Alibaba Xiaomanlv

一款规模化运营的自主配送机器人，拥有可信的运营数据、未经核实的自主精度声明，以及远未达到自身目标的扩张轨迹。

---

如何阅读本报告

本报告全程采用四级证据纪律。每一项实质性断言均根据以下方案进行标记或语境化：

精心编排的演示视频不被视为自主能力的证明。发货公告不被视为生产性部署的证明。合作新闻稿不被视为付费客户关系的证明。当证据基础薄弱时，本报告会直说，而不是用伪装成事实的推论来填补空白。

文中引用使用方括号数字，对应第14节编号来源列表中的条目。仅引用研究档案中提供的来源。

---

01执行摘要

Xiaomanlv——这个名称在中文中大致可译为“小能干驴”或“小驴”——是阿里巴巴集团的自主最后一英里配送机器人，由达摩院自动驾驶实验室开发，并通过阿里巴巴的物流部门菜鸟网络进行商业运营⁴⁵。它于2020年9月17日在阿里巴巴云栖大会上亮相，并于同月开始配送，最初在中国大学校园内运营⁵¹⁵。到阿里巴巴发布2021年3月财报时，车队已超过500台机器人，累计配送超过1000万次，覆盖22个省份52个城市的200多所大学⁴¹⁵。2021年9月还报告了单月订单突破100万的里程碑³²⁹。

该机器人的主要规格——每次行程最多可携带50个包裹，每次充电可行驶100公里，每天完成约500次配送——在多个独立的商业和行业媒体来源中保持一致，可视为已核实⁴⁵¹⁵。自主性声明则更为复杂。阿里巴巴和达摩院表示，在某些来源中，Xiaomanlv在99.9%的时间内无需人工干预运行，而在至少一个渠道中则声称达到99.9999%⁴³²。这两个数字相差一千倍。两者均未经独立审计。该系统还要求菜鸟在每个新部署区域开始服务前预先绘制地图⁴，这一约束以公司未公开承认的方式限定了供应商对L4级自动驾驶的声明。

商业图景是真实的，但范围有限。Xiaomanlv在一个定义明确的操作设计域内运行：地理围栏的大学校园和城市居民社区，低速行驶，在预先绘制的地图上，在一个对此类机器人在半公共空间监管容忍度相对较高的国家。2021年左右宣布的10,000台机器人、每日100万包裹的扩张目标尚未被公开确认为已实现¹⁶³¹。到2025年4月，菜鸟正在宣传一个更广泛的自动驾驶车队，累计配送4000万件包裹，自动驾驶里程达500万公里，但现有证据表明，这一数字涵盖的是较新的、不同的产品线，而非原始的Xiaomanlv人行道机器人⁷。将两者混为一谈会夸大Xiaomanlv的个体轨迹。

与此同时，阿里巴巴更广泛的机器人和人工智能投资也在加速——Qwen大语言模型家族、Qwen-Robot具身人工智能计划、OmniNav导航框架，以及对机器人初创公司Dexmal的投资，都反映出该公司正在朝着更通用的机器人智能方向迈进^9111221。这些都没有直接增强Xiaomanlv当前的硬件，但它们表明了该平台可能演进的机构背景。

本报告的论点是：Xiaomanlv是一个真正可运行的自主配送系统，具有可信的规模，但受限于狭窄的操作域、不透明的干预率数据、似乎已偏离的扩张目标，以及自2020年以来竞争环境已变得相当拥挤的现实。

最新新闻

• Alibaba Group: Qwen-Robot Triggers Full-Stack Physical AI Inflection Point; Reiterate BUY

  Biztoc.com·2026-06-23GENERAL
• Alibaba moves Qwen AI into robotics with first embodied intelligence suite

  Digitimes·2026-06-17GENERAL
• Alibaba unveils Qwen-Robot series with three foundation models for embodied AI

  TechNode·2026-06-17GENERAL
• Alibaba builds Qwen-Robot, an operating system for the robot economy

  Crypto Briefing·2026-06-16GENERAL
• Alibaba Is Building Qwen-Robot: The Operating System for the Robot Economy

  Decrypt·2026-06-16GENERAL

---

02Alibaba Xiaomanlv的故事

起源：达摩院与最后一公里难题

据一位社区消息人士称，阿里巴巴至少从2015年起就开始探索自动驾驶技术³⁰。更具制度意义的关键时刻是达摩院（阿里巴巴的研究机构）的成立，其下属的自动驾驶实验室最终孕育出了小蛮驴。最后一公里配送问题在物流领域广为人知：它是包裹运输过程中劳动强度最大、成本最高、时间波动性最大的环节，占总配送成本的比例极高。在中国，电子商务的规模——阿里巴巴自有平台每天处理数亿个包裹——使得最后一公里哪怕微小的效率提升都具有显著的商业价值。

新冠疫情既为无接触配送自动化提供了实际推动力，也创造了公关背景。阿里巴巴于2020年9月17日的云栖大会上发布了小蛮驴⁵²⁸。这一时机是经过深思熟虑的：疫情已使无接触互动常态化，而中国政府对限定区域内自动驾驶车辆测试相对宽松的立场，使得在校园部署成为可能，避免了在公共道路运营时会遇到的监管障碍。

与菜鸟的关系

大多数报道中一个未得到充分关注的细节是技术开发者与运营商之间的结构性分离。达摩院负责制造机器人及其底层的AutoDrive ML平台。菜鸟网络——一家独立的阿里巴巴关联物流实体——负责商业运营车队⁴⁵。这种划分之所以重要，原因有几点。这意味着小蛮驴的商业表现会受到菜鸟运营决策的过滤，包括部署地点、扩张力度以及如何维持与大学和居民社区的服务水平协议。这也意味着车队性能的公开数据主要来自阿里巴巴集团的通讯稿，而非菜鸟自身的监管文件或独立审计。

菜鸟的角色包括部署前的地图绘制——该公司在每台小蛮驴开始服务前，都会对每个新地点进行地图绘制⁴。这是一种运营开销，在媒体报道中很少被强调，但对于理解该系统的可扩展性至关重要。每个新的校园或社区在机器人能够运营之前，都需要进行一次地图绘制工作。这项工作的成本和时间并未公开披露。

早期部署与大学校园策略

选择大学校园作为初始部署环境在战略上是明智的。校园是半私有的、地理围栏化的空间，行人行为可预测，车辆交通相对较少，并且拥有年轻、精通数字化的用户群体，他们习惯于基于应用程序的包裹取件。当小蛮驴到达时，学生会收到手机通知，输入密码打开一个隔间，然后取走包裹⁴⁵。这种交互模式很简单，除了学生已经在使用包裹柜做的事情外，不需要改变消费者的行为。

到2021年3月，车队规模已达到500台机器人，覆盖超过200所大学⁴¹⁵。《南华早报》在2020年9月报道了此次发布，并明确指出了成本降低的理由：阿里巴巴高管声称，该机器人的单台生产和运营成本约为行业平均水平的三分之一⁵。这一说法未经核实，且源自单一高管声明。

扩张叙事及其局限性

2021年，阿里巴巴宣布了一个目标：在三年内拥有10,000台机器人，每天能够配送100万个包裹¹⁶³¹。这一目标被广泛报道，并成为小蛮驴商业雄心的核心指标。从2021年开始的三年窗口期，目标完成时间大约在2024年。在本报告的证据基础中，尚未发现任何公开公告确认该目标已实现。2025年4月《中国日报》描述菜鸟自动驾驶车队的文章⁷使用的汇总数据似乎涵盖了更广泛的产品系列，而非确认最初的小蛮驴车队已达到10,000台。

编辑推断：2021年扩张公告与2024年缺乏确认公告之间的差距表明，10,000台机器人的目标并未如期实现。这是否反映了技术限制、监管摩擦、比预期更难实现的单位经济性，还是战略转向更新型的车辆，目前尚未公开披露。

更广泛的阿里巴巴机器人背景

小蛮驴并非孤立发展。阿里巴巴的达摩院已发表关于自主导航、多传感器融合以及——更近期的——具身AI的研究。2025年宣布的Qwen-Robot计划将阿里巴巴定位为物理机器人的AI“大脑”提供商，与宇树科技的合作是公开宣传的案例之一⁹¹¹。2025年arXiv预印本中描述的OmniNav框架，解决了统一的视觉-语言导航问题²¹。阿里巴巴还投资了由旷视科技联合创始人创立的机器人初创公司Dexmal¹²。这些发展表明，阿里巴巴的机器人雄心已超越狭窄的配送机器人品类，这本身或许可以解释为什么近年来小蛮驴的扩张所受到的公众关注，远不及2021年公告所暗示的那样。

03产品组合：Alibaba Xiaomanlv究竟在卖什么

核心产品

根据目前公开的记录，Xiaomanlv是一个单一产品：一款电动、自主导航的轮式配送机器人，专为地理围栏半公共环境中的最后一英里包裹递送而设计 ⁴⁵²⁸。从传统意义上讲，它并非一个产品系列——没有公开记录显示其存在多种变体、有效载荷等级或室内/室外配置，这与Starship Technologies的分层产品线或Amazon的Scout计划不同。现有证据描述了一款具有单一操作模式的机器人。

该机器人经多方独立来源验证的规格如下：

机器人的功能

Xiaomanlv在其已测绘的运营区域内，从配送站或集货点自主导航至收件人所在地。其分隔式车身最多可携带50个包裹。到达配送点后，它会向收件人的手机发送通知。收件人输入密码打开相应隔间，取走包裹 ⁴⁵²⁸。整个交互过程完全无接触。随后，机器人继续前往下一个配送点或返回站点重新装载。

包裹装载由配送站的人工完成 ⁴。这并非Xiaomanlv独有的限制——目前所有商业部署的最后一英里配送机器人均未规模化实现装载步骤的自动化——但值得注意，因为这表明该系统的劳动力节省仅体现在配送环节，而非完整的最后一英里工作流程。

感知与AI架构

供应商和行业媒体资料将感知系统描述为使用AutoDrive ML平台专有多传感器融合系统 ⁴²⁸。阿里巴巴声称该系统无需昂贵的高清传感器即可实现L4级自主导航 ⁵。现有证据未逐一列出具体的传感器类型——摄像头、激光雷达、雷达、超声波。基于云的仿真测试平台被描述为涵盖超过10,000个虚拟场景，并作为开发和验证过程的一部分 ⁴²⁸。

未知：精确的传感器物料清单、AutoDrive ML平台的架构、实时运行期间的云连接性质，以及连接丢失时的后备行为均未公开披露。

部署前测绘

每个新的部署区域都需要菜鸟在Xiaomanlv开始服务前进行测绘工作 ⁴。这是一个重要的运营约束。这意味着机器人无法被投放到未测绘的环境中并立即开始运行——而这是实现真正L4泛化所需的能力。测绘要求与依赖高精地图的导航系统一致，这是中国自动驾驶开发中的常见架构，但会限制地理扩展的速度和成本。

菜鸟自动驾驶车辆（2025年4月）

2025年4月《中国日报》的报道中出现了一款独立产品：菜鸟的"最新L4级自动驾驶车辆"，被描述为在配送站之间的公共道路上运行，拥有超过500万公里的自动驾驶经验和超过4000万个已配送包裹 ⁷。这几乎可以肯定是一款与原始Xiaomanlv人行道机器人不同的产品。其运营模式——公共道路、站到站而非最后几米到收件人——描述的是不同的车辆类别。现有证据无法将4000万个包裹的数字可靠地归因于Xiaomanlv。

这两款产品之间的关系——2025年的车辆是取代Xiaomanlv、补充它，还是代表一个独立的产品线——尚未公开澄清。

产品与版本

Xiaomanlv (小蛮驴)

阿里巴巴达摩院研发、菜鸟网络运营的自动驾驶末端配送机器人；单次最多携带50个包裹，单次充电续航100公里，每日可配送约500个包裹，主要服务于中国高校园区及城市社区。

04技术栈：优势与尚待完成的工作

AutoDrive ML平台

小蛮驴的核心技术主张是，达摩院开发了一个专有的机器学习平台——AutoDrive——使其能够在复杂行人环境中实现自主导航，而无需依赖昂贵的高清传感器⁴⁵²⁸。如果这一主张准确，它将意味着相较于依赖高成本激光雷达阵列或高清地图基础设施的自动驾驶车辆系统，具有显著的成本优势。这一主张在原则上是合理的：校园配送机器人的运行域比公共道路自动驾驶车辆简单得多，且速度包络线低得多，这放宽了传感器延迟要求。

然而，这一主张仅来自供应商。在所提供的证据中，未发现对AutoDrive平台与可比系统进行的独立技术拆解、传感器物料清单披露或第三方基准测试。关于该系统避免使用“昂贵的高清传感器”的断言，并未附带实际使用传感器的规格说明。

多传感器融合

多个来源将导航系统描述为依赖于专有的多传感器融合技术⁴²⁸。这是自主移动机器人的标准架构：结合来自摄像头、激光雷达、雷达和/或超声波传感器的数据，构建一个比任何单一传感器类型都更稳健的实时环境模型。具体的传感器配置未公开。编辑推断：鉴于阿里巴巴公开声明中对成本降低的强调，该系统可能采用以摄像头为主的配置，并辅以成本较低的激光雷达，而非自动驾驶出租车平台中使用的高密度激光雷达阵列。这与运行域（低速、结构化环境、有限范围要求）一致，但也意味着该系统在恶劣天气、低光照或高密度行人场景下的性能可能比供应商的自主性声明所暗示的更为受限。

基于云的仿真

阿里巴巴描述了一个用于开发和验证的基于云的仿真平台，覆盖超过10,000个虚拟场景⁴²⁸。基于仿真的验证是自动驾驶系统开发中的标准做法。10,000个场景的数字无法独立验证，且仿真性能与现实世界干预率之间的关系未公开。公司声明：供应商将仿真覆盖范围呈现为稳健性的证据；这是一种合理的开发实践，但不能替代独立的现实世界审计数据。

障碍物遭遇声明

达摩院声称，小蛮驴车队每天遭遇超过4000万个障碍物⁴。假设500台机器人每台全天运行，这意味着每台机器人每天约遭遇80,000个障碍物——如果将每个行人、自行车、停放车辆和路缘都计为一个障碍物，这个数字在算术上是合理的，但该数字的呈现并未附带“障碍物”的定义或计数方法。这是一个公司声明，未经独立验证。

自主率矛盾

公开记录中最显著的技术可信度问题是归属于阿里巴巴/达摩院的两个自主率数字之间的矛盾。一组来源声称小蛮驴99.9%的时间无需人工干预即可运行⁴²⁸。至少有一个来源报告的数字是99.9999%³²。这两个数字在隐含的干预频率上相差三个数量级。

这两个数字均未经独立审计。三个九的数字（99.9%）更为保守，出现在更多来源中；应将其作为工作假设。即使以99.9%计算，一个由500台机器人组成的车队，每台每天完成500次配送，整个车队每天将产生约250次干预——这是一个不可忽视的运营开销，意味着需要一套监控和响应基础设施，其成本和人员配置未公开披露。

预建地图作为结构性约束

要求菜鸟在每次小蛮驴开始服务之前对新部署区域进行建图⁴，是当前技术栈最显著的结构性限制。这意味着该系统不像真正的L4级自动驾驶车辆那样具有通用性。机器人在已知地图内运行；它不会在未知环境中从头构建地图。对于商用配送机器人来说，这是一个合理的工程选择——它降低了实时导航问题的复杂性——但这意味着阿里巴巴应用的L4标签描述的是在预建地图域内的性能，而非SAE定义所暗示的通用化L4能力。

尚待完成的工作

根据公开证据可推断出的当前系统差距包括：

• 超越预建地图区域的泛化能力：系统目前无法在未建图环境中运行。扩展到新地点需要建图投入，这限制了扩展的速度和经济性。
• 恶劣条件下的性能：未发现关于在雨、雪、雾或低光照条件下性能的公开数据。中国南方的校园环境相对温和，但全国性扩张意味着更多样化的条件。
• 装载自动化：包裹装载仍然是手动的。自动化这一步骤将显著改变系统的劳动力经济学。
• 干预响应基础设施：远程监控和干预系统的成本及人员配置未公开披露。在规模化时，这成为一个重要的运营变量。
• 与更广泛AI栈的集成：阿里巴巴较新的AI能力——Qwen模型、OmniNav、具身AI研究——尚未被公开描述为已集成到小蛮驴当前的生产系统中。

---

05研究、论文、作者与实验室

DAMO研究院自动驾驶实验室

小蛮驴背后的主要研究机构是DAMO研究院自动驾驶实验室，这是阿里巴巴内部的一个研究小组⁴⁵。DAMO研究院（Discovery, Adventure, Momentum and Outlook）由阿里巴巴于2017年成立，是一个涵盖自动驾驶、自然语言处理、计算机视觉和量子计算等多个领域的全球性研究计划。自动驾驶实验室是具体负责小蛮驴开发的部门。

未知：负责小蛮驴核心导航和感知系统的主要研究人员姓名在所提供的证据中未被识别。在现有资料中，尚未确定小蛮驴项目的任何具名首席工程师或研究总监。

档案中阿里巴巴的相关研究

研究档案中包含了几篇与阿里巴巴研究人员相关的arXiv预印本，尽管它们与小蛮驴生产系统的直接相关性各不相同：

OmniNav：前瞻性探索与视觉-语言导航的统一框架²¹：这篇2025年的预印本描述了一个集成视觉和语言输入的机器人导航框架。它与阿里巴巴研究人员相关联，并解决了导航泛化问题——这是直接关系到第4节中识别的预映射限制的能力。OmniNav是打算集成到小蛮驴中，还是代表一个独立的研究方向，文中并未说明。

AsyncShield：用于异步基于云的VLA导航的即插即用边缘适配器²⁰：这篇预印本解决了基于云的视觉-语言-动作导航的延迟和可靠性挑战——这与依赖云连接的配送机器人直接相关。档案摘要中未确认作者是否隶属于阿里巴巴，但该主题在架构上具有相关性。

基于多视角潜在先验学习动作流形用于机器人操作¹⁸：这篇预印本涉及机器人操作而非导航。它与小蛮驴的配送功能没有直接关系。

ArXiv PDF [19]：档案中包含一篇arXiv PDF的引用，但摘要中未提供标题。根据现有信息，无法评估其与小蛮驴的相关性。

Qwen-Robot与具身智能

阿里巴巴的Qwen团队于2025年发布了三个用于具身智能的基础模型¹¹，并且Qwen-Robot计划被描述为为实体机器人提供"数字大脑"，其中宇树科技被列为合作伙伴⁹。这些是关于另一条产品线的公司声明。它们与小蛮驴的相关性是间接的：它们表明阿里巴巴的研究基础设施正在朝着更通用的机器人智能方向发展，原则上可以应用于未来版本的小蛮驴的导航和决策系统。

研究空白

缺少具名研究人员、专门关于小蛮驴架构的已发表同行评审论文或开源代码发布，这一点值得注意。对于一个自2020年以来已大规模商业部署的系统而言，其公开研究足迹相当薄弱。这与阿里巴巴将小蛮驴视为专有商业系统而非研究平台的做法一致，但这限制了外界对其技术主张的审视。

公司相关论文

该模块正在整理中——暂无可显示的数据。

作者与实验室

该模块正在整理中——暂无可显示的数据。

代码与仿真

该模块正在整理中——暂无可显示的数据。

数据集与基准

该模块正在整理中——暂无可显示的数据。

06媒体证据库：视频证明了什么

现有视频记录

研究档案中确定了六个视频来源。其中，只有一个与作为实体产品的小蛮驴直接相关：一个名为"Alibaba's delivery robot XiaomanLV"的YouTube视频²²。其余五个视频分别涉及阿里巴巴的Qwen语言模型系列²³²⁴²⁵、一个无关的阿里巴巴产品开箱²⁶以及一个昂达笔记本评测²⁷。Qwen视频与小蛮驴的硬件能力无关。开箱和笔记本评测视频则完全无关。

小蛮驴视频所展示的内容

唯一直接相关的视频²²显示小蛮驴在一个看似大学校园的环境中运行。该机器人在道路上导航，避开行人，并与一名学生收件人完成了一次配送交互。这与文本来源中描述的操作概况一致。

视频所证明的内容：

• 该机器人作为实体、可操作的产品存在（而非渲染图或原型模型）。
• 它在行人环境中以低速导航。
• 它执行了包裹配送交互（通知、输入密码、舱门开启），与描述一致。
• 运行环境是一个结构化的低速校园场景。

视频未证明的内容：

• 自主率声明（99.9%或99.9999%）。单一演示视频无法建立数千次配送的统计性能。
• 拍摄过程中是否不存在远程人工监控或干预能力。
• 在恶劣天气、高密度人群或陌生环境中的性能。
• 底层导航的传感器配置或AI架构。

雷视通事件报告

档案中的一个来源——来自激光雷达传感器供应商雷视通（Neuvition）的页面——标题为"Alibaba Logistics Vehicle Xiaomanlv Overturned"³²。该来源包含了六九自主率声明（99.9999%）。翻车事件与非凡的自主精度声明并列出现，这一点值得注意。该页面似乎是供应商的评论文章，而非独立调查。翻车事件本身——如果描述准确——证明小蛮驴在实际运行中并非万无一失，这与更保守的99.9%数据一致，而与六九声明相矛盾。编辑推断：雷视通页面将事件报告与供应商来源的六九声明相结合，表明该页面可能只是以该事件为引子来讨论激光雷达传感器的可靠性，而非提供小蛮驴性能的独立审计。六九数据不应被视为经过独立验证。

媒体报道模式

关于小蛮驴的更广泛媒体报道遵循中国科技公司公告的常见模式：发布会获得国际媒体广泛报道（南华早报⁵、Supply Chain Dive¹⁴、WWD¹⁶），随后以固定时间间隔发布里程碑公告（1000万次配送⁴²⁸、单月100万订单³²⁹），而独立审查力度随时间递减。在所提供来源中，未发现任何调查性新闻报道、独立技术评估或用户生成的关于持续实际性能的证据。

媒体库

人工智能专业值得考的4个证书！（阿里云ACP人工智能工程师|阿里云ACP大模型工程师|工信部人工智能工程师|华为HCIP人工智能工程师））

Bilibili15k 次观看

【亚马逊 Kiva 仓储机器人】VS【阿里巴巴 Quicktron 仓储机器人】

Bilibili5.9k 次观看

阿里巴巴菜鸟仓储机器人 PK 亚马逊仓库机器人 | 物流机器人

Bilibili4.1k 次观看

07商业现实

已确认的事实

小蛮驴的商业部署是真实存在的。现有证据支持以下已核实的事实：

• 截至2021年3月左右，超过500台机器人已部署至中国200多所高校和52个城市 ⁴¹⁵。
• 截至2021年3月左右，车队累计完成超过1000万次配送 ⁴²⁸。
• 2021年9月，据报道单月订单量突破100万单的里程碑 ³²⁹。
• 运营模式——大学校园和城市居民社区、基于App的包裹取件、电动自动驾驶——正在商业规模上运行 ⁴⁵¹⁵。

这些数字并非微不足道。500台机器人完成1000万次配送代表着真正的运营成就，而非试点项目。在200所高校和52个城市的部署表明，该系统已在多样化的校园环境中得到复制，这为超越单一站点示范的运营稳健性提供了一定证据。

收入与单位经济性

未知：小蛮驴对菜鸟或阿里巴巴集团的收入贡献未公开披露。单次配送成本、向高校或居民社区收取的定价模式，以及机器人硬件投资的投资回收期，均不在公开记录中。

唯一可用的成本数据点是阿里巴巴高管声称该机器人的单位生产和运营成本约为行业平均水平的三分之一 ⁵。这是一个公司声明，未经独立验证。该声明也存在歧义：“行业平均水平”未定义，且不清楚比较对象是人工配送员、竞争性配送机器人系统，还是其他基准。

10,000台机器人目标

悬在小蛮驴头上最重要的商业问题是，2021年左右宣布的10,000台机器人、每日100万包裹的扩张目标 ¹⁶³¹ 的现状如何。该目标意味着车队规模从2021年中确认的500台增长20倍，并计划在大约三年内实现。尚未发现任何公开公告确认该目标已实现。

2025年4月关于菜鸟自动驾驶车辆的报道 ⁷ 并未提供小蛮驴专属的车队数量。该文章中引用的4000万包裹数据，如果归因于更广泛的菜鸟自动驾驶车队而非小蛮驴专属，则与持续运营相符，但并未确认10,000台的目标。

编辑推断：在一家一直勤于宣布配送里程碑的公司中，没有公开公告确认10,000台机器人目标——这本身就具有信息量。这表明该目标未按最初预期的时间线实现。原因可能包括：单位经济性比预期更难实现、从校园扩展到公共道路环境的监管限制、来自替代自动化方法的竞争压力，或者战略性地决定投资于更新型的车辆而非扩大原始小蛮驴设计规模。

客户基础

小蛮驴已确认的客户基础包括中国高校和城市居民社区 ⁴¹⁵¹⁶。这些并非传统意义上的付费客户——该服务由菜鸟作为其物流网络的一部分运营，而“客户”是通过阿里巴巴电商平台订购包裹的收件人。高校和居民社区是部署地点，而非独立采购机器人的客户。

未知：是否有任何第三方物流运营商、非阿里巴巴电商平台或国际客户部署了小蛮驴，现有证据中未披露。所有已确认的部署均在中国境内，且均在阿里巴巴/菜鸟生态系统内。

商业市场中的竞争定位

小蛮驴于2020年进入市场，是中国科技和物流公司开发的多个自动驾驶配送机器人项目之一。京东拥有自己的自动驾驶配送机器人项目；美团一直在推进无人机和地面机器人配送；国际参与者包括Starship Technologies、Nuro和亚马逊的Scout项目在同一时期也很活跃 ¹⁴¹⁶。自2020年以来，竞争格局已发生显著变化，一些国际项目（尤其是亚马逊Scout）已终止，而中国项目则已整合。

编辑推断：小蛮驴的竞争优势——如果存在的话——在于其与阿里巴巴电商和物流生态系统的整合，这提供了任何独立机器人运营商都无法复制的专属包裹量。该机器人无需赢得客户；它服务于现有的菜鸟配送网络。这是一个结构性优势，但也限制了该产品在当前形式下的可寻址市场，仅限于阿里巴巴自身的物流运营。

客户与部署

200+ Chinese Universities高等院校

小蛮驴机器人已在中国200余所高校园区部署，为师生提供末端包裹配送服务，截至2021年中已完成逾1000万次配送。

160+ Urban Communities & Campuses (52 cities, 22 provinces)城市居民社区／综合园区

小蛮驴已从高校扩展至22个省份52个城市的160余个城市社区，作为菜鸟末端物流网络的组成部分为居民配送包裹。

08市场与使用场景

Xiaomanlv实际适用的运营边界

要理解Xiaomanlv在哪些场景有效——以及在哪些场景无效——需要将"最后一公里配送机器人"的营销叙事与更精确的运营现实区分开来：这是一种专为受控行人环境设计的、基于地理围栏、预先地图测绘的低速自动驾驶车辆。这种区别在商业上至关重要，因为前者的可寻址市场广阔，而后者的可寻址市场则小得多。

核心部署模式：受控校园环境

Xiaomanlv主要且证据最充分的市场是中国大学校园。截至2021年3月，该车队已在覆盖22个省份52个城市的200多所大学运营⁴¹⁵。这并非早期采用的偶然结果。大学校园为具有Xiaomanlv技术特征的系统提供了近乎理想的运营条件：可预测的道路布局、较低的车辆行驶速度、高密度的数字素养较高的收件人（他们能够与基于应用程序的取件界面交互），以及有助于菜鸟在每个新站点上线前进行预先地图测绘的机构合作关系⁴。

校园模式也解决了一个真实的物流痛点。中国大学校园通常禁止商业配送车辆进入生活区，这造成了结构性的最后一百米问题，而人工快递员步行或骑自行车解决该问题的效率低下。一辆每次能携带50个包裹并能自主在行人道路上导航的机器人，相比推着手推车的快递员，提供了可信的生产力提升。每台机器人每天处理500个包裹的数据⁴⁵在此背景下是合理的：一个拥有密集学生宿舍、多个配送时段和短站间距离的校园，正是能够实现该吞吐量的环境。

城市住宅社区

第二个已确认的部署类别是城市住宅社区（小区），这构成了多个来源引用的"160多个城市社区和校园"数据的一部分¹⁵³⁰。这些封闭式住宅小区与大学校园具有结构上的相似性：受控的入口、较低的车辆速度、可预测的行人流量，以及能够与菜鸟在预先地图测绘和运营物流方面协调的管理实体（物业公司）。与校园部署的类比足够接近，以至于相同的机器人硬件和软件栈无需根本性重新设计即可转移。

从绝对包裹量来看，城市社区市场远大于大学市场。中国的住宅小区配送市场每天处理数亿件包裹，从小区大门到各住宅楼的"最后100米"是一个公认的瓶颈。Xiaomanlv能否有意义地扩展以解决这一市场，取决于"商业现实"部分探讨的因素——主要是，其经济性在大规模运营下是否成立，以及10,000台机器人的扩张目标是否已实现。

公共道路问题

一个独立且更近期的发展是菜鸟于2025年4月宣布在配送站之间的公共道路上运营L4级自动驾驶车辆⁷。《中国日报》报道称，该产品与校园/社区的Xiaomanlv人行道机器人不同，描述这些车辆拥有超过500万公里的自动驾驶经验，并在更广泛的菜鸟自动驾驶车队中配送了4000万个包裹⁷。档案中的冲突说明指出，将这些数据与Xiaomanlv特定数据混为一谈会产生误导。就市场分析而言，公共道路自动驾驶配送车辆代表了一个不同的产品类别，具有不同的监管概况、不同的传感器需求和不同的竞争格局。此处提及是为了完整性，但并非本报告的主要主题。

使用场景分类

下表将已确认和可能的使用场景与每种场景可用的证据质量进行了映射。

需求驱动因素

几个结构性因素支持中国对Xiaomanlv类机器人的持续需求：

劳动力成本轨迹。 中国城市配送劳动力成本稳步上升，支撑菜鸟、京东物流和美团等平台的零工经济模式面临着关于工人分类和最低收入保障的监管压力。如果供应商声称的每单位成本仅为行业平均水平三分之一的数据成立⁵，那么随着人工快递员成本上升，机器人将变得更具吸引力。这是根据公开可用的劳动力市场趋势得出的编辑推断，并非来自Xiaomanlv特定财务披露的数据。

包裹量增长。 根据国家邮政局的数据，2023年中国快递市场处理了超过1300亿件包裹，该数字在过去十年的大部分时间里以两位数的速度增长。即使对校园和住宅社区细分市场实现适度渗透，也代表着巨大的绝对配送量。

疫情加速。 2020年9月的发布时机并非巧合。COVID-19限制措施立即创造了非接触式配送解决方案的需求，而大学校园——大量学生被限制在校内——是自然的首次部署环境⁵。疫情带来的顺风已逐渐消退，但它建立的操作习惯（基于应用程序的包裹取件、接受机器人配送）得以延续。

电商平台整合。 Xiaomanlv在阿里巴巴/菜鸟物流生态系统内运营，这意味着它受益于与淘宝、天猫以及阿里巴巴更广泛的商家网络的直接整合。这是相对于必须单独协商物流平台整合的独立机器人公司的结构性优势。

市场规模注意事项

在提供的档案中，未发现针对中国校园和住宅社区自主配送机器人细分市场的独立市场规模数据。行业媒体引用的更广泛自主配送机器人市场数据通常以模糊车辆类别、地理区域和使用场景的方式进行汇总，从而掩盖了Xiaomanlv类人行道机器人的具体可寻址市场。读者应对来自分析公司的任何头条市场规模数据保持适当的怀疑，除非其方法论对这些区别保持透明。

09竞争格局

中国自主最后一英里配送机器人市场由少数资源雄厚的科技与物流公司主导，同时还有大量处于早期阶段的初创企业。小蛮驴的竞争地位由其与阿里巴巴/菜鸟生态系统的整合、在校园部署中的先发优势，以及其运营领域要求所带来的限制共同塑造。

竞品对比

机器人	厂商	自主性	可信度
iRobot Roomba Combo 10 Max	iRobot	Autonomous	0.90
Mobile ALOHA (Stanford)	Stanford University	Teleoperated	0.90
1X NEO	1X Technologies	Remote-Assisted	0.90

中国市场的直接竞争对手

京东物流是最具直接可比性的竞争对手。京东自2018年起就在大学校园运营自主配送机器人，比小蛮驴早了大约两年¹⁶。京东的机器人已部署在中国多所大学，采用类似的低速、预建地图、地理围栏运营模式。京东的物流基础设施以类似于菜鸟与阿里巴巴关系的方式进行垂直整合，使其拥有类似的生态系统优势。2021年WWD/Sourcing Journal的报告在阿里巴巴宣布10,000台机器人扩张计划的背景下，明确比较了这两个项目¹⁶。京东并未以允许与小蛮驴公布指标直接比较的形式公开披露车队规模或配送量数据。

美团在自主配送领域投入巨资，主要聚焦于餐饮配送而非包裹物流⁶。美团的自动驾驶车辆服务于不同的使用场景（热食、时间敏感、距离更短），但在大学校园和居民社区中争夺相同的物理空间。2026年6月plataformamedia.com的分析将阿里巴巴和美团列为两大中国电商巨头在自动化领域的定位者⁶，不过该文章的主要焦点是更广泛的自动化战略，而非具体的机器人规格。

新石器是一家中国自动驾驶初创公司，生产用于校园、园区和城市环境的低速自主配送车辆。与小蛮驴不同，新石器将其车辆销售给第三方运营商，而非在自有物流网络内运营。这使得新石器定位为物流公司的潜在供应商，而非配送服务层的直接竞争对手——不过当新石器车辆被竞争性物流运营商部署时，这种区别就变得模糊了。

Starship Technologies和Serve Robotics是最突出的西方对标企业，但两者在中国市场均无实质性存在。在对小蛮驴进行竞争分析时纳入它们，主要有助于对标技术规格和商业模式选择，而非评估直接市场竞争。

竞争定位矩阵

结构性竞争优势

小蛮驴最持久的竞争优势并非机器人硬件本身——这是可复制的——而是与菜鸟物流网络的运营整合。当包裹进入阿里巴巴/菜鸟系统时，将其分配给小蛮驴机器人而非人工快递员的路线决策，是在处理整个配送链的同一物流管理系统内做出的。这种整合减少了独立机器人公司需要与物流运营商协商的协调成本。这也意味着小蛮驴的部署经济性是根据菜鸟的内部成本基准而非外部市场价格来评估的，这可能使那些对独立运营商而言不具备商业吸引力的边际部署变得可行。

预建地图的要求虽然是一个技术约束，但在某种程度上也起到了竞争护城河的作用：菜鸟已投资绘制了200多所大学校园和160多个居民社区的地图，这个已测绘区域数据库对于从零开始的竞争对手构成了进入壁垒。新进入者需要同时复制机器人硬件和已测绘区域覆盖，才能在同一起跑线上竞争。

竞争劣势

同样的生态系统整合提供了优势，也造成了依赖。小蛮驴的商业可行性与菜鸟的战略优先级挂钩，而菜鸟的战略优先级又与阿里巴巴集团更广泛的企业方向相关。自2021年以来，阿里巴巴经历了重大的内部重组，包括菜鸟的部分分拆及随后的逆转。集团层面的战略转向可能会将投资从机器人项目中抽离，无论其运营表现如何。

供应商声称的成本为行业平均水平的三分之一⁵尚未得到独立验证。如果这一数字在目标10,000台规模下无法成立，那么该项目的经济性将发生实质性变化。拥有不同成本结构的竞争对手——特别是那些使用通用硬件平台而非专有传感器融合的——即便缺乏生态系统整合优势，也可能在单位经济性上低于小蛮驴。

最后，预建地图的要求限制了小蛮驴快速扩展到新部署区域的能力。每个新站点都需要菜鸟进行地图测绘操作，机器人才能开始服务。这导致扩张速度与地图测绘资源投入之间呈线性关系，而对于能够在未测绘环境中运行的系统来说，这种关系并不存在——尽管在中国，没有任何商业部署的最后一英里配送机器人已在规模化水平上展示出可靠的未测绘环境运行能力。

10地缘政治背景与约束

中国的监管环境

小蛮驴所处的监管环境在若干方面比其西方同行面临的监管更为宽松。中国国家和地方政府积极推动自动驾驶车辆和配送机器人的部署，将其作为更广泛的智慧城市和物流现代化议程的一部分。交通运输部和国家发展改革委已发布支持自动驾驶物流车辆试点的指导文件，包括北京、上海和深圳在内的多个城市已建立了自动驾驶配送车辆的指定测试区和运营走廊 ⁷⁸。

2025年4月菜鸟在公共道路上的部署 ⁷ 表明，自动驾驶配送车辆已获得至少在某些类别中国公共道路上行驶的监管批准，但所提供档案中并未详细说明该批准所依据的具体监管框架。构成小蛮驴主要运营领域的校园和住宅社区部署，受物业管理协议和地方政府协调的约束，而非国家自动驾驶车辆法规，这使得它们在历史上比公共道路运营更容易建立。

这种监管宽松度是中国自动驾驶配送机器人开发者相对于其西方同行的一项真正竞争优势，后者面临着更为碎片化且往往更为严格的监管环境。这也是限制小蛮驴部署模式在中国以外市场直接可转移性的一个因素。

出口管制与技术转让限制

小蛮驴的技术栈——专有多传感器融合、AutoDrive ML平台、基于云的仿真——是在阿里巴巴达摩院内部开发的，该机构受中国出口管制法规的约束，并可能受到西方市场外国投资和技术转让框架的审查 ¹⁰。美国、欧盟及多个盟国政府已逐步收紧对中国自动驾驶和人工智能技术收购的限制，理由是对数据收集、敏感基础设施测绘以及供应链依赖的国家安全关切。

具体到小蛮驴，最相关的约束是测绘要求。在西方大学或住宅社区部署小蛮驴，将涉及菜鸟（阿里巴巴子公司）对该环境物理布局进行测绘，并将该数据上传至云基础设施。这一数据收集维度将在大多数西方司法管辖区，根据现有或拟议的关于中国科技公司获取敏感位置数据的框架，引发监管审查。这并非假设性问题：类似问题已出现在大疆无人机运营、华为电信基础设施以及TikTok数据处理中。

实际后果是，小蛮驴的可寻址市场实际上仅限于中国，以及可能对中国科技公司限制较少的市场——主要是东南亚、中东部分地区以及"一带一路"倡议伙伴国家。在所提供档案中，未发现中国以外国际部署的证据。

阿里巴巴的企业与监管背景

自2020年底蚂蚁集团IPO被暂停且针对中国科技平台的更广泛监管行动启动以来，阿里巴巴集团一直承受着巨大的国内监管压力。2023年宣布随后又撤销的菜鸟部分分拆，反映了阿里巴巴企业结构和战略重点持续存在的不确定性。这些内部动态与小蛮驴相关，因为它们影响该计划投资的稳定性，以及2021年宣布的10,000台机器人扩张目标是否会以持续的资源投入来推进的可能性。

开发小蛮驴技术的研究机构达摩院本身也经历了重组。2023年初，阿里巴巴宣布达摩院将缩减人员规模并重新聚焦研究重点，部分团队被转移到业务部门，其他团队则被解散。所提供档案中未公开披露对开发小蛮驴的自动驾驶实验室的具体影响。这被标记为一个需要持续关注的未知因素。

中美科技竞争

中美科技竞争的更广泛背景以既促进又制约的方式塑造了小蛮驴的发展环境。在促进方面，自2022年起美国收紧对先进半导体的出口管制以来，中国政府对国内自动驾驶和机器人开发的支持力度加大。阿里巴巴已投资于国内AI芯片开发（通过其平头哥半导体子公司）以及大语言模型能力（通过通义千问模型系列 ⁹¹¹），这些能力最终可能被集成到下一代自主配送系统中。

在制约方面，对用于训练自动驾驶模型的最先进NVIDIA GPU硬件的获取限制，以及未来对其他组件的潜在限制，给小蛮驴底层AI平台改进的速度带来了不确定性。供应商声称小蛮驴"无需昂贵的高清传感器"即可实现L4性能 ⁵，这可能反映了真正的工程效率，也可能反映了对组件可用性限制的适应——所提供档案无法做出明确判断。

数据主权与竞争情报

阿里巴巴用于在10,000多个虚拟场景中测试小蛮驴的基于云的仿真平台 ⁴ 代表了一项重要的数据资产。500多台机器人在真实世界环境中导航所产生的运营数据——障碍物遭遇、导航决策、干预事件——以随时间累积的方式反馈到模型训练中。这种数据飞轮动态是拥有大规模部署车队的老牌企业的一项结构性优势，也是即使硬件规格趋同，小蛮驴与潜在新进入者之间的差距仍可能扩大的原因之一。

11炒作、现实与难看的一面

本节对关于小蛮驴的声明进行系统性审视，区分哪些有证据支持，哪些没有。

声明追踪

小蛮驴实现99.9999%（六个九）的自主导航，无需人工干预不成立

六个九和较保守的三个九（99.9%）数据均仅来源于阿里巴巴/达摩院通过行业媒体发布的声明[4][28][30]；没有任何独立第三方审计或监管机构核实上述数字，六个九的说法仅见于一家媒体，属于无独立佐证的超高精度声明。

小蛮驴无需昂贵高精度传感器即可实现SAE L4级自动驾驶不成立

L4级别的定性仅为供应商自述[4][5][28]；没有任何独立监管机构或第三方评估机构对此进行认证，且系统要求菜鸟网络在每个新部署区域提前建图，这一领域约束与真正L4自动驾驶所要求的泛化能力存在根本性矛盾。

小蛮驴每次最多携带50个包裹，单次充电续航100公里，每日可配送约500个包裹未知

上述规格在多个商业和社区来源中保持一致[2][3][4][5][15][28][30]，但均可追溯至阿里巴巴/菜鸟的宣传材料；没有独立的硬件拆解、监管备案或客户实测数据对这些数字进行核实。

截至2021年中，小蛮驴已在200余所高校和52个城市部署超过500台机器人，累计配送超过1000万件包裹未知

500台以上机器人和1000万件配送里程碑由包括南华早报[5]、Alizila[28]、零售科技创新中心[15]和Supply Chain Dive[14]在内的多家媒体报道，但这些报道大多转述阿里巴巴财报及新闻稿，并非对机队规模或配送数量的独立实地核实。

小蛮驴已在中国高校园区和城市社区大规模部署，用于真实末端配送运营成立

南华早报[5]、Supply Chain Dive[14]、iXtenso[2]及物流行业媒体[29][30]独立报道了在200余所高校和52个城市的运营部署，阿里巴巴集团官方推特[17]也确认了百万订单里程碑——多家地域分散的第三方媒体的广泛报道为真实规模化商业运营提供了合理的独立佐证，尽管具体数字仍来源于供应商。

小蛮驴的生产和运营成本约为行业平均水平的三分之一不成立

该成本说法仅由阿里巴巴高管单方面表述[5]，档案中没有任何独立的成本基准测试、竞争对手披露或分析师核实。

阿里巴巴计划将小蛮驴机队扩展至10,000台，每日配送能力达100万件未知

10,000台机器人/每日100万件的目标在多家媒体中均有报道[2][16][31]，但这是约2021年设定的3年期前瞻性供应商目标；没有独立来源确认该目标已实现或正在推进，档案中最新的机队数据仍为2021年中的500台以上。

六个九的自主性声明

小蛮驴档案中最引人注目的声明是，该系统“99.9999%的时间无需人工干预”——即所谓的六个九指标⁴。这一声明值得仔细审视。

六个九（99.9999%）意味着每百万次运营事件中仅有一次故障。如果每次配送算作一次运营事件，且一台机器人每天完成500次配送，那么六个九的性能意味着每台机器人每2000天运营才需要一次干预——大约每台机器人5.5年一次。对于任何在不受控的行人环境中运行的自主系统来说，这都是一个非同寻常的声明，并且在所提供的档案中没有任何独立验证。

三个九的指标（99.9%）——每1000次配送一次干预，或每台机器人每天约两次干预（按500次配送计算）——更为合理，并且出现在多个来源中²²⁹³⁰。即使这个数字也未经任何独立审计验证。这两个数字之间的冲突并非微小差异：它们相差了1000倍。在独立审计之前，六个九的声明应被视为营销宣传。

L4分类问题

阿里巴巴声称小蛮驴达到L4级自动驾驶⁵，这需要结合背景来看。SAE L4级定义为系统能在定义的运行设计域（ODD）内无需人工干预完成所有驾驶任务。关键短语是“定义的运行设计域”。

小蛮驴的ODD受到明确限制：它在菜鸟在部署前预先测绘的区域中运行⁴。这一预测绘要求意味着系统无法在未测绘环境中运行——这一限制完全符合L4的定义（L4不要求在任何地方运行，仅要求在ODD内运行）。然而，L4声明的营销展示通常省略了这一限制，造成系统具备比实际更通用能力的印象。

更重要的是，在所提供的证据中，没有任何独立监管机构或第三方评估机构认证小蛮驴的L4状态。在中国，工业和信息化部及地方当局已建立自动驾驶车辆测试和认证框架，但未发现小蛮驴在这些框架下获得任何认证。L4标签是自我贴上的。

侧翻事件

一项与平稳自主叙事相悖的证据来自Neuvition（一家激光雷达供应商）的一份报告，记录了小蛮驴车辆侧翻事件³²。该报告未提供足够细节来确定事件原因、频率或运营背景。将其纳入此处是因为它是唯一被识别出的小蛮驴运营故障的独立证据，并且它提醒我们，供应商策划的媒体内容——统一显示机器人平稳导航——并非运营性能的代表性样本。

这一事件的存在本身并不削弱小蛮驴自主能力的论证。侧翻事件可能由路面状况、避障中的边缘情况或人为干扰导致，在数百万次配送中记录到一次事件与高可靠性（但非完美）是一致的。问题在于，没有独立的运营数据，就无法知道这一事件是代表罕见的边缘情况还是更常见的故障模式。

车队规模与配送量差距

10000台机器人的车队目标大约在2021年宣布，期限为三年¹⁶。档案中最近的车队规模数字是截至2021年中期的500多台机器人⁴。档案中没有来源确认车队已达到或接近10000台。2025年4月《中国日报》的文章⁷描述了菜鸟的“最新L4级自动驾驶车辆”已配送4000万个包裹，但正如冲突部分所述，这很可能指的是不同产品，或汇总了更广泛的菜鸟自动驾驶车队，而非确认有10000台小蛮驴在运营。

2021年目标与2025年证据之间的差距是显著的。它可能反映：战略性转向不同车辆类别用于公共道路运营；由于成本或运营挑战导致扩展速度低于预期；阿里巴巴内部重组对该项目投资的影响；或者仅仅是缺乏关于车队扩张（实际上可能已发生）的公开披露。档案不允许在这些解释之间做出判断，但缺乏目标达成的证据本身就具有信息价值。

视频实际展示的内容

档案中列出了六个视频来源^222324252627。其中，只有²²与小蛮驴硬件直接相关。其他视频涵盖Qwen AI模型²³²⁴²⁵、一个无关的阿里巴巴产品开箱²⁶以及一个无关的笔记本电脑评测²⁷。唯一的小蛮驴视频²²显示机器人在校园环境中导航、与收件人互动并完成配送。这与系统运营声明一致。

然而，单个宣传视频——即使看起来未经编排——无法确立自主性能统计数据、故障率或运营可靠性。视频展示了机器人在精心策划的演示中能做什么；它没有展示当机器人遇到意外障碍、故障门、未响应应用通知的收件人或恶劣天气条件时会发生什么。这些是决定现实世界可靠性的运营重要场景，而在现有证据中并未记录。

难看的一面：未披露的内容

若干商业和技术上重要的事实根本未公开披露：

• 当前车队规模（截至2024-2026年）：未公开披露。
• 实际干预率（经独立验证）：未公开披露。
• 规模化的单位经济性：除未经验证的行业平均成本三分之一声明外，未公开披露。
• 达摩院自动驾驶实验室在2023年重组后的状态：未公开披露。
• 收件人满意度和取件率：未公开披露。
• 恶劣天气下的运营性能：未公开披露。
• 监管认证状态：未公开披露。

这些披露的缺失对于一家运营专有物流系统的中国科技公司来说并不罕见。但这意味着小蛮驴的公开证据基础几乎完全由供应商生成，而确实存在的独立证据（侧翻事件³²、通过大学合作伙伴关系确认的部署规模）相对于所提出的声明而言是薄弱的。

---

12未来情景

以下情景是基于现有证据的编辑推断。它们并非预测，且本档案中不包含足够的前瞻性信息来对概率估计做出有信心的赋值。

情景A：在中国持续渐进式扩张

条件： 阿里巴巴/菜鸟维持对“小蛮驴”项目的投资；校园及社区部署的经济性被证明可持续规模化；监管环境保持宽松。

轨迹： 车队规模从已确认的500+台向10,000台目标增长，但时间线可能比最初的三年前景预测更长。部署范围扩展至更多大学和居民社区。2025年4月公布的公共道路车辆⁷将作为补充产品发展，服务于站点间物流，而非取代校园人行道机器人。

证据阈值： 确认车队规模超过2,000台并附有具体部署地点名称；披露单位经济模型显示正边际贡献。

评估： 这是最保守的情景，也是与现有证据最为一致的情景。项目已投入运营，部署模式在其目标环境中得到验证，结构性需求驱动因素（劳动力成本上升、包裹量增长）依然存在。

情景B：战略转向公共道路自动驾驶配送

条件： 2025年4月的公共道路车辆⁷被证明比校园人行道机器人更具商业吸引力；菜鸟将投资重新导向更高吞吐量的公共道路产品。

轨迹： 原有的“小蛮驴”人行道机器人维持现有规模或进入平台期，而投资集中于公共道路车辆。10,000台目标被悄然放弃或重新定义以包含新车型。校园部署模式作为遗留业务继续运营。

证据阈值： 公布公共道路车队扩张计划并附具体数量；缺乏新的“小蛮驴”校园部署公告。

评估： 2025年4月的公告⁷与此情景一致。公共道路车辆可服务于高运量的站点间线路，这些线路比单个校园配送在经济上更具吸引力。向高端市场转型的战略逻辑是合理的，尽管这将代表与“小蛮驴”原始定位的重大偏离。

情景C：与基础模型的技术融合

条件： 阿里巴巴在具身AI基础模型（Qwen-Robot ⁹¹¹、OmniNav ²¹）上的投资产生的能力可集成到下一代“小蛮驴”硬件中；通过改进泛化能力，预建地图的需求被减少或消除。

轨迹： 第二代“小蛮驴”或后续产品融入视觉语言模型能力，减少对预建地图环境的依赖，并扩展运行设计域。这将代表质的性能提升，而非渐进的车队扩张。

证据阈值： 发表经同行评审的结果，证明地图依赖度降低；发布集成基础模型的新一代车辆产品公告。

评估： 鉴于阿里巴巴在具身AI上的投资⁹¹¹²¹，此情景在技术上具有可行性，但时间线不确定。基础模型在实验室条件下的能力与在真实物流环境中可靠部署之间的差距巨大，且档案中没有任何证据表明这种集成对“小蛮驴”而言迫在眉睫。

情景D：项目收缩或终止

条件： 阿里巴巴内部重组持续减少对非核心机器人技术的投资；校园配送的经济性未按预期规模化；竞争对手（京东、美团）取得决定性的成本或能力优势。

轨迹： “小蛮驴”项目维持现有规模而无显著扩张，或逐步缩减以支持第三方物流合作伙伴关系。达摩院自动驾驶实验室被重组或并入具有不同优先级的业务部门。

证据阈值： 超过12个月无新的部署公告；确认达摩院重组影响自动驾驶团队；菜鸟宣布采购第三方机器人而非自主研发。

评估： 2023年达摩院重组是一个真实的风险因素。车队规模在2021年数据之后未获确认增长，这与平台期或收缩均一致，尽管也可能反映信息披露缺口。此情景在现有证据下无法排除。

情景E：在宽松市场的国际扩张

条件： 菜鸟的国际物流扩张（尤其在东南亚和中东）为“小蛮驴”在监管限制较少的市场创造了部署机会。

轨迹： “小蛮驴”或衍生品部署于新加坡、马来西亚、沙特阿拉伯或阿联酋的大学校园或居民社区——这些市场菜鸟已建立物流运营，且自动驾驶配送机器人的监管框架要么宽松，要么尚不完善。

证据阈值： 公布国际部署计划并附具体地点名称；菜鸟国际物流扩张公告中包含自主配送组件。

评估： 在所提供的档案中未发现任何国际部署的证据。鉴于菜鸟的国际雄心，此情景具有可行性，但基于现有证据仍属推测。

13持续跟踪清单

以下指标是追踪Xiaomanlv发展的最具信息量的信号。它们按类别组织，并按证据权重排序。

车队与部署指标

• 车队规模披露：任何官方或独立确认的当前Xiaomanlv车队规模数据。最后一个确认数据是2021年中期的500+台⁴。显著高于或低于10,000台的数据将对项目轨迹具有高度信息价值。
• 新的大学或社区部署：带有可验证站点细节的命名部署公告。没有命名站点的泛泛“扩张”公告应持怀疑态度对待。
• 累计配送里程碑：该项目此前已宣布过1000万⁴和100万订单³的里程碑。未来的里程碑（例如1亿）将提供持续规模化的证据。
• 公共道路车辆车队规模：单独追踪2025年4月的公共道路车辆⁷，以避免与Xiaomanlv校园机器人数据混淆。

技术与研究信号

• 达摩院自动驾驶实验室出版物：开发Xiaomanlv的实验室发表的同行评审论文将表明持续活跃的研究。当前档案中没有任何Xiaomanlv特定的同行评审出版物——只有关于阿里巴巴相关机器人主题的论文^18192021。
• 预建图依赖减少：任何表明减少对部署前建图依赖的技术公告或出版物将代表重大的能力进步。
• 基础模型集成：Qwen-Robot⁹或OmniNav²¹集成到Xiaomanlv硬件或软件中的证据将标志着代际能力升级。
• 传感器规格更新：任何更新的传感器硬件披露，特别是如果它用更具体的组件信息回应了“没有昂贵的高清传感器”的说法。

商业与财务信号

• 菜鸟财务披露：菜鸟的物流收入和成本结构，特别是与自动驾驶配送相关的任何项目，将为该项目的经济性提供独立证据。
• 单位经济性披露：任何提供Xiaomanlv与人类快递员替代方案每单配送成本数据的独立分析或监管文件。
• 第三方客户公告：具名大学或物业管理公司对该项目的背书，附带具体性能数据，将为运营声明提供独立验证。
• 竞争对手车队规模披露：京东物流或美团宣布的自动驾驶配送机器人车队规模数据，可与Xiaomanlv数据进行比较。

监管与地缘政治信号

• 中国自动驾驶车辆认证：任何关于Xiaomanlv或公共道路车辆在中国自动驾驶车辆框架下获得正式监管认证的公告。
• 达摩院重组：任何关于达摩院组织结构的进一步公告，特别是影响自动驾驶实验室的公告。
• 出口管制发展：美国、欧盟或盟国政府对中国自动驾驶技术的新限制，可能影响Xiaomanlv的组件供应链或国际扩张前景。
• 阿里巴巴集团企业重组：菜鸟在阿里巴巴集团内企业地位的任何进一步变化，可能影响对机器人项目的投资。

事故与可靠性信号

• 独立运营报告：任何非供应商提供的Xiaomanlv运营性能文档，包括故障事件、干预率或接收方满意度数据。Neuvition翻倒报告³²是目前唯一已识别的此类文档。
• 学术或新闻调查：对Xiaomanlv实际运营性能的独立研究，特别是干预率验证。
• 监管事故报告：中国自动驾驶车辆法规下任何强制性的、可公开获取的事故报告。

---

14来源与方法论

方法论

本报告采用结构化证据分类框架编制，区分四种声明类别：

已验证事实 是指有监管文件、官方产品文档、具名客户确认、同行评审或一手研究、或多个独立来源（无共同供应商沟通来源）相互佐证支持的声明。

公司声明 是指阿里巴巴、达摩院、菜鸟或其代表通过新闻稿、高管声明或供应商撰写内容传达的、未经独立验证的声明。

编辑推断 是分析师根据现有证据得出的合理结论。它们被明确标注，代表分析师的判断而非既定事实。

未知项 是指未公开披露且无法从现有证据推断的事实。它们被直白陈述，而非估算或填充。

本研究报告所依据的