智能重卡进入 2.0 时代，物理 AI 开始创造真实价值

过去十年，公路货运行业比拼的是续航、电耗、补能，是如何降本增效；

未来十年，比拼的将不仅是动力，而是更关键的智能化产业重塑。

当 AI 开始真正进入真实世界之际，公路货运，也正在成为物理 AI 最先兑现商业价值的行业。

智能重卡企业正在摆脱「能不能上路」的质疑，迈向「能不能赚钱」的规模化经营阶段。

就在最近，DeepWay 深向，完成了申通、鸭嘴兽、马士基、安能等多个头部物流客户的交付，一口气拿下近 300 台高度智能化的新能源重卡订单。

这也是公路货运领域罕见的大规模投放高度智能化电动重卡。

更重要的是，DeepWay 深向正在证明：物理 AI 第一次在公路货运领域将数据闭环升级为商业闭环。

1、公路货运：物理 AI 最先兑现商业价值的赛道

过去一年，机器人、自动驾驶领域几乎都在讨论同一个问题：

物理 AI 最先赚钱的行业会是谁？

在所有物理 AI 场景里，公路货运拥有三个几乎天然满足商业闭环的前提条件：

• 市场规模大
• 成本高
• 安全风险高

DeepWay 深向招股书数据显示，全球新能源智能公路货运解决方案市场规模将由 2024 年的约 0.1 万亿美元，增长至 2030 年的 0.6 万亿美元。

面对这一蓝海市场，要落地物理 AI，需要应对公路货运行业长期面对的痼疾：成本与安全。

首先，行业总拥有成本偏高，其中，人力成本（即司机）与能源成本两项，总计占到总支出 50%～60%。

其次，中国有 3800 多万名卡车司机，他们面对的是长达几千公里的干线运输，而人类司机的生理极限是每天驾驶 8-10 小时，受疲劳、情绪、注意力波动影响，安全风险极高。

这存在巨大的安全隐患。有数据显示，货运车辆占全部车辆的规模不到 10%，却造成了近 25% 的交通事故。

此外，卡车司机面临的巨大缺口亟待填补。行业报告显示，到 2028 年左右，卡车司机的缺口会达到 500 万左右。

万亿级的赛道规模，叠加强烈的价值创造需求，这使得公路货运可能不是技术最前沿的行业，却极有可能成为商业化落地最快的行业。

传统的公路货运行业，亟待被 AI 技术改变。

过去行业的智能化变革，基本是在原来的燃油车、「油改电」车型上做加法，比如装个雷达、配个摄像头。

这无法从根本上解决各层级系统不匹配的问题，难以实现整车在「软件、硬件、场景」三个维度的深度耦合。

当遇到物理 AI 浪潮，公路货运的困境有了新的解法。

物理 AI，是指能够在真实物理世界中自主完成感知、决策和行动的智能体。

人工智能科学家李飞飞曾指出，「语言是一维的、序列化的信号，而世界是四维的（三维空间+时间），受重力、物理定律等无数复杂规则的约束。」

大语言模型处理的是数字世界的信息，而物理 AI 解决的是更复杂的现实世界问题。

在现实世界里，机器人是物理 AI，自动驾驶也是物理 AI。

正如具身智能的发展离不开本体，只有打造了为自动驾驶而生的物理 AI 载体，才能在货运自动驾驶赛道率先实现成本和性能的革命性突破。

但是，打造这样的物理 AI 载体并不容易，面临的环境复杂度更高，技术实现壁垒强。

物理 AI 拥有对复杂物理交互的掌控力，会根据实时路况调整最优路线，根据整车的载重动态调整动力输出，或者将分散的车辆连成网络。

与之对应，一旦突破技术瓶颈之后，收益也更高。

物理 AI 落地实现公路货运自动驾驶的路径，比其他领域更清晰。

公路货运包括了高速干线、大宗运输倒短、港口等场景，以固定线路为主。这种道路场景特征带来公路货运的结构化，也具有物理规律的重复性，意味着商业场景的确定性更强。

行业里有一个共识，相比于复杂的城市道路（有行人、非机动车、多变的交通信号），自动驾驶技术落地会沿着「先载物，后载人」的顺序逐步落地。

从安全的角度来说，相比于载人，载物的车辆如果引入物理 AI，经济损失与人员安全都更加可控。

因此，公路货运自动驾驶是物理 AI 率先落地的场景，是物理 AI 不确定性最低的赛道。

以 DeepWay 深向为代表的公路货运自动驾驶企业，正将物理 AI 植入公路货运的毛细血管，从源头上破解物流行业成本与安全的两大痛点。

2、DeepWay 深向为什么能够率先跑出来？

过去几年，公路货运自动驾驶主要有两条路线：

第一条：传统重卡企业和纯软件公司合作，对传统燃油车和「油改电」车进行改装，改造底盘，增加激光雷达、摄像头等设备，走后装方案模式。

第二条：整车+自动驾驶一体化，在自有车辆上开发自动驾驶技术，走软硬件一体化模式。

第一条路线可以「轻装上阵」，却让公路货运行业长期面临着尴尬的「技术错配」：

在并不敏捷的躯体上安装了一套智能大脑，等于戴着镣铐跳舞。这不仅存在难以逾越的系统集成瓶颈，更无法满足物理 AI 对线控能力、传感器布局和底层通信速度的极致要求。

第二条路线天花板高，但需要重投入，周期长。

DeepWay 深向正是第二条路线的代表。它坚持自有车辆+自研智驾的软硬件一体化路线。

DeepWay 深向坚定选择了通过正向定义研发车辆。正向定义，意味着底盘线控、传感器、算力、动力系统、自动驾驶架构全部围绕物理 AI 的需求进行定义，与二次改装、改造的「缝缝补补」有着天壤之别。

比如，通过对硬件逻辑进行重构，DeepWay 深向打造了天然适用于自动驾驶的重卡底盘，使车辆的硬件与自动驾驶软件在底层实现深度适配。

同时，算法可以将数字指令直接转化为车辆的物理动作，自动驾驶系统与车辆底盘硬件之间实现畅通无阻的交互。

更重要的是，这突破了传统方案无法回传运行数据、不能进行 OTA 升级、难以迭代优化的难题。

这一来自底层的技术重构，真正满足了 L4 级自动驾驶的基本要求，包括全车各环节的冗余（比如 EE 架构、电源、通讯、计算、驱动、制动、转向等）。

这也是从 L2 向 L4 技术进阶实现「无缝转化」的基础。

正向定义，捅破了当前市场上绝大多数传统新能源重卡后装模式的技术天花板。

和机器人一样，要想实现物理 AI 的落地，必须有一个能够完美适配 AI 的物理载体。而 DeepWay 深向定义的硬件，正是那个「完美载体」。

DeepWay 深向在公路货运领域打造了首个物理 AI 的硬件载体。

而理解物理世界的重要一环，只有真实的数据，真正的运营里程。

马斯克是「数据驱动自动驾驶」最坚定的信仰者和实践者。他运作特斯拉自动驾驶的核心逻辑，是用真实世界的海量数据教会汽车驾驶。

在未来的智能重卡赛道竞争中，谁能以最低成本、最高效率采集真实数据，谁就拿到了竞赛的入场券。

截至目前，DeepWay 深向已交付超 7500 辆搭载 L2 级智能驾驶系统的重卡，在真实运营场景中积累了超 3 亿公里的 L2 数据。

值得注意的是，重卡类的商用车与乘用车的数据来自两种截然不同的「物理环境」。

卡车由牵引车和挂车组成，中间通过铰链结构连接，转弯时车头和挂车会出现夹角，导致车辆轨迹规划多变，这和乘用车有显著区别。

并且，载货重卡运行时的重量，会处在从 10 吨空载到 49 吨满载（半挂类型的不同、货物重量的不同）的剧烈波动状态，车重的辨识算法会更加复杂。

此外，重卡的运营环境通常是新疆、内蒙古等地区的复杂地形，叠加沙石、冰雪、急弯等非结构化道路。

重卡在运输中面临的工况差异巨大，系统对控制精度和自适应能力的要求，相比乘用车呈现出指数级上升。乘用车采集的数据无法复用至重卡。

重卡系统需要的复杂的规划控制数据，依赖规模化运营的车辆载体在真实场景中反复打磨。

更重要的是，L2 积累的海量、具有深度与完整性的整车数据，以及复杂物理交互中淬炼出的规控算法，可直接转化为 L4 端到端模型训练的「燃料」。

而整车数据是 L4 迭代的核心要素。

这是 DeepWay 深向数据闭环的真正要义。

至此，「数据飞轮」形成闭环——「积累数据→迭代算法→技术升级→商业进一步扩张」。

规模化运营的车辆，是「数据飞轮」转动的起点。车辆持续反馈真实数据，数据训练模型并提升智能化程度，进而推动从 L2 至 L4 的技术升级+商业版图扩张，以获取更多数据。

基于数据飞轮构建的核心竞争力，DeepWay 深向沿着渐进式道路，从 L2 向着 L4 迭代，构建完整的物理 AI 商业闭环。

这种全栈自研的商业模式，能够在诸多方面实现最低的成本。

比如获客成本，L2 业务为 L4 带来了庞大的客户群体基础，可以直接转化。

而基于对核心软硬件的掌控，DeepWay 深向掌握了从智驾系统到整车的全部核心数据，不会出现智驾技术提供商面临的数据壁垒问题。

从正向开发的硬件，数据飞轮的壁垒，到商业模式的建构，三个维度的层层嵌套，DeepWay 深向建立起深厚护城河。

3、商业模式升级：从「卖车」到「卖 AI 能力」

在公路货运朝着物理 AI 跃迁的过程中，商业模式也在发生深刻的变化。

此前，基于产品竞争力，DeepWay 深向营收的支撑，主要来自卖车业务。

截至 2026 年 4 月，深向新能源重卡已累计交付 13707 台，其中搭载 L2 智驾功能的重卡已累计交付超 7500 台。

2025 年公司全年营收 39.61 亿元，同比大涨 101%；首次实现全年经营现金流正流入，达 8.35 亿元。

基于卖车带来的规模化收入和毛利，DeepWay 深向得以驱动技术研发迭代，并开始迈向商业模式的 2.0 阶段——以高毛利、轻资产的 SaaS 订阅服务模式产生营收。

在 L2 订阅上，DeepWay 深向已经开创了货运自动驾驶的先河：

它是全球首家实现 L2 全系标配、量产交付的企业，在行业首次实现了重卡 L2 付费订阅，订阅率已经突破 30%。这对公路货运自动驾驶商业化具有里程碑意义。

L2 付费订阅率的快速增长背后，是物流老板们的「经济账」——每年仅需增加 3000 元的订阅成本，即可降低 60% 的事故率，避免每年上万元的潜在事故损失。

清晰可衡量的价值，让 L2 对卡车司机而言已经不是「可用」的选项，而是「必用」的功能。

未来随着 L4 编队和 L4 单车的大规模落地，公司也将获取相应的技术订阅收入。

目前，DeepWay 深向在持续推进 L4 编队和 L4 单车的测试和数据采集，L4 编队在内蒙已经实现后车无人常态化测试，年底有望实现规模化运营。

在 DeepWay 深向的规划蓝图里，在卖车和技术订阅模式成熟后，公司将瞄准 3.9 万亿美元公路货运市场，布局 L4 编队/L4 单车运力服务网络，通过直接提供 RoboTruck 运输服务，将技术优势嵌入运力市场，实现从「硬件供应商」转型为「运力服务提供商」的战略升维。

通过推动「车、技术、场景」三位一体的深度整合，DeepWay 深向将重塑传统货运陈旧的成本结构，引领传统物流转向智能化、集约化的商业范式转移。

此时，资本市场也正在对赚钱的物理 AI 企业进行价值重估。

前不久，DeepWay 深向科技的 Pre-IPO 轮融了 3.1 亿美元，创下重卡自动驾驶行业近五年最大单轮融资规模纪录，目前，正在冲刺「RoboTruck 第一股」。

DeepWay 深向真正领先的是率先把「AI 原生硬件+数据飞轮+商业飞轮」三者连接起来，验证了物理 AI 在公路货运场景中的可持续商业模式。

同时，通过物理 AI 为公路货运创造的价值，DeepWay 深向正在解决长期困扰行业的成本、安全、效率问题。

过去十年，公路货运经历的是动力革命：从燃油走向电动。

未来十年，真正改变行业的将是智能革命：从电动化走向物理 AI。

DeepWay 深向正在尝试把车辆、算法、数据与运营整合成统一的平台，让智能重卡不再只是运输工具，而成为持续学习、持续进化的智能终端。

对于公路货运行业而言，这不仅意味着一款来自 DeepWay 深向新的重卡，更意味着一种新的生产力。

物理 AI 重构运输生产力。

这才是公路货运迈向 2.0 时代的真正起点。