后疫情時代的“無接觸交付”

2019年年末、2020年年初，一種不知名的病毒突然出現，并迅速發展成為波及全世界的“黑天鵝”事件。后來，我們將其命名為新冠病毒，國外稱COVID-19。截至2021年8月9日，新冠病毒引發的全球性疫情累計感染人數超過2億人，并帶來約430萬例死亡病例。

這一罕見疫情的破壞力超出大多數人的預料與想象，不僅對全球經濟造成沉重打擊，也在一定程度上改變了我們的生活方式。疫情防控期間，為了有效減少病毒傳播路徑，人們被勸說盡量減少外出，活動范圍縮小至住宅、社區或村莊，但是人們對生活必需品的需求仍然存在。人不動則需貨動，人們對“最后一公里”配送的需求快速增加，需要商品被直接送至小區門口或家門口。在“停擺”的城市中，配送騎手們成為城市“擺渡人”，串聯起商家、商品與消費者。在武漢封城的76天里，僅美團就完成了396萬單配送訂單。

同時，為了最大限度地降低“人傳人”的風險，政府發出了減少非必要面對面直接接觸的倡議，這讓更多人看到了無人配送的必要性和價值。疫情高峰不僅引發了很多生產端的供應中斷，也讓末端配送出現了“斷鏈”的情況。為了保障消費者體驗不出現大滑坡，眾多外賣平臺、生鮮電商平臺、物流配送平臺在疫情期間紛紛推出無接觸配送服務。從2020年2月18日開始，美團無人配送車“魔袋”在北京順義多個社區投入運營，開啟常態化無人配送，服務于美團買菜的用戶。京東物流也是積極參與者之一，在2020年大年初一迅速成立無人科技應急小組，不到半個月便完成了武漢無人配送的相關部署工作，并于2月5日完成武漢的首單無人配送。之后，京東物流陸續向武漢投放無人配送車約30輛，配送物品從醫療抗疫物資逐步擴展到日常生活用品，運送包裹約1.3萬件，行駛總里程超過6800千米。

疫情期間，美團、阿里巴巴、京東物流、蘇寧物流、百度、華為等行業巨頭，以及新石器、白犀牛、行深智能、一清創新、馭勢科技等創新企業，紛紛推出無人配送車，大大加深了公眾及商家對無人配送的了解與認知。雖然現在人們逐漸回歸到以往的生活，但是公眾對無接觸配送的認知與接受度卻已建立起來了。麥肯錫預測，10年后將有80%的快遞包裹采用自動配送方式；一覽眾咨詢則估計我國自動駕駛的低速物流配送車在2025年時的年銷量將達8萬輛。

不過，疫情對無人配送更多的是起加速催熟作用，國內企業對無人配送的嘗試，可以追溯到2016年左右。專注于自動駕駛智能車系統開發和推廣應用的智行者科技成立于2015年，旗下的蝸必達無人配送物流車產品在2017年便在清華大學、中國人民大學校園內進行了常態化測試及試運營。京東“X事業部”在2016年發布了其研發的無人配送機器人，并從2017年開始在北京、上海、長沙、西安的多所高校及產業園區內進行試點運營，同年“6·18”期間則在北京海淀開啟了首次全場景規模化運營。美團則在2016年成立W項目組，后更名為無人配送部，于2017年推出自研無人車“小袋”，并于2018年在北京朝陽大悅城、北京首鋼園、雄安新區、深圳聯想大廈、松江大學城等地進行測試運營。得益于近5年的探索與積累，當疫情期間產生大量“物理非接觸”需求時，無人配送領域的玩家們才有能力快速響應需求并推動行業的快速發展。

行業巨頭不約而同地盯上無人配送這門生意，背后有3個主要原因。一是末端配送存在配送貨物品類多，配送環境、路徑、場景復雜，消費者配送要求愈加多樣等主客觀痛點，導致配送服務水平參差不齊、配送效率難以進一步提升。二是快遞訂單、本地生活配送訂單數量快速增長，適齡勞動人口及愿意從事配送工作的勞動力在不斷減少，導致配送員的供需矛盾越來越大，對應的配送成本也在不斷上漲。每日優鮮曾表示，從前置倉到消費者的最后3千米的配送費用，占其整體物流成本的2/3以上。三是物聯網、人工智能、大數據、高精度地圖、智能導航等技術的不斷發展與成熟，基本掃清了無人配送車的技術障礙。

在與無人配送車相關的技術中，我們重點講一下高精度地圖。與我們日常使用的導航地圖相比，應用于自動駕駛的高精度地圖主要有3處不同。一是精準度更高，一般絕對位置精準度接近1米，相對位置精準度可以達到10~20厘米。二是更專注于駕駛，其所提供的信息不僅包含實時交通情況、交通事件等內容，更包含車道曲率、車道坡度、限高限重限寬等與貨運高度相關的信息；同時會記錄包括典型駕駛行為、最佳加速點及剎車點等在內的駕駛行為細節。三是側重于數據輸出，而不是視覺呈現，因為高精度地圖的使用者主要是機器設備，其作用主要在于為自動駕駛車輛提供“行動指南”，而非給駕駛者導航。

高精度地圖是如何為自動駕駛車輛提供“行動指南”的呢？這一過程可以劃分為兩個階段：第一個階段是實現自我感知，以地圖信息為基礎，結合車載的激光雷達、攝像頭、視覺識別等設備獲取的實地場景信息，確定車輛的相對位置，并通過全球導航衛星系統、慣性導航系統等技術確定車輛的姿態、絕對位置和速度；第二個階段是提供決策支持，根據自我感知的數據，結合車聯網技術、云端平臺、邊緣計算等技術，提供運力調度方案、配送路徑規劃、行駛軌跡規劃，最大限度地降低配送成本并縮短調度時間和行駛里程。

目前，無人配送車已在多地開展了試點運營，投入的車輛也越來越多，如京東物流已投入30多輛無人配送車，與江蘇常熟合作建設“無人配送城”。但是，目前的無人配送領域仍然存在不可回避的問題或困難。首先，研發制造成本過高。雖然經過迭代優化后，一輛無人配送車的造價已從初始的60萬元左右下降至目前的20萬元左右，但這一成本仍高于市場預期，在目前的人工成本下也未顯現出其人工替代優勢。其次，車輛應對開放式復雜路況的能力仍有待增強。機器學習能力、應對多元復雜需求時的決策規劃和運動控制技術、車輛穩定性等仍有不足，因此目前試運營的場景多是高校校園、產業園區、港口等相對封閉且路況較為簡單的環境。最后，目前更多依賴于“人機協同”，絕大多數無人配送車無法滿足上樓的配送要求，只能配送至樓下，然后由快遞員或騎手配合完成最后一個環節的工作。因此，無人配送模式在未來很長一段時間內，仍將更多地扮演勞力補充、輔助配送的角色，以改善快遞員或騎手的工作環境及提高他們的效率，進而優化消費者體驗。