卡尔动力发布无座舱自动驾驶卡车计划未来三年推进L4货运万台量产|人驾驶出租车|卡尔动力|卡车|无座舱|自动驾驶技术|重卡

在4月24日开幕的2026北京车展上，卡尔动力发布KargoBot Inside战略和KargoPlatform Gen 5.0通用硬件平台，并推出与陕重汽联合打造的无座舱的运输机器人KargoBot Space 2.0量产版，以及联合北奔重卡打造的KargoBot Inside选装座舱车型。

卡尔动力成立于2022年，总部位于内蒙古鄂尔多斯，是面向干线货运的L4自动驾驶货运企业。卡尔动力的前身是滴滴旗下自动驾驶货运业务“KargoBot”，其创始人、CEO韦峻青曾任滴滴自动驾驶CTO，2013年创立无人驾驶软件公司ottomatika，2015年该公司被德尔福收购，韦峻青也由此担任过安波福自动驾驶全球副总裁。

截至目前，卡尔动力在运营自动驾驶卡车超400辆，运营里程4500万公里。在物流成本高、自动驾驶技术快速迭代之际，卡尔动力希望以技术、产品、服务三位一体闭环，探索出可复制、可扩张的商业化路径，计划未来三年驱动L4货运进入万台时代，2030 年冲刺十万台生态目标。

力推无座舱L4级自动驾驶卡车

本届北京车展上，卡尔动力展示了量产版的无座舱自动驾驶卡车。该车型以L4高效能运输为唯一目标，因为少了座舱结构，得以将载货空间提升25%—35%、有效载重提升10%—25%，支持20至40尺多规格货箱灵活切换，适配煤炭、钢铁、冷链、快运等全品类干线货运。

在卡尔动力看来，L4自动驾驶货运多依赖传统重卡改装，普遍采用“L2升级L4”路线，存在线控适配不足、结构冗余、空间载重浪费、难以7×24小时连续运营等硬伤，技术效能难以释放，经济性始终无法跑通。

卡尔动力无座舱自动驾驶卡车所搭载的KargoPlatformGen5.0通用硬件平台，采用中央计算+区域控制器电子电气架构，其控制器与线束复杂性降低40%—50%。同时，配合双冗余电源、双星型通信网络、三重制动冗余、纯电冗余线控转向，实现极致安全冗余，车辆稳定性大幅提升。

该车型在感知层面独家采用禾赛近期发布的ETX激光雷达，并加上了补盲雷达FTX，在性价比的前提下，实现感知冗余。能源端则标配宁德时代旗下时代骐骥公司的513度底盘换电体系，可在5分钟左右极速换电。

自动驾驶卡车的推广，有着市场和政策层面的需求驱动。2025年全国社会物流总费用19.5万亿元，同比增长3.0%，占GDP比率为13.9%。国家“十五五”规划明确，2030年物流总费用占GDP需降至12.5%左右。

据中金公司预计，中国高速城际物流潜在市场规模达3.3万亿元，但货运司机的缺口达300万人，目前的1130万货车司机中，36—55岁的司机占比高达84.38%，46岁以上货车司机占比上升迅速提升，货运司机队伍老龄化加剧。

卡尔动力已联合陕汽、北奔、一汽解放、金龙重汽、中国重汽、广汽领程等六家国内头部商用车企业协同研发，形成标准化正向开发体系，以原生设计的运输机器人量产版与选装座舱车型，破解行业长期痛点，推动城际干线L4自动驾驶卡车发展。

值得一提的是，在当前的干线L4自动驾驶重卡赛道，政府补贴、试点奖励等在企业营收构成中占相当比重，卡尔动力已实现单车运营UE（单位经济模型）转正，毛利为传统重卡的3—6倍。

不过，物流运输企业很看重降本增效，电动自动驾驶卡车仅因为车重导致的轮胎损耗，每年多花费的资金就高达3万元。对于自动驾驶卡车科技公司而言，降本增效将是长期任务。

卡尔动力方面表示，KargoPlatformGen5.0通用硬件平台的智能驾驶硬件成本下降50%，7×24小时不间断运营，吨公里运输成本下降68%，单车年净利润能提升5倍，投资回收期由5年缩短至1年。

打造货运卡车专属大模型

L4自动驾驶货运规模化落地，不仅依赖产品突破，更需要技术、制造、能源、服务的全链条协同。当前行业面临改装成本高、架构不统一、量产能力不足等瓶颈，科技企业与主机厂各自为战，难以支撑十万台级市场需求。

卡尔动力发布的KargoBotIn side战略跳出单一造车逻辑，采取“技术赋能+整车协同”路线，科技企业聚焦算法、模型、调度与运营，主机厂发挥整车研发、供应链、量产制造优势，两者实现优势互补，推动产业从单点竞争走向分工共赢。

技术层面，卡尔动力的KargoBotIn side战略以“AI+Robot+Service”三重互驱构建全栈能力。当前，虽然大模型对自动驾驶技术迭代起到了关键的推动作用，但自动驾驶存在运输AGI缩放定律，突破长尾精度瓶颈需指数级增加数据，单纯模仿学习无法满足需求；通用模型无重卡物理先验，难以适配干线复杂场景与长车体安全运营需求。

“例如，比较长的箱式货车在拐弯时，如果司机只看车头能不能通过，那么后面的车箱大概率要撞到旁边的电线杆。再比如，秋天的时候，联合收割机会上高速，收割机的形状、尺寸等较为特殊，但平时我们的自动驾驶卡车在高速上看不到收割机，所以我们要对这种独特场景的Conner Case在系统中加强训练。”卡尔动力感知&预测&AI研发副总裁王珂说。

为此，卡尔动力采用强化学习+自研WAM世界-行动模型，融入4D空间推理、场景合成与长短时记忆能力，动态预测路况、预判风险，以适配重卡长车体、长距离的安全运营需求，打破“端到端模型只能模仿人类”的瓶颈。

同时，基于多维度海量数据，卡尔动力将泛化数据与通用自动驾驶IP面向卡车任务优化，量身定制适配重卡的世界—行动模型，解决通用模型“水土不服”的问题。此外，卡尔动力还创新“师徒模型”，离线教师模型依托海量跨域数据训练，边缘学生模型经蒸馏轻量化部署，结合自动化长尾场景挖掘，将模型迭代周期从5天压缩至12小时。

KargoBot Inside战略的Robot层则以Gen5.0平台为基础，提供无座舱与选装座舱双产品矩阵，兼容当前运营与未来终极形态，降低车企开发门槛；Service层以TaaS运力即服务与SaaS虚拟驾驶员服务双模式交付，整合智能调度、能源运维、司机赋能，形成可复制商业闭环。

目前，卡尔动力已联合四家车企前装量产7款L4级Robotruck车型，构建400台级车队、覆盖20余条干线，运营场地聚焦鄂尔多斯、新疆、京津冀地区。随着干线自动驾驶货运赛道竞争加剧，唯有快速突破区域边界，才能建立规模化壁垒与成本优势，而KargoBot Inside战略通过技术标准化与生态协同能力，为卡尔动力跨区域扩张提供了可复制的底层支撑。

（作者周信）

免责声明：本文观点仅代表作者本人，供参考、交流，不构成任何建议。