紧接前面两篇自动驾驶技术在低速无人配送场景的应用（室外无人配送场景《无人配送，未来已来》、 室内无人配送场景《室内无人配送，从网红到实用》），我们认为自动驾驶在特定细分行业同样具有商业价值，也拥有可观的市场规模，例如矿区、港口等场景下的自动驾驶具有需求明确、低速、可控程度高、替代价值高的特点，是现阶段商业化进展较快的自动驾驶应用之一。
摘要
自动驾驶解决特定场景物流运输的经济性与安全性问题。传统物流运输行业由于工作辛苦、枯燥，行业面临招工难、人力成本逐年攀升、司机年龄偏大等问题。而自动驾驶的应用可解决燃眉之急：自动驾驶可1）不影响运营效率的同时降低对人力的依赖；2）提高运输环节的规范性和安全性；3）降低燃油、轮胎消耗，推动综合成本下降；4）智能调度车队，实现更高效率的路径规划。
矿区、港口等特定场景获得政策鼓励，逐渐迈向规模复制阶段。由于特定场景下的自动驾驶运营边界有限，且得到相关行业部门的政策鼓励，指引在2025年前基本实现商业化，因此我们认为相较于全域自动驾驶，限定场景的自动驾驶或将更早实现规模化的商业落地。目前来看各个示范项目已经得到很好落地，接下去的2-3年是场景方和技术方展开深度合作，逐步推广先进经验的关键时间段。1）港口场景：港口内集卡运输场景即拥有百亿级别的市场规模，随着技术沿用到港口内其他运输、主干线运输等场景，可延展的市场空间更大。以西井科技为代表的科技公司率先实现海内外多个港口的物流自动驾驶全面升级。2）矿区场景：拥有千亿级别的潜在市场规模，通过整合设备、车辆、矿区等多方的行业资源，加上适配场景的自动驾驶技术打磨，以踏歌智行为代表的企业逐渐脱颖而出。
提供自动驾驶软硬件解决方案和深度参与运营双模式并行。提供自动驾驶软硬件解决方案甚至生产自动驾驶整车是目前企业通常采用的商业模式；随着对技术和行业的理解逐步深入，有些企业会选择接入物流运营，转型成为一家提供自动驾驶运力的服务商。该模式下市场空间更为广阔，同时企业构筑的竞争壁垒也更高，客户粘性更强。
风险
技术发展和应用推广低于预期；竞争加剧；监管风险。
正文
特定场景自动驾驶需求确定，商业化前景清晰
自动驾驶呈现渐进式发展态势
在《中金看海外 | 行至中局，自动驾驶落地可期》中，根据应用场景的差别，我们将自动驾驶分为商用车和乘用车。在乘用车中，根据自动驾驶级别的高低，分为L4及以上的高级别自动驾驶乘用车和L3及以下的中低级别自动驾驶乘用车；在商用车中，根据行驶速度差别分为在主干线实现自动驾驶的高速商用车，以及在某些特定场景的低速商用车。低速商用车需求明确，技术相对简单，能够较早达到安全性、通用性和商业化三个层面的均衡，我们预计能更快实现商业化落地。
紧接前面两篇自动驾驶技术在低速无人配送场景的应用（室外无人配送场景《无人配送，未来已来》、室内无人配送场景《室内无人配送，从网红到实用》），我们认为自动驾驶在特定细分行业同样具有商业价值，例如运行在矿区、港口等特定场景的商用车具有需求明确、安全可控、替代价值高的特点，是现阶段商业模式较为清晰、商业化进展较快的自动驾驶应用。本篇报告我们将重点探讨自动驾驶技术如何与矿区和港口的运输紧密融合，同时列举代表性企业以试图回答深耕这些赛道的自动驾驶企业如何实现自身的商业变现。
特定场景自动驾驶可解决传统行业痛点，商业模式初具雏形
经济性与安全性掣肘行业发展
人力成本高，薪酬满意度低。中国物流与采购联合会发布的《2021年货车司机从业状况调查报告》显示，61.1%的货车司机月均收入在8,000元以上，其中月均收入在10,000元以上的司机占32.7%，而2020年城镇私营单位就业人员月均工资为4,811元。但是该调研指出，与较强的劳动付出相比，62.9%的司机对目前的收入情况表示不满意。
货车司机工作辛劳度高，年龄总体偏大，年龄断层明显，招工逐步变难。货车司机工作强度大，因此招工难度高。中国物流与采购联合会调的查显示，2021年货车司机的年龄主要集中在36-45岁之间，占被调查货车司机的48.7%；46岁以上货车司机占比为25.8%。司机年龄分布情况较2016年《货车司机从业状况调查报告》明显向中老年龄段上移，越来越少的年轻人选择进入这个行业。
自动驾驶在特定场景具有商业价值
自动驾驶在特定的商用场景中具有实实在在的商用价值。1）节省人力成本。自动驾驶车辆的购置成本将随着硬件成本的下降而不断降低，驾驶员数量的减少也能为企业节省后勤保障和管理人员数量，缩减人员开支。2）保证运营效率的同时提高运输环节的安全性。自动驾驶技术的持续迭代可提高自动驾驶车辆的作业效率，达到与人类驾驶员同样的工作效率，同时避免司机由于疲劳驾驶、操作失误等造成车辆事故。3）降低燃油、轮胎消耗，推动综合成本的下降。车辆的油耗是车辆生产运营中成本项的重要指标，相较于“经验驱动型”的人类驾驶员，“算法驱动型”的自动驾驶车辆通过对日常运营结果进行大数据分析，综合考虑道路坡度、车辆载重等因素，形成油耗曲线，给出更优的操作策略，提高发动机的运行效率，节省燃油费用；此外轮胎检测系统将实时轮胎数据输入自动驾驶软件堆栈，自动驾驶系统结合车端的数据开发出轮胎磨损预测模型，提前了解轮胎的寿命情况进行预防性维护，降低轮胎故障的风险以提高安全性。2019年，巴西著名铁矿石生产和出口商淡水河谷公司（Vale）在Brucutu 矿场有13辆自动驾驶运输卡车投入使用，截至2021年6月，累计运输矿石1亿吨，累计行驶180万公里，公司预计自动驾驶卡车更稳定的性能可以减少5%的油耗、增加7%的设备使用寿命、增加25%的轮胎寿命以及降低3%的维护成本。4）智能调度车辆，实现更高效率的路径规划。无人驾驶系统与传统的卡车调度相比，拥有数据的准确性、实时性以及坚定的执行力。同时能够实现宏观调度下的多台卡车编组协同作业，达到产能最大化、成本优化的目标。
港口、矿山、园区等特定场景具备良好的基础条件，有助于自动驾驶更快落地。1）运营范围有边界。在这些特定场景中的自动驾驶车辆，作业区域有一定的限制，这与随机数量的乘用车在无边界开放道路行驶的复杂场景存在显著差异，特定场景下的自动驾驶相对而言可控性更强，也更容易实现统一规划调控。2）车辆相对低速且线路固定。相对于主干道上的高速自动驾驶商用车，特定场景下的自动驾驶车辆的速度较低，距离较短且固定，容易实现无人驾驶网络的铺设，具有更高的安全性。3）公共安全问题较小。开放道路的自动驾驶车辆面临公共安全问题，需要通过一系列的测试才能上路。结合北京、上海等城市发布的自动驾驶道路测试管理办法，自动驾驶车辆须通过封闭测试场景日常训练和交通法规遵守能力、自动驾驶执行能力等评估，同时通过车辆安全技术检验，才能够上路测试运营。而特定场景下的自动驾驶车辆通常属于封闭区域内的特种设备，不在公共道路交通管辖的范围之内，其受到的限制也更小。
两种商业模式：提供软硬件解决方案和参与运营
1）提供软硬件解决方案：对于软硬件技术能力较强，倾向于以轻资产模式展业的自动驾驶企业，其往往选择为整车厂或者场景用户提供软硬一体的自动驾驶解决方案，主要包括两种类型，其一是后装，针对场景用户的存量车辆进行改造，赋予其自动驾驶能力；其二是前装，成为主机厂的一级供应商，提供自动驾驶套件，车辆出厂时即具备自动驾驶能力。该模式较轻，容易进行规模化复制，但无法深度介入业务环节，后续的持续变现能力较弱。2）提供自动驾驶运营服务和助力细分行业全面自动化升级：其一是仅切入运输环节，与运输队成立合资公司或独立运营，提供低成本的运输服务，重资产、重运营，对资金实力、技术能力和运营能力要求较高，但客户的前期投入低，故相对容易与客户建立合作关系；其二是全面介入厂区的运营，将自动驾驶作为厂区数智化转型升级的建设板块，结合云控平台和业务系统等打造数字化整体解决方案，不光需要企业具有单点技术能力，还要具备全局化的AI能力，将自动驾驶作为系统作业的中间环节，以自动驾驶能力串联业务场景，助力客户实现智慧运营。随着产品的和经验的积累，逐步标准化的方案提升复用性，降低定制开发的人力等成本费用。
政策鼓励下，头部企业从1迈向100
政策密集出台，助推商用车自动驾驶在特定场景下的商业化进程
相较于全域自动驾驶，政策指引的限定区域自动驾驶的落地时间更早。中共中央、国务院发布的《新能源汽车产业发展规划（2021-2035年）》指出，到2025年高度自动驾驶汽车实现限定区域和特定场景商业化应用，到2035年高度自动驾驶汽车实现规模化应用，特定场景自动驾驶应用时间早于全域范围的落地。交通运输部、国家矿山安全监察局、民航局也针对物流园区、港口、机场、矿山、货运场站等具体场景制定了相应细则，例如《关于建设世界一流港口的指导意见》、《煤矿智能化建设指南（2021年版）》、《机场无人驾驶设备应用路线图（2021-2025年）》等，鼓励在相对封闭的区域，结合生产作业需求，开展自动驾驶载货示范应用，实现生产少人、无人，系统高效协同运行。
深入产业，头部公司逐渐跑出
矿区、港口、机场、园区等拥有落地场景；传统车辆/设备企业拥有完善的供应链体系、品牌力和制造能力；传统物流承运企业有丰富的业务经验；自动驾驶初创企业和科技巨头在技术研发、生态资源更具优势，多方联合开展自动驾驶已经在特定场景下开展应用示范，并逐渐推广商业应用。接下来我们将重点介绍自动驾驶在矿区和港口的应用，分析其运作模式和代表性企业，并试图其商业模型来判断其未来的市场空间。
港口自动驾驶
港口作业的货物转运重点集中于吊机和车辆上。集装箱码头作业流程通常分为4步：1）在码头前沿区，岸桥将集装箱从船舶卸载到水平移动工具（内集卡/跨运车/AGV）；2）内集卡/跨运车/AGV将集装箱水平运输至堆场；3）场桥将集装箱卸下存放至堆场保管；4）外集卡由闸口进入堆场，场桥将集装箱放置于外集卡上，出闸口运往目的地交付。
无人驾驶集卡是兼具效率和经济性的智能化解决方案
高水平的自动化和无人化有助于提高码头的工作效率，降低对人力的依赖。港口内3公里运输的工作较为枯燥，对于年轻人的吸引力较弱。根据亿欧智库的数据，约52%的司机年龄在35岁以上，人力成本的占比也达到港口成本的33%。同时，港口由于基础设施相对比较完备、场景较为标准，对其智能化的探索始于上世纪90年代，例如1993年鹿特丹港ECT码头采用AGV部分实现智能化。中国领先的港口吞吐量为港口自动化的应用营造了发展环境，自2019年11月13日起，我国多个部委相继出台建设智慧港口的有关政策，《关于建设世界一流港口的指导意见》提出到“2025 年，部分沿海集装箱枢纽港初步形成全面感知、泛在互联、港车协同的智能化系统。到2035 年，集装箱枢纽港基本建成智能化系统。”
港口水平运输自动化主要有三种解决方案：1）自动导引车AGV：AGV于上世纪50年代开始投入运营，用于仓库货物的自动搬运；港口AGV通常使用电磁感应的方式，沿预先设定的行驶路径埋设磁钉，AGV便可根据电磁信号自动行驶。2）无人跨运车ASC：无人跨运车ASC在传统跨运车上加装雷达、摄像头等感知设备，借助自动驾驶算法实现无人作业。由于自带吊具，所以可以用于水平和垂直运输，同时承担吊、运的功能。3）无人驾驶集卡：在传统集卡上加装感知设备，并赋予其自动驾驶能力，用于港口内的水平运输。
AGV需要配合大量基础设施建设，其电磁感应的特性决定磁导轨的周围不能出现过多金属，否则会对AGV的导航造成较大的干扰，因此港口的土建不能使用常规钢筋，洋山四期的码头建设中涉及AGV导航的区域将钢筋全部替换为了纤维钢筋。此外，磁导轨铺设于地下，经年累月磁钉位置会发生偏移，同时，因为纤维钢筋的抗压不如传统钢筋的强度，所以尤其在码头多是重型设备以及重载集装箱的转运过程中，地面容易出现沉降或是损坏，所以需要定期对码头地面进行维修，对港口的作业流程造成影响。而且这种漫长且相对负责的建设方式与周期只适用于新码头的建设，并不容易复制到传统码头的改造中。跨运车本身高度有限，通常只能满足1-3个集装箱高度的堆放。在我国的集装箱堆场，普遍使用采用轮胎式和轨道式集装箱龙门起重机方案，跨运车在国内码头的应用较少。故我们认为将自动驾驶能力赋予集卡对于解决传统港口的智能化转型升级是更具经济效益的选择。
智能港口升级需求明确，经济性可期
多路径探索商业模式，市场规模可观
疫情影响下，全球经济贸易增速放缓，叠加高运价、全球供应链混乱等原因，全球集装箱吞吐量在2020年出现3.4%的同比下滑，至7.75亿TEU；2021年出现回暖至8.27亿TEU；另外航运行业形成了以2M Alliance、Ocean Alliance以及THE Alliance为主的三大航运联盟，对港口的议价能力逐渐增强。全球港口有较强动力实现智能化升级，降本增效，实现内生发展。
2021年，我国主要港口集装箱吞吐量占全球港口集装箱吞吐总量的34%，居全球首位。根据上海国际航运研究中心《2021年全球前20大港口生产形势评述》，在全球吞吐量前20大集装箱港口中，中国占据9个席位，且其中7个港口跻身前10。
港口自动驾驶有车端自动驾驶升级和提供运营服务两种商业模式。1）车辆自动驾驶升级：目前中国的港口大概总共拥有约1800个岸桥，全球约有7000个岸桥，按照岸桥和内集卡1:6左右的比例，全球约有4万台存量内集卡，每年新增量约为6000台。如果我们仅仅考虑狭义范围内在码头内的集装箱车辆的自动驾驶升级，我们预计市场规模约有108亿元 /年。此外港口自动驾驶企业也会提供对应的车辆调度软件解决方案，我们预计市场规模约为10亿元/年。2）运输服务：全球集装箱吞吐总量约为9亿标准箱（TEU），水平运输价格以25元/TEU计，港口水平运输市场约为225亿元/年。
港口自动驾驶存在多方向的商业模式延伸：1）由于港口水平运输车辆以集卡为主，产品与工程化技术同干线物流集卡相似，故港口车辆与干线物流可实现复用，因此随着自动驾驶技术的不断成熟，我们认为港口无人驾驶集卡具备向半开放和开放场景拓展的能力，打开更大的市场空间。2）随着“一带一路”的推进，海铁联运增长较快，内陆港口逐渐也会出现自动驾驶升级的需求。3）由于内集卡需要与港口的作业流程紧密结合，部分港口自动驾驶企业除了赋能车辆自动驾驶能力之外，也会深入到港口智能化升级的各个项目中，形成全方位的解决方案，由此拓宽潜在市场空间。
港口自动驾驶降本增效，效果明显
集装箱运输的旺盛需求对港口效率提出了更高要求，而港口效率是贸易成本的决定性因素，同时也是港口竞争力的集中体现。港口自动驾驶可满足港口提升货物转运效率、降低运营成本的核心业务诉求。此外港口自动驾驶有助于解决劳动力成本攀升，以及由于劳动强度大和工作环境恶劣导致的人力短缺问题。
我们假设港口自动驾驶在未来能够达到和人力一样的工作效率，甚至更高的时候，随着自动驾驶技术的不断成熟以及套件成本的降低，自动驾驶能够节约人力成本、降低能源损耗，其经济模型会逐渐得到优化。根据我们的测算，采用自动驾驶内集卡，2.7年左右可收回额外的硬件投入，且其后续的年运营成本更低。
技术：强调厘米级作业精度
现投入使用的主流港口无人驾驶集卡采用多传感融合的方式，以激光雷达为主，辅之以毫米波雷达、超声波雷达、摄像头、GPS定位导航和IMU惯性导航；软件层面通过自动驾驶算法实现定位与感知、决策与规划、控制与执行；此外，搭配4G/5G通信技术与V2X技术实现车间信息共享与协同控制，加快自动驾驶落地应用。
港口自动驾驶的特殊性在于作业精度和作业环境。1）作业精度要求厘米级：装卸集装箱的作业过程涉及多个大型机械的交互，所以集卡需具有厘米级别的对位精度才能使得吊具精准装卸，通常对停靠精度的要求是误差不超过5cm。跨运车的对位精度要求更甚，需要将吊具上的4个锁头准确插入集装箱顶部的4个锁孔方能抓取集装箱，锁头与锁孔的误差需在1cm以内，且为保证车厢内货物安全，跨运车起箱和落箱的时候车身倾斜不能超过3度，否则会对箱内物品有所损坏。2）信号干扰大：船舶靠岸、岸桥、集装箱等金属会干扰信号传输从而影响定位精度。此外，港口集装箱体高且密集，会出现北斗信号数据抖动、延迟等问题。3）极端天气影响：港口常见的盐雾、侧风、雷雨、台风等作业环境影响传感器性能、加速硬件的损耗。
车路协同方案解决港口自动驾驶的差异化需求。港口设施和车辆的独特性导致城市场景的模型和策略无法正常使用，因此港口自动驾驶根据特有的需求做了方案的优化。定位方面在传统组合导航的基础上，增加视觉和激光的定位结果进行补充，解决港口多径干扰等问题带来的影响。精确停位方面是通过在龙门吊上安装有源或者无源的设备来辅助，进而完成厘米级的作业要求。随着5G、新基建和车路协同技术的进一步发展，例如增设智能红绿灯、护栏、道钉以及路测感知单元等，可进一步加强自动驾驶感知和定位的能力。
自动驾驶融入TOS业务系统。TOS业务系统是港口重要的作业“大脑”，指导码头组织高效、合理的生产计划，实时准确地记录、存储码头作业过程中的关键数据，科学有效地分配资源，为码头生产决策提供完备的数据统计和信息分析。做好港口自动驾驶，需要深入港口的作业流程，与TOS系统实现无缝对接尤为必要。
产业链：自动驾驶厂商和整车厂深度绑定共同赋能港口
产业链上游包括新型零部件供应商、系统供应商、算法供应商、新兴技术供应商、高精度地图供应商等，提供零部件和技术服务给产业链中游主机厂/机械设备商，提供传感器、芯片、高精地图等给自动驾驶技术解决方案商。主机厂和自动驾驶解决方案提供商建立合作关系，主机厂提供线控卡车，自动驾驶厂商提供自动驾驶技术能力，两者共同研发自动驾驶集卡出售给下游港口企业，或以自动驾驶车辆为港口提供运输服务。
港口行业准入壁垒高，竞争格局基本稳定，产业集中度高。根据前瞻产业研究院数据，2020年港口集装箱吞吐量CR3、CR5、CR10分别为37%、54%和72%，港口资源整合有望持续推进，进一步提高行业集中度。大型港口企业多为上市国企，资金实力雄厚，付费能力强，拥抱推进港口智能化、现代化动力足，有意愿并且有能力落地自动驾驶运输。
港口自动驾驶企业主要分为两类，一类是自动驾驶技术背景的企业，另外一类是整机厂自研自动驾驶集卡及设备。1）在自动驾驶技术背景的企业中，一类与整车厂达成深度合作，有些作为整机厂的一级供应商，例如主线科技与陕重汽的合作；有些是以自动驾驶企业为核心，向整车厂购置集卡，向港口输出成套自动驾驶解决方案，例如斯年智驾。另外一类是自研整体的集卡设备，例如西井科技，自研没有驾驶舱形态的港口自动驾驶设备，更为符合市场的需求。2）在整车厂背景的企业中，一类选择和自动驾驶企业形成合作，购买他们的解决方案来提升自动驾驶能力；另外一类是自研技术，例如上汽红岩和东风商用车。
从商业模式上来看，目前主要是自动驾驶解决方案提供商和运输服务商两种角色。1）自动驾驶解决方案，更多是企业为港口提供全站的智能化港口解决方案或者是为整车厂提供自动驾驶套件；2）运输服务模式是自动驾驶公司独立或与合作商成立合资运输企业，为港口提供无人化的运输服务，按TEU进行收费。例如，西井在中远海运港口阿布扎比码头采用Q-Truck新能源无人驾驶集卡采用计件收费模式。斯年智驾已经于2021年同唐山港京唐码头、宁波大榭招商码头签署无人驾驶付费运营协议签署，车队规模已达到40台，实现编组车队运行。
案例：西井科技——致力于港口全面智能化升级
以港口为首个商业化场景，2016年西井从智慧港口理货系统开始，一直深入到港口自动驾驶商用车解决方案。2018年，西井发布Qomolo自动驾驶品牌，并推出了全时无人驾驶电动重卡Q-Truck。2021年，发布“货客两用”的无人驾驶重载移动平台Qomolo One，形成全局化人工智能智慧港口、新能源无人驾驶等整合方案。
三大平台搭建运营体系
西井智慧物流解决方案由AI底座平台、自动驾驶生态平台和智联运力网络平台构成。以底层算力为驱动，在大物流领域将服务业与智造业进行深度融合，不断拓展与优化人与AI的关系，构建了一个由Cosmo数智化生态环境、Qomolo自动驾驶解决方案、Loopo路舶智联运力网络平台组成的高效、经济、安全并具备可拓展的智能化基础生态圈。
Cosmo数智化生态环境，构建AI底座与数字化生态环境，是支撑西井智能生态的基石。凭借Orwell底层算法算力、WellSpiking一站式AI开发平台、Welldata整合数据平台，形成坚实的AI底座。
Qomolo自动驾驶解决方案，用运力串联起各个生产与生活要素并覆盖运营与运转。
►全时无人驾驶重卡Q-Truck：2018年9月，西井科技发布了自研的全时无人驾驶电动重卡Q-Truck，采用无驾驶室整车设计，适应各个厂商在不同使用场景下的拖挂需求，便于灵活部署。在自动驾驶能力方面，当前Q-Truck搭载了多个摄像头、激光雷达、毫米波雷达、超声波雷达、组合导航硬件、编码器等多套硬件设备，结合融合定位算法和智能车队调度系统FMS，实现精确辨识周边环境、高精度车辆定位、局部路径规划等。
►跨场景无人驾驶重载移动平台Qomolo ONE：依据标准的接口，可对接客户多变的场景需求，实现一个平台结合多种用途的可能性，用户可根据场景所需以及功能所需将车辆进行“滑板式换装”，通过自定义上接满足标准接口的上载车厢实现场景功能，如货仓、客车、房车、移动办公室、消防等。
WellOcean全局化人工智能智慧港口解决方案，贯穿港口物流全环节。无人驾驶车辆在港口是作为生产工具存在的，和开放道路不同的在于，开放道路更多考虑是A点到B点的安全行驶，在厂区内考虑的是车队协同作业、生产环节打通。西井在开发单车智慧产品的同时，打造WellOcean整体解决方案，通过车队管理系统FMS（Fleet Management System），将单车融入到港口作业环节中，对车队进行信息化的有效管理，进行一对一的任务配对。
Loopo路舶智慧平台，实现数字化生产及生活要素互联。Loopo基于人工智能算法与行业模型分析，为客户提供精准化物流与精益化运营服务，实现从生产、订舱、仓储、报关、运输、送达等各个状态在线协同，打造匹配集装箱物流行业的单元化标准化在线物流SaaS平台。通过数字智能互联平台实时监控每件货物的运输轨迹与状态，串联工厂端、车辆端、港口端、船公司端全数据链条，覆盖从工厂下单—船舶运输—陆运运输—车辆进出港—上船装卸等各个任务节点实时动态，提高端到端物流能见度，优化集装箱的资源分配与运力网络。联合WellOcean与Qomolo无人驾驶的场景化服务，在西井的全闭环生态系统中，为客户提供端到端一站式物流服务，实现物流服务的标准化、智能化、规模化。
采用多元商业模式同步拓展中外市场
整体解决方案与单点运营服务并驾齐驱。1）整体解决方案主要指整车销售或者自动驾驶及运力调度系统销售，通常以一次性收费为主，例如在天津港落地的30台AIGT车辆与FMS系统。2）运营服务方案主要指按照服务内容和形式收费，例如按照搬运集装箱的数量计件收费或包月包年计价，例如在中远海运港口阿布扎比码头（CSP Abu Dhabi Terminal）Q-Truck新能源无人驾驶集卡采用C端化的计件收费模式，省去了高额的一次性购置费用，同时无需码头进行复杂的基建改造，容易建立起与用户的最初连接，实现港口无人化运营轻启动，助力港口的数智化转型升级。西井的无人驾驶商用解决方案已实现与港口场景的深度耦合，截至目前已覆盖10多个国家和地区，服务80多个客户。
矿区自动驾驶
矿山开采可以分为露天开采和地下开采两种方式。将覆盖在矿体之上的浮土和围岩剥离，从裸露的矿体上采掘矿石的方法被称为露天开采；针对埋藏较深的矿床采用地下开采的方式。1）以煤炭为例，出于环保、安全性等角度考虑，在经济性合理的情况下，政府逐渐鼓励露天开采。此外，对于铁矿和水泥而言，露天开采也是主要的开采方式。2）就井工矿而言，自动驾驶主要采用无轨胶轮车，从市场规模、技术可行性、还有对安全生产的改进价值等角度考虑，业内主流观点持谨慎态度。本报告将主要探讨自动驾驶技术在露天矿场景下的应用。
露天开采工艺可以分为穿孔、爆破、采装、运输、排土等几个环节，其中，“采运排”环节成本占比较高，根据甲子光年数据，煤矿“采运排”成本占总成本比重约为80%-90%，金属矿“采运排”成本占比约为70%左右，砂石矿“采运排”成本占比约在30-40%之间。
露天矿山运输方式中采用汽车运输较为普遍。我国矿区运输车辆有三种，分别是非公路矿用自卸车（矿卡）、非公路宽体自卸车（宽体车）、后八轮（一类公路自卸车）。随着矿区的集中度越来越高，运输车辆的大型化也是趋势：后八轮逐步被替代，宽体车、矿卡主流载重逐渐增加。从矿卡和宽体车的竞争格局来看，头部主机厂的集中度较高，矿卡中北方股份占据市场总份额的80%；宽体车中前三大企业的市占率也较高。
行业需求刚性，市场规模可期
中国矿产资源丰富，供给侧改革促进集中度提升。我国矿产产量高，每年的矿石和土方运输市场广阔；此外，在供给侧结构性改革的推动下，小型矿山有序退出，根据《中国国土资源统计年鉴》和亿欧智库的数据，截至2018年底中国大型矿山数量约为4324座，占比提升至7%，大型矿山推广智能化、自动化的动力较高；铁矿方面，2015年后铁矿原矿产量逐渐降低，在供给侧改革中退出的产能主要为中小矿山，存活下来的大中型矿山对于自动化技术的引入动力相对较高；而砂石骨料几乎都为露天开采，但砂石开采公司多以小、微企业为主，集中度较低。但随着砂石矿企业不断向头部集中，我们预计他们对于新技术的引入将逐渐开放。
矿区自动驾驶拥有提供矿山无人驾驶整体解决方案和提供无人运输运营服务两种商业模式：矿山无人驾驶解决方案。1）存量市场：大型矿卡存量车的自动驾驶升级市场约有140亿元；2）增量市场：作为一级供应商给整车厂提供自动驾驶解决方案的市场规模约为200亿元/年；3）此外矿区也需要软件管理的平台来管理车辆，该部分市场规模约为100亿元。自动驾驶运输运营服务。以煤炭年开采量40亿吨/年，露天开采比例25%，平均剥采比7立方米/吨，土方运输成本10元/立方米的数据测算，国内煤炭土方剥离运输市场规模大概在700亿元/年。以铁矿年开采量9亿吨/年，露天开采比例70%，平均剥采比3立方米/吨，土方运输成本10元/立方米的数据测算，国内铁矿土方剥离运输市场规模大概在189亿元/年左右。以水泥产量24亿吨/年，露天开采比例95%，平均剥采比2立方米/吨，土方运输成本10元/立方米的数据测算，国内石灰石矿剥离运输市场规模大概在456亿元/年左右。根据测算，自动驾驶运输服务每年的潜在市场规模在1300亿元左右。
特殊的工作性质凸显矿区无人化的紧迫性
矿运作业安全事故频发、招工用工困难、人力成本高企已经成为矿区的痛点和国家管理部门的难点。1）招工难：矿山地点通常偏远封闭，且工作环境复杂，高噪音、高粉尘、大温差，矿区工作者易罹患肺部及呼吸系统疾病。加上矿区工作内容单一乏味，愿意从事矿区运输司机工作的年轻劳动力匮乏，而招聘到经验丰富的驾驶员更是困难。2）高危险：矿区内道路沿山而上、崎岖颠簸、坡度大、坡距长、弯道多，雨天湿滑泥泞，晴天石沙飞扬，还要处理各种落石障碍物等突发路况，驾驶难度高；此外由于矿车车身过高，驾驶室的视线盲区明显，过去时有碾压事故发生。安全生产是目前矿区工作的红线，一旦发生安全事故，限期改正、责令停产带来的社会影响和经济损失很高。3）人力成本高、管理难度大：矿用卡车司机年用工成本约为20万元，每辆矿卡雇佣4-5名司机，每辆卡车每年的人工费用可达100万元；由于司机流动性大，矿方/工程总包方对司机的日常管理难度较大；此外，人工运输情况下，不同的驾驶方式和习惯会导致油耗大、设备维护困难等问题。
智能化、自动化、无人化改革得到政策鼓励，为矿区运输提供了新的发展思路。1）政府愈发重视绿色矿山的建设，国家发改委等八部委于2020年2月发布的《关于加快煤矿智能化发展的指导意见》提出，在2025年实现煤矿无人化运输。2020年4月，工信部等联合发布《有色金属行业智能矿山建设指南（试行）》，提出要“开展矿山无人驾驶系统建设与应用”。2）从落地实践规划来看，2021年11月拥有露天煤矿较多的内蒙古其“十四五工业和信息化发展规划”提到“2025年分布在重点露天煤矿的1200个矿用车实现无人驾驶”；2022年2月内蒙古在“煤炭工业发展十四五规划”和“十四五能源数字转型规划”分别提到“到2025 年具备条件的大型正常生产煤矿全部智能化实现率达100%”，“依托贺斯格乌拉南、胜利一号等露天煤矿应用矿用卡车无人驾驶系统、智能生产调度系统等技术，开展露天煤矿智能化示范建设”。
从执行层面来看，国内很多大型露天矿的业主方是国有企业和大型民营矿业集团，推广矿山智能化的动力较高，愿意尝试无人驾驶技术在矿区的落地。经过几年摸索，在矿区尤其是露天煤矿的实践，基本渡过了从0到1的过程。但随着规模化落地进入深水区，四大矿种的差异、产业生态链的协同升级、技术综合度的提高、要求进一步提高的经济效益和工程化能力、以及面向项目交付后市场的数据积累与运维工作，都会对从1到100的过程提出更高考验。
矿区自动驾驶经济模型逐步优化
我们假设矿区自动驾驶在未来能够达到和人力一样的工作效率，甚至更高的时候，随着自动驾驶技术的不断成熟以及套件成本的降低，自动驾驶能够节约人力成本、降低能源损耗，其经济模型会逐渐得到优化。根据我们的测算，从直接经济模型考虑，自动驾驶宽体车中相比于传统模式，1年左右可收回自动驾驶套件投入；而在矿卡中相比传统模式，3年左右可收回自动驾驶套件的投入，此外自动驾驶还能实现的更高的安全性，其间接经济意义也更高。
技术趋势：多维度技术的综合应用
矿区场景无人驾驶技术的特殊性
与城市道路、高速公路或园区厂区等常规场景相比，由于矿区应用环境存在高温、高寒、高湿、振动冲击大、灰尘大、雨雾多，乃至高海拔等特点，而矿区作业流程通常又比较复杂、停工代价大，故而在露天矿无人驾驶运输系统设计中，必须充分考虑上述因素，以保障整个系统的高稳定性、高可靠性和矿区作业的高连续性。这也带来了矿区自动驾驶的技术趋势和方案架构的独特性。在车端智能和车路协同之上，自动驾驶在矿区的应用需要在感知技术、线控技术、车云协同、云端智能和调度以及大数据技术方面深耕。
恶劣的作业环境使矿区自动驾驶的环境感知、定位导航、车辆控制、车云协同更具竞争壁垒
复杂的道路和气候环境考验矿区无人驾驶的感知精度。1）矿区没有车道线，随着作业进程，包括装载区、卸载区、道路等可行驶区域均会发生变化，这对矿区自动驾驶企业的感知能力提出了很高的要求；2）另外运输车辆流动性大产尘强度高，凹陷露天矿坑内气流紊乱，粉尘难以自然沉降，排土场长时间的堆存在矿区强风影响下也会产生大量粉尘，所以传感器的探测距离和感知精度会受到较大的影响；3）矿区的道路不平整，落石、土丘、积水等非结构化障碍物众多，剧烈的抖动也会影响传感器的精度；4）温差大也是矿区环境的一大特点，不同季节的工作温度可能相差70-80度，所以自动驾驶矿车搭载的传感器需适应不同的工作温度。多源异构传感器融合可提高环境感知的准确性和鲁棒性。在实际应用中，选用多个对粉尘敏感度低的毫米波雷达，并高度融合激光雷达、摄像头等传感器，取长补短，提高目标检测的精度，实现矿卡全天候环境感知，从而达到矿卡无人驾驶的安全性。大型矿卡各个方向部署的传感器总数量达20个，包括多种焦段摄像头、毫米波雷达、固态激光雷达、多线束激光雷达等。
大体型+高载重+复杂地形，矿区场景对车端的执行控制要求更高。由于矿区主要运输车辆在其体型上和载重量上均远超常规车辆，控制上具有延时大、非线性的特点；而矿区道路环境复杂多变、非结构化，上/下坡坡度大、常有大曲率转弯、颠簸不平、装/卸载区道路场地变化频繁，矿区车辆的控制难度大。且执行控制时还需考虑车辆不同的状态，包括重载上坡、空载下坡等复杂情况，例如装载一车铁矿石的车辆下坡时不能急刹车，需要在考虑车辆控制时滞的同时控制下坡速度以保证全域安全行驶。故此无人驾驶矿车底盘线控技术是无人驾驶实施的关键点之一。改造存量车的线控和增量车的对增量新车的线控底盘进行全新的研发可达到直接控制执行元件的目的，具体的方向包括转向系统、驱动系统、制动系统、货箱举升系统、故障诊断系统、行车警示系统的线控化，来重点解决线控化底盘响应速度和可靠性的问题，以及充分考虑到不同驾驶模式下的安全冗余设计。
矿区作业规程高度复杂、场地多变，系统智能下的“车地云协同”成必要条件。露天矿是一个复杂、完整的作业体系，有其自身的运作逻辑，且不同于公开道路有一套完整的交通法规，露天矿有其独特的法则，但又不足够“规范”；并且露天矿的作业区域，其场景变化频次远高于公开道路。为了使整体系统的安全、高效、可靠，需要使无人驾驶的矿车之间，以及矿车跟不同的地面管控终端和辅助作业车辆进行协同作业，由云端平台进行统一的智能化调度和管控，并实时更新场景地图必不可少。通过智能系统将车端、路端智能终端整合成可以交互的整体，实现无人驾驶车辆的高精定位、环境感知、防撞避撞、状态监测、故障报警、人机交互和V2X通信。智能终端通过4G/5G通信网络与高精定位地面基准站和管理系统进行数据交互，协调应对运行过程中的各种情况。另外，大多矿区采用多品牌、多车型进行作业，云端系统本身的开放性与功能可扩充性对于项目实施的可行性与经济性至关重要，我们认为系统架构标准化、模块化设计将成为主流。
可靠性与安全：一个综合的技术和经济问题。实现矿区自动驾驶的安全、可靠、可控、易维护、经济型是多维一体的问题。目前主要在感知层、车载系统等进行更多的冗余设计；设置支持4G/5G/V2X多模通讯，采用车辆故障预测技术，研发独立于无人驾驶车载控制系统的设备故障诊断和安全监测模块，建立应对突发事件的应急接管系统；另外针对矿区场景定制开发域控制器、线控控制器等各类专用控制器也可提升整体系统的安全性和可靠性。此外，OTA技术也是行业关注的方向。
运输运营与后市场对大数据技术提出要求。无论是运输运营模式，还是解决方案的后市场，其本身都是一个产生大量多维数据的过程。没有这些数据，一方面未来很难做到更多的方案迭代，另一方面也很难做到“买用养”全流程的成本持续优化。因此，大数据技术在整体方案中的应用，成为企业后续进入运输运营市场和矿车运维后市场的重点。
产业链：行业认知+技术的多维度融合
我们将矿山无人驾驶按照业务属性和产品属性分成横向和纵向两条产业链主线。
►从横轴的业务属性来看，从上至下分别是，整车厂商、运输运营厂商、工程公司以及最终的矿企。运输运营厂商市场较为分散，传统企业购买车辆、招聘员工，为矿企提供有人运输服务；矿企中，不同行业分散度不同，2020年我国原煤产量超亿吨企业为6家，占全国原煤产量的43%左右；2019年我国钢铁行业集团CR10为35.3%，工信部发布的《关于促进钢铁工业高质量发展的指导意见》指出到2025年中国钢铁产业前十大企业产能集中度将达60~70%。总体来看随着供给侧改革推进落后产能去除，整体的集中度在提升，龙头的矿企业更有动力进行数字化改造以提升效率。对于希望以自动驾驶技术驱动运输服务的公司而言，需要承担更重的资本开支，为矿企提供运输服务，但市场空间更大。
►从纵轴的产品属性来看，矿区自动驾驶上游厂商主要是芯片、摄像头、激光雷达、毫米波雷达、V2X等供应商，中游自动驾驶软硬件解决方案商，下游是整车厂商。整车厂中矿卡的集中度较高，其中北方股份市占率达到80%；宽体车相对较为分散，其中龙头企业市占率约为30%-40%。因此对于自动驾驶软硬件解决方案商而言，将自动驾驶套件适配好整车厂的各款车型，成为整车厂优质的供应商则是他们的主要目标。
2018年开始，各家企业的产品基本成型，开始进入实地测试的试运营阶段，目前头部的公司已基本实现多个矿区的落地运营，逐步推进安全员下车，同时落地从单车到编组再到多编组运行的整体项目，客户复购率不断提升；在矿区类型上，大多数企业通常会从露天煤矿、铁矿开始，逐渐扩展到有色金属矿、砂石矿等。自动驾驶技术在渗透到传统行业的过程中，往往与“产业链链主”形成紧密合作，合作方式包括战略协同、股权合作等。
运输运营与交付后市场的技术与业务生态。方案交付的后市场或矿区无人运输运营的模式，均要求在实现无人化之后，对系统尤其是矿车有一个持续的获取全生命周期数据管理能力，以及技术、产品研发的快速迭代能力。矿用车辆的后市场和运营阶段的维护、运维，预测性维护、备品备件采购、库存管理、维修保养、数字化UBI保险、金融等，同样需要大数据、AI等技术维度和金融、业务链上下游的生态布局能力，从而提升车辆使用寿命，降低车辆生命周期内的“用、养”成本。
案例：踏歌智行——致力于提供全矿无人驾驶整体解决方案和服务
踏歌智行成立于2016年，其技术源于北京航空航天大学，深耕矿区自动驾驶，推出了车-地-云架构的智慧矿山整体系统理念，打造出由云端智能调度管理、4G/5G车联网通信、智能路侧单元和车载智能终端组成的“旷谷”矿山运输无人驾驶解决方案。从技术产品、方案创新、商业化落地等方面实现行业创新，包括首次矿车无人驾驶、首次矿区实测、首次编组作业、首次安全员下车、首次夜间作业、全矿无人驾驶项目等；目前踏歌智行落地众多标杆矿区项目，包括国家电投霍林河露天煤矿、包钢白云鄂博铁矿、国家能源神华北电胜利一号煤矿、国能平庄煤业、鄂尔多斯永顺煤矿、紫金巨龙驱龙铜多金属矿、江铜德兴铜矿等。此外，公司率先实现了矿区无人运输运营模式，运作规模化的无人驾驶宽体车队。
“旷谷”：“车-地-云”协同的露天矿无人驾驶运输解决方案
踏歌智行“旷谷系统”矿区无人驾驶解决方案包含车载系统、地面系统、云控平台三大板块，是一个复杂的分布式多层次控制系统，主要由调度中心设备、地面设备、车载设备、网络通信及定位设备等部分组成，功能涵盖编队跟车、防撞避让、会车慢行、泊车停靠、多车平装、动态卸载等细分环节，服务露天矿运输全场景。
►车载系统，由矿卡无人驾驶系统（AMTS）和协同作业系统（COS）组成。1）矿卡无人驾驶系统（AMTS），安装在矿用卡车上，包括高精度定位模块、环境感知模块、决策控制模块、无线通信模块、人机交互单元（HMI）和矿卡控制器等组成部分；安装了矿卡无人驾驶系统的矿用卡车可以在云控平台（ICCP）的调度下，实现“装-运-卸”全流程的无人驾驶。2）协同作业系统（COS）是采装、排土、通用、便携、破碎站等一系列协同作业终端的统称，不同类型的终端安装在不同作业用途的车辆上（或者由工作人员携带），可以与云控平台（ICCP）进行信息交互，共同实现无人运输系统的安全性、高效性。
►地面系统，包括远程接管系统（RTS）和路侧协同系统（RSCS）。1）远程接管系统（RTS）由部署在调度中心的远程接管驾驶舱和安装在矿用卡车上的远程接管车载设备组成；该系统主要用于应对车辆临时故障/异常，确保故障/异常车辆不影响其他无人驾驶矿卡的运行，从而提高系统的可用性。2）路侧协同系统（RSCS）部署在露天采场范围内，由路侧通信单元和路侧感知单元组成。路侧通信单元布置在4G/5G网络覆盖不理想的区域，是对无线通信网络的补充，形成一条冗余的通信链路，可以传输定位信息、车辆状态信息、控制信息等关键数据。路侧感知单元布置在交叉路口、急弯道等关键区域，通过各类传感器对这些区域的状态进行实时监测，可以向附近的无人驾驶车辆广播车辆位置、路面状态等信息，也可以向云控平台上报车流、道路异常等信息。
►云端系统，由云控平台（ICCP）和全生命周期服务平台（FLSP，简称服务平台）两部分组成。1）云控平台（ICCP）作为露天矿无人驾驶运输系统的智能中枢，由调度指挥系统、地图服务系统、作业管理系统、智慧调度中台、安全防护中台组成。具备高精度地图管理、智能调度、实时路径规划、路权管控、故障诊断与处理、日志存储、系统管理等功能，为无人运输系统提供安全可靠的云端服务。2）服务平台（FLSP）负责露天矿无人驾驶运输系统全生命周期管理和基础服务支撑，由运维服务平台、三维监视平台、仿真服务平台、数据分析中台组成，通过对海量的设备运行数据进行分析处理，能够为客户提供全系统运行状态立体监视，设备全生命周期健康管理，生产运行效果提前感知。
具体的业务流程上，“旷谷”无人驾驶方案完成了矿区内的从采装、运输到排土的关键链路。
多场景应对能力。踏歌将矿区全流程的作业拆解为停车场、测试场、行驶、装载、停靠以及排土场等多个场景。以装卸场景为例，挖机或者电铲为矿卡在泊车之前指定停靠位置，由此矿卡通过调用泊车停靠的动态轨迹生成算法实现自主泊车停靠；在排土场动态卸载过程中也会有协同作业车辆，比如推土机会协同矿卡完成完整的卸载过程。矿卡在矿区里满载或者空载的行驶过程中会有会车、外部车辆进入矿区等场景，矿卡需要及时做出防撞避让等动作。
考虑长尾场景，覆盖矿区全场景作业流程。考虑到特殊工艺要求和应急处理机制，踏歌智行形成了无人驾驶、人工驾驶、遥控驾驶多模式驾驶无缝切换的完整方案以应对小概率的特殊事件。目前在矿区80%以上都能通过无人驾驶实现。遥控驾驶主要是为了异常状态的远程接管，例如车辆停靠中，可能出现横向偏差、纵向偏差偏大，使得装载过程效率很低甚至无法进行，此时由远程人员通过遥控驾驶的方式把车辆开出停靠区，重新进行泊车停靠来解决问题。
自研软硬件一体自动驾驶技术
为使无人驾驶方案贴合矿区场景，踏歌智行从技术、产品到平台层面，踏歌为矿区场景进行无人驾驶算法、平台、域控制器、线控控制器、线控底盘、远程遥控驾仓、四维仿真等全套研发，并实现了无人驾驶关键技术、产品全栈自主可控。
►车端技术：1）感知：包括多源传感器时空同步、点云深度学习语义分割、点云深度学习目标识别、视觉深度学习目标识别、多源异构数据融合、点云数据样本库、视觉数据样本库；2）车辆控制技术：包括场景库及“车寻铲”动态路径规划算法库；基于多点预瞄的复合控制；基于车身状态精确感知的控制补偿（定位、轮速、载重、IMU姿态等）；自研车规级域控制器MBOX以及VBOX等控制器硬件；降额冗余控制与应急接管，确保主控异常故障状态应急接管控制器对于车辆的安全控制。
►自研车规级车载控制器：踏歌智行从2017年开始自主设计开发了三款车规级硬件计算平台，即无人矿卡域控制器M-Box、无人矿卡通信网关T-Box、无人矿卡线控控制器V-BOX。M-Box现已完成第三次大版本迭代，集成了5G通信模组，通过了3C认证、入网认证，以及中国计量院针对高低温、震动、湿度等环境可靠性和EMC在内的多项车规级检测认证，是国内较早一批集成了5G+C-V2X通信、异构冗余安全、支持高性能并行计算、高安全决策控制并通过车规认证的车载域控制器。线控控制器V-BOX支持绝大部分主机厂商主流车型，已向各大主机厂批量供货，目前已实现OTA功能，为产品、方案的规模化应用和高效运维奠定基础，在可靠性、安全性、可控性与可维护性上独具特点。
►平台端技术：基于微服务架构的大规模集群智能调度系统与基于大数据的车辆生命周期健康管理系统。1）集群调度：包括基于多目标算法的露天矿卡调度算法；全局路径规划与交通流管控；基于矿卡行程时间预测的路权控制算法；2）工程化技术：涵盖异常处理及远程应急接管；高精地图高效采集、制作、发布、更新；运营作业全流程支持：运营准备→启动与激活→正常运营→特殊场景运营→故障监测→应急处置（临时指派）；生产计划导入与支持。
►大数据全生命周期运维技术：基于场景业务开发大数据分析技术，深度挖掘数据映射特征；设计数据驱动闭环业务流程，实现全生命周期运输运营数据安全服务。
►通讯与协同技术：1）组网通信技术：多网多模2+1冗余通信、 V2N与C-V2X互为冗余、4G专网与5G双网冗余；2）协同技术：协同感知（车与车、车与路（RSU）、基于V2X通信，共享车/地信息、实现超视距、多角度感知），协同控制（移动授权、道路连锁、智能交互）。
自动驾驶解决方案与矿山无人驾驶运输服务双路并行
与行业龙头达成深度合作。踏歌智行在发展中早期即与采矿行业上下游的重要企业形成深度合作，以积累行业经验。例如新能源企业欣旺达、矿卡企业北方股份、内蒙运输运营公司中环协力、皮带运输企业宝通科技、民营矿业公司伊泰集团均是踏歌的战略投资人，公司也是中国移动在矿山无人驾驶行业中落地5G的重要战略合作伙伴。此外在主机厂合作方面，目前踏歌智行已经与国内众多矿卡品牌/车型和主机厂品牌/车型进行了适配，包括北方股份、徐工、湘电、同力、徐工、柳工、重汽、一汽、铁辰（矿用宽体车）等。
积极参与行业标准建设与开展前沿技术研究。踏歌协同众多国家级协会，参编近20项矿区无人驾驶标准，包括无人驾驶相关的整车技术、道路运输、车辆安全、检验检测、通讯技术、车联网等多个方面。踏歌智行承担多项国家级重点科研任务，如联合北航、北方股份承建“特种车辆无人运输技术工业和信息化部重点实验室”等。目前踏歌智行已申请矿区无人驾驶相关发明专利90余项，其中已获授权发明专利近50项。
自动驾驶解决方案在各大矿区批量落地，复制率不断提升。1）产品初步成型：2018年1月，与北方股份、同力重工合作，实现矿用车无人驾驶；2018年8月，踏歌智行首台无人驾驶矿卡在白云鄂博矿区测试成功；2018年12月，踏歌智行引入V2X技术，攻克了铲与车协同作业、车寻铲动态路径规划、行车路权路权智能分配、以及多车装卸载排队协同等核心技术，实现了电铲、矿卡、装卸载区的编组自动运行；次年8月，踏歌智行在国内率先完成无人矿卡编组的工程应用，矿车无人驾驶项目完成阶段性验收。2）从0到1，商业模式得到验证：2019年下半年，踏歌智行先后与国电投霍林河煤矿、鄂尔多斯永顺煤矿建立深度合作；2020年1月8日，踏歌智行携手包钢集团、中国移动、北京航空航天大学、华为、北方股份等共同组建矿山智能产业联盟，共同打造白云鄂博矿区无人化标杆项目，并在白云鄂博实现了5G网络下的多台无人矿卡与辅助设备的全作业流程。3）加快商业化进程：2021-2022年一季度，除了继续深耕白云鄂博铁矿，以及在煤矿行业复制（如国家能源神华北电胜利一号煤矿、国家能源平庄煤业等），公司还进军有色金属、水泥砂石骨料等细分行业，与更多头部矿企合作，公司在紫金巨龙铜矿、江铜德兴铜矿、海螺水泥等矿山打造出多个标杆项目。 4）打造矿山无人驾驶运输运营新形态：自2019年开始，踏歌智行即与中环协力合作，在内蒙矿区开始无人运输的试验性实践。2021年公司与中环协力正式签订1.84亿矿区无人运输运营订单，提供矿山运输全链路一条龙服务，开创无人运输运营新模式。
安全员常态化下车将标志无人驾驶解决方案成为矿区“真”作业系统。安全员的常态化下车是规模化商用的一个重要标志。目前踏歌智行已开始在多个矿区逐步实现生产状态下“常态化”去安全员作业。随着安全员下车推广到其他矿区，我们认为矿区“真”作业系统正逐渐形成。
风险提示
技术发展和应用推广低于预期：自动驾驶技术仍需要不断迭代并和具体的场景做更好的结合，积累更多的应用案例，才能适应更多的长尾场景，以进一步扩大复制规模；除了技术升级之外，应用的推广落地也与场景方的使用意愿、软硬件套件的成本以及自动驾驶可实现的效率有关。以上因素都有可能影响商业落地的时间表。
竞争加剧：随着特定场景自动驾驶应用逐渐成为现实以及各家企业逐渐形成明晰的商业模式，容易吸引竞争对手参与到行业竞争中来。
监管风险：监管部门关注自动驾驶技术的标准和应用，在鼓励其发展的同时，也制定相应的规范和细则来指引行业健康发展。
文章来源
本文摘自：2022年5月5日已经发布的《特定场景自动驾驶，快速上行赛道值得关注》
