從 “樣板間” 到運力網絡，卡爾動力重構 L4 自動駕駛貨運 | 智車星球

當自動駕駛不再只是「車的能力」，而變成「運力的供給方式」，L4 貨運真正的分水嶺才剛剛開始，物理 AI 的產業價值也由此進入兌現階段。

作者|王蕊

編輯|西子

L4貨運也將迎來“鴻蒙智行”時刻。

2026 北京車展，卡爾動力正式發布 KargoBot Inside 戰略，面向干線貨運提供“AI+Robot+Service”全棧賦能方案。

過去的 L4 重卡賽道，始終卡在同一個問題：能完成技術演示的車型并不稀缺，能穩定落地的運力供給，卻寥寥無幾。

卡爾動力 KargoBot Inside，幾乎是一次對問題本身的改寫。這套不內卷造車、以全棧能力開放賦能行業的打法，打造貨運領域的“鴻蒙智行”模式。

△卡爾動力CEO韋峻青博士

跳出“造車”與“智駕方案商”的傳統框架，卡爾動力將自動駕駛從單點能力，轉向一套可被調度的運力系統。

它試圖把復雜的物理 AI 與機器人載具封裝起來，讓干線運輸像水電一樣，可以按需接入、按量調用。

近兩年行業已經形成一個共識，自動駕駛是物理 AI 第一個商業化場景，自動駕駛貨運Robotruck ，正是其中價值最高的核心產業。

當自動駕駛不再只是“車的能力”，而變成“運力的供給方式”，L4 貨運真正的分水嶺才剛剛開始，物理 AI 的產業價值也由此進入兌現階段。

L4貨運需要系統級答案

過去幾年，L4 貨運賽道始終在重復同一種循環：玩家們扎堆在傳感器、算法、車型形態上做單點突破，Demo 版本越做越完善，參數指標越卷越極致。可絕大多數方案，始終很難真正進入客戶的日常運輸體系。

根源在于，行業大多都在回答“車能不能自動駕駛”的技術問題，卻沒有觸達干線物流真正的核心痛點。

卡爾動力 COO 李瀟瀟在采訪中直言：“客戶最關心的就是，運輸需求能不能滿足、成本能不能控住，就這兩件事：把貨物安全、準時從 A 點運到 B 點，成本盡量低，這就是他們的核心訴求。”

而這兩個訴求，恰恰不是單車智能能夠解決的。真實的干線物流運營，是一套環環相扣的系統工程，而不是一輛車的獨立行駛。

第一是運力供給的穩定性難題。物流需求有明顯波動，旺季可能一天需要 500 臺車，淡季可能只需要 100 臺車，客戶不可能為了峰值需求長期持有一支剛性車隊，最終很容易陷入“旺季缺車、淡季閑置”的兩難。

這是行業長期存在，卻無法靠單車智能解決的核心矛盾。

第二是全鏈路成本可控的難題。李瀟瀟拆解了運費的主要成本項：“就是人力、能源、過路過橋費（如果有的話），還有車輛折舊和維修保養。”

這意味著，L4 貨運的價值不能只停留在“替代駕駛”上。尤其是當下行業面臨著嚴峻的司機缺口問題。

“現在司機特別缺，重卡駕照難考，工作強度又大，年輕人基本不愿意入行，客戶為了保證貨物能準時運出去，招人、管車都特別難”，客戶需要的從來不是單一的自動駕駛功能，而是一整套能覆蓋人力、能耗、折舊、運維全鏈路的成本優化方案。

第三是全鏈路網絡連通的難題。車、貨、能源、路線、調度、運維如果彼此割裂，車輛就無法匹配最優訂單，補能無法適配運輸路線，再先進的自動駕駛技術，也很難轉化為穩定的商業價值。

這不是某一家公司的問題。過去整個行業一直在用技術思維解決單點問題，而真實的商業運營，需要的是一套全鏈路協同的系統級方案。

L4 貨運真正需要的，從來不是一臺會自動駕駛的車，而是一套能夠持續交付運力的系統。

把L4貨運做成“基礎設施”

KargoBot Inside 的核心意義，正是把自動駕駛、車輛平臺和運營服務能力，整合成一套“AI + Robot + Service”的全棧閉環系統，核心是把 L4 貨運做成可被全行業調用的運力基礎設施。

憑借這套不內卷造車、開放賦能行業的模式，卡爾動力目前已經集齊了國內多家 Top 商用車主機廠，初步形成一張覆蓋全行業的生態網絡。

在 AI 層，要解決的核心問題，是“誰來開車”。

重卡自動駕駛與乘用車不同，它面對的是長距離、高載重、高速工況，以及編隊協同這類人類司機難以穩定完成的任務。卡爾動力基于“強化學習 + 自研 WAM 世界-行動模型”打造貨運基礎大模型，本質是把駕駛能力沉淀為可復制、可自主進化的“虛擬司機”。

尤其是編隊場景，AI 系統需要實現毫秒級反應、精準車距控制與多車協同，早已突破人類駕駛的能力邊界。

卡爾動力感知 & 預測 & AI 研發副總裁王珂直言：“很多安全員師傅來培訓時都很抗拒，說車離這么近，人根本開不了。我們的車能做到反應時間比人更短、更快，在編隊這個產品形態上，我們動手比大部分友商要早一些。”

行業內沒有足夠的人類編隊駕駛數據可供學習，這套系統從誕生之初就走上了自進化路徑：用自動駕駛落地的真實場景數據，在仿真器中通過強化學習完成迭代，再反哺實車運營，最終讓“標準化駕駛能力”成為可批量復制的基礎供給。

在 Robot 層，要解決的是“用什么車來承接這套能力”的問題。

傳統重卡始終圍繞人類駕駛設計，而 L4 貨運的終局載體，需要適配 7×24 小時的自主化運營。卡爾動力發布的 KargoPlatform Gen?5.0通用硬件平臺，以中央計算 + 區域控制器的集中式架構、全冗余全線控設計，大幅降低車輛復雜度，實現了 50 倍的穩定性提升。

基于這套平臺，卡爾動力形成了雙產品矩陣：聯合北奔重卡推出 KargoBot Inside 選裝座艙車型，同時聯合陜重汽發布無座艙運輸機器人KargoPlatform Gen?5.0 量產版。后者從底層摒棄了人類駕駛的設計邏輯，取消駕駛艙后，智能駕駛硬件成本下降 50%，載貨空間提升 25%-35%，有效載重提升 10%-25%。

韋峻青博士算了一筆賬：“沒有駕駛艙之后，能多裝10%-25%的貨物，帶來的經濟效益提升 10 個點以上。物流行業本來毛利就低，用了新的運輸載具之后，毛利可能直接提升 10 倍以上。”

工程技術副總裁于洋也提到，剛性車身還能簡化自動駕駛實現難度：“剛性連接讓傳感器無需適配底盤位移，控制維度比帶鉸鏈的車型更低，也無需感知主車與掛車的角度關系。”

但真正讓 KargoBot Inside 區別于傳統智駕方案的，是 Service 層。

物流客戶的核心需求從來不是買車、買軟件，而是“把貨物準時從 A 點運到 B 點，成本盡量低”。卡爾動力通過 TaaS（運力即服務）與 SaaS（虛擬駕駛員訂閱）雙模式，把自動駕駛、車輛調度、能源調度、智能運維等能力打包成標準化服務，直接交付給客戶。

TaaS 模式下，客戶無需購車、管車，只需按運輸量付費，按需調用運力；SaaS 模式下，合作車企與物流企業可以通過訂閱服務，接入卡爾動力的運營網絡。

李瀟瀟表示：“未來 1-2 年 SaaS 模式會是主流商業模式，也是未來 5 年的核心增量來源。我們采用‘硬件售賣 + 訂閱服務’的模式，這是輕資產、可快速上量擴張的模式。”

這套模式的關鍵，是通過 KargoCloud 智能調度平臺，把車、貨、能源、路線打通。哪邊需求多，就把運力調到哪里；哪邊需求少，運力就流向其他路線。

當 AI 成為可復制的虛擬司機，Robot 成為標準化的運輸節點，Service 成為可調度的運力網絡，自動駕駛便不再只是單車的行駛能力，而是真正變成了像水電一樣，可按需接入、按量計費的運力基礎設施。但前提是，先得有足夠多的車在真實路上跑。

從“樣板間”到運力網絡

一套基礎設施能不能成立，不只看技術有多先進，更要看它能不能跑出商業閉環，并從單點擴展成網絡。

卡爾動力的“AI + Robot + Service”全棧模式，早已不是停留在發布會的概念。截至目前，其累計落地運營里程達4500 萬公里，運載量超14 億噸公里，測試及場景拓展覆蓋內蒙古、新疆、京津冀等 10 余個省市，全國性運力網絡雛形已現。

更具行業里程碑意義的是，卡爾動力已打造出全國首個單車正向經濟性運營樣板間。

這個樣板間的核心價值，驗證了這套模式在完全市場化的運單與定價下，跑通了真實商業邏輯。

這也是 L4 貨運從技術驗證，邁向產業級運營的關鍵一躍。

過去行業常把安全和效率分開看，但在真實運營里，二者必須形成正循環。運營里程越多，系統積累的數據越多，AI 駕駛能力越成熟，安全性和出勤率就越高；車輛運行越穩定，運營效率和成本優化能力也會隨之提升，進而承接更多訂單，繼續反哺系統迭代。

這個正循環繼續發展，就是從“單車”到“網絡”的進化。

卡爾動力的落地路徑也很清晰：未來 10 個月實現千臺級部署，3 年內落地萬臺級編隊，2030 年沖刺 10 萬臺目標。支撐這個目標的，不只是車輛數量增長，而是自動駕駛車輛、換電網絡、KargoCloud 調度平臺和客戶訂單的協同。

當車、貨、能源、路線和調度被連接起來，運力就能在不同區域、不同路線、不同客戶之間動態分配。

這時，L4 貨運就不再是一臺臺自動駕駛卡車，而是一張串聯起車、貨、路、能9可以持續流動、持續擴展的網絡。

從“讓車會自己開”，到“讓運力流動”，這才是自動駕駛這場生意真正的下半場。

最真誠的智能汽車報道