自动驾驶“闯入”矿区

白洋 王秋婷

当前，自动驾驶技术在低速无人配送场景的应用渐见成熟，而其在特定细分行业同样具有商业价值，且市场规模可观，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、替代价值高等特点，是现阶段商业化进展较快的自动驾驶应用之一。

在市场需求不断扩大以及自动驾驶技术的逐步成熟下，我国矿山、港口自动驾驶行业市场规模将持续扩张。

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下的低速商用车。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3个层面的均衡，预计能更快实现商业化落地。

当前，自动驾驶呈渐进式发展态势。特定场景下的自动驾驶可解决传统行业痛点，商业模式已粗具雏形。

首先，商业化方面，自动驾驶可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、司机年龄总体偏大等问题，而自动驾驶的应用可解燃眉之急：1. 不影响运营效率的同时降低对人力的依赖，节省人力成本；2. 保证运营效率，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. 可智能调度车队，实现更高效率的路径规划。

其次，模式方面，当前主要有2种商业模式：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场景用户提供软硬一体的自动驾驶解决方案，主要包括2种类型：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；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，后续持续变现能力较弱。

提供自动驾驶运营服务，助力细分行业全面自动化升级。主要包括2种类型：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，但客户前期投入低，相对容易与客户建立合作关系；二是全面介入厂区运营，将自动驾驶作为厂区数字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，这不光需要企业具有单点技术能力，还要具备全局化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。

目前，提供自动驾驶软硬件解决方案甚至生产自动驾驶整车，是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，有企业选择接入物流运营，转型成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更高，客户黏性更强。

最后，政策鼓励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落地时间更早。《新能源汽车产业发展规划（2021-2035年）》中指出：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。

矿区、港口等特定场景获政策鼓励，或将逐渐迈向规模化复制阶段。

1. 港口场景：港口内集卡运输场景拥有百亿级市场规模，随着技术沿用到港口内其他运输、主干线运输等场景，可延展市场空间更大。

2. 矿区场景：拥有千亿级潜在市场规模，通过整合设备、车辆、矿区等多方行业资源，加上适配场景的自动驾驶技术打磨，相关企业将逐渐脱颖而出。

而深入产业来看，相关头部公司已逐渐跑出。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、生态资源上更具优势，多方联合开展自动驾驶已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，并试图从其商业模型来判断未来的市场空间。

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。

无人驾驶集卡兼具效率和经济性

高水平自动化和无人化有助于提高码头工作效率，降低对人力的依赖。港口水平运输自动化主要有3种解决方案：

1. 自动导引车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：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。

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需配合大量基础设施建设，这种漫长的建设方式与周期适用于新码头建设，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，在国内码头的应用较少。

因此，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或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

2021年，全球集装箱吞吐量回暖至8.27亿标准箱（TEU）。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。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》数据，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。

当前，港口自动驾驶主要包括车端自动驾驶升级和提供运营服务2种商业模式。

1. 车辆自动驾驶升级：目前中国港口共拥有约1 800个岸桥，全球约有7 000个岸桥，按岸桥和内集卡1 ：6左右比例，全球约有4万台存量内集卡，每年新增量约6 000台。若仅考虑狭义范围内在码头内集装箱车辆的自动驾驶升级，预计市场规模约108亿元/年。此外港口自动驾驶企业会提供对应的车辆调度软件解决方案，预计市场规模约10亿元/年。

2. 运输服务：全球集装箱吞吐总量约9亿标准箱，水平运输价格以25元/标准箱计，港口水平运输市场约225亿元/年。

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。

假设港口自动驾驶在未来能达到和人力一样的工作效率甚至更高，随着自动驾驶技术的不断成熟及套件成本的降低，其经济模型会逐渐得到优化。据测算，采用自动驾驶内集卡，2.7年左右可收回额外的硬件投入，且其后续年运营成本更低。

技术：强调厘米级作业精度

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；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：港口常见盐雾、侧风、雷雨、台风等作业环境会影响传感器性能、加速硬件损耗。

车路协同方案可解决港口自动驾驶的差异化需求。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，可解决港口多径干扰等问题带来的影响；精确停位方面，通过在龙门吊上安装有源或者无源的设备来辅助，进而完成厘米级作业要求。随着5G、新基建和车路协同技术的进一步发展，可进一步加强自动驾驶感知和定位能力。

自动驾驶要融入TOS业务系统。TOS业务系统是港口重要的作业“大脑”，可指导码头制定高效、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：厂商和整车厂深度绑定

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，分别提供零部件和技术服务给产业链中游主机厂与机械设备商，提供传感器、芯片、高精地图等给自动驾驶技术解决方案商。

产业链中游，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。

当前，港口行业准入壁垒高，竞争格局基本稳定，产业集中度高。据前瞻产业研究院数据显示，2020年港口集装箱吞吐量CR3（行业前3总量）、CR5、CR10分别为37%、54%和72%，港口资源整合有望持续推进。而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，有意愿且有能力落地自动驾驶运输。

而港口自动驾驶企业主要分为2类：有自动驾驶技术背景的企业；整机厂自研自动驾驶集卡及设备。

其中，在有自动驾驶技术背景的企业中，一类是与整车厂达成深度合作，有些作为整机厂的一级供应商，有些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；另一类是自研整体集卡设备，如西井科技，自研没有驾驶舱形态的港口自动驾驶设备，后者更符合市场需求。

在整車厂背景的企业中，一类选择和自动驾驶企业形成合作，购买其解决方案来提升自动驾驶能力；另一类是自研技术，如上汽红岩和东风商用车。

从商业模式上来看，目前以自动驾驶解决方案提供商和运输服务商2种角色为主，前者更多是企业为港口提供全站智能化港口解决方案或为整车厂提供自动驾驶套件，后者则是自动驾驶公司独立或与合作商合资成立运输企业，为港口提供无人化运输服务，按TEU（Twenty-feet Equivalent Unit，国际标准箱单位）进行收费。

案例：西井科技

2016年，西井从智慧港口理货系统开始切入，深入到港口自动驾驶商用车解决方案中；2018年，发布Qomolo自动驾驶品牌，推出全时无人驾驶电动重卡Q-Truck；2021年，发布“货客两用”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。

当前，西井采取整体解决方案与单点运营服务并驾齐驱的多元商业模式。

整体解决方案，主要指整车销售或自动驾驶及运力调度系统销售，通常以一次性收费为主；单点运营服务方案，主要指按照服务内容和形式收费，如按照搬运集装箱的数量计件收费或包月、包年计价。C端化计件收费模式，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。

当前，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。

矿山开采可分为露天开采和地下开采2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称为露天开采；针对埋藏较深的矿床则采用地下开采的方式。本文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，分为穿孔、爆破、采装、运输、排土等环节，其中“采运排”环节成本占比较高。据甲子光年数据显示，煤矿“采运排”成本约占总成本比重的80%～90%，金属矿“采运排”成本约占70%左右，砂石矿“采运排”成本约占30%～40%。

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3种：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）。随着矿区集中度越来越高，运输车辆呈大型化趋势：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

我国矿产资源丰富，矿产产量高，每年矿石和土方运输市场广阔。此外，在供给侧结构性改革推动下，小型矿山有序退出，大中型矿山推广智能化、自动化的动力较高。随着矿企不断向头部集中，预计对新技术的引入将逐渐开放。

当前，矿区自动驾驶主要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2种商业模式：

1. 提供矿山无人驾驶解决方案。存量市场：大型矿卡存量车的自动驾驶升级市场约140亿元；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，市场规模约200亿元/年；此外，矿区需要软件管理平台来管理车辆，该部分市场规模约100亿元。

2. 提供自动驾驶运输运营服务。据测算，国内煤炭土方剥离运输市场规模约700亿元/年，铁矿土方剥离运输市场规模约189亿元/年，石灰石矿剥离运输市场规模约456亿元/年。由此，自动驾驶运输服务每年潜在市场规模约在1 300亿元左右。

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、人力成本高企已成为矿区的痛点和管理难点。

首先，招工难。矿山地点通常偏远封闭，且工作环境复杂，加上工作内容单一乏味，愿意从事矿区运输司机工作的年轻劳动力匮乏，而招聘经验丰富的驾驶员困难。

其次，高危险。矿区内道路沿山而上，崎岖颠簸，雨天湿滑泥泞，晴天石沙飞扬，加上各种落石障碍物等突发路况，驾驶难度高。安全生产是矿区工作的红线，一旦发生安全事故，社会影响和经济损失很大。

最后，人力成本高、管理难度大。矿用卡车司机用工成本约20万元/年，每辆矿卡雇佣4～5名司机，每辆卡车每年人工费用可达100万元；司机流动性大，日常管理难度较大；人工运输情况下，不同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。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》中提出，在2025年实现煤礦无人化运输；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”。

经过几年摸索，矿区尤其是露天煤矿的实践基本度过了从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，都对其提出了更高标准的考验。

不过，从直接经济模型考虑，据测算，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投入，此外自动驾驶还能实现更高的安全性，其间接经济意义更高。

技术趋势：多维度技术综合应用

与城市道路、高速公路或园区厂区等常规场景相比，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，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。

因此，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、云端智能和调度及大数据技术方面深耕。而恶劣的作业环境也使得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。

首先，复杂的道路和气候环境考验着矿区无人驾驶的感知精度。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，可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。

其次，因大体型+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等问题，矿区车辆的控制难度大；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。因此，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。改造存量车的线控以及对增量新车的线控底盘进行全新研发可达到直接控制执行元件的目的。

同时，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”成为必要条件。露天矿是一个复杂、完整的作业体系，不同于公开道路有一套完整的交通法规，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，以及矿车跟不同地面管控终端和辅助作业车辆之间进行协同作业，由云端平台进行统一智能化调度和管控，并实时更新场景地图，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。

此外，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，系统架构标准化、模块化设计将成为主流。

最后，运输运营与后市场对大数据技术也提出了要求，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。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：认知+技术多维融合

将矿山无人驾驶按照业务属性和产品属性，可分成横向和纵向2条产业链主线。

从横轴来看，从上至下分别是：整车厂商、运输运营厂商、工程公司及最终的矿企。运输运营厂商市场较分散，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，但总体来看随着供给侧改革推进，落后产能去除，整体集中度将提升，龙头矿企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，中游为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80%；宽体车相对较分散，龙头企业市占率约30%～40%。因此，对于自动驾驶软硬件解决方案商而言，使自动驾驶套件适配好整车厂的各款车型，成为整车厂的优质供应商是他们的主要目标。

案例：踏歌智行

成立于2016年的踏歌智行，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。

踏歌智行从技术产品、方案创新、商业化落地等方面实现了行业创新，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，落地众多标杆矿区项目。此外，公司还率先实现矿区无人运输运营模式，运作规模化无人驾驶宽体车队。

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，服务于露天矿运输全场景，可完成矿区内从采装、运输到排土的关键链路。

踏歌智行擁有多场景应对能力，其将矿区全流程作业拆解为了停车场、测试场、行驶、装载、停靠以及排土场等多个场景。此外，考虑到长尾场景，踏歌智行还形成了无人驾驶、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。目前踏歌智行在矿区80%以上都能通过无人驾驶实现。

在模式上，踏歌智行采用自动驾驶解决方案与矿山无人驾驶运输服务双路并行。

踏歌智行与行业龙头达成了深度合作。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了深度合作，积累了行业经验。此外，踏歌智行还积极参与行业标准建设与开展前沿技术研究，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、车联网等多方面。

当前，踏歌智行自动驾驶解决方案在各大矿区批量落地，复制率不断提升。2021年，公司与中环协力签订1.84亿元矿区无人运输运营订单，提供矿山运输全链路一条龙服务，开创了无人运输运营新模式。

安全员的常态化下车是无人驾驶规模化商用的一个重要标志。据悉，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。

当然，特定场景自动驾驶也存在相应风险。

一是技术发展和应用推广或低于预期。当前，自动驾驶技术仍需不断迭代并和具体场景做更好的结合，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。除技术升级外，应用的推广落地也与场景方的使用意愿、软硬件套件的成本及自动驾驶可实现的效率有关。以上因素都有可能影响其商业落地的时间表。

二是竞争加剧。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。

三是监管风险。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，也制定了相应的细则来规范行业健康发展。