物理AI第一塊萬億市場，在公路貨運先跑通閉環了

允中 發自 副駕寺
智能車參考 | 公眾號 AI4Auto

當大語言模型在數字世界里一輪接一輪狂歡的時候，另一股更大的暗流正在把AI從屏幕里拽出來，扔進真實世界。

在廣袤的公路干線上，這件事正在發生。

DeepWay深向的智能新能源重卡，最近接連實現規模化交付。

鴨嘴獸、馬士基、安能、申通——這些貨運物流行業的老玩家，正在用真金白銀為智能駕駛技術買單。

這不是概念，不是Demo，是實打實的訂單。

物理AI千帆競發：貨運自動駕駛為什么先跑出來了？

AI正在經歷一場從“數字AI”到“物理AI”的躍遷。

數字AI教會機器思考和對話，物理AI則要求機器在真實三維世界里自主完成感知、決策和行動。環境不可預測，充滿復雜性，但也正因如此，它藏著顛覆傳統產業底層邏輯的巨大商業價值。

物理AI落地的核心邏輯，可以歸結為兩個“scaling”的螺旋上升：數據scaling和商業scaling。

數據scaling，意味著系統必須在真實物理環境里積累海量數據，驅動算法持續迭代；商業scaling，意味著技術必須能轉化為可規模化的商業收入，為持續研發提供燃料。

只有兩者形成正向反饋，物理AI才能真正從實驗室走向產業。

放眼全球，在物理AI領域，唯有自動駕駛同時實現了數據規模化與商業回報的正向循環。

制造業、農業、交通、家庭服務、醫療……物理AI正在加速滲透千行百業。在這場變革中，自動駕駛是最早突圍的。

而在自動駕駛的版圖里，公路貨運自動駕駛是市場規模最大、價值創造最明確、監管政策最早落地、商業化進展最靠前，因此不確定性最低的子賽道。

這是一個萬億級的藍海市場。全球現有重卡約2000萬臺，每年僅司機工資收入就高達數萬億元，且面臨司機短缺的痛點。

如果自動駕駛能替代其中部分運力，釋放的價值將以萬億計。

商業價值清晰，不需要教育市場。

傳統公路貨運長期深陷“高總擁有成本（TCO）、高安全風險、高碳排放”的泥潭。司機疲勞駕駛引發重大事故、物流運輸成本居高不下，都是懸在物流企業頭頂的達摩克利斯之劍。

貨運自動駕駛直擊這些痛點，降本增效的邏輯一目了然，每一個車隊老板都能在一筆筆賬單里看到實打實的利潤空間。

憑借龐大的市場空間、清晰的商業價值、快速落地的商業化，公路貨運成為物理AI規模化落地的一塊沃土。

數據與商業的雙飛輪，是怎么轉起來的？

過去，外界對DeepWay深向的認知，可能還停留在“正向研發、大規模交付”上。

但實質上，DeepWay深向布局的是物理AI。

要做成物理AI，就必須實現數據規模化和商業規模化的同步擴張——兩件事缺一不可。在貨運自動駕駛這條賽道上，真正同時做到這兩點的企業，并不多。

DeepWay深向是怎么做到的？

先來看數據這一端。

貨運自動駕駛不是實驗室里的仿真游戲。它的發展需要真實且完整的海量數據，這里的“完整”既包括算法軟件的數據，更包含車輛實際運營中的硬件數據，這需要軟硬件二者相結合。

海量的運營數據優化算法，算法迭代反過來推動硬件升級。

貨運自動駕駛的發展需要在真實道路上、真實載重下、真實天氣條件里積累數據，持續迭代算法。誰能以最低成本、最高效率采集真實且完整的數據，誰就拿到了競賽的入場券。

目前，DeepWay深向在真實運營場景中已經積累了超過3億公里的L2數據，搭載L2級智能駕駛系統的重卡已經交付超7500輛。

更可貴的是，這些數據都是在真實干線物流場景里日夜穿梭的運營車輛，它們為L4端到端模型的訓練積累了寶貴的決策、規劃、控制數據。

重卡自動駕駛的決策與控制優化、感知系統自適應、載荷自適應、掛車狀態估計、能耗優化——這些核心算法的持續進化，依賴的不是某一類數據，而是整車的完整數據。

通過“自有車輛+自研智駕技術”的軟硬件一體化，DeepWay深向將整車的核心底層數據牢牢掌握在自己手里。

三電系統完全自研自產，轉向、制動等關鍵部件與供應商聯合開發并簽署數據開放協議，無需攻克整車廠的數據壁壘，無需等Tier1開放接口，直接獲取從智駕系統到整車的全部核心數據。

數據的完整性和獨占性，就是DeepWay深向拿到物理AI入場券的最大底氣。

軟硬件一體化不是口號，是物理AI時代最深的護城河。

與乘用車整體式的車身結構不同，重卡由牽引車和掛車組成，中間通過鉸鏈結構連接，空載和滿載狀態下重量相差高達幾十噸。

所以，重卡的動力學模型和運行場景更復雜，車輛狀態估計與軌跡控制難度呈指數級上升。

正因如此，DeepWay深向在L2階段積累的完整的規控類數據和算法，為L4構筑了不可或缺的“前序能力”。

從L2到L4的躍遷不是簡單的經驗復用，而是一項覆蓋感知、決策、執行全鏈路的系統工程。任何試圖繞過大規模真實運營數據、僅依靠封閉測試場“速成”的方案，都難以應對重卡在復雜場景中產生的corner case。

這正是特斯拉在乘用車領域驗證過的路徑：用大規模量產車輛作為“免費的數據采集器”，在真實場景中持續積累數據，形成數據飛輪效應，驅動高階自動駕駛能力的持續進化。

數據飛輪轉起來之后，商業化變現便水到渠成。

截至2025年12月31日，DeepWay深向是全球首家實現重卡L2全系標配并量產交付的企業，也是全球首家及唯一一家實現重卡L2訂閱收入的公司。

其L2系統的付費訂閱率已經突破30%，這是公路貨運自動駕駛商業化的一個里程碑事件——客戶不僅愿意為車輛買單，更愿意為持續迭代的智駕技術持續付費。

同時，DeepWay深向也是中國鮮有的通過新能源重卡實現L4級技術商業化的公司。

L4編隊試點部署及商業化取得進一步進展，在內蒙古巴彥淖爾市與烏海市之間的指定路線獲批測試、示范應用及商業試點運營，穩步推進AI在公路貨運場景的應用。

對DeepWay深向而言，商業規模化擴張的意義不僅在于收入本身。

每一臺交付的L2車輛，都在為公司鎖定未來的潛在L4客戶；每條L4編隊路線的開辟，都在為貨運自動駕駛大規模商業化積累運營經驗和監管信任。

商業的成功加速了數據的積累，數據又驅動了技術的迭代和產品競爭力的提升，從而推動商業的進一步擴張——這就是物理AI最理想的雙飛輪狀態。

這條路徑看起來簡單，落地并不容易。在貨運自動駕駛賽道，DeepWay深向率先跑通了這一閉環。

從“輔助”到“重構”：一盤務實的漸進式產業棋局

物理AI應用的本質，不是給傳統行業裝一個“智能插件”這么簡單，而是用AI重塑產業的底層價值鏈條。DeepWay深向將其演進路徑清晰地劃分為三個階段：

第一階段：輔助工具（AI+）。

AI相當于司機的智能幫手，賦能人類司機更安全、更高效地完成駕駛任務。

DeepWay深向持續推動L2級智能駕駛系統訂閱率的滲透，通過SaaS訂閱模式為貨運司機提供智能輔助駕駛，大幅提升重卡駕駛的安全性和舒適性，降低疲勞駕駛和操作失誤帶來的風險，事故率較傳統運營降低約60%。

第二階段：部分替代人力。

AI開始承擔原本必須由人類完成的核心任務，雖然仍需人類司機參與，但AI的經濟價值已經充分顯現。

DeepWay深向2024年開始布局“前車有人+后車無人”的L4編隊技術，目前已經完成了L4編隊產品的測試驗證，試點部署及商業化取得進一步進展。

通過L4編隊技術，DeepWay深向可將傳統車隊模式下的人力成本縮減50%以上。

第三階段：重構行業形態。

這是物理AI的終極階段——推動行業從勞動密集型向技術密集型的根本性跨越，徹底重構行業的價值分配鏈條。

在DeepWay深向的愿景里，未來的重卡不再僅僅是運輸工具，而是具備訂單處理、規劃調度、自主運輸、智能維保的貨運機器人（RoboTruck）。

屆時，AI將不再是輔助工具，而是重構行業價值鏈的核心引擎。

DeepWay深向從成立之初便開始布局單車無人的L4級自動駕駛技術，拿到多地測試牌照，在北京、天津、合肥等地區進行持續測試。

在技術架構上，DeepWay深向展現了務實且前瞻的戰略思路。

公司優先采用更成熟的模塊化架構，快速實現標桿路線的L4編隊商業化運營，確保商業價值的盡早兌現。

與此同時，DeepWay深向堅定地推進以視覺為主的端到端技術升級，著重提升AI感知能力和AI基礎設施建設，構建完整的數據閉環體系。

DeepWay深向的獨到之處在于，它并非空談未來的遠景，而是通過漸進式布局，腳踏實地地推動三個階段的連續躍遷。

L2的規模化運營為L4編隊提供數據和現金流，L4編隊的商業化驗證為單車L4積累場景經驗和監管信任，每一步都有扎實的商業成果支撐，每一步都在為下一步鋪路。

當前，全球資本市場對AI的投資邏輯正在發生深刻變化。曾經追逐概念和故事的熱情正在消退，投資者越來越關注一個根本問題：AI技術能否在真實物理世界中創造可衡量、可持續的商業價值？

DeepWay深向給出的答案是肯定的。

它既避免了純軟件方案在軟硬件適配上付出高昂成本代價，也突破了封閉場景天花板過低的局限。軟硬件結合、場景商業價值巨大、利潤確定性高、增長迅速——這些特質讓DeepWay深向成為物理AI賽道中最具吸引力的標的之一。

公路貨運的物理AI革命，正在從DeepWay深向的每一臺車、每一條線路、每一公里數據中，加速變為現實。

這不僅是技術的勝利，更是商業邏輯的勝利——而在這場勝利中，DeepWay深向已經搶占了最有利的位置。