Robomart推出自动驾驶配送机器人，单次配送10单，每单3美元降成本。

一、外卖配送的“三方难题”：用户嫌贵、商家叫苦、平台不赚钱

提起即时配送，不管是消费者还是商家，几乎都有一肚子“吐槽点”。这个行业像被按下了“高成本循环键”，多年来始终跳不出“赚的不够花的”怪圈——以DoorDash、Uber Eats为代表的主流平台，全靠人工配送撑场面，可光是司机薪资，每小时就要掏18美元左右，分摊到每一单上，人工成本直接飙到9-10美元。

更让人心疼钱包的是，除了基础配送费，平台还会收动态加价、服务费，遇到高峰期还得给小费，算下来用户买一顿饭，实际花的钱常常要12-18美元。商家这边更难，平台抽成动不动就15%-30%，有时候卖100块钱的东西，到手连70块都不到，简直是“卖得越多，亏得越狠”。就这样，用户嫌贵、商家叫苦、平台也赚不到钱，三方都被卡在原地动弹不得。

而Robomart的创始人阿里·艾哈迈德（Ali Ahmed），对这种困境再熟悉不过——他自己就栽过一次大跟头。2015年，他在英国开了家叫Dispatch Messenger的配送平台，本来想得挺好，结果人力成本像个无底洞，把赚来的利润全吞了，最后只能无奈关掉。也正是这次失败，让他彻底明白：想让配送行业真正赚钱，靠人肯定不行，必须得搞自动化。

二、RM5的“降本密码”：从传感器到储物柜，每处设计都藏着巧思

Robomart推出的L4级自动驾驶配送机器人RM5，能把配送成本直接砍去70%，靠的不是运气，而是从技术到设计的“全链路优化”。哪怕是一个小细节，都在为“省钱、提效”服务。

1. 自动驾驶：3种“眼睛”组队，比人工配送更靠谱

RM5装的是符合SAE标准的L4级自动驾驶系统，在市区这种固定场景里，完全能自己跑，不用人盯着。支撑这套系统的，是三种传感器的“默契配合”：

• 激光雷达是“精准测量员”，能准确算出和周围物体的距离，还能画出3D环境地图，路边的石墩、突然窜出来的小猫，都能看得清清楚楚；
• 高清摄像头是“路况观察员”，专门盯着交通灯、行人和自行车的动向，要是有人突然横穿马路，它能第一时间反应过来；
• 毫米波雷达是“全天候保镖”，哪怕遇到下雨、起雾，也能稳定感知周围环境，不会因为天气差就“看不清路”。

这三种传感器相互备份，就算其中一个出点小问题，另外两个也能顶上，让RM5在复杂的市区里避障成功率达到99.9%。而且系统还会实时接交通数据，比如哪条路堵了、哪个路口在修路，它能马上改路线。实际测试下来，RM5的平均延误时间能控制在5分钟以内，比人工配送常有的12分钟延误，快了一半还多。

2. 储物柜设计：一次送10单，效率直接翻3倍

普通的配送车，最多也就装100公斤的东西，而RM5的载重直接冲到了500磅（差不多227公斤）。更聪明的是，它把驾驶座全拆了，换成10个带独立温控的储物柜，每个能装22.7公斤的货——不管是需要冷藏的草莓、冰淇淋，还是刚做好的热乎饭菜，都能分开装，既不会串味，也不用担心冷的变热、热的变凉。

这种“一柜对应一单”的设计，对用户也很友好：不用等配送员打电话，也不用下楼找车，打开App扫个码，对应的储物柜就会自己弹开，拿完东西关上门就行。以前人工配送，一个司机一小时最多送3-4单，现在RM5一次能送10单，效率直接翻了3倍。

3. 续航与能耗：充半小时跑12小时，电费比油钱省80%

RM5用的锂电池组，一次能跑112英里（约180公里），足够从早上8点跑到晚上8点，连续12小时不歇气。而且它的快充特别给力，30分钟就能充到80%的电，平时送完一波订单，在路边等下一波订单的空当，就能把电补满，不用专门花时间去充电。

最让人惊喜的是电费——每公里才0.1美元，还不到燃油车成本的五分之一。要是按一天跑100公里算，RM5一天的电费才10美元，而燃油车光油钱就得50多美元，一年下来能省不少钱。

三、3美元固定配送费：让用户、商家、平台都能“赚到”

RM5能让行业眼前一亮，核心不是技术多炫酷，而是它把“三方吃亏”的旧模式，改成了“三方受益”的新模式——尤其是3美元的固定配送费，直接戳中了用户和商家的痛点。

1. 用户：不管买啥、送多远，配送费都是3美元

Robomart的定价特别实在：不管你买的是20美元的奶茶，还是50美元的生鲜，不管配送距离是1公里还是5公里，也不管是饭点高峰还是凌晨深夜，配送费都固定收3美元，没有任何额外的服务费、加价费，也不用给小费。

举个例子：要是你在DoorDash上买一顿30美元的晚餐，配送费可能要15美元，再加上5美元小费，总共得花50美元；但在Robomart上，30美元的饭菜+3美元配送费，总共才33美元，一下子能省23%的钱，相当于多买一杯饮料。

2. 商家：抽成少一半，不用花钱买机器人

对商家来说，加入Robomart几乎没什么门槛：不用自己开发App，也不用改店里的系统，只要在Robomart的平台上上传商品信息，就能接入自动驾驶配送。

更关键的是抽成——行业里其他平台的抽成一般是15%-30%，而Robomart只抽10%，相当于给商家多留了一半的利润。而且商家不用花钱买机器人，Robomart靠“配送服务分润”的方式慢慢收回硬件成本，商家不用掏一分钱前期投入，就能用上高科技配送。

3. 成本怎么降？从“花多少赚多少”到“一次投入长期省钱”

传统人力配送的成本是“可变的”：送的单越多，要付的司机工资、社保就越多，单均成本一直下不来，每单都要9-10美元。而RM5是“固定成本前置”：买机器人是一次性投入，后续只需要花点电费和少量维护费，算上机器人的折旧，每单成本也才2.5-3美元。

成本能降70%，核心靠三点：一是一次送10单，把每单的能耗摊薄了；二是不用给司机发工资，省了最大的一笔开支；三是低抽成让商家愿意合作，订单量越大，成本压得越低。

四、和传统平台比，RM5到底强在哪？一组数据见分晓

光说不练假把式，我们把RM5和传统人力配送平台放在一起比一比，差距一下子就出来了：

（数据来源：Robomart官方测试报告及行业基准数据）

从数据就能看出来，不管是成本、效率还是准时率，RM5都把传统平台甩在了后面——对用户来说更便宜，对商家来说更赚钱，对平台来说也更容易盈利。

五、能颠覆外卖行业吗？机遇和挑战都很清晰

RM5的出现，无疑给传统配送巨头来了一记“重拳”，但它想真正铺开，还有几道坎要跨。

1. 传统巨头的“转型压力”：不搞自动化，可能真的要掉队

传统配送平台的盈利瓶颈已经越来越明显了——就拿DoorDash来说，2024年净亏损就有3.2亿美元，靠涨配送费、提高商家抽成来赚钱，根本不是长久之计。而RM5的模式不一样：它把“人力这种可变成本”换成了“机器人这种固定成本”，订单量越大，每单的成本就越低，最后甚至能趋近于零。

这种模式已经让传统平台开始紧张了——比如Uber Eats，已经在旧金山试点无人机配送了，但无人机的载货量只有RM5的1/50，送点小零食还行，想送一顿全家的饭菜根本不够，暂时还没法和RM5比。

2. RM5落地的“四大关卡”：不是所有地方都能跑

虽然RM5的优势很明显，但想在全国铺开，还有不少难题要解决：

• 场景有限：目前L4级自动驾驶只能在市区的结构化道路上跑，要是遇到暴雨、暴雪，传感器的精度会下降；郊区的路没那么规整，暂时还没法跑。
• 依赖订单密度：RM5一次能送10单，但前提是每公里得有5单以上的订单；要是在订单少的郊区，机器人可能只装两三单就跑，成本反而会升高。
• 政策不统一：美国每个州对无人车的路权规定不一样，有的州允许无人车上路，有的州还得有安全员跟着，Robomart得一个州一个州去谈，特别费时间。
• 故障处理：虽然远程监控中心能在10秒内接管突发状况，但要是机器人本身出了硬件故障，比如轮子坏了、储物柜打不开，还是会耽误配送，影响用户体验。

3. 扩张计划：先试点再铺开，不盲目烧钱

Robomart没打算一上来就全国扩张，而是走“精益创业”的路线：

• 2025下半年：先在政策友好的得州奥斯汀试点，接入50-100家本地商户，测试实际运营中的问题。
• 2026年：根据试点的情况优化系统，再把业务拓展到洛杉矶、迈阿密这些大城市。
• 2028年目标：覆盖全美20个城市，部署超过1000台RM5。

更难得的是，Robomart特别“省钱”——只用了不到500万美元的融资，就完成了五代产品的迭代，这种“低烧钱模式”在烧钱成性的自动驾驶领域，简直是个异类。

六、技术降本+规模效应：无人配送的“黄金时代”要来了？

RM5能做到这么低的成本，其实也赶上了好时候——最近几年，无人配送车的硬件成本一直在“断崖式下降”。2018年的时候，一台无人车要100多万元，普通人想都不敢想；到2025年，同类产品的价格已经降到10万元以下了，成本直接砍去了90%。

成本下降主要靠三个原因：

• 传感器方案升级：以前得装5个激光雷达+10个摄像头，又贵又笨重；现在改成1个激光雷达+12个摄像头的视觉主导方案，既能保证精度，又能省钱。
• 量产降低成本：现在头部企业一年能生产上万台无人车，规模上去了，零部件的采购成本自然就降下来了。
• 政策支持：中国、美国等很多国家都在开放无人车路权，鼓励技术商用，企业不用花那么多钱去做合规测试，也能加快落地速度。

就像新石器无人车的实测数据显示的：只要单票配送成本降低0.1元，一个配送中心一年就能省18万元。随着技术越来越成熟、规模越来越大，无人配送的成本还会继续降，到时候可能真的会改写整个外卖行业的规则。

如果你想体验一下自动驾驶配送，不妨去Robomart的官网看看：https://www.robomart.com

注：本文数据来源于Robomart官方披露信息及行业研报，技术参数引用SAE International自动驾驶分级标准，场景分析基于美国市场实际情况。