自动驾驶卡车的变革更偏“稍晚”，但可能比市场预期更早到来
AI 摘要卡
自动驾驶卡车的变革更偏“稍晚”，但可能比市场预期更早到来
Bernstein认为，AI和物理人工智能正在推动自动驾驶卡车进入新一轮资本与技术周期，TCO改善真实存在，但对传统卡车OEM的中长期经济模型更像挑战而非单纯利好。
- 司机成本是卡车运营最大成本项，占TCO超过40%，自动驾驶卡车在支付虚拟司机软件费前理论上可降低约28%的总拥有成本。
- 报告假设虚拟司机软件收入约为每英里0.3美元，车队仍可保留约15%的TCO改善，从而形成采用激励。
- AI进步正在重启自动驾驶卡车融资周期，报告覆盖的一篮子企业历史融资约75亿至76亿美元，其中约26亿美元自2025年初以来流入。
- 自动驾驶可能推动大型车队更快采用并扩大份额，进而改变OEM客户结构，压缩传统OEM来自小客户的定价与利润优势。
- 当前卡车股估值仍大体沿用长期历史范式，报告认为尚未反映自动驾驶、电动化等结构性扰动风险。
研报解读
概览
本报告讨论AI，尤其是物理人工智能，对自动驾驶卡车和全球卡车OEM的潜在影响。报告认为卡车行业历史上技术采用慢于乘用车约10至20年，但自动驾驶卡车的商业逻辑非常清晰：司机短缺、司机工时限制、低资产利用率、燃油成本和保险成本都为自动化提供了经济理由。Bernstein的核心判断是，自动驾驶卡车不会一夜之间改变行业，但更可能是“何时发生”而不是“是否发生”的问题。
核心观点
报告的核心观点是，自动驾驶卡车对货运运营商具备真实且可量化的成本节约，但对传统卡车OEM的影响更复杂。短期看，OEM仍有底盘、经销、维护和客户关系优势，也可能获得更高车价、经常性收入和潜在设备需求增量；中长期看，大型车队可能凭借TCO优势率先采用自动驾驶并获得份额，导致货运行业整合，削弱OEM对小客户的利润和定价优势。报告因此对欧洲卡车OEM保持相对谨慎。
分析框架
报告采用自有卡车TCO模型，将人类司机驾驶的Class 8卡车与自动驾驶卡车进行成本拆解，重点比较司机成本、燃油、维护、车辆折旧、传感器与冗余系统硬件、数据与网络安全、接驳和检查等新增运营成本。报告同时跟踪自动驾驶卡车公司的融资周期、AI算力与模型架构变化、OEM合作关系、监管进展和主要企业竞争格局。
方法论与常识提炼
TCO
报告以每英里总拥有成本为核心指标，比较人类司机卡车和自动驾驶卡车的司机、燃油、维护、折旧及新增自动驾驶运营成本。
E2E自动驾驶
报告认为AI进步正在推动行业从规则驱动模型转向端到端模型，提高扩展性并降低对昂贵传感器硬件的依赖。
VLA
报告将VLA视为下一阶段自动驾驶模型方向，结合大语言模型能力进行文本和视频理解，可能提升场景泛化能力。
货运客户整合
报告认为自动驾驶的TCO优势可能使大型车队率先采用并扩大市场份额，从而改变OEM客户结构和盈利结构。
标的映射与对比
研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。
- Daimler Truck AG (DTG.GR)传统卡车OEM，同时通过Torc Robotics自研自动驾驶能力
- 优势
- 拥有OEM底盘、制造、经销和维护体系，且是少数自研虚拟司机模型的传统OEM。
- 劣势
- 自动驾驶投入已带来较大亏损，报告对其评级为Underperform。
- 对比
- 相较其他OEM，Daimler Truck在自研路径上更垂直，但资金消耗和执行风险也更高。
- 风险
- 客户整合、R&D开支上升、自动驾驶商业化延期和估值未反映颠覆风险。
- Traton SE (8TRA.GR)欧洲卡车OEM，受自动驾驶和电动化趋势影响
- 优势
- 可受益于既有商用车制造和客户服务网络。
- 劣势
- 报告认为欧洲OEM整体面临更高投入和客户结构变化压力。
- 对比
- 评级为Market-Perform，较Daimler Truck更中性。
- 风险
- 大型车队议价能力增强、行业整合和技术投资需求增加。
- Volvo AB (VOLVB.SS)欧洲卡车OEM，处于自动驾驶卡车潜在影响链条中
- 优势
- 具有强商用车品牌、工程能力和维护网络。
- 劣势
- 报告认为股价和估值尚未充分反映下一轮周期挑战。
- 对比
- 评级为Market-Perform，目标价SEK 290。
- 风险
- 自动驾驶推动客户集中、电动化资本开支和售后维修利润受压。
- Paccar Inc (PCAR)美国卡车OEM，被报告列为相对偏好的股票
- 优势
- 美国市场敞口和现有OEM生态优势较强，报告评级为Outperform。
- 劣势
- 仍面临自动驾驶与电动化对传统盈利池的扰动。
- 对比
- 在报告覆盖的美国公司中更受青睐，评级优于Cummins。
- 风险
- 若自动驾驶平台和大型车队获得更多价值分配，OEM利润率可能受压。
- Cummins Inc (CMI)动力总成及相关商用车产业链公司
- 优势
- 在商用车动力和零部件领域具有重要地位。
- 劣势
- 报告评级为Market-Perform，目标价低于当前价。
- 对比
- 相较Paccar，报告对Cummins态度更中性。
- 风险
- 电动化、自动驾驶架构变化及OEM资本开支周期可能影响需求和估值。
- Aurora Innovation自动驾驶卡车技术公司和虚拟司机服务代表
- 优势
- 已在路上与客户测试，商业化时间表长期指向2027年，并展示较激进的DaaS收入设想。
- 劣势
- 对每英里收入的假设较同业更激进，商业化和单位经济仍需验证。
- 对比
- 早期融资占比高，但2025年以来新增融资更分散到多个竞争者。
- 风险
- 软件费定价过高可能影响车队采用，监管、可靠性和规模化仍是关键风险。
- PlusAI; Waabi; Kodiak Robotics; Bot Auto; Einride自动驾驶卡车竞争者和AI资本周期受益者
- 优势
- 受益于AI模型、NVIDIA生态、Uber等产业资本参与和新融资周期。
- 劣势
- 多数公司仍在商业化前期，需要证明安全性、规模化和盈利模型。
- 对比
- 报告指出2025年以来融资分布较上一轮更加多元，不再由Aurora高度主导。
- 风险
- 商业化延期、资本市场情绪反转、OEM合作不确定和监管区域限制。
关键数据
- 司机成本占比>40% TCO司机是卡车运营商最大成本项，约每英里1.0美元。
- 自动驾驶节约空间$0.65/英里，约28% TCO下降这是支付虚拟司机软件费之前的理论节约。
- 虚拟司机软件费假设约$0.3/英里报告认为在竞争市场中，定价需要低于理论节约上限，以便车队保留部分收益。
- 采用后车队TCO改善约15%在支付虚拟司机软件费和其他自动驾驶增量运营成本后仍可能实现。
- 自动驾驶卡车历史融资约$7.5bn-$7.6bn报告跟踪的一篮子自动驾驶卡车公司历史股权融资总额。
- 2025年以来新增融资约$2.6bn约占相关公司历史融资的三分之一，体现AI驱动的新资本周期。
- 美国司机短缺2021年约80,000；2030年约160,000图表显示2030年短缺规模可能约为2021年的两倍。
- 长途运输里程结构>600英里约占60%以上预期里程长途高速场景更适合早期自动驾驶商业化。
- Aurora案例每车每周收入$6,150提升至$16,400；利润$185提升至$1,695来自Aurora示例，显示自动驾驶可通过更高周转和更低成本提升利润率。
- NVIDIA算力提升Thor平台算力约为Orin-X的4倍更强边缘算力有助于车端感知和决策，同时可能减少芯片数量。
影响与含义
投资含义上，自动驾驶卡车主题对软件与自动驾驶平台公司更直接利好，但对传统OEM并非线性利好。OEM仍需要存在并提供冗余底盘、维护网络和集成能力，但行业客户从大量小车队向大型车队集中，可能压缩OEM定价权和售后利润池。报告认为当前卡车股估值没有明显计入结构性颠覆风险，下一轮周期可能比上一轮更困难，因为电动化和自动驾驶同时抬高研发与资本开支，并带来更多竞争。
风险
- 自动驾驶卡车商业化时间表可能继续后移，导致资本周期和估值承压。
- 监管批准目前主要集中在美国Texas和sunbelt地区，欧洲进展仍落后数年。
- 虚拟司机软件费若高于车队可接受水平，可能削弱TCO改善并拖慢采用。
- 大型车队率先采用自动驾驶可能导致货运行业集中度上升，削弱OEM对小客户的利润优势。
- 自动驾驶减少事故和维修需求，可能侵蚀传统OEM高价值售后业务。
- 电动化与自动驾驶同时推进会提高OEM研发和资本开支，压制现金生成。
- 传感器、冗余系统、网络安全、远程支持和接驳运营等新增成本可能高于预期。
后续跟踪
- Aurora、PlusAI、Torc、Waabi等公司是否能在2027年前后按计划推进商业化。
- 美国Texas和sunbelt以外地区的自动驾驶卡车监管批准进展。
- 虚拟司机软件真实定价是否接近每英里0.3美元，还是更接近Aurora更激进的每英里0.85美元假设。
- 大型车队采用速度及其对小型货运运营商份额的挤压。
- NVIDIA Thor、Blackwell和VLA基础模型在车端算力、成本和泛化能力上的落地表现。
- 传统OEM与自动驾驶软件公司合作关系，以及Daimler Truck/Torc自研路径的亏损收窄情况。
- 卡车股估值是否开始反映自动驾驶、电动化和客户整合带来的结构性风险。