卡爾動力發布無座艙自動駕駛卡車 計劃未來三年推進L4貨運萬臺量產

在4月24日開幕的2026北京車展上，卡爾動力發布KargoBot Inside戰略和KargoPlatform Gen 5.0通用硬件平臺，并推出與陜重汽聯合打造的無座艙的運輸機器人KargoBot Space 2.0量產版，以及聯合北奔重卡打造的KargoBot Inside選裝座艙車型。

卡爾動力成立于2022年，總部位于內蒙古鄂爾多斯，是面向干線貨運的L4自動駕駛貨運企業?？杽恿Φ那吧硎堑蔚纹煜伦詣玉{駛貨運業務“KargoBot”，其創始人、CEO韋峻青曾任滴滴自動駕駛CTO，2013年創立無人駕駛軟件公司ottomatika，2015年該公司被德爾福收購，韋峻青也由此擔任過安波福自動駕駛全球副總裁。

截至目前，卡爾動力在運營自動駕駛卡車超400輛，運營里程4500萬公里。在物流成本高、自動駕駛技術快速迭代之際，卡爾動力希望以技術、產品、服務三位一體閉環，探索出可復制、可擴張的商業化路徑，計劃未來三年驅動L4貨運進入萬臺時代，2030 年沖刺十萬臺生態目標。

力推無座艙L4級自動駕駛卡車

本屆北京車展上，卡爾動力展示了量產版的無座艙自動駕駛卡車。該車型以L4高效能運輸為唯一目標，因為少了座艙結構，得以將載貨空間提升25%—35%、有效載重提升10%—25%，支持20至40尺多規格貨箱靈活切換，適配煤炭、鋼鐵、冷鏈、快運等全品類干線貨運。

在卡爾動力看來，L4自動駕駛貨運多依賴傳統重卡改裝，普遍采用“L2升級L4”路線，存在線控適配不足、結構冗余、空間載重浪費、難以7×24小時連續運營等硬傷，技術效能難以釋放，經濟性始終無法跑通。

卡爾動力無座艙自動駕駛卡車所搭載的KargoPlatformGen5.0通用硬件平臺，采用中央計算+區域控制器電子電氣架構，其控制器與線束復雜性降低40%—50%。同時，配合雙冗余電源、雙星型通信網絡、三重制動冗余、純電冗余線控轉向，實現極致安全冗余，車輛穩定性大幅提升。

該車型在感知層面獨家采用禾賽近期發布的ETX激光雷達，并加上了補盲雷達FTX，在性價比的前提下，實現感知冗余。能源端則標配寧德時代旗下時代騏驥公司的513度底盤換電體系，可在5分鐘左右極速換電。

自動駕駛卡車的推廣，有著市場和政策層面的需求驅動。2025年全國社會物流總費用19.5萬億元，同比增長3.0%，占GDP比率為13.9%。國家“十五五”規劃明確，2030年物流總費用占GDP需降至12.5%左右。

據中金公司預計，中國高速城際物流潛在市場規模達3.3萬億元，但貨運司機的缺口達300萬人，目前的1130萬貨車司機中，36—55歲的司機占比高達84.38%，46歲以上貨車司機占比上升迅速提升，貨運司機隊伍老齡化加劇。

卡爾動力已聯合陜汽、北奔、一汽解放、金龍重汽、中國重汽、廣汽領程等六家國內頭部商用車企業協同研發，形成標準化正向開發體系，以原生設計的運輸機器人量產版與選裝座艙車型，破解行業長期痛點，推動城際干線L4自動駕駛卡車發展。

值得一提的是，在當前的干線L4自動駕駛重卡賽道，政府補貼、試點獎勵等在企業營收構成中占相當比重，卡爾動力已實現單車運營UE（單位經濟模型）轉正，毛利為傳統重卡的3—6倍。

不過，物流運輸企業很看重降本增效，電動自動駕駛卡車僅因為車重導致的輪胎損耗，每年多花費的資金就高達3萬元。對于自動駕駛卡車科技公司而言，降本增效將是長期任務。

卡爾動力方面表示，KargoPlatformGen5.0通用硬件平臺的智能駕駛硬件成本下降50%，7×24小時不間斷運營，噸公里運輸成本下降68%，單車年凈利潤能提升5倍，投資回收期由5年縮短至1年。

打造貨運卡車專屬大模型

L4自動駕駛貨運規?；涞?，不僅依賴產品突破，更需要技術、制造、能源、服務的全鏈條協同。當前行業面臨改裝成本高、架構不統一、量產能力不足等瓶頸，科技企業與主機廠各自為戰，難以支撐十萬臺級市場需求。

卡爾動力發布的KargoBotIn side戰略跳出單一造車邏輯，采取“技術賦能+整車協同”路線，科技企業聚焦算法、模型、調度與運營，主機廠發揮整車研發、供應鏈、量產制造優勢，兩者實現優勢互補，推動產業從單點競爭走向分工共贏。

技術層面，卡爾動力的KargoBotIn side戰略以“AI+Robot+Service”三重互驅構建全棧能力。當前，雖然大模型對自動駕駛技術迭代起到了關鍵的推動作用，但自動駕駛存在運輸AGI縮放定律，突破長尾精度瓶頸需指數級增加數據，單純模仿學習無法滿足需求；通用模型無重卡物理先驗，難以適配干線復雜場景與長車體安全運營需求。

“例如，比較長的箱式貨車在拐彎時，如果司機只看車頭能不能通過，那么后面的車箱大概率要撞到旁邊的電線桿。再比如，秋天的時候，聯合收割機會上高速，收割機的形狀、尺寸等較為特殊，但平時我們的自動駕駛卡車在高速上看不到收割機，所以我們要對這種獨特場景的Conner Case在系統中加強訓練?！笨杽恿Ω兄?amp;預測&AI研發副總裁王珂說。

為此，卡爾動力采用強化學習+自研WAM世界-行動模型，融入4D空間推理、場景合成與長短時記憶能力，動態預測路況、預判風險，以適配重卡長車體、長距離的安全運營需求，打破“端到端模型只能模仿人類”的瓶頸。

同時，基于多維度海量數據，卡爾動力將泛化數據與通用自動駕駛IP面向卡車任務優化，量身定制適配重卡的世界—行動模型，解決通用模型“水土不服”的問題。此外，卡爾動力還創新“師徒模型”，離線教師模型依托海量跨域數據訓練，邊緣學生模型經蒸餾輕量化部署，結合自動化長尾場景挖掘，將模型迭代周期從5天壓縮至12小時。

KargoBot Inside戰略的Robot層則以Gen5.0平臺為基礎，提供無座艙與選裝座艙雙產品矩陣，兼容當前運營與未來終極形態，降低車企開發門檻；Service層以TaaS運力即服務與SaaS虛擬駕駛員服務雙模式交付，整合智能調度、能源運維、司機賦能，形成可復制商業閉環。

目前，卡爾動力已聯合四家車企前裝量產7款L4級Robotruck車型，構建400臺級車隊、覆蓋20余條干線，運營場地聚焦鄂爾多斯、新疆、京津冀地區。隨著干線自動駕駛貨運賽道競爭加劇，唯有快速突破區域邊界，才能建立規模化壁壘與成本優勢，而KargoBot Inside戰略通過技術標準化與生態協同能力，為卡爾動力跨區域擴張提供了可復制的底層支撐。

（作者 周信）

免責聲明：本文觀點僅代表作者本人，供參考、交流，不構成任何建議。

周信

行業產業報道部記者 關注汽車產業發展，對新能源、儲能及動力電池關注較多，擅長深入報道及行業分析。聯系郵箱：zhouxin@eeo.com.cn 微信號：zx13552437427