Locomation
公司简介
Locomation 开创了自动驾驶卡车编队技术——一种由人类驾驶的领头卡车带领一辆或多辆无人驾驶卡车紧密编队行驶的系统,通过车对车(V2V)通信连接。其价值主张极具吸引力:通过燃油节省(尾流效应可减少10-15%的空气阻力)、驾驶员劳动力优化(一名司机管理多辆卡车)以及自动跟车系统提升安全性,将货运成本降低30-40%。2018年的时机恰到好处:卡车运输行业面临严重的司机短缺(超过60,000个空缺职位)、燃油成本上升,而LIDAR、计算机视觉和V2V协议的进步使编队技术在技术上变得可行。与完全自动驾驶(Waymo、Aurora)不同,Locomation的混合方案看起来是一种务实的过渡解决方案——可在现有高速公路上部署,无需等待L5级自动驾驶或监管明确。创始团队拥有来自Carnegie Mellon的深厚机器人技术专长,Scale Venture等机构提供的1亿美元资金验证了市场机会。然而,该方案需要在硬件集成、实时通信协议、跨州监管审批和车队运营商采纳等多个维度完美执行——这一多维挑战最终被证明是致命的。
价值主张
一名司机控制多辆编队卡车——通过燃油效率和劳动力优化承诺30-40%的货运成本节省。
失败原因分析
他们在卡车编队上的1亿美元豪赌撞上了现实:低于95%的可靠性、监管僵局,以及实际8%的燃油节省远低于承诺的30%。
评估指标
在2018-2023年间,Locomation面临严酷的硬件集成挑战:定制LIDAR阵列、雷达系统、V2V通信模块和安全关键型实时控制系统需要深度嵌入式工程、大量道路测试(数百万英里)和监管验证。每辆卡车需要5万美元以上的传感器和计算设备。如今,重建工作显著容易但仍然复杂(因此评4/5):GPT-4V和Claude 3.5 Sonnet等基础模型可以处理多摄像头画面进行态势感知;开源自动驾驶技术栈(Comma.ai、Apollo)提供基线感知能力;边缘AI芯片(NVIDIA Jetson Orin、Qualcomm Snapdragon Ride)在低于100W功耗下提供200+ TOPS算力;5G和DSRC V2V协议已标准化;仿真环境(CARLA、NVIDIA Omniverse)可实现99%的虚拟测试。护城河不再是技术栈——而是监管导航、保险合作和车队集成。现代重建可以使用现成组件(Ouster LIDAR、Mobileye摄像头、ROS2中间件)和基于云的车队编排(AWS IoT FleetWise)在18-24个月内完成MVP,而非5年以上。剩余难度在于安全验证和在边缘场景中实现99.9999%的可靠性。
Locomation的单位经济模型从根本上受到硬件密集型、服务密集型部署的挑战。每个编队系统需要每辆卡车10万美元以上的资本支出(传感器、计算设备、安装)、持续的维护合同、全天候远程监控基础设施,以及从未实现规模化的保险费用。收入与车队运营商的按英里节省分成挂钩——这是一个受卡车利用率(平均50-60%)限制的线性模型。增长需要实体安装团队、逐州监管审批,以及与每个车队的远程信息处理系统进行定制集成。与边际成本趋近于零的SaaS不同,每个新客户都需要硬件部署、司机培训和运营支持。网络效应很弱:更多卡车编队并不会产生病毒式传播或数据护城河(不像Tesla的车队学习)。车队运营商态度保守,要求2-3年的试点才会承诺。商业模式类似企业硬件销售(低可扩展性)而非软件(高可扩展性)。TuSimple和Embark等竞争对手转向完全自动驾驶,而Daimler、Volvo等传统厂商构建了内部解决方案,压缩了利润空间。通往10亿美元收入的路径需要部署10,000辆以上卡车——这是一个长达10年的资本密集型苦战,在2021年后利率飙升、'资本效率'成为主旋律时,风投失去了耐心。