总部位于洛杉矶的Parallel Systems公司正在开发其所描述的全球首套自动驾驶货运列车系统。随着整个物流行业持续向自动化与自主运输技术转型,该公司迄今已累计融资约1亿美元,并正与Genesee & Wyoming合作,在乔治亚州开展商业测试,全程接受美国联邦铁路管理局的监管。
公司背景与创始人
Parallel Systems由前SpaceX工程师马特·苏尔(Matt Soule)于2020年创立。苏尔在SpaceX任职长达13年,之后将目光转向货运交通领域。公司致力于通过电动、自动驾驶、软件控制的轨道车辆对货运铁路进行现代化改造,这些车辆无需传统机车牵引,也无需车上配备工程师。
技术架构
与传统货运列车不同,Parallel的车辆设计为自主电池驱动轨道车,每辆车均配备独立电机、传感器、制动系统、摄像头、激光雷达及车载计算机。据该公司介绍,这些轨道车既可单独运行,也可由软件统一调度,编组协同行驶。苏尔在接受KTLA采访时表示:"你可以把这理解为轻轨领域的Waymo。"
目前,每辆车配备六个摄像头及激光雷达传感器,用于监测周边环境并支持自主运行。此外,车辆还设有多套冗余制动系统,制动距离短于传统机车。
该系统旨在提升现有铁路基础设施的利用率,支持更小批量的货物运输、更短距离的运营路线以及更灵活的物流调度。
市场机遇
Parallel认为,短途货运是最大的市场机遇之一,尤其是连接港口、铁路货场、仓库与配送中心的短驳运输业务。苏尔在接受Benzinga采访时透露,美国货运运输市场年产值约为9000亿美元,其中公路运输约占8000亿美元,铁路运输约为800亿美元。
"美国铁路公司在财务上非常成功,盈利能力很强,但营收规模没有增长空间。"苏尔说道。Parallel认为,自动驾驶电动铁路系统有助于铁路运营商在短途货运领域与公路运输展开更有效的竞争,而这些路线传统上对铁路而言经济性较差。
公司还表示,自动驾驶列车可将集装箱从港口运往内陆配送中心,从而缓解港口拥堵,让卡车司机专注于更短途的末端配送。
测试进展与商业化路径
Parallel目前正在乔治亚州萨凡纳港至科迪尔约160英里的铁路线上测试其第二代自动驾驶货运系统。尽管列车可自主运行,但人工仍参与其中——操作员在远程运营中心实时监控车辆,必要时可进行人工干预。公司表示,长期目标是将人工角色转变为监督性监控,而非全程手动操控列车。
Parallel计划明年启动第三代自动驾驶轨道车辆的生产,加速推进商业化进程。
行业格局
Parallel所进入的物流行业正日益聚焦于自动化技术,涵盖自动驾驶卡车、机器人仓储、AI驱动的供应链以及无人配送系统。尽管自动驾驶卡车公司近年来备受关注,但铁路货运自动化领域仍相对发展不足,尽管铁路在能源效率和大规模货物运输方面具有明显优势。
苏尔向Benzinga表示:"我们正在快速迈向全面商业化。我们是唯一一家获得联邦铁路管理局批准、开展此类业务的公司。"
这一动向折射出物流领域对自动驾驶运输系统日益浓厚的兴趣。越来越多的企业正在投资以软件为核心的货运基础设施,旨在提升效率、降低人力依赖、增强运营灵活性。
Q&A
Q1:Parallel Systems开发的自动驾驶货运列车系统有什么技术特点?
A:Parallel Systems的自动驾驶货运列车采用电池驱动,每辆轨道车配备独立电机、激光雷达、六个摄像头、传感器、制动系统及车载计算机,既可单独运行,也可软件编组协同行驶。车辆还配备多套冗余制动系统,制动性能优于传统机车,整个系统无需传统机车牵引,也不需要车上配备工程师。
Q2:Parallel Systems目前的测试进展如何?
A:Parallel Systems正在乔治亚州萨凡纳港至科迪尔约160英里的铁路线上测试第二代自动驾驶货运系统,合作伙伴为Genesee & Wyoming,并接受美国联邦铁路管理局监管。测试期间,远程运营中心的操作员会实时监控列车运行并在必要时介入。公司计划明年启动第三代车辆生产,推进商业化落地。
Q3:自动驾驶货运列车能解决哪些物流痛点?
A:Parallel Systems认为自动驾驶货运列车主要针对短途货运市场,尤其是港口、铁路货场、仓库和配送中心之间的短驳运输。该系统可将集装箱从港口直接运往内陆配送中心,缓解港口拥堵,让卡车司机专注于末端配送,从而提升整体物流效率。此外,相比公路运输,电动铁路在能源效率和大批量运输方面也具有明显优势。
好文章,需要你的鼓励
Locus Robotics宣布收购加拿大温哥华机器人公司Nexera Robotics,将其专有的NeuraGrasp末端执行器技术整合至Locus Array平台。NeuraGrasp融合AI抓取智能、计算机视觉及专利软膜结构,可动态适应不同形状、材质、重量的商品,显著扩大了可自主拣选的SKU类型范围。此次收购将加速Locus Robotics在移动操控领域的技术路线图,推动仓储全流程自动化履约能力迈上新台阶。
ServiceNow研究团队构建的EVA-Bench框架,通过AI对AI的音频通话测试,量化评估语音客服系统在准确性和对话体验两个维度的真实表现,揭示现有系统普遍存在的可靠性缺口。
人形机器人正从原型验证迈向早期商业部署,汽车制造与物流领域预计成为未来十年核心需求市场。IDTechEx预测,相关市场规模将于2030年代初达到约250亿美元,2036年年出货量接近180万台。硬件成本持续下降,均价有望从2024年的约11.47万美元降至2030年的约3.7万美元。高利用率场景下运营成本有望低于5美元/小时,投资回收期可缩短至约6个月。但大规模商业化的关键,仍在于软件能力、任务泛化与系统集成的持续突破。
AWS AI Labs研究团队发布EvalAgent,这是一套通过"评估技能"自动生成AI智能体评测方案的系统,将首次运行成功率从17.5%提升至65%,并在人类专家评测中获得79.5%的偏好选择。