DeepWay 深向 L4 编队实现后车主驾无人，物理 AI 在公路货运开始收费

近期，DeepWay 深向 L4 级智能编队重卡在内蒙 200 公里国道干线上，成功实现后车主驾无人全线贯通行驶。

在有人驾驶的车辆带领下，L4 无人驾驶重卡作为跟随车不仅能在编队中稳定跟驰，更在无人干预的情况下，独立应对了通过收费站、识别红绿灯、超越慢车等一系列复杂的真实路况，而后还有望进一步实现装、运、卸等无人一体化任务。

当「后车无人驾驶」从演示走向常态化，货运智能驾驶也终于开始从「辅助人驾驶」，向「承担部分驾驶任务」迈进。

但技术的突破只是前提，一个更本质的问题随之浮现：AI 究竟在什么时候、以什么方式，才能真正进入一个行业的生产流程，并让客户愿意为它付费？

在物流这个长期被低价竞争裹挟、处于高成本与低毛利夹缝中的古老行业里，DeepWay 深向正在尝试给出答案。

2023 年至 2025 年，收入从 4.25 亿增长至 39.26 亿，毛利率从 0.4% 提升至 4.9%，经营活动现金流在 2025 年转正。

它用一组跨越式的增长数据，向外界证明技术正在脱离实验室，进入了车队账本的可能性。

这组数据不只是「卖出更多车」的结果，更像是 DeepWay 深向独有商业模式开始被跑通的信号。

如果只把 DeepWay 深向看成一家新能源重卡公司，就低估了其真正的战略意图。

在 DeepWay 深向的体系里，智能重卡是进入物理 AI 世界的入口：

L2 辅助驾驶带来持续的软件订阅收入，而此次在内蒙古成功验证的 L4 编队技术，则指向了更深层的价值——通过后车无人化，直接触碰干线运输中最大的人力成本项。

从「辅助人」到「替代人」，DeepWay 深向正在让物流这个最古老的行业，经历 AI 带来的深层成本重构。

01

DeepWay 深向让 AI 应用在公路货运场景实现闭环，并实现规模化、商业化

过去，自动驾驶行业常常喜欢从终局开始讲故事。

乘用车讲 Robotaxi，重卡讲 Robotruck。故事的终点都足够激动人心：没有司机的车队昼夜奔跑，货主和运力高效匹配，运输成本被重新定义，物流产业链被重构。

问题在于，终局太远，现实太硬。

尤其是在公路货运这个行业，客户对技术的耐心并不多。物流老板不会为了「未来感」买单，司机也不会为了「技术路线」改变驾驶习惯。这个行业的商业判断非常朴素：好用就用，省钱就买，有效果就续费。

因此，自动驾驶重卡真正的难题，从来不是讲清楚 L4 有多大价值，而是在 L4 完全成熟之前，找到一条能进入真实场景、形成规模化应用、持续获得客户付费，并反哺技术迭代的中间路径。

DeepWay 深向选择的，正是这样一条路径。

它没有把商业化完全押注在「某一天完全无人驾驶到来」上，而是把公路货运的智能化拆成了几个连续阶段：

先通过智能新能源重卡交付，把车辆放进真实运营场景；再通过 L2 辅助驾驶订阅，让 AI 先成为司机和车队的安全效率工具；随后通过 L4 编队，把 AI 从「辅助人」推进到「部分替代人」；最后，在单车 L4 成熟之后，走向 Robotruck 和更完整的运力服务。

这条路径的关键，不是技术名词从 L2 变成 L4，而是每一步都对应着更清晰的收费逻辑。

整车交付，收的是硬件的钱，但它更重要的意义是建立物理 AI 的真实入口。每一台车交付出去，都不是一个静止资产，而是一个持续奔跑在干线物流里的智能节点。

L2 订阅，收的是安全与效率服务费。它降低疲劳驾驶风险，改善长途驾驶体验，减少事故和停运损失，让车队管理更可控。

L4 编队，未来收的将是降本的钱。它不只是让车开得更智能，而是开始承担部分原本由司机完成的驾驶任务，直接触碰人力成本。

Robotruck，则可能把收费模式进一步推向运力服务。到那时，DeepWay 深向卖的不再只是车，也不只是订阅，而是一个由智能车辆、自动驾驶系统、数据平台和运营网络共同构成的无人货运能力。

这正是 DeepWay 深向故事的特殊之处：它没有把物理 AI 包装成一个遥远概念，而是在真实产业链里，一层一层地跑通闭环，并形成规模化。

可以说 DeepWay 深向每一步技术迭代都伴随着商业模式的深刻升级与价值分配的根本性变革：从提升效率的 SaaS 订阅模式，到直击痛点的人力成本替代模式，最终走向重塑全行业价值链的技术平台模式。从数字 AI 迈入物理 AI 时代，不仅为公路货运行业带来了降本增效的终极解决方案，更在技术落地过程中持续创造新的商业价值，推动行业向更高效、更智能的未来迈进。

02

为什么 L2 用户粘性强：

它不是配置，而是车队的生产工具

DeepWay 深向 L2 订阅能够跑起来，背后有一个很简单的原因：它进入了车队的账本。

物流行业是一个对成本及利润极度敏感的行业。车队老板每天面对的不是「智能化发展趋势」，而是车辆能不能准时出勤，司机能不能安全到达，一趟运输之后还能剩下多少利润。

L2 一旦在真实运营中证明了安全价值和成本价值，就会从「功能配置」变成「生产工具」。

对司机来说，L2 首先改变的是驾驶体验。

重卡司机的工作并不轻松。长时间干线驾驶，会持续消耗注意力；在大宗运输等场景中，频繁起停、低速排队和复杂路况，会不断放大驾驶负担。

DeepWay 深向的自动舒适制动，能够提前识别风险并主动轻踩制动，让重卡在减速过程中保持平顺和可控；智能排队控制则可以在低速场景下自动完成跟车起步、加减速、转向和停车，减轻司机在繁琐工况中的操作压力。

它们带来的不是「炫技」，而是实实在在的减负。一旦司机习惯了这种辅助，就很难再退回到完全依赖人工的状态。好的 L2 系统，会变成一种驾驶习惯。

对车队老板来说，L2 能帮助控制经营成本。

车队管理者真正关心的，是事故率、维修成本和车辆出勤率。DeepWay 深向 L2 在真实运营中积累的使用数据，已经证明它能够带来可衡量的安全与效率改善。

事故率下降 60% 所减少的经济损失，正在让 L2 从一项「可用」的智能配置，变成车队 TCO 管理中「必用」的生产工具。

这背后对应的，其实是安全评判逻辑的变化。对车队来说，安全不再只是单车某一次表现好不好，而是整个系统能否在真实货运场景中长期稳定运行。

DeepWay 深向的 L2 之所以有粘性，不只是因为功能可用，而是因为它正在让车队看到一种更稳定、更可持续的安全管理方式。

DeepWay 深向的 L2 订阅，本质上就是把智能驾驶能力放进这张 TCO 账本里。如果一套系统可以减少风险，让车辆更稳定地运行，那么订阅费就不再是一项额外支出，而是一笔可以被回收的运营投资。

更重要的是，DeepWay 深向的 L2 不是一套静态系统。

因为 DeepWay 深向同时掌握车辆、三电、底盘、智驾系统和运营数据，依托于软硬一体化带来的持续迭代能力，它能够从真实运营中获得反馈，再把反馈转化为算法优化和功能升级。车辆交付之后，系统仍然可以持续进化。

这让 DeepWay 深向的用户粘性不只是来自「好用」，更来自「越用越好」。对物流客户来说，一套能够持续降低风险、改善效率、适应真实场景的系统，才会真正从功能配置变成长期服务。

这也解释了为什么 DeepWay 深向能在行业中率先实现 L2 全系标配并快速提升订阅率。

正向定义的车辆天然适配智驾技术，整车成本相对更低，仅需增加 3 千至 5 千元的 BOM 成本就可以实现 L2 标配，而传统主机厂为实现同等功能往往需承担数万元的额外成本。

DeepWay 深向并未将这部分新增硬件成本转嫁至车辆售价，而是保持智驾版与非智驾版价格一致，通过后续付费订阅获得收入。

这相当于用一小部分车辆销售利润的让渡，换取了一个持续增长的软件服务收入流——牺牲了短期的小利，换来了长期的商业入口。

03

L2 不是终点：它是 DeepWay 深向走向 L4 的前序能力

L2 订阅的价值，不只在当下。它更重要的意义，是为 DeepWay 深向后续 L4 编队和 Robotruck 积累车辆、客户、数据和信任。

这正是自动驾驶商业化最容易被忽略的一点：L2 不是一个孤立产品，而是更高阶物理 AI 的前序能力。

重卡自动驾驶不能简单复用乘用车算法。它面对的不是一个标准化的小型刚体，而是一套更复杂的货运系统：

车辆更重，载荷变化更大，牵引车和挂车之间还存在柔性连接。要让这样的车辆在真实道路上稳定运行，算法不只需要识别环境，更需要理解车辆在不同工况下的控制边界。

在这个过程中，DeepWay 深向积累的不只是原始数据，更是对复杂货运场景的系统化理解。

真实道路上的弯道、坡度、载重、跟车、制动和接管，都会不断沉淀为可复用的运营规则和安全资产。对高阶自动驾驶来说，这种能力比单纯展示算法先进性更重要。

行业正在从「谁的算法更前沿」，转向「谁能形成体系化、可复制的可信运营能力」。

这也是 L2 对 L4 的真正价值：

它让 DeepWay 深向在商业化早期，就开始为未来更高阶的物理 AI 搭建底层能力。

而 L2 订阅带来的用户粘性，又让 DeepWay 深向数据闭环更加稳定。

司机愿意用，车队愿意续费，车辆持续运营，系统才能不断获得高质量反馈。

反过来，这些反馈又会支撑 L4 编队与单车 L4 迭代。这就是 DeepWay 深向「沿途下蛋」模式的关键。

同时，DeepWay 深向从 L2 走向 L4，并不是另起炉灶，而是在已有车辆、已有客户、已有场景和已有信任上继续升级。

对于一个已经使用 DeepWay 深向车辆和 L2 系统的客户来说，未来升级到 L4 编队，并不是完全陌生的选择。

他已经知道这套系统能带来什么，也已经在真实运营中建立了使用习惯。当 L4 编队能够进一步减少人力投入、降低运营成本时，客户的接受门槛自然会更低。从而降低了 L4 商业化的转化成本。

DeepWay 深向真正想构建的，并不是一套单点智驾功能，而是一条从 L2 到 L4、再到 Robotruck 的连续商业化路径。

在这条路径里，L2 负责让客户开始付费，L4 负责放大客户价值，Robotruck 则代表最终的货运生产方式重构。

这也是 DeepWay 深向区别于很多自动驾驶公司的地方。

它没有把所有希望压在一个遥远的无人驾驶终局上，而是在通往终局的过程中，把每一个阶段都变成可使用、可验证、可收费的产品。

对一家物理 AI 公司来说，这可能比单纯追求技术领先更重要。

因为物理 AI 不是只要模型足够强就能成功。它必须进入场景，理解客户，跑出数据，形成服务，并在真实产业链中找到自己的收费位置。

04

物理 AI 最终看什么：

跑起来、用起来、收上钱

很多技术趋势，在早期都容易被包装成宏大的未来。但物理 AI 不同。

它最终不是看谁的故事更大，而是看谁能真正进入物理世界，进入产业流程，进入客户账本。

在公路货运这个场景中，这一点尤其明显。物流行业足够古老，也足够现实。

它不会因为一个概念足够性感就改变采购决策，也不会因为一家公司讲了无人驾驶终局就立刻付费。客户最终要看的，是车辆能不能稳定跑，风险能不能降，成本能不能收回来。

这也是 DeepWay 深向值得关注的地方。它不是给传统重卡贴上 AI 标签，而是让 AI 真正进入货运生产系统。

它用智能新能源重卡作为物理载体，用自动驾驶系统作为 AI 大脑，用真实运营数据形成迭代闭环，再通过 L2 订阅、L4 编队和未来 Robotruck，把物理 AI 能力逐步转化为商业收入。

如果说数字 AI 收的是信息世界的效率服务费，那么 DeepWay 深向正在探索的，就是公路货运里的物理 AI 服务费。

这笔费用背后，不是抽象概念，而是安全、效率、降本以及未来运力重构的价值。

当然，DeepWay 深向的路径仍然需要时间验证。L2 订阅只是开始，L4 编队还需要更多规模化运营样本，Robotruck 也要等待技术、法规和基础设施进一步成熟。

但真正重要的是，它已经跨过了从「讲未来」到「收服务费」的第一道门槛。

这道门槛，正是很多物理 AI 公司最难跨过的地方。

物理 AI 的故事，最终不是谁更像未来，而是谁已经进入真实产业，产生真实数据，创造真实价值，并让客户开始为这种价值持续付费。

在公路货运这条路上，DeepWay 深向已经跨过了这道门槛。

当内蒙干线上的 L4 智能编队重卡在后车主驾无人的情况下，完成每一次通过收费站、识别红绿灯、超越慢车的操作时，它验证的不只是算法的可能性，更是一个更根本的事实：

物理 AI 已经不再是实验室里的下一代科技叙事，它正在成为物流账本里一笔可以计算、可以预期、可以持续收费的支出项。

从「辅助人」到「承担部分驾驶任务」，再到未来的「装、运、卸无人一体化」，DeepWay 深向正在让世界上最古老的行业之一，经历 AI 带来的深层成本重构。

而它要证明的终极命题或许是：

中国不仅能造出智能重卡，更能让 AI 在干线物流中找到属于自己的、可持续的商业模式。