从 “样板间” 到运力网络，卡尔动力重构 L4 自动驾驶货运 | 智车星球

当自动驾驶不再只是「车的能力」，而变成「运力的供给方式」，L4 货运真正的分水岭才刚刚开始，物理 AI 的产业价值也由此进入兑现阶段。

作者|王蕊

编辑|西子

L4货运也将迎来“鸿蒙智行”时刻。

2026 北京车展，卡尔动力正式发布 KargoBot Inside 战略，面向干线货运提供“AI+Robot+Service”全栈赋能方案。

过去的 L4 重卡赛道，始终卡在同一个问题：能完成技术演示的车型并不稀缺，能稳定落地的运力供给，却寥寥无几。

卡尔动力 KargoBot Inside，几乎是一次对问题本身的改写。这套不内卷造车、以全栈能力开放赋能行业的打法，打造货运领域的“鸿蒙智行”模式。

△卡尔动力CEO韦峻青博士

跳出“造车”与“智驾方案商”的传统框架，卡尔动力将自动驾驶从单点能力，转向一套可被调度的运力系统。

它试图把复杂的物理 AI 与机器人载具封装起来，让干线运输像水电一样，可以按需接入、按量调用。

近两年行业已经形成一个共识，自动驾驶是物理 AI 第一个商业化场景，自动驾驶货运Robotruck ，正是其中价值最高的核心产业。

当自动驾驶不再只是“车的能力”，而变成“运力的供给方式”，L4 货运真正的分水岭才刚刚开始，物理 AI 的产业价值也由此进入兑现阶段。

L4货运需要系统级答案

过去几年，L4 货运赛道始终在重复同一种循环：玩家们扎堆在传感器、算法、车型形态上做单点突破，Demo 版本越做越完善，参数指标越卷越极致。可绝大多数方案，始终很难真正进入客户的日常运输体系。

根源在于，行业大多都在回答“车能不能自动驾驶”的技术问题，却没有触达干线物流真正的核心痛点。

卡尔动力 COO 李潇潇在采访中直言：“客户最关心的就是，运输需求能不能满足、成本能不能控住，就这两件事：把货物安全、准时从 A 点运到 B 点，成本尽量低，这就是他们的核心诉求。”

而这两个诉求，恰恰不是单车智能能够解决的。真实的干线物流运营，是一套环环相扣的系统工程，而不是一辆车的独立行驶。

第一是运力供给的稳定性难题。物流需求有明显波动，旺季可能一天需要 500 台车，淡季可能只需要 100 台车，客户不可能为了峰值需求长期持有一支刚性车队，最终很容易陷入“旺季缺车、淡季闲置”的两难。

这是行业长期存在，却无法靠单车智能解决的核心矛盾。

第二是全链路成本可控的难题。李潇潇拆解了运费的主要成本项：“就是人力、能源、过路过桥费（如果有的话），还有车辆折旧和维修保养。”

这意味着，L4 货运的价值不能只停留在“替代驾驶”上。尤其是当下行业面临着严峻的司机缺口问题。

“现在司机特别缺，重卡驾照难考，工作强度又大，年轻人基本不愿意入行，客户为了保证货物能准时运出去，招人、管车都特别难”，客户需要的从来不是单一的自动驾驶功能，而是一整套能覆盖人力、能耗、折旧、运维全链路的成本优化方案。

第三是全链路网络连通的难题。车、货、能源、路线、调度、运维如果彼此割裂，车辆就无法匹配最优订单，补能无法适配运输路线，再先进的自动驾驶技术，也很难转化为稳定的商业价值。

这不是某一家公司的问题。过去整个行业一直在用技术思维解决单点问题，而真实的商业运营，需要的是一套全链路协同的系统级方案。

L4 货运真正需要的，从来不是一台会自动驾驶的车，而是一套能够持续交付运力的系统。

把L4货运做成“基础设施”

KargoBot Inside 的核心意义，正是把自动驾驶、车辆平台和运营服务能力，整合成一套“AI + Robot + Service”的全栈闭环系统，核心是把 L4 货运做成可被全行业调用的运力基础设施。

凭借这套不内卷造车、开放赋能行业的模式，卡尔动力目前已经集齐了国内多家 Top 商用车主机厂，初步形成一张覆盖全行业的生态网络。

在 AI 层，要解决的核心问题，是“谁来开车”。

重卡自动驾驶与乘用车不同，它面对的是长距离、高载重、高速工况，以及编队协同这类人类司机难以稳定完成的任务。卡尔动力基于“强化学习 + 自研 WAM 世界-行动模型”打造货运基础大模型，本质是把驾驶能力沉淀为可复制、可自主进化的“虚拟司机”。

尤其是编队场景，AI 系统需要实现毫秒级反应、精准车距控制与多车协同，早已突破人类驾驶的能力边界。

卡尔动力感知 & 预测 & AI 研发副总裁王珂直言：“很多安全员师傅来培训时都很抗拒，说车离这么近，人根本开不了。我们的车能做到反应时间比人更短、更快，在编队这个产品形态上，我们动手比大部分友商要早一些。”

行业内没有足够的人类编队驾驶数据可供学习，这套系统从诞生之初就走上了自进化路径：用自动驾驶落地的真实场景数据，在仿真器中通过强化学习完成迭代，再反哺实车运营，最终让“标准化驾驶能力”成为可批量复制的基础供给。

在 Robot 层，要解决的是“用什么车来承接这套能力”的问题。

传统重卡始终围绕人类驾驶设计，而 L4 货运的终局载体，需要适配 7×24 小时的自主化运营。卡尔动力发布的 KargoPlatform Gen®5.0通用硬件平台，以中央计算 + 区域控制器的集中式架构、全冗余全线控设计，大幅降低车辆复杂度，实现了 50 倍的稳定性提升。

基于这套平台，卡尔动力形成了双产品矩阵：联合北奔重卡推出 KargoBot Inside 选装座舱车型，同时联合陕重汽发布无座舱运输机器人KargoPlatform Gen®5.0 量产版。后者从底层摒弃了人类驾驶的设计逻辑，取消驾驶舱后，智能驾驶硬件成本下降 50%，载货空间提升 25%-35%，有效载重提升 10%-25%。

韦峻青博士算了一笔账：“没有驾驶舱之后，能多装10%-25%的货物，带来的经济效益提升 10 个点以上。物流行业本来毛利就低，用了新的运输载具之后，毛利可能直接提升 10 倍以上。”

工程技术副总裁于洋也提到，刚性车身还能简化自动驾驶实现难度：“刚性连接让传感器无需适配底盘位移，控制维度比带铰链的车型更低，也无需感知主车与挂车的角度关系。”

但真正让 KargoBot Inside 区别于传统智驾方案的，是 Service 层。

物流客户的核心需求从来不是买车、买软件，而是“把货物准时从 A 点运到 B 点，成本尽量低”。卡尔动力通过 TaaS（运力即服务）与 SaaS（虚拟驾驶员订阅）双模式，把自动驾驶、车辆调度、能源调度、智能运维等能力打包成标准化服务，直接交付给客户。

TaaS 模式下，客户无需购车、管车，只需按运输量付费，按需调用运力；SaaS 模式下，合作车企与物流企业可以通过订阅服务，接入卡尔动力的运营网络。

李潇潇表示：“未来 1-2 年 SaaS 模式会是主流商业模式，也是未来 5 年的核心增量来源。我们采用‘硬件售卖 + 订阅服务’的模式，这是轻资产、可快速上量扩张的模式。”

这套模式的关键，是通过 KargoCloud 智能调度平台，把车、货、能源、路线打通。哪边需求多，就把运力调到哪里；哪边需求少，运力就流向其他路线。

当 AI 成为可复制的虚拟司机，Robot 成为标准化的运输节点，Service 成为可调度的运力网络，自动驾驶便不再只是单车的行驶能力，而是真正变成了像水电一样，可按需接入、按量计费的运力基础设施。但前提是，先得有足够多的车在真实路上跑。

从“样板间”到运力网络

一套基础设施能不能成立，不只看技术有多先进，更要看它能不能跑出商业闭环，并从单点扩展成网络。

卡尔动力的“AI + Robot + Service”全栈模式，早已不是停留在发布会的概念。截至目前，其累计落地运营里程达4500 万公里，运载量超14 亿吨公里，测试及场景拓展覆盖内蒙古、新疆、京津冀等 10 余个省市，全国性运力网络雏形已现。

更具行业里程碑意义的是，卡尔动力已打造出全国首个单车正向经济性运营样板间。

这个样板间的核心价值，验证了这套模式在完全市场化的运单与定价下，跑通了真实商业逻辑。

这也是 L4 货运从技术验证，迈向产业级运营的关键一跃。

过去行业常把安全和效率分开看，但在真实运营里，二者必须形成正循环。运营里程越多，系统积累的数据越多，AI 驾驶能力越成熟，安全性和出勤率就越高；车辆运行越稳定，运营效率和成本优化能力也会随之提升，进而承接更多订单，继续反哺系统迭代。

这个正循环继续发展，就是从“单车”到“网络”的进化。

卡尔动力的落地路径也很清晰：未来 10 个月实现千台级部署，3 年内落地万台级编队，2030 年冲刺 10 万台目标。支撑这个目标的，不只是车辆数量增长，而是自动驾驶车辆、换电网络、KargoCloud 调度平台和客户订单的协同。

当车、货、能源、路线和调度被连接起来，运力就能在不同区域、不同路线、不同客户之间动态分配。

这时，L4 货运就不再是一台台自动驾驶卡车，而是一张串联起车、货、路、能9可以持续流动、持续扩展的网络。

从“让车会自己开”，到“让运力流动”，这才是自动驾驶这场生意真正的下半场。

最真诚的智能汽车报道