从L2到L4自动物流：MINIEYE合资背后的AI软件与体验逻辑

MINIEYE在2025年把一件很多公司“讲得多、落得少”的事做成了：把L2量产能力延伸到L4商业化，并且用自动配送车先跑通场景、再谈规模。2025-03-31公布的全年数据里，它的营收达到7.59亿元（同比+16%），毛利1.41亿元（同比+35%），毛利率升至18.6%。更值得做案例拆解的是：它的“自动驾驶车辆与运营服务”板块在首年就做出6500万元收入，下半年较上半年暴增450%。

这篇文章放在《人工智能在物流与供应链》系列里，我更关注一个现实问题：AI在汽车软件里到底怎么变成可持续的物流效率与可感知的用户体验（UX）？ MINIEYE拟与neueHCT成立合资公司、加速出海（欧洲、中东、东南亚）并非简单的市场扩张，而是一次“软件能力—运营能力—生态整合”的组合拳。看懂它，你会更清楚自动物流真正的护城河是什么。

合资与出海的核心：把“能跑”变成“可复制”

答案先给出来：自动物流的关键不在单车智驾有多强，而在“可复制的交付体系”——从算法、车端软件、云端调度到运营SOP、合规与本地化。

MINIEYE宣布与neueHCT合资的目标，是整合技术、资本与市场通路，先聚焦自动物流方案，再扩展多场景机器人配送系统，并建立从研发到全球部署的全栈能力。对物流与供应链从业者来说，这意味着两点：

交付边界从“卖硬件/系统”变为“交付结果”：能不能按时上线、稳定运行、持续优化，决定了客户是否敢把“干线/支线/园区末端”的关键环节交给无人化。
出海的真正门槛是本地化软件工程：地图与道路规则只是起点，更难的是通信网络、车队管理、运维体系、数据合规、保险与责任界面。

一句话概括：L4不是一项产品功能，而是一套“长期运营的软件系统”。

从L2到L4：同一套AI能力，两个完全不同的商业打法

结论很明确：L2规模化靠“车型平台+供应链效率”，L4规模化靠“场景闭环+运营飞轮”。

MINIEYE的基本盘仍在“智能部件与解决方案”，2025年贡献6.49亿元，占比85.5%。其中：

iSafety（ADAS）收入3.41亿元
iPilot（中高阶辅助驾驶）收入1.20亿元
智能座舱方案收入1.88亿元（同比+80.2%）

这组数据的意义在于：L2业务提供现金流与量产工程能力（质量、成本、供应、交付节奏），而L4业务提供新增长曲线。很多团队的问题是“只会做演示，不会做量产”；或“只会做量产，不会做运营”。MINIEYE被外界看好的点，恰恰是它在两端都押注，并尝试打通。

L4自动物流为什么更像“软件订阅+运营服务”？

因为客户买的不是“车”，而是稳定的运力。在冷链、批发市场、汽配、零售、酒店等场景里，真正的KPI是：

准点率（OTD/ETA偏差）
单票成本（含人力替代、能耗、运维）
异常处置时长（事故/阻挡/临停/丢包）
峰值吞吐（高峰时段的调度能力）

这些指标背后，全是AI与软件系统：感知与预测、路径规划、车队调度、任务编排、远程接管、工单与运维、数据回流再训练。

“竹子Robovan”6,000台部署：自动物流落地的三条硬规则

先给结论：能在18座城市、6,000台规模跑起来，说明它解决的不是算法demo，而是运营复杂度。 MINIEYE在2025-09推出“Bamboo Robovan（竹子Robovan）”品牌后，联合客户部署无人配送车，覆盖物流、冷链、批发市场、汽配、零售、酒店等场景。

把这件事拆开，会发现自动物流项目通常卡在三条硬规则：

1) 场景选择：封闭→半封闭→开放道路，别一步到位

园区、港区、景区、园内支线更适合先做闭环；批发市场、商超后场等属于半结构化环境；城市道路与跨区配送对合规和长尾更敏感。MINIEYE能在多场景扩张，说明其产品更接近“模块化场景包”，而不是单点定制。

2) 车端AI之外，云端调度才是“效率发动机”

在供应链里，车越多，靠单车聪明不够，必须靠车队级最优化：

订单合并（batching）与波次（wave）
动态路径（遇拥堵/临时禁行实时改道）
站点排队与装卸时窗
充电/换电计划与能耗预测

一个很现实的判断标准：如果你的系统没法把“车辆状态—订单状态—场站状态”放在同一张控制台里，运营团队就会被异常淹没。

3) UX不是“车内大屏”，而是“任务完成的摩擦系数”

自动物流的用户体验，主要面向三类人：

调度员：需要一眼看懂风险与可用运力
运维人员：需要标准化的诊断、工单与备件流程
收发货人员：需要低学习成本的交互（取件、开舱、签收、异常上报）

我更认可的UX目标是：把“人要介入的次数”变少，把“人介入的效率”变高。

出海到欧洲/中东/东南亚：AI在本地化上的三道坎

直接说结论：自动驾驶出海的第一性原理是合规与可解释性，第二是成本结构，第三才是体验。 MINIEYE在2025年新增43个定点项目，并拿到12个海外项目（欧洲、澳大利亚、印度、中东）。合资公司计划进一步推进海外自动物流扩张，这里面至少有三道坎：

1) 数据与合规：从“能采集”到“能证明”

海外客户往往会问得更细：数据存储在哪里、谁能访问、事故数据如何留存、模型版本如何追溯。对L4来说，**可追溯的模型治理（MLOps）**几乎是签约前置条件。

2) 地图与运营：从“可运行”到“可运维”

地图更新频率、道路施工信息、临时管制、通信质量波动，这些都会把系统拖入长尾。越早把远程监控、告警分级、灰度发布与回滚机制做扎实，越能在海外扩张时少踩坑。

3) 成本与供应链：从“单车成本”到“TCO”

海外项目更关注TCO（总拥有成本）：车辆折旧、传感器维护、轮胎/电池、网络与云成本、人员培训、保险与责任。能把TCO拆解清楚并持续下降的团队，才有规模化机会。

给物流与供应链团队的落地清单：评估L4项目别只看演示

如果你正在考虑园区无人配送、城市末端无人化、冷链短驳或跨境园区运输，我建议用“软件+运营”视角做评估。下面这份清单更实用：

指标定义：上线前就明确准点率、单票成本、异常闭环时长的目标值与测量方法。
系统边界：确认是否包含WMS/TMS对接、任务编排、车队调度、远程接管、运维工单。
场景扩展性：是否支持从单园区复制到多园区？从白天复制到夜间？从晴天复制到雨雾？
安全与责任：事故与险情的证据链、日志留存、版本追溯、保险方案与责任界定。
运营SOP：人员配置、培训时间、备件策略、故障分级与响应SLA。

你要买的不是“无人车”，而是“可控的确定性”。

写在系列里：自动物流的下一阶段，比拼的是“生态整合能力”

MINIEYE的案例给了这个系列一个很清晰的注脚：AI提升物流效率的方式，正在从“算法点状优化”走向“端到端的软件系统与生态整合”。 2025年其L4相关业务在下半年实现450%增长、并开始海外拓展，再叠加与neueHCT的合资规划，传递的信号是：行业在从试点走向复制。

如果你关心“AI在汽车软件与用户体验中的不同应用方式”，那自动物流其实是一个更残酷也更真实的考场：体验不是炫技，而是稳定、可解释、可运维。接下来两年，谁能把L4做成“像云服务一样可部署、像工业设备一样可维护”，谁就更可能在全球供应链波动与用工结构变化中吃到红利。

你所在的业务里，最适合先无人化的那一段链路是哪一段——园区短驳、冷链支线，还是末端配送？把它说清楚，方案往往就已经成功了一半。