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，可以归结为两个“scaling”的螺旋上升：数据 scaling 和商业 scaling。
数据 scaling，意味着系统必须在真实物理环境里积累海量数据，驱动算法持续迭代；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。
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。
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。
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，因此不确定性最低的子赛道。
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。
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。
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。
凭借庞大的市场空间、清晰的商业价值、快速落地的商业化，公路货运成为物理 AI 规模化落地的一块沃土。
数据与商业的双飞轮，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。它的发展需要真实且完整的海量数据，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。
海量的运营数据优化算法，算法迭代反过来推动硬件升级。
货运自动驾驶的发展需要在真实道路上、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。
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已经交付超 7500 辆。
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。
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。
三电系统完全自研自产，转向、制动等关键部件与供应商联合开发并签署数据开放协议，无需攻克整车厂的数据壁垒，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。
数据的完整性和独占性，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。
所以，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数据，形成数据飞轮效应，驱动高阶自动驾驶能力的持续进化。
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。
商业的成功加速了数据的积累，数据又驱动了技术的迭代和产品竞争力的提升，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+）。
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。
DeepWay 深向持续推动 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，大幅提升重卡驾驶的安全性和舒适性，降低疲劳驾驶和操作失误带来的风险，事故率较传统运营降低约 60%。
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 的经济价值已经充分显现。
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 编队产品的测试验证，试点部署及商业化取得进一步进展。
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 级自动驾驶技术，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。
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。
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。
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。
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问题：AI 技术能否在真实物理世界中创造可衡量、可持续的商业价值？
DeepWay 深向给出的答案是肯定的。
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。
这不仅是技术的胜利，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。
