在广东深圳龙华区，顺丰胜立转运中心，11台无人车夜间循环往返周边5个末端网点。它们在夜里跑，为的是让次日的快件更早完成派送。

而在千里之外的四川资中县，京东物流的无人机正沿低空航线把包裹送进山村，最快7分钟飞抵。

这两个画面很安静，却标注了一条线正被跨过。过去几年，无人配送的期待一直停在“能不能跑通”；如今问题换成了另一个——它一天能扛下多少件，少了它，这条线路还转不转。

(资料图片)

这条线，我们把它叫做“规模在岗”。它不是“台数更多”的同义词，而是一道更严的门槛。

先看数据：超3500台、260多个城市、每天超870万件

日前，在服贸会现场，中通快递公共事务管理中心相关负责人卜斌给出了这组数字：“中通快递已有超3500台无人配送车在全国260多个城市投用，每天运送包裹超870万件，成为末端配送的重要运力补充。”更早的一个口径来自中通首席技术官杨文——据中国日报网报道，截至2026年5月，这批车累计行驶里程超5600万公里。

搭载自动驾驶系统的无人快递车，可装载近千件包裹，行驶全程都能通过手机App控制。这个量级，已经不再是“跑个样子”。

再看全国这张网。国家邮政局政策法规司副司长徐华荣介绍，全国已投用超1.6万台无人快递车、400多架无人机开展末端配送服务。这意味着，无人配送已经不是个别企业的样机，而是一张正在铺开的末端运力网。

再横向看一眼同行。韵达常务副总裁周柏根介绍，截至2026年6月底，韵达全网拥有无人车超1500台，比去年增加了1000多台。据人民日报，顺丰在深圳的无人车从单条线路试点到全时段常态化运行，近200台无人车行驶在超300条线路上，单日快件处理峰值达9万件；京东物流则在今年6月于四川资中县启动了国内规模最大的无人机进村配送网络，服务可覆盖当地131个建制村，最快7分钟飞抵山村。

这几组数字的统计时点与场景口径并不一致，不能简单相加，但方向是同一个：无人配送已经越过了“单点验证”。

什么叫“规模在岗”：从“落地率”到“常态化”

之前，无人车的关键词是“试点”：挑几个城市、跑几条线路、算几个模型。现在，它进了运力表。260多个城市同时在使用，意味着它嵌进了日常排班——缺了它，部分线路当天的件量就完不成。衡量它的词，也就从“落地率”“示范项目”，换成了“常态化”和“降本”。

尺子的更替，比数字的增减更能说明阶段：示范项目考核“能不能做成”，挑天气、挑路段、挑班次；运力表考核“能不能每天都做成”，既不择时，也不择地。

有一个容易被忽略的细节：人民日报的报道里，深圳那11台车是“夜间循环往返”。夜间意味着什么？对无人车，是路况宽松、效率最高的窗口；对一线员工，却是排班压力最大的时段。无人运力最先啃得动的，恰恰是这一块。

于是，“规模在岗”有了更清楚的样子：它不是一个更大的数字，而是一种更硬的约束——设备要够多，多到能被调度；覆盖要够密，密到能互相备份；作业要够稳，稳到能按日承诺。三条同时成立，无人配送才从“样本”变成“运力”。

规模从哪来：一本越算越薄的账

规模不会凭空出现。把它拆开看，那股推力大多落在一本成本账上。

据中国物流与采购联合会智慧物流分会发布的《2025-2026无人配送车产业商业化研究报告》，核心零部件国产化与规模化生产，推动整车价格从百万元级别降至5万至10万元区间；其中激光雷达价格从数万元一颗降至1500至5000元一颗，线控底盘也从8万至12万元一套降至1.5万至3万元一套。

价格下来，使用成本跟着下来。行业数据显示，在同等场景下，无人车单票配送成本比纯人工低25%至35%；以快递末端接驳为例，单票配送成本已从0.31元降至0.16元，降幅近50%；主流车型综合使用成本约每月4000至5500元，相较传统人工配送每月7000至9000元的成本，整体降幅约40%。

前端省下的钱，也反映到了网点上。韵达常务副总裁周柏根介绍，无人配送常态化规模运营，助力网点运输成本下降30%。

空中这条线的账同样在算。据昆山发布消息，京东物流无人机常态化载物配送航线今年8月3日在昆山投入运行，最大载重30公斤、飞行半径覆盖7公里；自3月25日试运行以来，已累计安全飞行1447架次、完成货品配送20335件。原本地面绕行半小时以上的路程，无人机十余分钟即可完成。

效率的账同样在记。据前述中国物流与采购联合会智慧物流分会报告，从顺丰、中通、极兔等末端网点的实际运营数据来看，人机协同能带来多方面收益，在配送时间上，人均每天节省1.5小时以上，效率提升20%至30%；在规模化运营条件下，无人配送的单票成本可降至传统有人模式的约三分之一。对网点来说，这既是一笔成本账，也是一笔人手账。

把这些数字放在一起，会看到一个朴素的因果：成本每降一档，敢投的台数就多一档；台数越多，摊在单台上的研发与运维成本又更低。规模不是被“催”出来的，是被“算”出来的。

为什么偏偏是现在：一道存在了38年的悖论正在松动

要理解这件事，需要回到一个1988年的观察。

那一年，卡内基梅隆大学的汉斯·莫拉维克提出了一个反直觉的判断：让计算机在智力测验或者下棋上达到成年人的水平，相对容易；但要让机器具备一个一岁小孩的感知和运动能力，却极其困难。这就是后来被反复引用的“莫拉维克悖论”。

过去十年，人工智能的绝大部分进展都发生在“高级智力”那一侧——写诗、编程、推理，都已经有模有样。可无人配送要的是另一侧：认出雨里的路沿、绕过突然窜出的电动车、在陌生的小区门口找准那个停靠点。这不是哪个团队不够努力，而是这类任务要求机器同时处理模糊的视觉、变化的形状、不确定的环境，还要在毫秒之间做出动作决策。

那么，为什么松动发生在2026年？大致是三件事同时到位。

第一，技术路线从“依赖地图”转向“自己看路”。行业全面转向轻图、无图方案，弱化了对高精地图的依赖，视觉算法趋于成熟，无人车得以驶上更多没有预先测绘过的道路。

第二，真实场景跑出了数据。一台车每在一个新场地多跑一天，就多攒一天真实路况、真实光照、真实天气的样本，模型随之越用越顺。这是“园区里的样机”和“城市里的运力”最本质的区别。

第三，需求端有足够密集、足够重复的场景来承接。末端配送天然就是这样的题库：路线固定、频次极高、单趟载重有限。

还有一层原因常被忽略：末端配送是少数几个“任务简单、环境复杂”的场景。它要做的事很单一——把件从一处送到另一处；但它面对的环境极其多变——人车混行、天气无常、门牌各异。任务单一，意味着目标好定义、结果好衡量；环境复杂，意味着每一趟跑出来的数据都值钱。这恰好落在当下技术强项与短板的交界处。

三条里，第二条最容易被低估。它意味着“规模在岗”不只是结果，还是原因：先有场地，才有数据；先有数据，模型才更耐用；模型更耐用，才敢投更多设备。这是一个自己会加速的循环。

跨过这条线之后：不是替代，而是放大

那么，一个绕不开的问题来了：机器会不会把人换掉？

这种担忧并非没有来由，历史上每一次自动化都会重塑岗位结构。但从目前公开的运营实践看，无人配送率先吃下的，大致是三类活——重复度极高的、环境艰苦的(深夜、雨季、高温)、标准化程度正在快速提高的。无人车承担的是网点与驿站之间的短驳，无人机承接的是山区、海岛这些地面难以抵达的最后一程。它们的角色更像是补位，而不是顶替。

真正的分歧或许不在“会不会替代”，而在它先落在哪一层。技术从来不是价值中立的——它先替代谁、以什么节奏替代，很大程度上取决于我们如何设计。

国家邮政局发展研究中心高级工程师喻饶的判断，可作这条曲线的坐标。在他看来，“从半年报中不难发现，行业正从传统‘汗水快递’加快向现代‘智慧快递’转变”；而步入“下半场”，人工智能技术能否从降本工具升级为增量引擎，将成为企业市场竞争及行业高质量发展的关键。

技术史一次次证明，每当一类“体力”被接走，人往往会被推向更高一层的位置。蒸汽机接走了纤绳，流水线接走了重复动作，今天轮到无人运力接走夜里的短驳和山里的最后一程。

回到开篇那两个画面。深圳龙华那个转运中心里的11台车，和资中县上空的那条无人机航线，做的事只有一件——把人从“重复”里挪出来。所谓“规模在岗”，说到底不是机器到岗，而是能力到岗：当一个系统在深夜、在雨季、在旺季，都能稳稳接住那每天超870万件包裹，它才算真正站在了岗位上。