卡爾動力公布L4貨運“全棧方案”！取消駕駛艙，引入世界模型

車東西（公眾號：chedongxi）
作者 ｜ Janson
編輯 ｜ 志豪

車東西4月26日北京車展現場報道，日前，卡爾動力發布面向干線物流場景的“KargoBot Inside”戰略，核心是以“AI+Robot+Service”構建一套面向L4貨運的全棧解決方案。

此次發布涵蓋貨運基礎模型、車輛平臺、量產車型、感知與能源協同方案，以及運力和運維服務體系在內的系統性布局。

與此同時，卡爾動力聯合陜汽集團、北奔重卡、寧德時代-時代騏驥、禾賽科技等合作方，推出基于新一代硬件平臺開發的兩款車型，并進一步明確未來三年向更大規模車隊運營推進的方向。

▲新一代量產無人貨運車輛

結合其已披露的車隊規模、運行里程和區域拓展情況來看，卡爾動力當前的重點，已經從早期技術驗證和示范運營，轉向平臺標準化、車型系列化以及產業鏈協同落地，試圖在干線物流領域推動L4貨運從局部試點走向更大范圍的商業化復制。

一、從戰略發布到車型落地 完整展開L4貨運新一輪布局

此次發布的“KargoBot Inside”被卡爾動力定義為面向未來十年的核心戰略，其結構由AI、Robot、Service三部分組成：AI層聚焦貨運基礎模型建設，Robot層聚焦適配L4貨運需求的車輛平臺和運輸載體，Service層則負責把運力調度、能源管理、駕駛員賦能和智能運維等能力打包形成服務輸出。

在AI層面，卡爾動力提出了TruckDriver Foundation Model，即面向卡車貨運場景的基礎模型方案。

▲卡爾動力Truck Driver Foundation Model

據介紹，該模型訓練基礎來源于多類型數據，包括Robotruck編隊、Robotaxi、L2輔助駕駛和云端數據，并結合過億公里編隊驗證場景集，對重型卡車運輸任務進行針對性優化，形成面向貨運場景的世界—行動模型。

卡爾動力方面希望依托現有運營場景和系統表現，繼續提升效率與安全指標，并朝更大規模運營里程目標推進。不過，這些目標和增速判斷目前仍主要體現為企業的階段性規劃。

在車輛平臺層面，卡爾動力結合既有落地經驗，提出未來L4重卡平臺將向“全冗余、全線控架構滿足L4運營”和“選裝駕駛艙”兩條方向收斂。

基于這一判斷，卡爾動力發布了新一代KargoPlatform Gen5.0通用硬件平臺，并分別聯合合作車企推出兩類產品：一類是與陜重汽聯合發布的無座艙運輸機器人KargoBot Space 2.0量產版，另一類是與北奔重卡聯合發布的KargoBot Inside選裝座艙車型。兩款車型均基于同一平臺開發，意在通過統一底層架構提升規�；瘡椭菩�。

從技術結構看，KargoPlatform Gen5.0采用中央計算與區域控制器電子電氣架構，該平臺可將控制器與線束復雜度減少40%至50%，并通過雙冗余電源、雙星型通信網絡、三重制動冗余以及純電冗余線控轉向等設計增強系統冗余能力。

同時，這一平臺通過智能診斷和控制優化，顯著提升車輛穩定性和運行安全邊界。整體來看，這一平臺的重點在于以更簡化的架構提高系統可靠性，并為后續量產和運營維護降低復雜度。

▲卡爾動力新車揭幕

其中，KargoBot Space 2.0是此次發布中較受關注的產品之一。按照卡爾動力披露的數據，該車型在概念車發布不到一年后實現量產適配，其載貨空間提升25%至35%，有效載重提升10%至25%，支持20尺、30尺、40尺等多規格貨箱靈活切換，并強調可適配7×24小時連續運營。

通過這樣的產品，可以使客戶資產利用效率提升2倍、相關硬件成本降低50%、噸公里運輸成本下降68%。

這些數據反映出卡爾動力正在將運輸機器人作為未來干線物流載體的重要方向，但實際效果仍有待更多長期運營樣本驗證。

除車型和平臺外，此次發布還體現出卡爾動力對產業協同的進一步強化。

卡爾動力將與陜汽重卡、北奔重卡、一汽解放、金龍重汽、中國重汽、廣汽領程等車企共同研發新一代“卡爾引擎”車型，推動下一代運輸載具在智能化、性能和安全方面的迭代。從產業路徑來看，卡爾動力并未將自身定位為單一整車制造方，而更傾向于扮演技術平臺與系統能力輸出者角色，通過與主機廠協作推動不同車型前裝落地。

在關鍵零部件與基礎設施層面，感知和能源也是此次戰略的重要組成部分。

在感知硬件上，KargoBot Inside下一代車型將采用禾賽ETX+FTX激光雷達方案，能源方面，則全系配套寧德時代-時代騏驥換電方案，借助既有換電網絡提升補能效率。

當下的感知系統需要適應無座艙運輸機器人對環境識別提出的更高要求，而換電體系則被視為提升車輛出勤率和運營連續性的關鍵環節。

對于L4貨運而言，這意味著競爭已不再局限于單車能力，而逐步轉向“車—路—能—云—運”一體化協同。

▲卡爾動力新車服務價格

在服務模式上，卡爾動力把“Service”放在戰略閉環的最后一層，計劃通過TaaS（運力即服務）和SaaS（虛擬駕駛員服務）兩類模式對外輸出能力。

這部分服務內容包括智能運力調度系統、能源調度服務、駕駛員賦能服務和智能運維服務等。

在車輛和算法基礎之外，通過服務網絡提高運力、能源和維護資源的整體調度效率，進而放大規�；\營帶來的網絡效應。

換言之，卡爾動力試圖將L4貨運從“賣技術、賣車”拓展為“賣系統、賣服務”。

目前，卡爾動力已形成百臺級車隊、千萬公里級貨運里程、十萬級場景容量，并在內蒙古、新疆、京津冀等10余個省市推進場景擴展，累計落地里程達4500萬公里、運載量達14億噸公里。

二、對話卡爾動力高管：新車五年內部署超10萬臺

發布會后，包括CEO韋峻青、COO李瀟瀟、工程技術副總裁于洋，以及感知、預測與AI研發副總裁王珂等在內的，卡爾動力多位核心管理與技術負責人接受了來自包括車東西在內的媒體群訪。

以下是訪談實錄，車東西在不改變原義的基礎上進行摘編：

1、運輸機器人何時真正落地？首批會在哪些場景跑起來？

韋峻青：運輸機器人最早的落地場景會是工業園區和生產類物流場景，這類場景對效率和成本都非常敏感，也更適合無人化運輸形態先行驗證。

今年就會啟動落地，除了鄂爾多斯總部工業園，公司也已經在開拓新的園區場景。短期內會先從園區、中短途運輸切入，再逐步拓展到公開道路。

按規劃，今年會先投入幾十臺實車開展測試，年底之前啟動運營。公司判斷，運輸機器人會是未來物流體系的一種終局形態，未來5年內部署量目標超過10萬臺。

2、TaaS和SaaS兩種模式里，哪一種更容易率先跑通？

李瀟瀟：未來1到2年，SaaS會是更主流的商業模式，也是未來5年的核心增量來源�？杽恿Ω鼉A向于“硬件售賣+訂閱服務”的方式，也就是車輛定價疊加月度服務費。

這種模式相對更輕，有利于快速擴張。對于客戶來說，只要它本質上是一種能持續創造經濟效益的生產工具，就具備快速上量的基礎。

韋峻青：但從公司角度看，卡爾動力也會先自己把模式跑通，先做“吃螃蟹的人”。只有先證明這套模式確實能提升效率、能創造收益，客戶才會愿意更大規模跟進。

未來可能是一條線路先由卡爾動力自己投入一部分車，把模式跑順，再讓客戶以資產持有或合作運營的方式參與進來。

3、所謂“正向經濟性樣板間”，到底是靠政策、資源，還是靠技術本身？

李瀟瀟：經濟性轉正是建立在市場化運單和市場化定價基礎上的，不是靠特殊資源輸血。核心邏輯很直接：無人化節省了司機成本，而這部分節省能夠直接轉化成物流運輸毛利。雖然車輛加裝傳感器會增加一定前期成本，但整體上節省下來的費用足以覆蓋這部分投入，最終利潤空間反而更大。

從成本結構看，一次貨運的核心成本主要包括人力、能源、通行費、車輛折舊和維修保養�？杽恿φJ為，除了部分固定路費，其他幾項都存在優化空間。L4車輛可以降低人力成本，編隊或優化駕駛方式可以降低能耗，而新的車輛形態也有助于壓低折舊和維保支出，因此全生命周期成本有下降潛力。

4、傳統客戶最在乎什么？最難被說服的點又是什么？

李瀟瀟：客戶最核心的訴求其實非常直接：第一，運力能不能穩定滿足；第二，成本能不能壓下來。歸根結底，就是能否把貨物準時從A點運到B點，并且費用更低。當前重卡行業一個非�，F實的問題是司機短缺，駕照難考、工作強度大、年輕人不愿進入，這讓行業對替代性運力的需求越來越明確。

至于客戶顧慮，安全一定是最關鍵的一項�？杽恿σ卜磸蛷娬{，做這件事不能只追求經濟性，前提是要把貨物安全地運輸好。

韋峻青：另一個現實問題是客戶對價格高度敏感，但同時他們也不一定愿意一次性承擔過多運力資產，因為需求并不總是穩定的，有時一天需要500臺車，有時可能只要100臺。

因此，卡爾動力短期內更多會以運力服務方式合作，通過調度網絡來幫助客戶平衡峰谷需求。未來如果自動駕駛車輛被驗證為持續賺錢的資產，客戶也會更愿意與公司聯合投資車隊。

5、取消駕駛艙、采用剛性車身，為什么會改變單車經濟性？

于洋：剛性車身會顯著簡化無人化系統實現的復雜度。傳統有人駕駛車輛的懸架系統主要服務于駕乘舒適性，但這也意味著傳感器和底盤之間會存在彈性位移，算法必須額外處理這類變化。

剛性連接后，傳感器不需要頻繁適配底盤位移，控制維度更少，也不必再處理主掛車之間的角度關系，因此系統實現會更直接。

韋峻青：從經濟性上看，取消駕駛艙最直觀的變化是能釋放更多載貨空間。公司測算，在實際運營中，單車可多裝2到3噸貨，經濟效益提升超過10個百分點。

對物流行業而言，這一點尤其關鍵，因為很多路線本來毛利就很薄，甚至接近虧損。

新的運輸載具形態疊加無人化能力之后，客戶看到的不是一個小幅優化，而是收益結構被重新改寫。

6、行業都在談世界模型，卡爾動力的判斷和節奏是什么？

王珂：在重卡編隊這個場景里，AI要做到的很多能力，本來就已經超出了人類駕駛員的反應邊界，所以卡爾動力很早就進入了世界模型和強化學習的路徑。公司認為，這并不是一個“是否要轉向”的問題，而是從一開始就必須沿著這條路做。

最初的訓練會參考人類司機可接受的駕駛范圍，但當系統具備完整編隊能力后，數據來源就不再局限于人，而是逐步轉向系統自身在自動運行中積累的數據，再通過仿真和強化學習實現持續迭代。

卡爾動力去年已經在做基于OCC的世界模型研究，相關論文也已在NeurIPS發布。從內部落地節奏看，相關方案在論文公開前就已使用了半年以上，這套范式已經成為其基礎模型的重要組成部分。

結語：卡爾動力戰略升維

總體來看，卡爾動力此次在北京車展發布的“KargoBot Inside”戰略，呈現出其在L4貨運領域從單點技術驗證走向系統化落地的清晰路徑。

通過基礎模型、車輛平臺、量產車型與運力服務的協同推進，卡爾動力正嘗試構建一套可復制、可擴展的干線物流無人化方案。

從當前披露的運營規模和合作進展看，其重點已轉向平臺標準化和產業協同，未來L4貨運能否在更大范圍內實現穩定商業化，仍有賴于長期運營數據與場景驗證的持續積累。