全球首张L4级自动驾驶清扫车许可，在30多个国家运营，测试里程超1500万公里。论技术积累，仙途绝对是行业前列。但结果呢？欠薪，员工从300人砍到180人，15起司法诉讼，创始人股权被冻结。

核心问题出在哪里？成本。40-60万一台的售价，一个环卫工人10年的人力成本约48万——你让客户怎么算这笔账？一台车的钱够雇一个人干十年，那客户为什么要买你的车？技术再领先，算不过来账就是不行。

但现在不一样了。变化在于成本端的大幅下降。

赛特智能的S1售价9.9万元，是全球首款10万以内的清扫机器人，订单已经超过千台。这个数字意味着什么？意味着无人车的购置成本已经从"百万级"降到了"十万级"，甚至不到一个环卫工人10年的用工成本。这是一个质的飞跃——它让无人环卫车从"奢侈品"变成了"日用品"。

但TCO（总拥有成本）才是关键。购置成本只是开始，还得算运维、能源、管理、保险。我做个5年期的全面对比：

无人环卫车 vs 传统人工 5年TCO对比

几个关键数字解读：

传统人工方案（6人班组），5年总成本约280万。主要是人力成本——6个人5年的工资、社保、福利、管理费，这是大头。而且这还没算招聘成本、培训成本、工伤风险成本。在一线城市，一个环卫工人的综合用工成本已经超过6000元/月，6个人一年就是43万+。

全无人方案（1台L4级大型车），5年总成本约78万。设备折旧是大头，但省了绝大部分人力成本。对比传统方案降幅约72%。当然，这个方案目前只适用于简单场景，复杂场景还需要人工配合。

人机协同方案（1车+1人），5年总成本约136万。保留了1个操作员/补扫员，综合效率更高，适应性更强。对比传统方案降幅约51%。这是目前最务实的选择——既有成本优势，又不牺牲灵活性。

成本项	传统人工(6人/5年)	全无人(1台/5年)	人机协同(1车1人/5年)
设备/购置	0万	15万	15万
人力成本	240万	25万(远程监控)	80万
运维+能源+管理	40万	38万	41万
5年总计	280万	78万（降72%）	136万（降51%）