编者按：本文为专栏作者授权创业邦发表，版权归原作者所有。作者程驹炎。
疫情利好了一批新经济，从远程办公、在线网课到家庭运动会，全民宅文化成为过去几个月的主旋律，这些新业态也在悄然改变我们的生活，与我们的娱乐、教育、健康、出行等深度融合。无人工厂、无人配送车、服务机器人、无人消毒车等解决方案在疫情的影响下得以应用，并迅速落地。一方面缓解了劳动密集型行业的用工荒问题，同时也达到了资源高效配置和供需精准匹配。本文从无人配送的需求出发，通过对无人配送现状的解读，为读者勾勒无人配送全景。
核心观点：
物流、配送常见的场景包括室内载物、室外载物，按速度不同则又可分低速和高速。再细分，则室外又可分为封闭园区场景、半开放长距离场景。
短期来看，疫情驱动无接触配送，室内室外都用得到无人配送车、服务机器人。长期来看，快递、外卖等需求持续增长，为了配送更多的订单，或提升效率，通过优化运营、优化算法、优化配送商圈/网格、用末端智能设备提效等方式；或增加运力，持续招工，以及招机器人员工。
快递员增速低于快递订单增速。本地生活服务赛道的体量亦有较大规模的增长。
硬件及算法是帮助无人配送车/机器人解决定位、感知、规划和决策的问题。
经过此次疫情，市场和用户对无人配送车、机器人的接受程度提高，随着疫情逐渐被控制，机器人也会逐渐融入生活和业务常态。
从需求出发
物流、配送常见的场景包括室内和室外（室外包括天上和地上，暂且不讨论天上的事情），那么粗略分，则可再分为室内载物、室外载物，按速度不同则又可分低速和高速，在此主要探讨低速场景。再细分，则室外又可分为封闭园区场景、半开放长距离场景。
*无人配送场景分类
由于物流、配送是比较复杂的业务，在此将业务抽象成简化的模型。
1、室外配送场景
*室外配送业务节点
站在C端用户视角，用户与物流、配送从业人员打交道最多就是快递小哥、外卖小哥。而在业务的各个配送节点上，物理位置分散、特别需要劳动力做标准化或半标准化服务的，也恰是和用户打交道最多的收件、送件、送外卖等环节。
通常这些包裹、外卖来自电商平台、直播带货、外卖平台、本地生活服务平台等，而这些小哥通常会穿着某家快递公司、物流公司或外卖平台等的工作服，承担相应订单的服务。平台在向用户收取或不收取运费后，也会直接或间接的支付配送人员工资，这些人工运力付费方同样也是为机器化运力付费的玩家。
站在B端客户视角，生产中的原材料、零部件等的入库、保管、出库、产线间转运等，都是高频的物流环节。工厂或工厂的第三方物流服务商则承担运力，是为运力付费的玩家。
*室外快递配送网络示意图
*室外同城配送网络示意图
不同业务模式的平台或商家会产生不同的配送需求。
对于快递平台或自营运力的电商平台，在末端大多是“站点->楼/配送点->多个用户”的模式。快递公司会给快递小哥划分相对稳定的配送区域、范围，在此范围内配送。当运力短缺时，补充运力要承载的也是从站点到用户的环节，而其中站点到楼的环节相对标准化，存在大量高频、规律的人力劳动。
对于本地生活电商平台，更多是多对多的配送，平台运力需要在约束时间范围（典型如外卖午高峰和晚高峰）内，平衡商圈内整体效率和单个骑手的效率。品类做宽、配送路径优化是常见的优化效率的方式。
对于自营的本地生活电商，做的是单店/仓到多点的配送，自有配送网络上游更聚焦，因此可通过优化配送批次、优化配送路径的方式进一步提升集单、进而提升骑手人效。
2、室内配送场景
*室内配送部分业务节点示意图
疫情催生的楼内无接触配送（送餐、送药等）需求，实际上在已有场景的服务做延伸即可实现，而一些非疫情驱动的需求也早已存在，在抖音、快手等平台也经常可看到一些机器人在餐厅、医院等场景服务的视频。
*上海某餐厅传菜员招聘广告，来源：58同城
在餐厅场景，机器人可以将菜品从出餐口送到餐桌，也可将餐盘回收。餐厅支付员工薪酬给服务员，也有些餐厅为员工提供宿舍。
在楼内配餐和快递时，机器人从楼宇节点或楼层节点取货/取餐，再联通楼内电梯，将物品配送到指定房间。越高频发生配送的场景，则对楼宇配送机器人越刚需。而由于场景不同，机器人可能由医院、物业、外卖平台付费。
另一个楼宇增量场景是医院，医院功能区分为门诊、住院部、后勤，区域间和区域内均有物品配送需求。按照场景、载重量做出适合不同功能、区域的通用或半通用产品，可以解决医院的配送问题。
3、为什么需要无人配送车/机器人
短期来看，疫情驱动无接触配送，室内室外都用得到无人配送车、服务机器人。
疫情期间，运输需求和物流一线人员供给不匹配，使得大家意识到人力密集型的模式难以持续，而人口红利的逐渐消失作为长期趋势，也使得劳动力流动、招工难等问题随之突出。
疫情期间，在北京、武汉、杭州等多个城市，均可看到无人配送车、服务机器人参与到物品物资的配送工作中。相比10年、20年的时间，疫情是相对短期的情况，而由此形成的认知与需求转化，也是对未来无人车/机器人商业落地的长期利好。
长期来看，快递、外卖等需求持续增长，为了配送更多的订单，或提升效率，通过优化运营、优化算法、优化配送商圈/网格、用末端智能设备提效等方式；或增加运力，持续招工。劳动力越来越贵，招工难，都驱动了需要更多机器来补足人力短缺并提升效率，疫情期间也有餐饮与零售、配送共享员工的情况。缺劳动力、劳动力逐渐贵、效率待提升，是B端的刚需和痛点。
根据国家邮政局数据，2019年全国快递业务量突破600亿件，累计完成635.2亿件，同比增长25.3%，业务收入累计完成7497.8亿元，同比增长24.2%，业务量增量规模连续2年超过100亿件。2016-2018年，全国快递业务量分别为312.8亿件、400.6亿件、507.1亿件，同比增速分别为51.3%、28.1%、26.6%。快递业持续增长驱动了快递业劳动力需求持续增长。
2020年1月，国家邮政局主管的中国邮政快递报社发布了《2019年全国快递从业人员职业调查报告》，数据显示，40岁以下人员构成快递从业人员的主体。收入上，75.07%的快递从业人员月收入在5,000元以下，一线快递从业人员月收入超1万元的占比为0.73%，但有6成人表示快递这一行“有前途，值得干下去”。2018年的数据显示，从2016年至2018年，中国快递员数量增长了50%，总数量已经突破300万。快递员增速低于快递订单增速。
在本地生活领域，以美团点评为例，根据其2019年年报，美团点评2019年外卖订单达到87.22亿单，即相当于日订单2,389.6万单，同比增长36.4%，2018年四季度至2019年四季度的季度复合增速为8.1%。根据美团点评季报数据测算，2019年四季度，其平均外卖日单量达季度平均单峰值2,723.2万单。
本地生活服务赛道的体量亦有较大规模的增长。
据2019年10月17日美团点评发布的《美团点评扶贫报告》显示，在过去2018年一整年的时间里，美团带动的劳动就业机会高达1,960万个，美团点评的骑手数量也已经增至370万人。
2020年3月19日，美团研究院发布《2019年及2020年疫情期间美团骑手就业报告》，2019年通过美团平台获得收入的骑手达398.7万人，疫情期间骑手日均有效接单量与2019年相比有所提升，新增骑手中，日均订单量在11-30单的骑手占比达59.6%。
据此计算，2019年通过美团平台获得收入的骑手数同比增长7.8%，获得过收入的骑手数增速不及外卖业务单量增速。
无人配送车/机器人的关键问题
1、硬件及算法帮助解决核心问题
定位：通过GPS、惯导、里程计、摄像头、激光雷达等，获取机器当前的位置和航向；也有结合惯导、里程计等方法的方案。
感知：通过摄像头、激光雷达、毫米波雷达、陀螺仪等装置，感知车辆、机器人周围的路径方向、形状、坡度、障碍物及障碍物或人的位置、大小、速度、方向等。理论上通过配置更高的硬件可以获得更准确的感知数据，但考虑到商业落地，需要在硬件性能、成本和算法等方面寻求平衡。
规划：无人车或机器人在明白“我在哪”、“我周围是什么样子”之后，则回答“我往哪里走”的问题。
决策控制：一方面是是决策，即根据定位、感知及路径信息，决定选取哪条道路、是否停下、是否绕行等；另一方是控制，即主要是转向、驱动、制动的控制。
*reference：技术部分参考头条号“算法集市”，链接为：https://baijiahao.baidu.com/s?id=1592245713299899099&wfr=spider&for=pc
2、B端关注的问题
作为无人配送车/机器人的使用和付费方，B端购买机器人或服务的出发点是“降本增效”，降本是前提，增效是加分。从业务视角，则更关注安全程度、业务可靠程度、需要花多少钱、可以实现什么效果。
以快递场景为例，快递小哥平均每单配送成本 = 平均月工资 / (每月工作天数 x 每天配送趟数x 每趟配送单量)，无人车平均每单配送成本 = 平均月收费/ (每月工作天数 x 每天配送趟数 x 每趟配送单量)。假设一个快递员月工资5,000-12,000元，则年工资6万-14.4万元，取平均数则为10万元左右。即，同等工作效率下，机器人年费用不高于10万元则可有商业落地机会。
通常，快递小哥一天配送2-3趟，约10-12个小时工作。考虑到TO C机器的工作时间需与用户收件时间一致，则抛开工作时长，无人车在载重量、配送趟数方面也相比人工更有优势。
*外卖小哥UGC，来源：抖音
关于外卖小哥的工作量，虽然城市和商圈、网格的道路、面积、地形的不同会使得工作量有差异。从一些UGC内容及经验值看，45-50单已经是比较高的人均日配送订单量，30-40是常规的人效，在此不评价具体人效是多少，但网络上大量的骑手UGC内容可作为参考。
关于机器的成本，在目前产品和技术路线下，可把无人车简化为底盘、上半身舱体和核心传感器/雷达。降低成本一方面需要通过规模化上量、开模量产，另一方面也需要在软件和硬件上找平衡。而随着规模增长，核心传感器/雷达的成本降低也会有利于整车成本的降低。
3、什么场景先落地
机器替人通常是找劳动密集、标准化程度高、大量重复的场景，此类场景会先于劳动不密集、非标情形多、不大量重复的场景落地。在室内室外的配送中，站点/门店到配送点/POIs/多个楼宇、餐厅内的传菜收盘、医院里的物资配送、工厂里的原材料零部件转运都属于标准化、大量重复劳动场景。
单对多的场景早于多对多的场景先落地。网络化配送需要考虑的变量更多，受到的时间、空间约束也更多，一对多则受到更少的约束，配送路径复杂度低于多对多，集单也更容易。在此场景下，无人车/机器人可以发挥自己的载重优势、除“工资交电费”而不需要休息的优势，实现比人力配送更好的ROI。一对多成熟后，再进入更多约束条件的多对多场景，是个逻辑上可行的路径。
憧憬长期
经过此次疫情，市场和用户对无人配送车、机器人的接受程度提高，随着疫情逐渐被控制，机器人也会逐渐融入生活和业务常态。从最近密集披露的无人配送车、机器人融资情况看，市场对赛道的关注在提升。
从商业模式看，机器销售、租赁、作为运力第三方平台，哪种模式能跑出来暂无定论，各类玩家在各自模式下小步快跑。从B端视角，要看谁能解决痛点、业务上ROI算的过来。从公司视角，商业模式也与其战略选择、量产出货规模相匹配。
从行业格局看，已经量产、出货并且商业模式跑通的玩家则已经在技术、产品、供应链、销售上建立了自己的优势。如果订单潮来袭，接得住、能服务好、算的通也是对现有玩家的考验，而跑得快和跑得慢的玩家则在上述表现上呈现出差异。
本文为专栏作者授权创业邦发表，版权归原作者所有。文章系作者个人观点，不代表创业邦立场，转载请联系原作者。如有任何疑问，请联系editor@cyzone.cn。
