物理AI万亿市场：公路货运率先跑通商业闭环

背景

随着大语言模型在数字世界持续狂欢，人工智能正经历从“数字AI”向“物理AI”的关键跃迁。物理AI要求机器在真实、复杂且不可预测的三维物理环境中，自主完成感知、决策和行动。这一转变不仅涉及算法的迭代，更关乎技术如何转化为可规模化的商业价值。

在这一宏观背景下，自动驾驶被视为物理AI领域最早实现数据规模化与商业回报正向循环的赛道。其中，公路货运自动驾驶因其市场规模庞大（全球重卡约2000万台）、痛点明确（高成本、高安全风险、司机短缺）、监管政策落地较快以及商业逻辑清晰，成为物理AI率先跑通闭环的万亿级蓝海市场。DeepWay深向作为该领域的代表企业，通过软硬件一体化和渐进式技术路线，正在重塑这一传统行业。

核心内容

物理AI落地的核心逻辑在于“数据Scaling”与“商业Scaling”的螺旋上升。只有当系统在真实环境中积累海量数据以驱动算法迭代，同时技术又能转化为规模化收入以反哺研发时，物理AI才能从实验室走向产业。DeepWay深向正是通过这一双飞轮机制，在公路货运自动驾驶赛道建立了竞争优势。

在数据积累方面，DeepWay深向采取了“自有车辆+自研智驾技术”的软硬件一体化策略。不同于依赖封闭测试场或纯软件方案，DeepWay深向通过自研三电系统及与供应商签署数据开放协议，直接获取从智驾系统到整车底层的核心数据。截至2025年12月31日，该公司已在真实干线物流场景中积累了超过3亿公里的L2级数据，并交付了超7500辆搭载L2级智能驾驶系统的重卡。这些涵盖感知、规控、能耗优化等全链路的数据，为L4级端到端模型的训练奠定了坚实基础。重卡复杂的动力学特性（如铰链连接、空满载重量差异大）使得L2阶段积累的完整数据成为通往L4不可或缺的“前序能力”，有效应对复杂场景中的Corner Case。

在商业变现方面，DeepWay深向是全球首家实现重卡L2全系标配并量产交付的企业，也是唯一实现L2订阅收入的公司。其L2系统付费订阅率已突破30%，标志着客户不仅购买硬件，更愿意为持续迭代的软件服务付费。同时，公司在L4商业化上也取得进展，在内蒙古巴彦淖尔至乌海等指定路线获批进行L4编队试点运营。这种“L2数据反哺L4技术，L4商业化验证拓展市场”的模式，形成了良性的商业闭环。

DeepWay深向将物理AI的应用演进划分为三个阶段：

1. 辅助工具（AI+）：通过L2级智能驾驶系统作为司机的智能帮手，降低事故率约60%，提升安全性和舒适性。
2. 部分替代人力：布局“前车有人+后车无人”的L4编队技术，试点部署已验证可将传统车队人力成本缩减50%以上。
3. 重构行业形态：最终目标是打造具备订单处理、规划调度、自主运输及智能维保能力的货运机器人（RoboTruck），推动行业从劳动密集型向技术密集型跨越。

在技术架构上，DeepWay深向采取务实策略，优先采用成熟的模块化架构快速实现L4编队商业化，同时坚定推进以视觉为主的端到端技术升级，构建完整的数据闭环。

关键要点

• 物理AI的双轮驱动：物理AI的成功依赖于数据规模化（真实环境数据积累）与商业规模化（收入反哺研发）的正向反馈循环，自动驾驶是首个实现此循环的领域。
• 公路货运的优势：相比其他物理AI场景，公路货运市场规模大、痛点清晰（降本增效）、监管落地快，是确定性最高的子赛道。
• 软硬件一体化的数据壁垒：DeepWay深向通过自研三电系统和数据开放协议，掌握了整车核心底层数据，解决了重卡复杂动力学下的数据完整性问题，为L4算法提供关键支撑。
• L2到L4的渐进式路径：
  • L2阶段：已交付超7500辆，积累超3亿公里运营数据，L2订阅付费率突破30%。
  • L4阶段：实现“前车有人+后车无人”编队技术，在内蒙古等地获批试点，人力成本可降低50%以上。
• 商业模式的创新：从单纯卖车转向“硬件+软件订阅”模式，客户愿意为持续迭代的智驾技术付费，确立了可持续的收入来源。
• 技术架构策略：短期利用模块化架构快速变现，长期坚定投入以视觉为主的端到端大模型技术，平衡了商业落地与技术前瞻性。
• 行业愿景：从辅助驾驶逐步过渡到重构行业价值链，最终实现完全自主的货运机器人（RoboTruck）形态。

意义与影响

DeepWay深向在公路货运领域的突破，标志着物理AI从概念验证走向大规模商业落地的关键一步。其成功证明了AI技术能够在真实物理世界中创造可衡量、可持续的商业价值，回应了资本市场对AI投资逻辑从“追逐故事”向“关注实效”转变的趋势。

对于整个科技与物流行业而言，这一案例具有深远影响：

1. 验证了物理AI的商业可行性：通过数据与商业的双飞轮效应，DeepWay深向展示了物理AI如何在高门槛、高复杂度的工业场景中实现规模化盈利，为制造业、农业等其他物理AI领域提供了可借鉴的路径。
2. 加速传统物流行业的数字化转型：通过降低TCO（总拥有成本）、提升安全性和减少碳排放，货运自动驾驶不仅提升了企业利润，也推动了整个物流行业向技术密集型转型，缓解了司机短缺带来的社会压力。
3. 重塑自动驾驶技术路线：DeepWay深向强调的“完整数据闭环”和“L2到L4的渐进式跃迁”，挑战了部分仅依靠封闭测试或纯软件方案的可行性，强调了真实世界数据积累和软硬件协同的重要性。
4. 推动监管与基础设施完善：L4编队在公开道路的商业试点，将为自动驾驶法律法规、道路基础设施智能化改造提供宝贵的实践经验和数据支持。

总之，DeepWay深向不仅在技术上抢占了物理AI赛道的有利位置，更在商业逻辑上证明了AI重塑传统产业底层价值链的巨大潜力，预示着公路货运物理AI革命正在加速变为现实。