作者 | 章漣漪

編輯 | 邱鍇俊

無人配送賽道正在經歷一場肉眼可見的熱鬧：車輛規模快速爬坡、產業資本不斷涌入、逐步跑進城市的大街小巷……

一切都在加速。但L4級自動駕駛企業白犀牛聯合創始人兼CTO夏添卻保持著一種極度的冷靜。

這位白犀牛的技術負責人很清楚：規模不等于很成熟。眼下全國無人配送車約數萬臺，分散到各個城市，密度還很低。路上偶爾卡頓一下、出個小問題，公眾和監管部門還能包容。但未來規模擴張到幾十萬臺甚至更多時，容忍度會急劇下降。“對智能化的要求要再上一個臺階，”他說，“現在還能看到無人車出現不符合人類駕駛習慣的問題，這些都要在更大規模到來之前解決。”

白犀牛為這個“臺階”準備了兩步棋：今年上半年跑通無圖方案，年底完成端到端模型上車。前者是為了落地速度，從幾周縮短到即開即用；后者是為了提升技術天花板，讓車輛的自動駕駛能力走上數據驅動的scaling law模式，不再像“新手司機”。

白犀牛聯合創始人兼CTO夏添

在夏添看來，無人配送的“iPhone時刻”還沒來。真正的爆發需要技術和運營兩個層面同時成熟：技術層面跑通完整的L4端到端，建立靠AI基礎設施支撐的高效數據增長方法論；運營層面實現車輛調度、貨物自主收發全流程自動化，不再需要人工搬貨。

這個狀態，他判斷還需要兩到三年。

不過，好消息是，無人配送作為一門生意這件事，越來越成立了。一方面，今年5月初，白犀牛剛剛宣布完成C1輪融資，又有新產業資本注入；另一方面，更多車企“主動上門”，愿意打造車規級產品。

從默默發力到被追捧，白犀牛用七年時間驗證了一個核心答案：商業價值會自己說話。只要賬算得過來，市場需求就真實存在。

以下是《賽博汽車》與夏添對話實錄（略有刪減）。

01 為什么產業資本紛紛押注？

Q：近期能快速拿到多輪融資，資本層面的主要原因是什么？

夏添：核心是過去生態合作伙伴模式的布局開始開花結果，得到了行業認可。

比如我們年初發布了車規量產車型，這項合作早在2024年底就和鑫源汽車啟動，更早開始布局。當時商用車領域關注無人配送賽道的車企很少，我們花了很多精力推進，最終不僅實現了量產車落地，還成立了合資公司，借助鑫源銷售渠道幫我們賣車，完成了生意閉環。

我們的模式是專注自動駕駛，把車輛生產制造交給生態伙伴。這個戰略布局契合當前行業趨勢，加上政府也希望賽道合規化健康發展，所以我們近期獲得了較多資本關注。

Q：本次融資引入全球物流產業資本，這類戰略股東和普通財務股東有什么不同？能帶來什么價值？

夏添：我們的投資方往往也是場景和業務伙伴，不僅可以在國內拓展更多配送場景，還能幫助我們出海。股東身份本身也是信任背書，能對接更多行業資源。

現在我們的配送范圍已經從快遞拓展到即時配送等領域，客戶群體持續擴大。戰略股東的加持能幫助我們在分散的細分領域更快拓展。

Q：場景方資本投資后，在商業模式中如何形成閉環？會造成和其他方合作的困擾嗎？

夏添：閉環的核心還是看產品力和服務能力。哪怕是股東場景方，招標也會一視同仁，同等條件下我們會獲得更多訂單，但最終還是要靠產品說話。

關于合作困擾，早期我們也有擔心，但實際發展下來問題不大。首先我們和股東的協議不是單向綁定關系，支持我們自由發展；其次股東選擇讓我們獨立發展，本身也是希望我們拓展更多用戶，不是只服務他們一家。而且物流市場本身邊界模糊，行業內各家協作場景很多，不存在排他性的問題。

02 產品能力還遠未成熟？

Q：拿到融資后，今年最重要的工作是什么？

夏添：核心還是提升產品能力。目前行業整體產品能力還沒達到大規模批量化落地的要求。

現在行業整體車輛規模大概數萬臺，分散到全國密度很低，出現卡頓、事故的包容性還比較強。但未來規模、密度提升后，監管和用戶對安全性、可靠性、流暢性的要求會苛刻很多，AI智能還需要再上一個臺階。

具體來說：今年硬件要完成車規量產落地，滿足客戶對使用壽命、可靠性的要求；軟件計劃年內完成端到端模式上車。

Q：目前行業發展還沒成熟，最大的困難是什么？主要是法規問題還是技術問題？

夏添：客戶認可的問題已經解決了。我們沒有司機，客戶原來付給司機的人力成本，現在付給我們少量費用就能覆蓋，市場需求已經很明確。本質問題還是技術不夠成熟，現在網上還能看到無人車出現不符合人類駕駛邏輯的問題，大規模上量之后，共享道路資源，監管和用戶不會再給無人車特殊包容，對智能化的要求會上一個大臺階。

Q：為什么L4無人配送一定要走端到端路線？和乘用車端到端有什么差別？

夏添：目前L4還是以模塊化為主，沒有完全走到端到端，核心限制是安全——我們沒有駕駛員兜底，必須先解決安全兜底才能落地新技術。而端到端是解決長尾問題、Corner case和流暢性問題更擅長的方向。

和乘用車端到端的主要區別有兩點：第一，場景與要求不同。乘用車端到端是To C產品，需要適配全國道路，泛化能力要求更高，但安全兜底可以依靠人類駕駛員，還需要在安全性和乘坐體感之間做平衡。我們L4無人貨車第一要務是守住安全底線，不需要考慮乘客體感，目前最高時速在40公里，需要先把技術打磨成熟再提速度。

第二，學習方法不同。乘用車端到端是向人類司機學習，我們沒有人類司機數據，第一步是向上一代規則系統學習，完成從規則到數據驅動的轉變，同時需要加大增強學習的比例，因為很多安全規則（比如不能闖紅燈）是確定性要求，不能只靠概率保證。

整體方法論是一致的，都是走一段式模型加強化學習的路徑，L4需要更徹底的安全兜底。

Q：怎么看待真實數據和仿真數據在自動駕駛研發中的作用？大模型會如何影響自動駕駛研發？

夏添：我認為要分時間階段來看。自動駕駛是實時運行的系統，容錯率非常低，研發迭代的每一步都要保證安全可靠，目前階段還是以真實道路數據為主。

大模型不會突然一下子顛覆自動駕駛，而是會從線下逐步滲透過渡。現在隨著運營規模擴大，人工分析案例、評測模型已經跟不上了，大模型可以先在這些環節介入，幫助提升研發迭代效率，之后再逐步向線上部署過渡，這個過程是漸進的。

Q：端到端是自動駕駛的最終方案嗎？它帶來的本質改變是什么？

夏添：端到端本質是自動駕駛研發的范式改變，不僅僅是一代算法。它把原來分模塊的算法框架整合成一個模型，輸入傳感器數據輸出控制指令，核心是從工程師人工分析問題的模式，轉變成數據驅動的模式，模型會隨著數據增加持續變好。

它還需要配套完整的數據閉環基礎設施：有效數據回傳、數據驅動的問題收集、模型自動評測這套體系。理想狀態下最終可以實現自主收集數據、自主評價、自主更新迭代的“永遠學習”系統。

這套范式可以支撐L4甚至L5級自動駕駛持續迭代，未來模型結構會隨著算力升級持續變化，但這個范式不會變，是非常有價值的顛覆性變革。

Q：今年技術KPI是做無圖，目前進展如何？為什么要從有圖轉無圖？能帶來什么價值？

夏添：現在新車出來后已經開始測試了，預計下半年就能全量推行無圖模式，也就是不需要高精地圖，用普通導航地圖就可以。

轉無圖核心是視覺能力（BEV技術）提升帶來的變化。以前我們依賴激光雷達和高精地圖，BEV技術提升了視覺能力后，對激光雷達和高精地圖的依賴逐步降低，現在已經可以扔掉高精地圖這個“拐杖”了。

無圖帶來的核心價值在運營端：原來需要提前到每個城市采集制作高精地圖，部署周期需要幾天到幾周，現在不需要專門采集地圖，開城速度會大幅加快，還省去了地圖采集制作成本。對客戶來說也沒有了區域限制，能更快大規模推進。加上端到端技術，我們整個研發和落地的終局形態就逐漸成型了。

Q：從有圖到無圖，對運營、調度網絡或者整體架構會有影響嗎？

夏添：無人車上路有基本的智能化要求，必須達到一定狀態才能保證車輛正常運行，避免出問題，而無圖化方案目前已經滿足這個基本要求。同時無圖化方案也在配合公司出海全球化戰略，能夠幫助高效出海，畢竟不可能在海外每個區域都安排高精地圖采集制作。

03 為什么更關注日活，而不是總車數？

Q：未來場景拓展的策略是什么？下一個潛在拓展方向是哪里？

夏添：新事物起步要先抓住核心應用做出價值。我們目前先做通了網點到驛站的快遞場景，這個場景兩頭本來就有人取放貨，直接替代司機就能解決成本瓶頸，商業價值清晰。

未來的方向是做成開放式的運力平臺。現在計劃性物流的車輛閑置率較高，未來可以把無人車接入到貨拉拉這類平臺，用戶按需叫車，形成城市內的無人物流運力網絡，變成城市物流基礎設施。我們只要做好自動駕駛運力網絡的基礎能力，和不同場景方合作匹配落地就可以。

我們的滑板底盤是標準化的，傳感器通用，只需要定制貨箱就能滿足不同場景（比如冷鏈、不同開門需求等），大部分定制化需求都能通過平臺化組合滿足。

Q：目前運營中遇到問題的處理方式是什么？未來人車比會怎么優化？

夏添：目前還是車輛自主處理為主，后臺只做遠程脫困：車輛碰到問題會先停下來呼叫后臺，后臺響應后協助脫困。當然未來還是要提升單車智能，減少后臺介入。端到端模型上車后，計劃只保留后臺策略介入，關閉后臺方向控制權限，減少網絡傳輸帶來的問題，今年目標繼續提升人車比。

技術落地會循序漸進：端到端模型年底上車后，會先在現有系統處理不好的場景（比如窄路掉頭、狹窄路段通行）驗證，之后再逐步全量替換，年底上車后端到端真正大規模產生價值要到明年。

Q：您曾說2025年是無人駕駛轉折年，除了降本還有哪些轉折體現？你們為什么更關注日活指標？

夏添：轉折主要體現在兩點：一是真的有大量客戶愿意真金白銀買單，在路權開放大的城市，上量速度非常快，商業價值被驗證了，這對自動駕駛技術來說是很難得的；二是我們和貨拉拉合作落地后，驗證了無人車可以在城市網狀范圍任意點A到點B配送，意味著可以跑遍城市大街小巷，不只是固定線路的計劃性物流。

我們關注日活，核心是用戶真正需要的是持續可用的運力，不是占有車輛。機器不怕累，我們希望盡可能提升單車運行效率。現在我們通過車隊調度模式，車輛完成一個客戶的任務后回到車隊，接受其他訂單調度，既能降低使用方成本，在城市投放總量受限的情況下，也能提升整體網絡的運力效率。

目前我們一共有幾千臺車，還在快速增長中。

Q：目前白犀牛已經幫客戶降了30%-50%成本，你們的商業模式是什么？

夏添：我們的商業模式很清晰：乘用車領域智能駕駛企業獨立發展很難，因為智能化是賣車的附加項，賣車后很難持續收費，話語權掌握在車廠手里。但商用車不一樣，商用車要做就直接到L4，不需要L2/L3過渡，大部分商用車廠都不具備L4智能化能力，所以自動駕駛公司話語權很強。

我們定位就是，做生態玩家，生產制造交給合作伙伴，我們專注做AI司機，同時做好運營，通過技術調度提升整體運力效率。

Q：未來無人配送的完整閉環是什么樣的？會一直做運營嗎？

夏添：目前我們還在中間階段，現在最后一公里還是需要人完成裝卸貨上門。未來完整閉環需要末端機器人（比如機器狗）配合，用戶發一個指令，調度無人車完成干線運輸，再調度末端機器人完成上門送貨，這是長遠的發展方向。

現在Robotaxi行業很多公司最后都只做技術，接入第三方流量平臺。但我們和他們不一樣，物流的末端還有很多環節沒有完成自動化，目前我們還是會同時專注技術和運營，逐步把整個閉環跑通。

Q：2026年底的主要規劃是什么？

夏添：核心聚焦兩件事：技術層面，上半年跑通無圖方案，年底前跑通端到端方案，把數據和算法的閉環效率做扎實，提升產品體驗。運營層面，慢慢把無人配送打造成像城市基礎設施一樣穩定的服務，讓用戶可以像信任公共交通一樣信任這套運力體系。這件事未來兩三年都會持續推進。

04 出海，本地化是最大難點

Q：本次融資提到了全球化戰略，目前有沒有進一步的出海規劃可以分享？

夏添：出海的核心思路是和產品方合作，依靠本地企業推進，不會直接對接C端用戶，必須對接當地政府的行政流程來申請路權。

目前主要是兩種合作路徑：一是和國內大客戶一起出海，二是尋找國際大客戶合作。比如目前和順豐合作推動東南亞市場的落地，同時也會依靠華人圈的資源溝通，也有海外客戶主動找到我們合作。

Q：能不能分享一下海外推進的節奏？比如已經落地了哪些區域，目前到什么階段，下一步計劃是怎樣的？

夏添：目前整體還處于前兩年的打基礎階段，熟悉海外路權申請流程，這個周期比國內長得多，尤其是L4自動駕駛業務。從2023到2025年推進的項目，基本都是當地首個L4公開道路項目，目前還沒到大規模上路的階段，近兩年大概率還看不到L4車隊在海外大規模部署，核心瓶頸還是路權沒有放開。

不止東南亞在推進落地，歐美市場因為人力成本高，對無人替代的需求更旺盛，也會重點關注。

Q：海外推進時，最大的難點是什么？

夏添：對增速影響最大的幾個難點：一是溝通和制度效率低。海外推進需要適配本地的社會文化和制度，節奏比國內慢很多，審批處理等流程效率低，拖慢整體進度。

二是本地場景適配問題。各地產品規格、交通規則都有差異，比如不同區域的紅綠燈、環島、路標、駕駛習慣都不一樣，需要積累大量本地數據才能適配。

三是高速限速適配成本高。很多海外區域限速更高，提升行駛速度不是單點技術問題，會涉及整套算法和邏輯的架構調整，成本很高，所以目前會優先避開這類區域，先做低限速場景。

05 無人車不是機動車，可以有新框架

Q：做車規級產品最難的點是什么？為什么很多車企之前不愿意參與？

夏添：最難的是行業認知層面。早些年商用車車企覺得無人配送量少，不愿意下場，而且商用車作為生產工具，非常在乎性價比，對新技術的前瞻性遠不如乘用車。我們之前把Top10商用車車企全部拜訪了一遍，只有一家愿意參與。現在這個局面已經打開了，很多車企開始主動找我們合作。

另外現在還沒有出臺L4無人車的正式國家車規標準，我們提前布局，也能更好把握未來標準變化。目前關于冗余度也還在探索，核心是要平衡安全和商業化，全冗余會大幅推高成本，關鍵零部件做好適度冗余就可以。

Q：車規化之后還有多大降本空間？最大的降本空間在哪里？

夏添：車規化共享了商用車和乘用車的供應鏈，本身就能在提升可靠性的同時降低成本。降本核心還是靠規模，車輛硬件成本隨部署量提升會明顯下降，其他環節價格已經打得比較低了，降本空間不大。

Q：前幾天三部委發文提到了“智能體”的概念，你覺得把無人配送車定義為智能體來規范合適嗎？

夏添：我是鼓勵這類新概念出來的。原來的機動車、非機動車分類都是針對有人駕駛的場景，無人車是全新的事物，本身就是和其他道路參與者共享道路，用新的概念、新的框架來規范它更合適。可以參考乘用車和機動車的管理方式，但因為它沒有駕駛位、速度偏低、沒有乘客，希望這部分內容能夠得到政策豁免，以便推動行業發展。

06 門檻、競爭與“iPhone時刻”

Q：經過行業幾輪起伏，白犀牛一直堅持下來并且活得不錯，核心原因是什么？

夏添：一是一直堅持做L4，定位準確。載人Robotaxi商業化落地還需要時間，所以先聚焦載物，堅持走公開道路L4路線，核心目標就是把駕駛位真正去掉，這才是L4自動駕駛真正的價值。如果保留駕駛位做輔助駕駛，很難在競爭激烈的商用車市場論證商業化價值。

二是堅持獨立發展，不盲目追風口，把產品能力和運營效率做扎實。

Q：未來行業會走向“通用大腦”（一個大腦能適配所有自動駕駛場景）嗎？還是會一直走當前細分路線？

夏添：兩者并不矛盾，大家只是不同路徑往同一個終點前進。隨著自動駕駛技術泛化能力越來越強，最后留在賽道里的玩家都有可能成為那個通用大腦，甚至未來不排除過渡到載人。

核心前提是企業要先活下來，持續在公開道路跑、持續技術迭代。AI行業更新換代很快，一旦新一代AI能力成型，上一代技術哪怕做到100分也會被淘汰，存活到最后才是關鍵。

Q：像卓馭、輕舟這類原本做L2乘用車智駕的企業下場做無人配送，可以理解為門檻不高嗎？L2和L4企業會PK嗎？

夏添：很快就能看到L2城市NOA和L4自動駕駛的技術PK，核心比拼兩點：一是端到端技術范式，二是安全兜底。

這類企業最大的限制其實是投入度。它們目前核心投入還是在乘用車智駕的排位賽里，很難分出足夠的算力、存儲資源給到無人配送，如果不能全身心投入，很難做出結果。乘用車智駕需要補充安全兜底能力，同時它們原有數據大多是乘用車場景，和無人配送場景不匹配，需要重新收集場景數據，至少要先完成產品落地測試這一步，沒法直接大規模部署。

不過它們可以復用原有的數據閉環基礎設施。而L4企業有多年場景數據積累，當前共同的新挑戰是探索無圖、端到端模式下的安全兜底能力。

Q：2025年之后，無人配送的“iPhone時刻”到了嗎？

夏添：還沒到，還需要等待。“iPhone時刻”要滿足技術和運營兩個層面的條件：

技術層面需要跑通完整的L4端到端，建立一套靠AI基礎設施支撐的高效數據增長方法論，不用再頻繁調整大的技術路線，這個狀態預計還需要兩年才能實現。今年還是打基礎的階段。

運營層面需要把車輛調度、貨物自主收發全流程跑通，目前還需要人工搬貨，末端機器人還沒上場。最終要能成為穩定的城市物流基礎設施，不用頻繁出問題退回人工配送，才算達標。

今年會是關鍵節點，貨拉拉等平臺會在多個城市開城跑通，行業會摸索出無圖落地+本地化運營的經驗，年底會迎來行業新拐點，但還是在打基礎，還沒到“iPhone時刻”。

另外L4因為本身沒有駕駛位，不允許性能下降出安全問題，要一次性做好直接起飛，難度比L2大很多。

07 堅持、焦慮與AI時代的意義感

Q：入行這么久，有沒有過想放棄的時刻？

夏添：其實一直會有想放棄的掙扎。自動駕駛是非常苛刻的領域，車輛天天上路跑，每天幾萬公里，需要時刻高度緊張，出了問題必須馬上修復，相當于“一邊開飛機一邊修飛機”，還要適配高強度的迭代節奏，和早年做深度學習模型、客戶能容忍錯誤完全不一樣，這個坎一直都在過。

但也一直能看到希望，每年都能看到AI的大進步，比如BEV技術降低了對激光雷達、高精地圖的依賴，現在端到端技術也開始起步，未來有望擺脫堆工程師解決具體問題的模式，靠數據驅動解決問題，方向已經清晰了。

Q：如果離開自動駕駛，你會考慮具身機器人行業嗎？

夏添：比較看好具身機器人，但行業目前還在早期，本體等基礎條件還不具備，核心問題是如何找到第一個成熟的商業應用點。家用場景涉及隱私，數據收集困難；工廠場景偏垂類，不容易被主流關注。但哪怕是垂直工廠場景，能提升效率就依然有價值。

Q：你怎么看AI快速發展，是欣喜還是恐懼？

夏添：如果是年輕人會覺得欣喜，沒有歷史包袱，有很大發展空間，但現在會覺得擔心，因為AI發展已經逐漸超出人的控制，邊界不清晰。它會全面顛覆現有的生活，打破過去我們認為有價值的東西（比如編程、數學、語言學習），替代了人體現價值感的方式，會讓人陷入無意義的虛無。就像AlphaGo出來之后，很多人對圍棋的興趣都下降了，人還是需要挑戰、需要目標感的。

當然我們做無人配送是替代機械性勞動，這是大勢所趨。但現在AI已經侵入到創作、文化等各個領域，還是讓人不安。另外哪怕未來AI把所有工作都做了，人也沒法安心待著享受，人還是需要參與社會改造，才不會陷入“精神問題”。

END-

       原文標題 : 對話白犀牛夏添：2026年無人配送將跨入無圖和端到端階段