无人配送赛道正在经历一场肉眼可见的热闹：车辆规模快速爬坡、产业资本不断涌入、逐步跑进城市的大街小巷……

　　一切都在加速。但L4级自动驾驶企业白犀牛联合创始人兼CTO夏添却保持着一种极度的冷静。

　　这位白犀牛的技术负责人很清楚：规模不等于很成熟。眼下全国无人配送车约数万台，分散到各个城市，密度还很低。路上偶尔卡顿一下、出个小问题，公众和监管部门还能包容。但未来规模扩张到几十万台甚至更多时，容忍度会急剧下降。“对智能化的要求要再上一个台阶，”他说，“现在还能看到无人车出现不符合人类驾驶习惯的问题，这些都要在更大规模到来之前解决。”

　　白犀牛为这个“台阶”准备了两步棋：今年上半年跑通无图方案，年底完成端到端模型上车。前者是为了落地速度，从几周缩短到即开即用；后者是为了提升技术天花板，让车辆的自动驾驶能力走上数据驱动的scaling law模式，不再像“新手司机”。

　　白犀牛联合创始人兼CTO夏添

　　在夏添看来，无人配送的“iPhone时刻”还没来。真正的爆发需要技术和运营两个层面同时成熟：技术层面跑通完整的L4端到端，建立靠AI基础设施支撑的高效数据增长方法论；运营层面实现车辆调度、货物自主收发全流程自动化，不再需要人工搬货。

　　这个状态，他判断还需要两到三年。

　　不过，好消息是，无人配送作为一门生意这件事，越来越成立了。一方面，今年5月初，白犀牛刚刚宣布完成C1轮融资，又有新产业资本注入；另一方面，更多车企“主动上门”，愿意打造车规级产品。

　　从默默发力到被追捧，白犀牛用七年时间验证了一个核心答案：商业价值会自己说话。只要账算得过来，市场需求就真实存在。

　　以下是《赛博汽车》与夏添对话实录（略有删减）。

　　01

　　为什么产业资本纷纷押注？

　　Q：近期能快速拿到多轮融资，资本层面的主要原因是什么？

　　夏添：核心是过去生态合作伙伴模式的布局开始开花结果，得到了行业认可。

　　比如我们年初发布了车规量产车型，这项合作早在2024年底就和鑫源汽车启动，更早开始布局。当时商用车领域关注无人配送赛道的车企很少，我们花了很多精力推进，最终不仅实现了量产车落地，还成立了合资公司，借助鑫源销售渠道帮我们卖车，完成了生意闭环。

　　我们的模式是专注自动驾驶，把车辆生产制造交给生态伙伴。这个战略布局契合当前行业趋势，加上政府也希望赛道合规化健康发展，所以我们近期获得了较多资本关注。

　　Q：本次融资引入全球物流产业资本，这类战略股东和普通财务股东有什么不同？能带来什么价值？

　　夏添：我们的投资方往往也是场景和业务伙伴，不仅可以在国内拓展更多配送场景，还能帮助我们出海。股东身份本身也是信任背书，能对接更多行业资源。

　　现在我们的配送范围已经从快递拓展到即时配送等领域，客户群体持续扩大。战略股东的加持能帮助我们在分散的细分领域更快拓展。

　　Q：场景方资本投资后，在商业模式中如何形成闭环？会造成和其他方合作的困扰吗？

　　夏添：闭环的核心还是看产品力和服务能力。哪怕是股东场景方，招标也会一视同仁，同等条件下我们会获得更多订单，但最终还是要靠产品说话。

　　关于合作困扰，早期我们也有担心，但实际发展下来问题不大。首先我们和股东的协议不是单向绑定关系，支持我们自由发展；其次股东选择让我们独立发展，本身也是希望我们拓展更多用户，不是只服务他们一家。而且物流市场本身边界模糊，行业内各家协作场景很多，不存在排他性的问　题。

　　02

　　产品能力还远未成熟？

　　Q：拿到融资后，今年最重要的工作是什么？

　　夏添：核心还是提升产品能力。目前行业整体产品能力还没达到大规模批量化落地的要求。

　　现在行业整体车辆规模大概数万台，分散到全国密度很低，出现卡顿、事故的包容性还比较强。但未来规模、密度提升后，监管和用户对安全性、可靠性、流畅性的要求会苛刻很多，AI智能还需要再上一个台阶。

　　具体来说：今年硬件要完成车规量产落地，满足客户对使用寿命、可靠性的要求；软件计划年内完成端到端模式上车。

　　Q：目前行业发展还没成熟，最大的困难是什么？主要是法规问题还是技术问题？

　　夏添：客户认可的问题已经解决了。我们没有司机，客户原来付给司机的人力成本，现在付给我们少量费用就能覆盖，市场需求已经很明确。本质问题还是技术不够成熟，现在网上还能看到无人车出现不符合人类驾驶逻辑的问题，大规模上量之后，共享道路资源，监管和用户不会再给无人车特殊包容，对智能化的要求会上一个大台阶。

　　Q：为什么L4无人配送一定要走端到端路线？和乘用车端到端有什么差别？

　　夏添：目前L4还是以模块化为主，没有完全走到端到端，核心限制是安全——我们没有驾驶员兜底，必须先解决安全兜底才能落地新技术。而端到端是解决长尾问题、Corner case和流畅性问题更擅长的方向。

　　和乘用车端到端的主要区别有两点：第一，场景与要求不同。乘用车端到端是To C产品，需要适配全国道路，泛化能力要求更高，但安全兜底可以依靠人类驾驶员，还需要在安全性和乘坐体感之间做平衡。我们L4无人货车第一要务是守住安全底线，不需要考虑乘客体感，目前最高时速在40公里，需要先把技术打磨成熟再提速度。

　　第二，学习方法不同。乘用车端到端是向人类司机学习，我们没有人类司机数据，第一步是向上一代规则系统学习，完成从规则到数据驱动的转变，同时需要加大增强学习的比例，因为很多安全规则（比如不能闯红灯）是确定性要求，不能只靠概率保证。

　　整体方法论是一致的，都是走一段式模型加强化学习的路径，L4需要更彻底的安全兜底。

　　Q：怎么看待真实数据和仿真数据在自动驾驶研发中的作用？大模型会如何影响自动驾驶研发？

　　夏添：我认为要分时间阶段来看。自动驾驶是实时运行的系统，容错率非常低，研发迭代的每一步都要保证安全可靠，目前阶段还是以真实道路数据为主。

　　大模型不会突然一下子颠覆自动驾驶，而是会从线下逐步渗透过渡。现在随着运营规模扩大，人工分析案例、评测模型已经跟不上了，大模型可以先在这些环节介入，帮助提升研发迭代效率，之后再逐步向线上部署过渡，这个过程是渐进的。

　　Q：端到端是自动驾驶的最终方案吗？它带来的本质改变是什么？

　　夏添：端到端本质是自动驾驶研发的范式改变，不仅仅是一代算法。它把原来分模块的算法框架整合成一个模型，输入传感器数据输出控制指令，核心是从工程师人工分析问题的模式，转变成数据驱动的模式，模型会随着数据增加持续变好。

　　它还需要配套完整的数据闭环基础设施：有效数据回传、数据驱动的问题收集、模型自动评测这套体系。理想状态下最终可以实现自主收集数据、自主评价、自主更新迭代的“永远学习”系统。

　　这套范式可以支撑L4甚至L5级自动驾驶持续迭代，未来模型结构会随着算力升级持续变化，但这个范式不会变，是非常有价值的颠覆性变革。

　　Q：今年技术KPI是做无图，目前进展如何？为什么要从有图转无图？能带来什么价值？

　　夏添：现在新车出来后已经开始测试了，预计下半年就能全量推行无图模式，也就是不需要高精地图，用普通导航地图就可以。

　　转无图核心是视觉能力（BEV技术）提升带来的变化。以前我们依赖激光雷达和高精地图，BEV技术提升了视觉能力后，对激光雷达和高精地图的依赖逐步降低，现在已经可以扔掉高精地图这个“拐杖”了。

　　无图带来的核心价值在运营端：原来需要提前到每个城市采集制作高精地图，部署周期需要几天到几周，现在不需要专门采集地图，开城速度会大幅加快，还省去了地图采集制作成本。对客户来说也没有了区域限制，能更快大规模推进。加上端到端技术，我们整个研发和落地的终局形态就逐渐成型了。

　　Q：从有图到无图，对运营、调度网络或者整体架构会有影响吗？

　　夏添：无人车上路有基本的智能化要求，必须达到一定状态才能保证车辆正常运行，避免出问题，而无图化方案目前已经满足这个基本要求。同时无图化方案也在配合公司出海全球化战略，能够帮助高效出海，毕竟不可能在海外每个区域都安排高精地图采集制作。

　　03

　　为什么更关注日活，而不是总车数？

　　Q：未来场景拓展的策略是什么？下一个潜在拓展方向是哪里？

　　夏添：新事物起步要先抓住核心应用做出价值。我们目前先做通了网点到驿站的快递场景，这个场景两头本来就有人取放货，直接替代司机就能解决成本瓶颈，商业价值清晰。

　　未来的方向是做成开放式的运力平台。现在计划性物流的车辆闲置率较高，未来可以把无人车接入到货拉拉这类平台，用户按需叫车，形成城市内的无人物流运力网络，变成城市物流基础设施。我们只要做好自动驾驶运力网络的基础能力，和不同场景方合作匹配落地就可以。

　　我们的滑板底盘是标准化的，传感器通用，只需要定制货箱就能满足不同场景（比如冷链、不同开门需求等），大部分定制化需求都能通过平台化组合满足。

　　Q：目前运营中遇到问题的处理方式是什么？未来人车比会怎么优化？

　　夏添：目前还是车辆自主处理为主，后台只做远程脱困：车辆碰到问题会先停下来呼叫后台，后台响应后协助脱困。当然未来还是要提升单车智能，减少后台介入。端到端模型上车后，计划只保留后台策略介入，关闭后台方向控制权限，减少网络传输带来的问题，今年目标继续提升人车比。

　　技术落地会循序渐进：端到端模型年底上车后，会先在现有系统处理不好的场景（比如窄路掉头、狭窄路段通行）验证，之后再逐步全量替换，年底上车后端到端真正大规模产生价值要到明年。

　　Q：您曾说2025年是无人驾驶转折年，除了降本还有哪些转折体现？你们为什么更关注日活指标？

　　夏添：转折主要体现在两点：一是真的有大量客户愿意真金白银买单，在路权开放大的城市，上量速度非常快，商业价值被验证了，这对自动驾驶技术来说是很难得的；二是我们和货拉拉合作落地后，验证了无人车可以在城市网状范围任意点A到点B配送，意味着可以跑遍城市大街小巷，不只是固定线路的计划性物流。

　　我们关注日活，核心是用户真正需要的是持续可用的运力，不是占有车辆。机器不怕累，我们希望尽可能提升单车运行效率。现在我们通过车队调度模式，车辆完成一个客户的任务后回到车队，接受其他订单调度，既能降低使用方成本，在城市投放总量受限的情况下，也能提升整体网络的运力效率。

　　目前我们一共有几千台车，还在快速增长中。

　　Q：目前白犀牛已经帮客户降了30%-50%成本，你们的商业模式是什么？

　　夏添：我们的商业模式很清晰：乘用车领域智能驾驶企业独立发展很难，因为智能化是卖车的附加项，卖车后很难持续收费，话语权掌握在车厂手里。但商用车不一样，商用车要做就直接到L4，不需要L2/L3过渡，大部分商用车厂都不具备L4智能化能力，所以自动驾驶公司话语权很强。

　　我们定位就是，做生态玩家，生产制造交给合作伙伴，我们专注做AI司机，同时做好运营，通过技术调度提升整体运力效率。

　　Q：未来无人配送的完整闭环是什么样的？会一直做运营吗？

　　夏添：目前我们还在中间阶段，现在最后一公里还是需要人完成装卸货上门。未来完整闭环需要末端机器人（比如机器狗）配合，用户发一个指令，调度无人车完成干线运输，再调度末端机器人完成上门送货，这是长远的发展方向。

　　现在Robotaxi行业很多公司最后都只做技术，接入第三方流量平台。但我们和他们不一样，物流的末端还有很多环节没有完成自动化，目前我们还是会同时专注技术和运营，逐步把整个闭环跑通。

　　Q：2026年底的主要规划是什么？

　　夏添：核心聚焦两件事：技术层面，上半年跑通无图方案，年底前跑通端到端方案，把数据和算法的闭环效率做扎实，提升产品体验。运营层面，慢慢把无人配送打造成像城市基础设施一样稳定的服务，让用户可以像信任公共交通一样信任这套运力体系。这件事未来两三年都会持续推进。

　　04

　　出海，本地化是最大难点

　　Q：本次融资提到了全球化战略，目前有没有进一步的出海规划可以分享？

　　夏添：出海的核心思路是和产品方合作，依靠本地企业推进，不会直接对接C端用户，必须对接当地政府的行政流程来申请路权。

　　目前主要是两种合作路径：一是和国内大客户一起出海，二是寻找国际大客户合作。比如目前和顺丰合作推动东南亚市场的落地，同时也会依靠华人圈的资源沟通，也有海外客户主动找到我们合作。

　　Q：能不能分享一下海外推进的节奏？比如已经落地了哪些区域，目前到什么阶段，下一步计划是怎样的？

　　夏添：目前整体还处于前两年的打基础阶段，熟悉海外路权申请流程，这个周期比国内长得多，尤其是L4自动驾驶业务。从2023到2025年推进的项目，基本都是当地首个L4公开道路项目，目前还没到大规模上路的阶段，近两年大概率还看不到L4车队在海外大规模部署，核心瓶颈还是路权没有放开。

　　不止东南亚在推进落地，欧美市场因为人力成本高，对无人替代的需求更旺盛，也会重点关注。

　　Q：海外推进时，最大的难点是什么？

　　夏添：对增速影响最大的几个难点：一是沟通和制度效率低。海外推进需要适配本地的社会文化和制度，节奏比国内慢很多，审批处理等流程效率低，拖慢整体进度。

　　二是本地场景适配问题。各地产品规格、交通规则都有差异，比如不同区域的红绿灯、环岛、路标、驾驶习惯都不一样，需要积累大量本地数据才能适配。

　　三是高速限速适配成本高。很多海外区域限速更高，提升行驶速度不是单点技术问题，会涉及整套算法和逻辑的架构调整，成本很高，所以目前会优先避开这类区域，先做低限速场景。

　　05

　　无人车不是机动车，可以有新框架

　　Q：做车规级产品最难的点是什么？为什么很多车企之前不愿意参与？

　　夏添：最难的是行业认知层面。早些年商用车车企觉得无人配送量少，不愿意下场，而且商用车作为生产工具，非常在乎性价比，对新技术的前瞻性远不如乘用车。我们之前把Top10商用车车企全部拜访了一遍，只有一家愿意参与。现在这个局面已经打开了，很多车企开始主动找我们合作。

　　另外现在还没有出台L4无人车的正式国家车规标准，我们提前布局，也能更好把握未来标准变化。目前关于冗余度也还在探索，核心是要平衡安全和商业化，全冗余会大幅推高成本，关键零部件做好适度冗余就可以。

　　Q：车规化之后还有多大降本空间？最大的降本空间在哪里？

　　夏添：车规化共享了商用车和乘用车的供应链，本身就能在提升可靠性的同时降低成本。降本核心还是靠规模，车辆硬件成本随部署量提升会明显下降，其他环节价格已经打得比较低了，降本空间不大。

　　Q：前几天三部委发文提到了“智能体”的概念，你觉得把无人配送车定义为智能体来规范合适吗？

　　夏添：我是鼓励这类新概念出来的。原来的机动车、非机动车分类都是针对有人驾驶的场景，无人车是全新的事物，本身就是和其他道路参与者共享道路，用新的概念、新的框架来规范它更合适。可以参考乘用车和机动车的管理方式，但因为它没有驾驶位、速度偏低、没有乘客，希望这部分内容能够得到政策豁免，以便推动行业发展。

　　06

　　门槛、竞争与“iPhone时刻”

　　Q：经过行业几轮起伏，白犀牛一直坚持下来并且活得不错，核心原因是什么？

　　夏添：一是一直坚持做L4，定位准确。载人Robotaxi商业化落地还需要时间，所以先聚焦载物，坚持走公开道路L4路线，核心目标就是把驾驶位真正去掉，这才是L4自动驾驶真正的价值。如果保留驾驶位做辅助驾驶，很难在竞争激烈的商用车市场论证商业化价值。

　　二是坚持独立发展，不盲目追风口，把产品能力和运营效率做扎实。

　　Q：未来行业会走向“通用大脑”（一个大脑能适配所有自动驾驶场景）吗？还是会一直走当前细分路线？

　　夏添：两者并不矛盾，大家只是不同路径往同一个终点前进。随着自动驾驶技术泛化能力越来越强，最后留在赛道里的玩家都有可能成为那个通用大脑，甚至未来不排除过渡到载人。

　　核心前提是企业要先活下来，持续在公开道路跑、持续技术迭代。AI行业更新换代很快，一旦新一代AI能力成型，上一代技术哪怕做到100分也会被淘汰，存活到最后才是关键。

　　Q：像卓驭、轻舟这类原本做L2乘用车智驾的企业下场做无人配送，可以理解为门槛不高吗？L2和L4企业会PK吗？

　　夏添：很快就能看到L2城市NOA和L4自动驾驶的技术PK，核心比拼两点：一是端到端技术范式，二是安全兜底。

　　这类企业最大的限制其实是投入度。它们目前核心投入还是在乘用车智驾的排位赛里，很难分出足够的算力、存储资源给到无人配送，如果不能全身心投入，很难做出结果。乘用车智驾需要补充安全兜底能力，同时它们原有数据大多是乘用车场景，和无人配送场景不匹配，需要重新收集场景数据，至少要先完成产品落地测试这一步，没法直接大规模部署。

　　不过它们可以复用原有的数据闭环基础设施。而L4企业有多年场景数据积累，当前共同的新挑战是探索无图、端到端模式下的安全兜底能力。

　　Q：2025年之后，无人配送的“iPhone时刻”到了吗？

　　夏添：还没到，还需要等待。“iPhone时刻”要满足技术和运营两个层面的条件：

　　技术层面需要跑通完整的L4端到端，建立一套靠AI基础设施支撑的高效数据增长方法论，不用再频繁调整大的技术路线，这个状态预计还需要两年才能实现。今年还是打基础的阶段。

　　运营层面需要把车辆调度、货物自主收发全流程跑通，目前还需要人工搬货，末端机器人还没上场。最终要能成为稳定的城市物流基础设施，不用频繁出问题退回人工配送，才算达标。

　　今年会是关键节点，货拉拉等平台会在多个城市开城跑通，行业会摸索出无图落地+本地化运营的经验，年底会迎来行业新拐点，但还是在打基础，还没到“iPhone时刻”。

　　另外L4因为本身没有驾驶位，不允许性能下降出安全问题，要一次性做好直接起飞，难度比L2大很多。

　　07

　　坚持、焦虑与AI时代的意义感

　　Q：入行这么久，有没有过想放弃的时刻？

　　夏添：其实一直会有想放弃的挣扎。自动驾驶是非常苛刻的领域，车辆天天上路跑，每天几万公里，需要时刻高度紧张，出了问题必须马上修复，相当于“一边开飞机一边修飞机”，还要适配高强度的迭代节奏，和早年做深度学习模型、客户能容忍错误完全不一样，这个坎一直都在过。

　　但也一直能看到希望，每年都能看到AI的大进步，比如BEV技术降低了对激光雷达、高精地图的依赖，现在端到端技术也开始起步，未来有望摆脱堆工程师解决具体问题的模式，靠数据驱动解决问题，方向已经清晰了。

　　Q：如果离开自动驾驶，你会考虑具身机器人行业吗？

　　夏添：比较看好具身机器人，但行业目前还在早期，本体等基础条件还不具备，核心问题是如何找到第一个成熟的商业应用点。家用场景涉及隐私，数据收集困难；工厂场景偏垂类，不容易被主流关注。但哪怕是垂直工厂场景，能提升效率就依然有价值。

　　Q：你怎么看AI快速发展，是欣喜还是恐惧？

　　夏添：如果是年轻人会觉得欣喜，没有历史包袱，有很大发展空间，但现在会觉得担心，因为AI发展已经逐渐超出人的控制，边界不清晰。它会全面颠覆现有的生活，打破过去我们认为有价值的东西（比如编程、数学、语言学习），替代了人体现价值感的方式，会让人陷入无意义的虚无。就像AlphaGo出来之后，很多人对围棋的兴趣都下降了，人还是需要挑战、需要目标感的。

　　当然我们做无人配送是替代机械性劳动，这是大势所趋。但现在AI已经侵入到创作、文化等各个领域，还是让人不安。另外哪怕未来AI把所有工作都做了，人也没法安心待着享受，人还是需要参与社会改造，才不会陷入“精神问题”。