物理AI第一块万亿市场，在公路货运先跑通闭环了

允中 发自 副驾寺

智能车参考 | 公众号 AI4Auto

当大语言模型在数字世界里一轮接一轮狂欢的时候，另一股更大的暗流正在把AI从屏幕里拽出来，扔进真实世界。

在广袤的公路干线上，这件事正在发生。

DeepWay深向的智能新能源重卡，最近接连实现规模化交付。

鸭嘴兽、马士基、安能、申通——这些货运物流行业的老玩家，正在用真金白银为智能驾驶技术买单。

这不是概念，不是Demo，是实打实的订单。

物理AI千帆竞发：货运自动驾驶为什么先跑出来了？

AI正在经历一场从“数字AI”到“物理AI”的跃迁。

数字AI教会机器思考和对话，物理AI则要求机器在真实三维世界里自主完成感知、决策和行动。环境不可预测，充满复杂性，但也正因如此，它藏着颠覆传统产业底层逻辑的巨大商业价值。

物理AI落地的核心逻辑，能够归结为两个“scaling”的螺旋上升：数据scaling和商业scaling。

只有两者形成正向反馈，物理AI才能真正从实验室走向产业。

资料scaling，意味着系统必须在真实物理环境里积累海量资料，驱动算法继续迭代；商业scaling，意味着技术必须能转化为可规模化的商业收入，为持续研发提供燃料。

放眼全球，在物理AI领域，唯有自动驾驶同时实现了数据规模化与商业回报的正向循环。

制造业、农业、交通、家庭服务、医疗……物理AI正在加速渗透千行百业。在这场变革中，自动驾驶是最早突围的。

这是一个万亿级的蓝海市场。全球现有重卡约2000万台，每年仅司机工资收入就高达数万亿元，且面临司机短缺的痛点。

而在自动驾驶的版图里，公路货运自动驾驶是市场规模最大、价值创造最明确、监管政策最早落地、商业化进展最靠前，所以不确定性最低的子赛道。

如果自动驾驶能替代其中部分运力，释放的价值将以万亿计。

商业价值清晰，不需要教育市场。

传统公路货运长期深陷“高总拥有成本（TCO）、高安全风险、高碳排放”的泥潭。司机疲劳驾驶引发重大事故、物流运输成本居高不下，都是悬在物流企业头顶的达摩克利斯之剑。

凭借庞大的市场空间、清晰的商业价值、迅速落地的商业化，公路货运成为物理AI规模化落地的一块沃土。

货运自动驾驶直击这些痛点，降本增效的逻辑一目了然，每一个车队老板都能在一笔笔账单里看到实打实的利润空间。

资料与商业的双飞轮，是怎么转起来的？

过去，外界对DeepWay深向的认知，可能还停留在“正向研发、大规模交付”上。

但实质上，DeepWay深向布局的是物理AI。

要做成物理AI，就必须实现数据规模化和商业规模化的同步扩张——两件事缺一不可。在货运自动驾驶这条赛道上，真正与此同时做到这两点的企业，并不多。

DeepWay深向是怎么做到的？

先来看数据这一端。

货运自动驾驶不是实验室里的仿真游戏。它的发展须要真实且完整的海量资料，这里的“完整”既包括算法软件的数据，更包含车辆实际运营中的硬件数据，这需要软硬件二者相结合。

目前，DeepWay深向在真实运营场景中已经积累了超过3亿公里的L2数据，搭载L2级智能驾驶系统的重卡业已交付超7500辆。

海量的运营数据改进算法，算法迭代反过来推动硬件升级。

更可贵的是，这些数据都是在真实干线物流场景里日夜穿梭的运营车辆，它们为L4端到端模型的训练积累了宝贵的决策、规划、控制数据。

货运自动驾驶的发展须要在真实道路上、真实载重下、真实天气条件里积累数据，持续迭代算法。谁能以最低成本、最高效率采集真实且完整的数据，谁就拿到了竞赛的入场券。

三电系统完全自研自产，转向、制动等重要部件与供应商联合开发并签署数据开放协议，无需攻克整车厂的资料壁垒，无需等Tier1开放接口，直接获取从智驾系统到整车的全部核心数据。

重卡自动驾驶的决策与控制优化、感知系统自适应、载荷自适应、挂车状态估计、能耗优化——这些核心算法的持续进化，依赖的不是某一类数据，而是整车的完整数据。

通过“自有车辆+自研智驾技术”的软硬件一体化，DeepWay深向将整车的核心底层数据牢牢掌握在自己手里。

资料的完整性和独占性，就是DeepWay深向拿到物理AI入场券的最大底气。

软硬件一体化不是口号，是物理AI时代最深的护城河。

与乘用车整体式的车身结构不同，重卡由牵引车和挂车组成，中间通过铰链结构连接，空载和满载状态下重量相差高达几十吨。

因此，重卡的动力学模型和运行场景更复杂，车辆状态估计与轨迹控制难度呈指数级上升。

正因如此，DeepWay深向在L2阶段积累的完整的规控类数据和算法，为L4构筑了不可或缺的“前序能力”。

从L2到L4的跃迁不是简单的经验复用，而是一项覆盖感知、决策、执行全链路的系统工程。任何试图绕过大规模真实运营数据、仅依靠封闭测试场“速成”的方案，都难以应对重卡在复杂场景中产生的corner case。

这正是特斯拉在乘用车领域验证过的路径：用大规模量产车辆作为“免费的数据采集器”，在真实场景中持续积累资料，形成资料飞轮效应，驱动高阶自动驾驶能力的继续进化。

数据飞轮转起来之后，商业化变现便水到渠成。

截至2025年12月31日，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，也是全球首家及唯一一家实现重卡L2订阅收入的公司。

其L2系统的付费订阅率已经突破30%，这是公路货运自动驾驶商业化的一个里程碑事件——客户不仅愿意为车辆买单，更愿意为持续迭代的智驾技术持续付费。

同时，DeepWay深向也是中国鲜有的通过新能源重卡实现L4级技术商业化的公司。

L4编队试点部署及商业化取得进一步进展，在内蒙古巴彦淖尔市与乌海市之间的指定路线获批测试、示范应用及商业试点运营，稳步推进AI在公路货运场景的应用。

对DeepWay深向而言，商业规模化扩张的意义不仅在于收入本身。

每一台交付的L2车辆，都在为公司锁定未来的潜在L4客户；每条L4编队路线的开辟，都在为货运自动驾驶大规模商业化积累运营经验和监管信任。

商业的成功加速了资料的积累，数据又驱动了技术的迭代和商品竞争力的提升，从而推动商业的进一步扩张——这就是物理AI最理想的双飞轮状态。

这条路径看起来简单，落地并不容易。在货运自动驾驶赛道，DeepWay深向率先跑通了这一闭环。

从“辅助”到“重构”：一盘务实的渐进式产业棋局

物理AI应用的本质，不是给传统行业装一个“智能插件”这么简单，而是用AI重塑产业的底层价值链条。DeepWay深向将其演进路径清晰地划分为三个阶段：

第一阶段：辅助工具（AI+）。

DeepWay深向继续推动L2级智能驾驶系统订阅率的渗透，通过SaaS订阅模式为货运司机提供智能辅助驾驶，显著提高重卡驾驶的安全性和舒适性，降低疲劳驾驶和操作失误造成的风险，事故率较传统运营降低约60%。

AI相当于司机的智能帮手，赋能人类司机更安全、更高效地完成驾驶任务。

第二阶段：部分替代人力。

AI开始承担原本必须由人类完成的核心任务，虽然仍需人类司机参与，但AI的经济价值业已充分显现。

DeepWay深向2024年开始布局“前车有人+后车无人”的L4编队技术，目前已经完成了L4编队商品的测试验证，试点部署及商业化取得更深一步进展。

通过L4编队技术，DeepWay深向可将传统车队模式下的人力成本缩减50%以上。

第三阶段：重构行业形态。

这是物理AI的终极阶段——推动行业从劳动密集型向技术密集型的根本性跨越，彻底重构行业的价值分配链条。

在DeepWay深向的愿景里，未来的重卡不再仅仅是运输工具，而是具备订单处理、规划调度、自主运输、智能维保的货运机器人（RoboTruck）。

届时，AI将不再是辅助工具，而是重构行业价值链的核心引擎。

DeepWay深向从成立之初便开始布局单车无人的L4级自动驾驶科技，拿到多地测试牌照，在北京、天津、合肥等地区进行持续测试。

在技术架构上，DeepWay深向展现了务实且前瞻的战略思路。

公司优先采用更成熟的模块化架构，快速实现标杆路线的L4编队商业化运营，确保商业价值的尽早兑现。

DeepWay深向的独到之处在于，它并非空谈未来的远景，而是通过渐进式布局，脚踏实地地推动三个阶段的连续跃迁。

与此同时，DeepWay深向坚定地推进以视觉为主的端到端技术升级，着重提升AI感知能力和AI基础设施建设，构建完整的数据闭环体系。

当前，全球资本市场对AI的投资逻辑正在发生深刻变化。曾经追逐概念和故事的热情正在消退，投资者越来越关注一个根本课题：AI科技能否在真实物理世界中创造可衡量、可持续的商业价值？

L2的规模化运营为L4编队提供数据和现金流，L4编队的商业化验证为单车L4积累场景经验和监管信任，每一步都有扎实的商业成果支撑，每一步都在为下一步铺路。

DeepWay深向提供的答案是肯定的。

它既避免了纯软件方案在软硬件适配上付出高昂成本代价，也突破了封闭场景天花板过低的局限。软硬件结合、场景商业价值巨大、利润确定性高、增长迅速——这些特质让DeepWay深向成为物理AI赛道中最具吸引力的标的之一。

公路货运的物理AI革命，正在从DeepWay深向的每一台车、每一条线路、每一公里数据中，加速变为现实。

这不仅是科技的胜利，更是商业逻辑的胜利——而在这场胜利中，DeepWay深向已经抢占了最有利的位置。