350 台「小蠻驢」雙 11 配送 100 萬單，豎起末端無人配送里程碑

1、「小蠻驢」雙 11 半程戰績：10 天、350 台車、100 萬包裹

每年雙 11，收包裹成為大家最期待的事情，而在這些期待背後，是數百萬的物流司機以及快遞員們的日夜兼程。

今年是阿里無人配送車「小蠻驢」第二次參加雙 11 物流大戰了，作為一名特殊的機器人快遞員，「小蠻驢」承擔起在高校校園、居民社區等場所將包裹從菜鳥驛站運送到宿舍樓下、居民樓單元門口的末端配送任務。

和去年的雙 11 僅投入幾十輛車試水相比，今年的雙 11「小蠻驢」大軍團作戰，正式加入到了阿里雙 11 的核心配送鏈中。

今年，在全國共有 350 多台「小蠻驢」在 200 多個校園、社區等地忙碌，這可以算得上是國內最大規模的無人配送車隊了。

11 月 11 日這天，阿里巴巴集團首席技術官（CTO）程立宣佈 1 到 10 日，「小蠻驢」無人配送車在雙 11 期間累計配送快遞已超過 100 萬件。

而在今年的 9 月份，誕生一年多的「小蠻驢」宣佈累計完成了 100 萬的包裹配送量。也就相當於，在這一次雙 11 前 10 天，「小蠻驢」完成了過去一年多的包裹配送量。

簡單做個算術題：雙 11 前半程，350 多輛「小蠻驢」平均每天要配送的快遞量在 10 萬多件（最高的一天配送了 13 萬單），每輛車每天要工作 10-12 個小時（小蠻驢採用的是抽拉式電池，支持換電，滿電狀態下可行駛上百公里），單車單日配送量接近 300 件。

但也有出類拔萃的，比如河北工程大學的「小蠻驢」，平均每車每天配送超過 500 單，簡直是「勞模」一般的存在。

「小蠻驢」在 2020 年 9 月的阿里雲棲大會上發佈，阿里達摩院院長張建鋒親自站台，這款車主要用於最後 1-3 公里的快遞、外賣、生鮮配送。

阿里達摩院自動駕駛實驗室作為這款車的研發方以及生產方，會將車提供給客户，比如阿里旗下的物流平台菜鳥，各地的菜鳥驛站根據需求決定引入多少「小蠻驢」來承擔送貨到樓的服務。

目前「小蠻驢」服務的驛站以校園驛站居多，每個驛站配幾台到十幾台不等。

末端無人配送的需求是真實存在的，特別是新冠疫情期間所倡導的非接觸式配送方式，讓大家對「小蠻驢」這樣的無人配送車的需求變得真實而迫切。

而且，現在全國大多數校園的面積都較大，學生們從宿舍樓到菜鳥驛站取一趟快遞，來回要走上 二三十分鐘，特別是雙 11 期間學生們購物狂歡，導致的結果就是「剁手一時爽、拿快遞跑斷腿」，這個時候，「小蠻驢」就成為了學生們很喜歡的配送工具。

「小蠻驢」用起來也很簡單，用户只需要通過淘寶或菜鳥 APP 下單，驛站工作人員就會把包裹放進「小蠻驢」的貨箱，包裹放置完畢後，小蠻驢就會按照設定好的路線自動送到宿舍樓，抵達前會自動給學生打電話通知，到達之後同學輸入手機上收到的驗證碼，就可以開箱取快遞。

而且，「小蠻驢」可以同時呼叫幾十個人下樓取快遞，比快遞員挨個打電話要更高效。

除了在校園運送包裹，「小蠻驢」還可以在居民小區為用户配送包裹、生鮮，送貨到單元門口，目前阿里已經在杭州等地佈局。

此外，阿里也在探索「小蠻驢」的其他用途，比如在校園裏送外賣。

西南科技大學是四川首個引入阿里「小蠻驢」無人配送車送外賣的高校，學校食堂每天都會通過它把飯菜送往學生宿舍、教師行政樓等點位。

操作起來，工作人員只需要用手機掃描「小蠻驢」屏幕上的二維碼，就可以完成投櫃。

相似的需求還有很多，「小蠻驢」應用場景的想象力足夠大。

作為「小蠻驢」的負責人，阿里巴巴集團副總裁、達摩院自動駕駛實驗室負責人王剛也為「小蠻驢」的量產和規模化運營立下了小目標：

• 預計 2022 年 、「小蠻驢」運營落地數量將突破 1000 台；
• 3 年後，「小蠻驢」車隊規模將達 1 萬輛，有望日均配送包裹 100 萬件。

2、雙 11 挑戰難在哪裏

很多業內人士都認為末端無人配送的落地難度小，因為不需要載人、運行時速低、又是在封閉的場景當中。

但現實情況卻沒有理論上那麼簡單。就拿這一次的雙 11 來説，如此高併發、大規模的配送任務給「小蠻驢」的挑戰是全方位的。

一組數據可以很直觀的映：根據阿里達摩院的統計，「小蠻驢」單車日均識別障礙物約 4000 萬個，日均處理與其他交通參與者的交互約 5000 次。

這 5000 次交互是怎麼來的呢？

我們知道，校園、社區這種場景的道路都是非結構化的，路上有機動車、電動車、垃圾車、自行車、嬰兒車、行人、兒童、小動物等等，而且很多時候還會有各種亂停亂放、狹窄區域擁堵的情況。

這個時候，「小蠻驢」要足夠智能，自動駕駛系統的感知和規控要足夠魯棒，才能處理這些情況，其中就免不了與其他交通參與者的交互，包括各種拐彎、暫停、讓車、鳴笛、倒車等等，在一些窄路會車的時候，也充斥着到底是進還是退的博弈。

另外，「小蠻驢」的運行場景還有些特殊的挑戰，比如校園內有各種減速帶、隔離石墩、上坡下坡、窄橋等。

「小蠻驢」還遇到過各種迷惑性路況，比如在黑色的柏油路面出現了一塊黑色的滑板，這時候需要車上的感知系統感知到這個障礙物並繞開它。

「小蠻驢」在全國 70 多個城市落地，也意味着要面對各種各樣氣候條件以及天氣、光照條件的考驗。

特別是今年雙 11 期間，全國降温，大風、降雨、落葉、霧霾、初雪等各種天氣都是「小蠻驢」要面對的。比如在氣温很低的北方校園，「小蠻驢」要在零下 13 度開工，這對於車輛的硬件素質是很大的挑戰。

而且，一台車每天工作 10-12 小時，一週工作 7 天，對於整車的機械穩定性和系統穩定性都是歷練。

還有很多不可預料的狀況，比如很多人出於好奇，會故意攔車或者圍觀，人為讓「小蠻驢」出於蒙圈狀態。解決這個問題的唯一辦法就是配備一套好用的人機交互系統。

為了迎接今年雙 11 的配送挑戰，達摩院「小蠻驢」技術團隊進行了多次「全鏈路壓力測試」。

這是「小蠻驢」無人配送車第一次接入阿里雙 11 服務主鏈路，在雙 11 之前，提前模擬雙 11 業務鏈路中車輛、用户與系統峯值流量，對整個系統的承壓能力做提前測試、擴容。

團隊一度也曾遇到「全鏈路壓測驗收不通過」的情況，經過多個通宵的奮戰，最終順利通過雙 11 後續的兩輪壓測驗收，保障真實大流量考驗下的業務持續、穩定運營。

壓力測試僅僅是「小蠻驢」備戰雙 11 的一個縮影，其實更多的準備還是來自「小蠻驢」在過去 1 年多時間裏在自動駕駛軟硬件以及運營維護系統層面的持續積累。

3、阿里達摩院為「小蠻驢」全副武裝

為了應對不同氣候、不同光照以及全國各地不同場所的非結構化道路的挑戰，同時也要處理雙 11 期間這麼大規模的車隊運維和海量包裹的配送任務，阿里達摩院在「小蠻驢」的自動駕駛軟硬件以及雲端運營調度平台上下了大功夫。

在自動駕駛軟硬件層面，作為一款集成 L4 級自動駕駛技術的配送機器人，「小蠻驢」自動駕駛算法由達摩院自動駕駛實驗室全面自研。

「小蠻驢」搭載有激光雷達，由達摩院自動駕駛實驗室與供應商進行深度定製，達摩院還自研算法實現了對低線束激光雷達的高線束模擬，大大降低激光雷達這一塊的成本。

車上還有多枚攝像頭組成環視系統，以及毫米波雷達等配置。

針對攝像頭，達摩院自研了車載攝像頭 ISP 處理器，其上集成了 3D 降噪和圖像增強算法，據稱能讓攝像頭識別能力提升 10% 以上，可以讓攝像頭在夜間看得更清楚。

為了控制整車成本，阿里達摩院自動駕駛團隊將早期使用的慣性導航裝置拿掉，自研了一套高精定位模塊 HLU 用在了「小蠻驢」上，用不到業界平均 10% 的成本實現了同樣精度的定位能力。

此外，在自動駕駛計算平台方面，也自研了 ACU，這是一個 GPU+FPGA 的異構計算平台，根據官方的數據，其相比工控機，功耗降低了 72%，成本降低了 50%，體積減少了 62%。

而在線控底盤上，阿里達摩院與長城旗下的毫末智行合作，進行了深度定製，將傳感器、計算單元嵌入到線控底盤，車輛生產也與毫末智行合作。

整體上算下來，「小蠻驢」的這一整套自動駕駛硬件，在保證性能的基礎上，通過自研和深度定製，將成本做到了業界平均水平的三分之一。

成本上的壓縮對於「小蠻驢」的大規模鋪開將是巨大的推力。

為了大規模投放運營，小蠻驢針對自動駕駛軟件、硬件經過了長時間的大量測試。

下面是一些土味測試場景，其實裏面藴含了很多工程化的思維：

在車輛本身都準備好之後，怎麼樣在雙 11 將全國各地的 350 輛車真正運營起來，這就需要一個完善的雲端調度系統。

在「小蠻驢」背後，有一套覆蓋車端、雲端的調度系統，面向 C 端用户，可以承接下單和查詢等需求；

面向 B 端驛站，負責包裹分揀、移動投櫃等任務；包裹投櫃完畢，再通過系統調度運力，為學生和居民配送到樓。

這套雲端調度系統通過對車輛行駛狀況與用户服務情況的掌握，結合 ETA（Estimated Time of Arrival）預估能力與運力實時規劃能力，以此來提升配送效率。

今年雙 11 期間，「小蠻驢」的單車日均運力從平常的 150 單左右，快速提升到了 300 單左右，峯值配送超過 500 單。

「小蠻驢」在雙 11 這樣的實際配送場景中運營，遍歷各種場景，各種氣候、各種光照、各種道路環境以及 Corner Case，成為自動駕駛系統迭代的養料，在技術上符合自動駕駛的研發邏輯。為下一階段的自動駕駛技術研發和應用落地探索提供基礎。

4、真實需求驅動的技術發展路徑

其實在達摩院自動駕駛團隊將戰略重心轉移到「小蠻驢」身上之前，阿里的自動駕駛研發經歷了很長一段時間的探索。

一開始，阿里其實有兩個團隊在做自動駕駛：

一個是菜鳥的 ET 實驗室，他們早期做了無人配送小車菜鳥小 G 等一系列車；阿里還有一個團隊是 AI Lab，當時是王剛帶隊在做，早期改裝了一批 L4 級自動駕駛乘用車，通過堆傳感器來進行算法的測試。

大概在 2018 年末、2019 年初，阿里決定將菜鳥小 G 團隊和阿里創新事業羣下的 AI Lab 團隊合二為一，併成立了達摩院自動駕駛實驗室。

王剛被任命為實驗室負責人，開啓推進阿里自動駕駛技術的整合統一。

達摩院自動駕駛實驗室成立後，阿里完成了內部自動駕駛人才的整合，也招了很多業界的翹楚。在王剛的帶領下，阿里自動駕駛團隊一頭扎進了末端無人配送的場景。

之所以選擇這麼做，是王剛基於「第一性原理」的思考，自動駕駛不能只個 Demo，不能只一味燒錢拉估值，遲遲不能落地，必須得有量產能力，而且要能解決人們生活中實實在在的痛點。

自動駕駛實驗室選擇了物流的場景，在「小蠻驢」發佈的時候，達摩院院長張建鋒就預測過，未來中國每天會有 10 億個快遞配送訂單，這是末端無人配送一塊巨大的紮根土壤。

需求有了，那麼再從自動駕駛技術進化的邏輯來看，王剛認為：

「AI 是數據驅動的系統，自動駕駛的本質，則是數據驅動的超級 AI 系統。業界主流的自動駕駛技術路線有兩派：一派走 L2 到 L4 的縱向技術迭代路線，另一派走垂直場景 L4 到泛化場景 L4 的橫向場景迭代路線，我們是後者。

就像攀登珠峯，有人走南坡，有人走北坡，兩個路線都有可能登頂。不過，不論哪條路線，都要以『數據驅動』為原點。」

所以從技術角度，王剛希望從「小蠻驢」在全國各地的實際運營場景中去積累場景知識，為其自動駕駛系統的迭代積累足夠的養分，以此來為後續其自動駕駛車輛開出校園、開到公開道路，從低速走向高速打好基礎。

「小蠻驢」顯然不會是阿里自動駕駛研發的終點，只是當下的投入重點。

因為物流場景不僅僅有末端，還有幹線物流和城市配送。如今，阿里自動駕駛團隊也正在這麼做。

2021 年 6 月，在全球智慧物流峯會上，阿里巴巴集團首席技術官（CTO）程立宣佈，達摩院和菜鳥已啓動了公開道路無人物流卡車（「大蠻驢」）的定義與研究，明確了下一階段的戰略目標。

王剛表示，3 年後能在 1 萬條城配路線上看到「大蠻驢」的身影。

阿里在「小蠻驢」身上積累的這套技術棧和運營經驗，未來也會應用到「大蠻驢」身上。

接下來，技術團隊的一個挑戰就是如何把「小蠻驢」技術棧移植到面向高速公開道路場景的「大蠻驢」上，做好算法架構的泛化，避免出現在校園內如魚得水，出了校園就「兩眼一抹黑」的情況。

當然，如果我們再往遠處看，物流場景也不會是阿里自動駕駛的終點。當無人駕駛車輛步入到輪式機器人時代，其想象力將不設邊界。

$阿里巴巴(BABA.US) $阿里巴巴-W(09988.HK)