毕马威：2026释放印度铁路货运增长潜力研究报告：推动中小微企业便捷使用铁路货运（英文版）（36页）.pdf

核心结论速览： MSMEs占印度GDP的31%、制造业产出的35%和近一半出口：它们是未来货运需求的最大来源之一，但物流成本占微型企业产出的16.9%，而大型企业仅为7.6%。 铁路拥有显著的结构性成本优势：铁路平均运输成本为1.96卢比/吨公里，而公路为3.78卢比/吨公里。然而，公路仍主导货运，说明企业决策考虑的不只是运输价格。 MSMEs每年可为铁路带来约1亿吨的潜在货运机会：保守估计可贡献约8,700亿卢比的年增量收入和约450万吨CO₂的年减排量。 印度货运终端已演变为“双轨制”：私人侧线和PFTs（占终端37%）处理约70%的货运量；普通货场（占终端63%）仅处理约19-23%的货运量——现代化红利未能惠及依赖公共设施的中小微企业。 总物流成本与影响（TLCI）框架揭示“隐藏成本”：铁路的运费优势常被库存持有成本、货物集结延迟、装卸费用和服务不确定性所抵消。 日本和中国经验表明，终端集成化、货物集结机制和数字化转型是关键：日本JR Freight的E&S系统使装卸可直接在到发线上完成；中国西安国际港站自动化集装箱码头使物流成本降低15%以上。 未来10年印度铁路需加速货车采购：按国家铁路计划（NRP）的货车需求与现行采购节奏之间存在显著缺口，需通过长期采购规划和私人部门参与来弥补。研究背景与全景图谱。报告定位与核心命题。FICCI（印度工商联合会）与毕马威印度联合发布的《Unlocking rail freight growth: Making rail accessible for India's MSMEs》报告，于2026年未来铁路印度（Future Rail India）大会上发布。报告的核心命题是：铁路的未来竞争力不仅取决于其网络运行效率，还取决于企业——尤其是中小微企业（MSMEs）——能否方便地接入铁路网络。印度物流成本估计约为24.01万亿卢比，相当于GDP的7.97%。更重要的是，物流成本对小型企业的负担不成比例——微型企业的物流成本占产出的16.9%，而大型企业仅为7.6%。MSMEs贡献了印度GDP的31%、制造业产出的35%和近一半的出口，是未来货运需求的最大来源之一。分析框架。报告引入三个核心分析框架： TLCI（总物流成本与影响）框架：评估货运决策在直接物流成本、时间相关成本、不确定性成本和战略业务影响四个维度上的影响。 MATA（市场对齐终端可达性）模型：从技术适配、商业适配、通道适配和制度适配四个维度评估终端。 WAA（货车获取与可用性）模型：从设计适配、商业适配、可用性适配和制度适配四个维度评估货车。报告结构。报告分为七大部分：执行摘要、MSMEs与铁路货运的连接、总物流成本分析、国际经验、终端可达性分析、货车作为运力核心、结论与建议。（数据来源：FICCI-KPMG《Unlocking rail freight growth: Making rail accessible for India's MSMEs》）。MSMEs——铁路货运的下一增长前沿。MSME货运市场规模估算。报告采用三层漏斗模型估算MSME铁路货运机会：| 层级 | 定义 | 规模 |||||| TAM（总可服务市场） | MSMEs年货运总量 | ~1,000 MMT || SAM（可服务可触达市场） | 经集群相关性、竞争距离（500-600km+）等筛选 | ~300 MMT || SOM（可获得服务市场） | 经终端可达性、集结能力等现实约束筛选 | ~100 MMT |潜在收益： 收入影响：100 MMT的SOM，按平均500公里运距估算，可带来约500亿净吨公里的增量运量，年增量收入约8,700亿卢比。 减排影响：铁路碳排放为11.5g CO₂/吨公里，公路为101g CO₂/吨公里，若实现该市场转移，年减排约450万吨CO₂。铁路的结构性成本优势与MSME的现实困境。铁路平均运输成本为1.96卢比/吨公里，公路为3.78卢比/吨公里。铁路的优势在长途运输中尤为显著，多式联运铁路在约500-600公里距离上即可实现与公路的成本平价。然而，公路仍主导货运市场——原因在于MSMEs面临的不仅是运费问题。它们通常运输较小批量的货物、面临更紧的营运资金约束、依赖共享物流基础设施，因此对延迟、不确定性和物流复杂性更敏感。JPP-RCS（联合包裹产品-快速货运服务） 是印度铁路为小件货物推出的产品，提供门到门服务、定时班列、保险和小批量预订。但其适用性受限于：体积利用率不足、车厢装载与货物兼容性差距、网络覆盖有限、终端接口不足。（数据来源：FICCI-KPMG《Unlocking rail freight growth: Making rail accessible for India's MSMEs》）。TLCI框架——超越运费的隐藏成本。四个维度的物流成本影响。TLCI框架评估货运决策在四个维度上的经济影响：| 维度 | 说明 ||||| 直接物流成本 | 运费、首末公里、装卸、仓储等可量化成本 || 时间相关成本 | 库存持有成本、在途资金占用 || 不确定性成本 | 安全库存、缺货风险、应急成本 || 战略业务影响 | 客户满意度、市场响应能力、竞争力 |三类货物的TLCI对比分析。报告选取了三类代表性货物在长途走廊（1,100-1,500公里）上进行对比：工程/汽车零部件：铁路的额外接入和装卸成本被较低的货损成本所抵消，基本实现成本持平。农产品：高腐损成本和服务相关延迟使铁路成本显著更高。非集成钢铁制造商：首/末公里和装卸成本被库存持有、安全库存和货损暴露放大。关键洞察：铁路的运费优势并不一定转化为MSMEs的更低的总体物流成本。很大一部分劣势来自库存、不确定性和装卸相关成本，而非铁路运输本身。（数据来源：FICCI-KPMG《Unlocking rail freight growth: Making rail accessible for India's MSMEs》）。国际经验——日本与中国的启示。日本JR Freight：可靠性驱动的集成服务。 网络：约140个公共集装箱铁路终端，定时班列按固定公开时刻表运行。 运输单元：标准12英尺集装箱（载重约5吨），专为日本小批量货物设计。 终端效率：E&S（高效快捷）系统使装卸可直接在到发线上完成，无需调车。 首末公里：与卡车公司紧密协调，提供门到门服务。中国铁路：通过物流网络实现规模化。 网络：14个铁路集装箱中心站（中铁集装箱）、39个铁路物流中心（国铁集团）。 终端效率：西安国际港站运营中国首个内陆自动化无人集装箱码头，使物流成本降低15%以上。 数字平台：提供在线订舱、货物追踪、多式联运单证和全程可视服务。对印度的共同启示。1. 将终端发展为集成物流平台而非单纯的铁路运营资产。2. 建立货物集结和共享接入机制。3. 将首末公里物流集成到铁路货运服务中。4. 扩展数字可视化、订舱和协调系统。（数据来源：FICCI-KPMG《Unlocking rail freight growth: Making rail accessible for India's MSMEs》）。MATA模型——终端可达性的四维评估。终端双轨制的结构性差距。印度铁路货运终端已演变为“双轨制”系统：第一层级——高生产力集成物流平台：私人侧线、集装箱码头、ICDs、GCTs（Gati Shakti货运码头）、多式联运物流园区——受益于专用投资、机械化装卸、仓储、数字系统，由大型组织开发，优先处理自有货物。第二层级——传统公共用户终端：铁路自有货场和集装箱铁路终端——受限于道路不畅、机械化有限、仓储不足、设施陈旧、数字系统薄弱。数据证据：私人侧线和PFTs占终端总数的约37%，但处理约70%的入港和约72%的出港货运量。货场占终端约63%，但仅处理约23%的入港和约19%的出港货运量。平均而言，一个私人侧线/PFT每年处理0.83 MTPA的入港货运量，而货场仅为0.16 MTPA。MATA四维评估框架。报告提出MATA模型，评估终端是否真正能够吸引和维持货运： 技术适配：机械化、货物处理系统和运营标准。 商业适配：服务与客户需求的一致性、定价结构。 通道适配：道路连通性、卡车管理、首末公里集成。 制度适配：治理、许可、问责机制。终端优先议程的四大建议。商业适配：1. 建立国家货运集群地图和终端规划框架——从供应驱动转向需求驱动。2. 建立货运集结和服务平台——共享物流枢纽、集装箱/货车共享平台、数字货运集结平台。技术适配：3. 制定国家终端类型学框架——区分城市物流枢纽、制造业集群终端、农业集结终端。4. 现代化公共用户终端基础设施——有顶仓储、机械化装卸、数字化。通道适配：5. 与邦政府合作推进最后一英里接入和综合规划——明确铁路与邦政府的责任划分。制度适配：6. 为MSME铁路货运建立新商业模式——3PL主导的物流枢纽、锚点+公共用户终端、集结商主导的农业终端。（数据来源：FICCI-KPMG《Unlocking rail freight growth: Making rail accessible for India's MSMEs》）。WAA模型——货车作为运力核心。货车规划——从历史模式向未来需求转变。印度铁路运营货车从2021年的302,663辆增至2025年的346,366辆（CAGR约3%）。然而，要实现国家铁路计划（NRP）中到2050年铁路模态份额从约30%提升至45%的目标，货车扩张速度需显著加快。货车车队的结构性失衡： 敞顶高边货车（用于煤炭和散货）：占车队57%（FY2021：56.1%→FY2025：57.0%）。 棚车（粮食、水泥、化肥）：22.3%→23.6%。 集装箱平车（对MSME和增值货物至关重要）：约8%，未见增长。关键问题：车队是为现有货运量设计的，而非为需要吸引的未来货运量设计的。WAA四维评估框架。设计适配：货车物理特性应使集结成为可能。商业适配：MSME规模能够以可行的价格点购买货车运力。可用性适配：正确设计、商业可行的货车在货主需要时可用。制度适配：采购规划将预测货运需求转化为货车车队轨迹。增强货车生态系统的关键举措。需求导向规划：将货车采购与新兴货运细分市场对齐，而非仅依据历史运输模式。可预测的需求信号：目前货车采购缺乏长期可见性——年采购量从FY2018的8,015辆波动至FY2025的41,929辆。私人制造商占采购量的约92%（FY2016-2025），但缺乏清晰的长期采购轨迹限制其产能投资意愿。提高有效货车可用性： 允许私人参与货车维护——借鉴客车“Vande Bharat”模式（建造+35年维护合同）。 改善终端运营效率以减少货车在站停留时间——目前POH需6-8天标准但实际长达14天。降低附加收费： 迷你编组（20辆棚车）：附加5%附加费。 两点编组：附加20%附加费。 这些附加费降低了MSME集结产品的吸引力。（数据来源：FICCI-KPMG《Unlocking rail freight growth: Making rail accessible for India's MSMEs》）。未来趋势与机会洞察。| 维度 | 当前状况 | 2030年展望 |||||| MSME铁路货运 | ~110 MMT（现有非散货装载） | 潜在SOM ~100 MMT增量 || 终端现代化 | 双轨制，公共终端落后 | 三级现代化框架推广 || 货车采购 | 年度波动大，FY2025为41,929辆 | 需稳定的长期采购规划 || 商业模式 | 传统货场为主 | 3PL/集结商/锚点终端模式兴起 || 数字化 | 部分试点（JNPA RFID等） | 全面数字货运平台 |延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ。Q1：MSMEs对印度铁路货运的潜在机会有多大？A：保守估计MSMEs每年可为铁路带来约1亿吨（100 MMT）的增量货运机会，年增量收入约8,700亿卢比，并可年减排约450万吨CO₂。Q2：为什么铁路运费更低但MSMEs仍选择公路？A：铁路的运费优势常被库存持有成本、货物集结延迟、装卸费用和服务不确定性所抵消。TLCI框架显示，对农产品等敏感货物，铁路的总体物流成本可能反而更高。Q3：印度货运终端存在什么问题？A：终端已演变为“双轨制”——私人侧线和PFTs（占终端37%）处理70%货运量，而公共货场（占终端63%）仅处理19-23%货运量。MSMEs依赖的公共终端现代化严重滞后。Q4：MATA模型是什么？A：市场对齐终端可达性模型，从技术适配、商业适配、通道适配、制度适配四个维度评估终端是否真正能服务MSME货运需求。Q5：铁路货车采购面临什么挑战？A：年采购量波动大（FY2018 8,015辆→FY2025 41,929辆），缺乏长期可见性，私人制造商占92%但无法提前规划产能。车队结构仍以散货为主，不利于MSME集装箱/增值货物。数据来源说明。以上所有数据均基于FICCI与KPMG在印度（2026）《Unlocking rail freight growth: Making rail accessible for India's MSMEs》报告原文提取。报告在FICCI 2026年未来铁路印度大会上发布。