核心要点
先看结论——该做什么、什么时候做：
- 挑出那条可重复量最大的线，在跟任何供应商谈之前先记录两周真实运行数据；如果同一个起讫对做不到每天至少三整柜、且周周如此，自动化就没有可优化的地方。
- 先量一条线的两头、再看中间：把加油或充电、固定货物、远端月台和异常队列上损失的时间逐项数出来，每项指定一个负责人，因为你的成本其实就长在这些地方。
- 30 天内把这条线上的司机角色书面重定义：列出仍然由人做的任务、指派到人，并定一个目标——在承诺任何上线日期之前，先把一个司机席位至少 60% 的工时从车上移走。
- 把这条线按固定成本建模，而不是可变成本：做一页表，把年度资本、维保和软件费用对上你承诺的量，只有在这条线装载率稳定高于 80% 时才扣扳机。
- 在下一次年度服务条款时设一道复核门：拿你第一周记录的基线，去对比被报给你的截单、停留和异常响应数字，在任何涨价落地之前先把服务水平谈回来。
百事公司与自动驾驶卡车企业Gatik签署多年协议，将在其北美供应链部署无人驾驶货运车辆，成为迄今规模最大的商用自动驾驶货运部署。Gatik此前已在得克萨斯州为《财富》50强零售商运营完全无人驾驶卡车，此次将拓展至百事的分销网络，覆盖配送中心之间的中段运输。该合作验证了自动驾驶卡车正从试点项目走向规模化商业运营，对司机配置、通过优化驾驶模式提升燃油效率，以及全天候货运能力都具意义。这笔交易进一步印证了一个观点：自动驾驶卡车的首个商业前沿是有结构的中段路线，而非长途干线运输。
详细拆解
百事公司与自动驾驶卡车企业 Gatik 签署了一份多年协议，要在它北美的供应链里跑无人驾驶货运卡车，覆盖配送中心之间的中段运输。Gatik 此前已在得克萨斯州为《财富》50 强零售商运营完全无人驾驶的卡车，这一次的扩张被称作迄今规模最大的商用自动驾驶货运部署。我不把这件事读成一个技术故事。我把它读成一个队列故事。
把供应链想成一串队列。卡车在月台排队，挂车在等货，货物在等单证。中段运输是其中唯一一个队列——同一件事，从同一个 A 点到同一个 B 点，天天重复，还上量。这正解释了为什么自动驾驶卡车的第一个商业前沿是有结构的中段路线，而不是长途干线，也正是这一段值得拆开看。
那这里的瓶颈在哪儿？不在标题指的地方。新闻讲的是开车。真正的约束卡在一条线的两头，看清楚两头，我才愿意相信任何产能承诺。
先把它真正宣称的东西拎出来，因为这篇的数字是刻意稀薄的。一份协议，多年期，一头是大型货主，一头是自动驾驶卡车企业。一类路线：中段运输，在配送中心之间跑。一份已有的运营记录：在得克萨斯州为《财富》50 强零售商做完全无人驾驶。三个被宣称的结果：司机配置会变，通过优化驾驶模式提升燃油效率，以及全天候货运能力。现在看它没宣称什么。没有线路条数，没有车队规模，没有每英里成本，没有交付窗口。当一笔交易被说成史上最大、却拿不出单位经济，就把这个「大」读成野心的声明，而不是节省的证明。规模是通稿的事实，经济性还没被验证。
让这件事落地的力量，比这条公告早得多。Gatik 不是今年才发明自动驾驶的；它在一种窄而可重复的线路上磨了很多年，直到异常率低到一个人远程就能看住一整个车队，而不是只看住一辆车。传感器和算力的成本一路下探，直到这门生意的账从研究预算变成了资本开支行。人工工资和司机缺口又把回本窗口合上，而这一切正好发生在技术变得无聊的那一刻。无聊就是信号。一项技术一旦不再是头条、而变成一行科目，采购就会把它接过去。
谁最先有感觉。拥有密集、稳定中段网络的人最先有感觉：大的日用消费品、大的商超、大的零售，那些在自己或长期签约的配送中心之间、按固定节奏跑整柜的人。对他们来说，这条线本来就是闭环：线路几何已知，月台已知，平均速度已知。路线里没有变量，而这恰恰是它可以被自动化的原因。进出口商第二拨有感觉，而且只是间接地，通过被报给自己的服务水平感受到：截单、停留、异常处理快慢的承诺。几乎无感的，是那些运不规则、小批量、多点停靠或对预约时间敏感的货的人。如果你的货需要一个人去跟收货方谈，那司机是你最不用担心的问题。
时点上，它按季度走，不按周走。货主一条线一条线地转，先验证异常率，再上第二条，那是一条你永远看不到的内部工程日历。如果你只是这家货主的客户，你不会见到那些卡车，你见到的是服务承诺，而服务承诺是按定价日历挪的，也就是下一次年度复核或旺季运力的那场谈话。可以预期，这些要四到八个季度才会出现在报给你的条款里，而且这已经算乐观。
标题跳过的那句话，其实有两句。第一句：自动化把一项可变成本变成了固定成本。司机是按工时付钱的；自动驾驶牵引车是资本，加一份维保和软件合同，无论挂车满没满都在花钱。这在一条密集的线上是好事，在一条单薄的线上是灾难，因为你要为一个未必填得满的运力买单。能被自动化的线，是你能持续装满的线。量，而不是软件，才是那道闸门。标题跳过的第二句：线路几何会悄悄变成一项资产。当同一个起讫对跑上几千遍，它的地图、它的边角情况、它的月台动线会被磨到异常率趋近于零。谁拥有这条被磨好的闭环，谁就拥有一项对手靠买同样的车也复制不了的成本优势。中段自动驾驶真正的护城河，是你自己那条线的数据，不是那辆车。
放一个小数字上去，把假设写在明面上。假设一条中段线，往返 300 英里，连接两座配送中心，需求稳定在每天三趟往返。在司机工时法规下，一个司机席位现实里大概一个班次跑一趟往返，也就是每个席位一年大约 250 趟。每天三趟、一年 250 个工作日是 750 趟，所以今天这条线要三个席位。一辆 7×24 小时的自动驾驶牵引车，假设可用率 85%、平均车速相同，一天大约 2.5 趟，一年约 620 趟，那么两台车就能带余量清掉这条线。
若一个满负荷司机席位一年约 9.5 万美元，省掉一个席位就是这条线每年省下约 9.5 万美元。再加燃油：假设优化驾驶模式在燃油上回收 5%，一辆车一年跑 750 趟、每趟 300 英里、按 6.5 英里每加仑、柴油 3.80 美元一加仑算，一年烧掉约 13.1 万美元柴油，5% 大约 6,500 美元。总额不是重点，形状才是。司机席位那一项比燃油那一项高出一个数量级，而两项都随这条线跑得多满而放大。先把线路装满，再谈驾驶优化。
把其中一个假设反过来，结论就翻。让同一条线变得不规则：现货、在无管控堆场甩挂、多点停靠还带固定预约窗口，自动驾驶的账立刻塌掉，因为定成本的是异常率，不是开车本身。要盯的条件不是技术栈，是你线路的波动率。一条无聊到能提前一个月排程的线，可以无人运行；一条每周都在变的线不行，再高的传感器精度也救不了一条没人能预测的路线。
↑ 返回核心要点