本报记者 曹政
几天前，一台无人配送车从北京空运至迪拜，开启了异国他乡的自动驾驶之旅。
这两年，来自北京民营独角兽企业新石器无人车公司的无人车先后“驶”入德国、阿联酋、日本等国家。
国内的运营城市更如繁星点点——成都、长沙、绍兴、石家庄……新石器无人配送车陆续在多座城市获得路权和牌照，实现完全自主的L4级无人驾驶配送。特别是在送快递的场景中，无人配送车可以奔波于小区和站点之间，不知疲倦地送货。
新石器无人车正以每天大约40台的速度增长，目前已在全球13个国家、100多个城市累计交付部署超3000台，自动驾驶行驶里程累计超过3000万公里，成为全球最大的无人配送车队。
这家公司成立才7年，距离其首次获得路权也才4年，为何能打造出如此大规模的无人车队？
“新石器”的故事，还得从“旧石器”开始说起。
2009年，创立新石器无人车公司前，创始人余恩源曾做过一家瞄准物流行业的技术公司。为了了解行业，他专门到长沙、武汉、深圳干了三个月的快递员，全流程体验收货、派送、转运等各个岗位。
“之前想象过快递员会很辛苦，但没想到这么辛苦！”那三个月正是南方最热的季节，一线快递小哥的艰辛超乎余恩源的想象。当时，快递的面单都得手写，他每晚收完件就11点了，还要回去交接面单、手工录入，忙到凌晨1点，早上6点又得起床再去收件、派件。
彼时，中国电商刚刚起步，快递业务趁势迎来“黄金年代”。他看到了行业的痛点，也瞅准了机会，研发出中国最早的一款国产快递专用PDA（手持移动终端设备），让快递小哥不再手写，只需扫描单号即可。因为效率大增，这款设备很快占领了国内80%的市场。
“快递员上门送件时，客户不在家怎么办？还得把包裹扛回站点，太辛苦了。”为了解决这一痛点，两年后他又推出了最早的快递柜。当余恩源有关物流配送的专利挂满了墙时，他却被一场举世瞩目的比赛改变了创业方向。
2016年3月，阿尔法围棋以4比1的总比分击败世界冠军棋手李世石。这让余恩源大受触动：对于蓬勃发展的物流行业，人工智能是否可以掀起一场变革？事后回看，很多自动驾驶创业者或多或少都受到这场比赛的激励。
一场前所未有的变革开始了。
在物流行业，“‘最后五公里’末端配送占到成本的60%。如果运输实现无人化，那社会物流成本便会大幅下降。”他算了一笔账：算上轻卡、面包车、三轮车等，中国城市的配送车辆有几千万辆，营收规模达万亿级，无人车潜力巨大。
2018年，他守着老本行，但卖掉了“旧石器”，开启了自己的“新石器”时代——研发中国最早的无人配送车。头三年是最难的，如同行走在黑夜中，没有人能预测无人配送模式何时可以落地，每台车三四十万元的高成本也让物流企业望而却步。
成本高，是当时困扰自动驾驶行业的共同难题。早期，自动驾驶车上都安装了大量激光雷达等传感器，造价奇高。经过三年的徘徊，新石器无人车改走“视觉为主、激光雷达为辅”的技术路线。
“最新无人配送车上的雷达只剩下一颗旋转式的激光雷达，配合12个相机。这符合大规模商业化的需求。”余恩源解释，以视觉为主的数据输入到相当于无人车“大脑”的大模型里，会自动解码生成信息并实现自我进化。随着去年无人车上路数量突破千台，新石器的数据训练模型达到新高度，自动驾驶系统运行变得更顺畅。更重要的是，新石器无人车已迭代6次，每次在性能提升的同时，成本下降大约30%，现在每台车的成本已降至10万元以内。
2021年，新石器终于迎来了曙光——北京自动驾驶示范区向其颁发了全国第一张无人配送车上路许可证书，已经展示三年的无人配送车终于可以驶上公开道路。
余恩源抓住了机会，无人车从北京出发，驶向更多城市，开启大规模商业化之路。其成本优势随之显现：从与国内多家快递公司的合作来看，无人配送车可以让每单成本降低0.1元。这对“分厘必争”的快递行业来说，已是降本增效的一大步。
今年，新石器公司在全国部署无人车的数量将达到1万台。全球首个万台规模的L4级别无人配送车队，正列阵待发。
独角兽“秘笈”
瞄准行业痛点拥抱变革浪潮
深耕物流行业的新石器公司，对制约行业发展的痛点了如指掌，并在AI变革的浪潮中勇敢转型，迅速成长为独角兽企业。
7年来，“降本增效”四个字深深刻入新石器公司的基因。一方面，物流行业需要全新的技术和模式降本增效。 2024年我国快递业务量达到1745亿件、快递业务收入1.4万亿元，同比分别增长21%、13%。业务规模快速增长的背景下，无人配送车可以弥补快递员不足的缺口。多座城市陆续为无人配送车开放路权，让这一创新产品得以大展身手。
另一方面，无人配送车本身也要降本增效。自动驾驶想跑通商业模式，就必须实现量产；而想要量产，就得降低造价，找到盈利点。早在2019年，新石器就建立了全球首条L4级无人车智造生产线。公司通过技术创新加速产品迭代，带动性能提升和成本下降。今年，新石器无人车的产能将达到3万台，平均每十分钟就有一台车下线。
按照计划，新石器无人车运营规模今年将迎来1万台的“节点”，这可为大模型训练带来更丰富的场景数据，无人车的调度和运营能力也将在规模化效应中进一步历练提升。