亚欧美小说图片

亚欧美小说图片

卡尔动力CEO韦峻青

“我们的目标不是完全替代人工，而是通过这样的模式，大幅提高整个方案的可行性。我们一直以来的核心目标是节约50%—80%的人力成本，只要能实现规模化运营，这个产品就具备非常大的商业价值。”近期，卡尔动力CEO韦峻青在2025未来运输产业峰会后的沟通中强调。

自动驾驶的终极目标是实现100%的无人化，但韦峻青表示，卡尔动力从成立第一天起，就没有执着于一定要实现100%全流程无人化。卡尔动力的核心思路是“人干人最擅长的，机器干机器最擅长的”：中间标准化的运输环节，交给自动驾驶来完成；而装卸货、刷卡、刷身份证这类环节，至少在短期内，人工操作的效率更高，所以还是会保留人工。

在韦峻青看来，如果非要追求全流程无人，哪怕是洗车都要无人化，那难度确实非常大。实现100%全流程无人化可能是自动驾驶公司的技术梦想，但并不是合理的商业产品路径。

卡尔动力成立于2021年，是由滴滴孵化出的L4级自动驾驶卡车公司，首创 “领航车有人、跟随车无人” 的“混合智能编队模式”，在干线、专线物流运输场景中，率先在中国西北、华北多地实现了自动驾驶常态化测试和运营。

卡尔动力采用数据驱动的强化学习技术路线，以编队混合智能、单车智能、机器人编队等多种自动驾驶解决方案，在仓到仓闭环干线物流场景、半封闭园区物流场景中，实现非结构化复杂路况下运输技术的完全无人化闭环。

韦峻青有着多年的自动驾驶领域从业经验，曾任滴滴自动驾驶CTO，安波福自动驾驶全球副总裁，自动驾驶公司Ottomatika创始人（后被Aptiv收购）。

重点押注基础驾驶模型

在此次2025未来运输产业峰会上，卡尔动力宣布工程化的kargoBot Space运输机器人将于2026年上路测试与示范。由于不需要驾驶舱，车辆的形态与布置会更加灵活，载货空间增加25%，有效载重提升10%。这样就带来了额外单车运输毛利5倍提升，在不同的场景下，单台车年收入可增加25万元-40万元。

韦峻青预计，未来十年会有百万台的无人运输车上路，在城市与农村，厂矿与企业间穿梭，支撑全新的物流网络。货物+机器人KargoBot的愿景，会真正地变成现实。

韦峻青表示，支持卡尔动力产品演进的核心是卡尔动力AI能力的提升，去年已经实现了端到端的自动驾驶。在这个架构升级基础上，卡尔动力继续演进，构建了基于基础大模型，世界模型与强化学习的AI新范式。

不过，在沟通中，韦峻青分享了一个观点：像LLM这类基础大模型，并不是卡尔动力这类公司需要重点投入的领域，卡尔动力近期会有一定深度的参与，但不会作为核心投入方向。而像Driving Foundation Model（基础驾驶模型）这类核心技术，卡尔动力是重要参与者，而且卡尔动力还有滴滴自动驾驶在数据和模型方面的赋能，不需要重复“造轮子”。

韦峻青强调，卡尔动力的核心工作是把一个能开小车的通用驾驶模型，培养成一个能开重卡，并且能高效盈利的专业驾驶模型。西北干线货运的运营数据，是基础驾驶模型中没有的——很多模型擅长程序层面的驾驶，但缺乏在干线、矿区这类特殊场景的运营经验，而卡尔动力的这些数据正好弥补了这个缺口。

关于运输机器人的定义和定位，韦峻青认为，机器人不一定非得有手有脚。自动驾驶本身就是一种机器人，它具备感知、思考、决策和行动能力。卡尔动力提出的“运输机器人”，核心是适配生产类物流的货运需求。落实到实际产品上，就是没有驾驶舱、用于物流运输的重卡，这是卡尔动力对运输机器人的具象化目标。

总结来说，卡尔动力对AI的定位是，基于全球最领先的基础大模型与driver model，用最丰富的场景和数据迭代训练出最安全、高效、会赚钱的人工智能卡车司机。卡尔动力提出的Multi modal Language Action模型让AI理解，在针对不同场景时，自动驾驶车辆“为什么这样决策”。世界模型World Model的使用，又让AI像人类一样可以推断和想象自己不同行为所带来的结果，“如果我这样做，其他车辆会怎样反应”。而强化学习让两者在十亿公里级虚拟里程中完成进化，最终使得这个虚拟的卡车司机能够远超人类驾驶的能力。

目前，大模型的发展已经进入收敛阶段，全世界能支撑基础大模型研发的玩家屈指可数。但最终谁能做出更好的应用，关键在于谁拥有更优质的领域特定数据，谁能做好后续的监督微调（supervised fine tuning），谁能构建更贴合场景的应用。

在韦峻青看来，深耕场景、“落地AI的执行力”才是智能驾驶货运这个赛道最核心的竞争力。2030年生产的重卡，有50%以上会搭载卡尔动力的智能驾驶系统。

韦峻青用“三明治”形象比喻卡尔动力在产业链上扮演的角色，上下层都有合作伙伴，包括资产持有方、运营维护方、车企、核心零部件供应商等之中，卡尔动力处于核心位置，连接各方资源。

如何来连接？首先是对接客户的自动驾驶运营管理系统KargoCloud，客户首先接触到的不是车企，而是卡尔动力的管理系统，卡尔动力将客户的运力调度、工厂运营等需求与我们的系统对接，核心是服务于大型B端客户。

其次是通过虚拟驾驶员AI软件，软件和车辆需要深度结合，所以卡尔动力不仅做传感器组合、计算平台、通信平台等软硬结合的工作，还要实现技术的广泛适配。现在已有11款车，虽然是由四家车企生产，但都搭载了卡尔动力相同的软件、线控架构和自动驾驶硬件。

混合智能编队模式将会长期存在

针对大宗商品货运需求，卡尔动力提出了混合智能无人化解决方案，并率先带动了混合编队方案在自动驾驶货运领域的广泛应用。同时，基于对场景的深度理解，提供覆盖全场景全形态的解决方案，实现人力成本降低83%～100%；人效提升100%～400%；能源效率提升10%以上；运营效率提升10%～25%；毛利是传统货运的3～6倍。

关于混合智能编队模式，韦峻青表示，他也经历了不同的认知阶段。最开始，他认为这是一个折中解决方案，未来5年可能还是需要这种模式，但等技术成熟后，最终会过渡到单车智能自主运行。

图片来源：卡尔动力

不过，随着和合作伙伴的深入合作，他发现大宗商品运输的运营模式本身就适合编队行驶——每天几百台车批量运输，编队行驶能缩小车距、节约风阻，提升运营效率。

“哪怕未来单车智能技术成熟了，在大宗商品运输场景中，三四台车一起编队行驶依然会是主流模式。”韦峻青说道。

从更长期来看，当形成全国性的运输网络后，比如北京到上海的干线，可能有1000家物流公司每天各发4车货，总共4000台车在这条线路上运行，每分钟都有车辆发车，这种情况下，编队运输依然是最高效的方式。对于一些短途、零散的运输场景，卡尔动力也会用单车智能模式进行补充。

在与客户的不断打磨中，从最初混合智能编队模式是切入点和过渡方案，到现在卡尔动力认为，混合智能编队模式最终会占据1/3、1/4甚至1/2的市场份额，成为长期存在的解决方案。

那么，卡尔动力混合智能编队模式如何实现自动驾驶编队的安全性、节油性、智能性？

具体来看，卡尔动力的车队最多由六辆车组成，前后车最长间距可以达到200米。通过联合感知，前车可将传感器观测结果传给后车，从而将感知距离翻倍，有效缓解后车视野被前车遮挡的问题。例如对于在本车侧前方的物体，可以结合本车和前车的检测结果，生成更精确的物体大小、朝向以及类型。

同时，卡尔动力还设计了多重冗余的联合定位算法，通过多车卫星定位系统+车间通信，完成局部组网的多流动站卫星定位系统，在完全无RTK的路段实现多车高精度相对定位；通过前车实时构建局部地图，其他车辆使用局部地图完成高精定位，可在无卫星定位、无先验地图的区域完成高精度相对定位，穿行几十公里隧道毫无压力；通过车辆自带的激光雷达+视觉等传感器，实时检测前车，可在无卫星定位、非结构化道路完成高精度相对定位。

基于车车通信的联合控制方法，人类驾驶的领航车当前的控制指令（如油门/刹车踏板开度）以及定位信息（pose，速度，加速度）将会被快速地共享给后车，以实现编队间高度一致的协同控制。由于同时具备了高精度且低时延的前馈与反馈输入，可在不同驾驶场景下达到理想的编队跟车性能，极限跟车时距可以做到小于0.3s。

联合决策则结合了人类驾驶的领航车决策与智能驾驶跟随车决策。领航车的历史轨迹会被共享并被作为跟随车的参考轨迹，后车对环境的风险感知也会及时反馈给领航车司机。在复杂的交互场景下，合理的领航车决策能有效降低跟随车交互的概率，提升通行效率；在必要的情况下（如社会车加塞队列，路口抢让，队列变道超车等），跟随车也可以进行自主交互决策，保证运营安全。

自动驾驶卡车赛道即将形成商业闭环

现阶段，盈利是L4自动驾驶公司面临的共同难题。过高的单车成本和获客费用，使单车边际收益贡献难以转正，行业主要处于商业验证阶段。

卡尔动力已经部署自动驾驶卡车超过400台车辆，自动驾驶套件的硬件成本仅需9万元。通过混合编队模式+kargocloud运力调度平台，卡尔动力用最大的车队规模、最小可验证的单车经济模型带来单车3~6倍的毛利提升，率先实现UE转正，经济模型得到验证。

但韦峻青强调，卡尔动力更关注的不是城市级盈利，而是路线级盈利。今天他想引导大家关注的是，如何通过业务拓展，用无人化车辆完成亿吨级的货运量，这才是核心。

韦峻青指出，单一车辆的无人化在当前技术阶段已经不算难，十年前可能实现单一车辆无人化就能融资，但现在，只有实现规模盈利才是行业最重要的发展路径。

在韦峻青看来，“当我们自持、客户持有以及赋能的无人驾驶重卡（以编队形式完全无人运行）达到3000台时，每年节约的驾驶员成本就能让公司形成盈利正循环。”

早在2021年卡尔动力成立之时，韦峻青就有一个明确的判断：自动驾驶技术已经非常接近无人化突破的临界点，但商业化规模化运营并没有那么容易，尤其是RoboTaxi赛道的发展已经印证了这一点。

因此，韦峻青给团队的要求是不能盲目跟风，可以借鉴RoboTaxi已经突破的技术，但要结合货运场景做出自己的突破。

当时行业内有一些上市公司提出“2024年1万台自动驾驶重卡在高速路上跑”的目标，韦俊清认为这个目标难度很大。

近期行业关注热点更多在L2、L3辅助驾驶、RoboTaxi、RoboVan这些领域，也提到了万台落地的目标，但韦峻青表示，卡尔动力依然坚信，自动驾驶重卡是一个有壁垒、商业价值高、市场上限高的蓝海赛道。

过去一年，资本市场对于自动驾驶领域的认知也发生了非常大的转变，也在逐渐看清不同赛道的潜力。公司所需的资金规模，其实和其运营规模直接相关。

韦峻青坦言，作为RoboTruck赛道的头部企业，目前卡尔动力没有资金方面的压力，近期也获得了很多资本的关注和支持。“资本市场提供的资源，完全能够支撑我们实现既定目标，这是一个非常自洽的逻辑。核心还是过去一年，大家慢慢意识到RoboTruck赛道的发展潜力，认可这个赛道的前景。”

政策层面，韦峻青也非常乐观。“在国内，很少有哪个赛道是因为政策不允许而被卡住的，大部分情况是因为技术不成熟，政策才没有放开。只要我们能证明技术是成熟可靠的，政策放开的速度往往会超出我们的预期。”

比如，卡尔动力在鄂尔多斯实现无人化后，整个内蒙古自治区就开始快速推动全域的测试和开放，从点到线、从线到面，最终会扩展到全国。

不过，韦峻青也坦承，这确实需要3—5年的时间，但目前卡尔动力已经看到了10万—20万台的市场规模空间，未来三四年如果能实现这个目标，也是非常大的成就。

关于行业变化，过去10年，韦峻青不认为技术有出现“突然爆发”的转折点，比如AI行人识别准确率等技术指标都是线性提升的，没有出现“大模型应用后突然跃升”的情况。

但韦峻青指出，商业化确实出现了转折点，这个转折点就是卡尔动力现在所处的阶段：当线性演进的技术达到“投入成本小于收益”的临界点，能帮客户赚钱时，商业化就迎来了转折。

创业之初，卡尔动力就有一个明确的思路：用场景定义产品，用产品定义技术，这和之前Robotaxi行业“先实现无人化，再找应用场景”的思路完全相反。

过去几年，韦峻青表示，最大的转变就是不再只追求技术价值，而是更注重客户认可的商业价值，不仅要实现无人化，更要实现规模化的盈利正循环，这也是团队共同的追求。

对于公司未来的发展，相比去年这个时候，韦峻青要乐观很多。他指出，主要是因为资本市场、客户和合作方都已经看到，这个赛道即将形成商业闭环，卡尔动力已经交付了成熟的“样板间”，正处于规模化爆发的前夜。（作者｜张敏，编辑｜李程程）

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站