卡爾動力CEO韋峻青

“我們的目標不是完全替代人工，而是通過這樣的模式，大幅提高整個方案的可行性。我們一直以來的核心目標是節約50%—80%的人力成本，只要能實現規模化運營，這個產品就具備非常大的商業價值。”近期，卡爾動力CEO韋峻青在2025未來運輸產業峰會后的溝通中強調。

自動駕駛的終極目標是實現100%的無人化，但韋峻青表示，卡爾動力從成立第一天起，就沒有執著于一定要實現100%全流程無人化。卡爾動力的核心思路是“人干人最擅長的，機器干機器最擅長的”：中間標準化的運輸環節，交給自動駕駛來完成；而裝卸貨、刷卡、刷身份證這類環節，至少在短期內，人工操作的效率更高，所以還是會保留人工。

在韋峻青看來，如果非要追求全流程無人，哪怕是洗車都要無人化，那難度確實非常大。實現100%全流程無人化可能是自動駕駛公司的技術夢想，但并不是合理的商業產品路徑。

卡爾動力成立于2021年，是由滴滴孵化出的L4級自動駕駛卡車公司，首創 “領航車有人、跟隨車無人” 的“混合智能編隊模式”，在干線、專線物流運輸場景中，率先在中國西北、華北多地實現了自動駕駛常態化測試和運營。

卡爾動力采用數據驅動的強化學習技術路線，以編隊混合智能、單車智能、機器人編隊等多種自動駕駛解決方案，在倉到倉閉環干線物流場景、半封閉園區物流場景中，實現非結構化復雜路況下運輸技術的完全無人化閉環。

韋峻青有著多年的自動駕駛領域從業經驗，曾任滴滴自動駕駛CTO，安波福自動駕駛全球副總裁，自動駕駛公司Ottomatika創始人（后被Aptiv收購）。

重點押注基礎駕駛模型

在此次2025未來運輸產業峰會上，卡爾動力宣布工程化的kargoBot Space運輸機器人將于2026年上路測試與示范。由于不需要駕駛艙，車輛的形態與布置會更加靈活，載貨空間增加25%，有效載重提升10%。這樣就帶來了額外單車運輸毛利5倍提升，在不同的場景下，單臺車年收入可增加25萬元-40萬元。

韋峻青預計，未來十年會有百萬臺的無人運輸車上路，在城市與農村，廠礦與企業間穿梭，支撐全新的物流網絡。貨物+機器人KargoBot的愿景，會真正地變成現實。

韋峻青表示，支持卡爾動力產品演進的核心是卡爾動力AI能力的提升，去年已經實現了端到端的自動駕駛。在這個架構升級基礎上，卡爾動力繼續演進，構建了基于基礎大模型，世界模型與強化學習的AI新范式。

不過，在溝通中，韋峻青分享了一個觀點：像LLM這類基礎大模型，并不是卡爾動力這類公司需要重點投入的領域，卡爾動力近期會有一定深度的參與，但不會作為核心投入方向。而像Driving Foundation Model（基礎駕駛模型）這類核心技術，卡爾動力是重要參與者，而且卡爾動力還有滴滴自動駕駛在數據和模型方面的賦能，不需要重復“造輪子”。

韋峻青強調，卡爾動力的核心工作是把一個能開小車的通用駕駛模型，培養成一個能開重卡，并且能高效盈利的專業駕駛模型。西北干線貨運的運營數據，是基礎駕駛模型中沒有的——很多模型擅長程序層面的駕駛，但缺乏在干線、礦區這類特殊場景的運營經驗，而卡爾動力的這些數據正好彌補了這個缺口。

關于運輸機器人的定義和定位，韋峻青認為，機器人不一定非得有手有腳。自動駕駛本身就是一種機器人，它具備感知、思考、決策和行動能力。卡爾動力提出的“運輸機器人”，核心是適配生產類物流的貨運需求。落實到實際產品上，就是沒有駕駛艙、用于物流運輸的重卡，這是卡爾動力對運輸機器人的具象化目標。

總結來說，卡爾動力對AI的定位是，基于全球最領先的基礎大模型與driver model，用最豐富的場景和數據迭代訓練出最安全、高效、會賺錢的人工智能卡車司機。卡爾動力提出的Multi modal Language Action模型讓AI理解，在針對不同場景時，自動駕駛車輛“為什么這樣決策”。世界模型World Model的使用，又讓AI像人類一樣可以推斷和想象自己不同行為所帶來的結果，“如果我這樣做，其他車輛會怎樣反應”。而強化學習讓兩者在十億公里級虛擬里程中完成進化，最終使得這個虛擬的卡車司機能夠遠超人類駕駛的能力。

目前，大模型的發展已經進入收斂階段，全世界能支撐基礎大模型研發的玩家屈指可數。但最終誰能做出更好的應用，關鍵在于誰擁有更優質的領域特定數據，誰能做好后續的監督微調（supervised fine tuning），誰能構建更貼合場景的應用。

在韋峻青看來，深耕場景、“落地AI的執行力”才是智能駕駛貨運這個賽道最核心的競爭力。2030年生產的重卡，有50%以上會搭載卡爾動力的智能駕駛系統。

韋峻青用“三明治”形象比喻卡爾動力在產業鏈上扮演的角色，上下層都有合作伙伴，包括資產持有方、運營維護方、車企、核心零部件供應商等之中，卡爾動力處于核心位置，連接各方資源。

如何來連接？首先是對接客戶的自動駕駛運營管理系統KargoCloud，客戶首先接觸到的不是車企，而是卡爾動力的管理系統，卡爾動力將客戶的運力調度、工廠運營等需求與我們的系統對接，核心是服務于大型B端客戶。

其次是通過虛擬駕駛員AI軟件，軟件和車輛需要深度結合，所以卡爾動力不僅做傳感器組合、計算平臺、通信平臺等軟硬結合的工作，還要實現技術的廣泛適配。現在已有11款車，雖然是由四家車企生產，但都搭載了卡爾動力相同的軟件、線控架構和自動駕駛硬件。

混合智能編隊模式將會長期存在

針對大宗商品貨運需求，卡爾動力提出了混合智能無人化解決方案，并率先帶動了混合編隊方案在自動駕駛貨運領域的廣泛應用。同時，基于對場景的深度理解，提供覆蓋全場景全形態的解決方案，實現人力成本降低83%～100%；人效提升100%～400%；能源效率提升10%以上；運營效率提升10%～25%；毛利是傳統貨運的3～6倍。

關于混合智能編隊模式，韋峻青表示，他也經歷了不同的認知階段。最開始，他認為這是一個折中解決方案，未來5年可能還是需要這種模式，但等技術成熟后，最終會過渡到單車智能自主運行。

卡爾動力

不過，隨著和合作伙伴的深入合作，他發現大宗商品運輸的運營模式本身就適合編隊行駛——每天幾百臺車批量運輸，編隊行駛能縮小車距、節約風阻，提升運營效率。

“哪怕未來單車智能技術成熟了，在大宗商品運輸場景中，三四臺車一起編隊行駛依然會是主流模式。”韋峻青說道。

從更長期來看，當形成全國性的運輸網絡后，比如北京到上海的干線，可能有1000家物流公司每天各發4車貨，總共4000臺車在這條線路上運行，每分鐘都有車輛發車，這種情況下，編隊運輸依然是最高效的方式。對于一些短途、零散的運輸場景，卡爾動力也會用單車智能模式進行補充。

在與客戶的不斷打磨中，從最初混合智能編隊模式是切入點和過渡方案，到現在卡爾動力認為，混合智能編隊模式最終會占據1/3、1/4甚至1/2的市場份額，成為長期存在的解決方案。

那么，卡爾動力混合智能編隊模式如何實現自動駕駛編隊的安全性、節油性、智能性？

具體來看，卡爾動力的車隊最多由六輛車組成，前后車最長間距可以達到200米。通過聯合感知，前車可將傳感器觀測結果傳給后車，從而將感知距離翻倍，有效緩解后車視野被前車遮擋的問題。例如對于在本車側前方的物體，可以結合本車和前車的檢測結果，生成更精確的物體大小、朝向以及類型。

同時，卡爾動力還設計了多重冗余的聯合定位算法，通過多車衛星定位系統+車間通信，完成局部組網的多流動站衛星定位系統，在完全無RTK的路段實現多車高精度相對定位；通過前車實時構建局部地圖，其他車輛使用局部地圖完成高精定位，可在無衛星定位、無先驗地圖的區域完成高精度相對定位，穿行幾十公里隧道毫無壓力；通過車輛自帶的激光雷達+視覺等傳感器，實時檢測前車，可在無衛星定位、非結構化道路完成高精度相對定位。

基于車車通信的聯合控制方法，人類駕駛的領航車當前的控制指令（如油門/剎車踏板開度）以及定位信息（pose，速度，加速度）將會被快速地共享給后車，以實現編隊間高度一致的協同控制。由于同時具備了高精度且低時延的前饋與反饋輸入，可在不同駕駛場景下達到理想的編隊跟車性能，極限跟車時距可以做到小于0.3s。

聯合決策則結合了人類駕駛的領航車決策與智能駕駛跟隨車決策。領航車的歷史軌跡會被共享并被作為跟隨車的參考軌跡，后車對環境的風險感知也會及時反饋給領航車司機。在復雜的交互場景下，合理的領航車決策能有效降低跟隨車交互的概率，提升通行效率；在必要的情況下（如社會車加塞隊列，路口搶讓，隊列變道超車等），跟隨車也可以進行自主交互決策，保證運營安全。

自動駕駛卡車賽道即將形成商業閉環

現階段，盈利是L4自動駕駛公司面臨的共同難題。過高的單車成本和獲客費用，使單車邊際收益貢獻難以轉正，行業主要處于商業驗證階段。

卡爾動力已經部署自動駕駛卡車超過400臺車輛，自動駕駛套件的硬件成本僅需9萬元。通過混合編隊模式+kargocloud運力調度平臺，卡爾動力用最大的車隊規模、最小可驗證的單車經濟模型帶來單車3~6倍的毛利提升，率先實現UE轉正，經濟模型得到驗證。

但韋峻青強調，卡爾動力更關注的不是城市級盈利，而是路線級盈利。今天他想引導大家關注的是，如何通過業務拓展，用無人化車輛完成億噸級的貨運量，這才是核心。

韋峻青指出，單一車輛的無人化在當前技術階段已經不算難，十年前可能實現單一車輛無人化就能融資，但現在，只有實現規模盈利才是行業最重要的發展路徑。

在韋峻青看來，“當我們自持、客戶持有以及賦能的無人駕駛重卡（以編隊形式完全無人運行）達到3000臺時，每年節約的駕駛員成本就能讓公司形成盈利正循環。”

早在2021年卡爾動力成立之時，韋峻青就有一個明確的判斷：自動駕駛技術已經非常接近無人化突破的臨界點，但商業化規模化運營并沒有那么容易，尤其是RoboTaxi賽道的發展已經印證了這一點。

因此，韋峻青給團隊的要求是不能盲目跟風，可以借鑒RoboTaxi已經突破的技術，但要結合貨運場景做出自己的突破。

當時行業內有一些上市公司提出“2024年1萬臺自動駕駛重卡在高速路上跑”的目標，韋俊清認為這個目標難度很大。

近期行業關注熱點更多在L2、L3輔助駕駛、RoboTaxi、RoboVan這些領域，也提到了萬臺落地的目標，但韋峻青表示，卡爾動力依然堅信，自動駕駛重卡是一個有壁壘、商業價值高、市場上限高的藍海賽道。

過去一年，資本市場對于自動駕駛領域的認知也發生了非常大的轉變，也在逐漸看清不同賽道的潛力。公司所需的資金規模，其實和其運營規模直接相關。

韋峻青坦言，作為RoboTruck賽道的頭部企業，目前卡爾動力沒有資金方面的壓力，近期也獲得了很多資本的關注和支持。“資本市場提供的資源，完全能夠支撐我們實現既定目標，這是一個非常自洽的邏輯。核心還是過去一年，大家慢慢意識到RoboTruck賽道的發展潛力，認可這個賽道的前景。”

政策層面，韋峻青也非常樂觀。“在國內，很少有哪個賽道是因為政策不允許而被卡住的，大部分情況是因為技術不成熟，政策才沒有放開。只要我們能證明技術是成熟可靠的，政策放開的速度往往會超出我們的預期。”

比如，卡爾動力在鄂爾多斯實現無人化后，整個內蒙古自治區就開始快速推動全域的測試和開放，從點到線、從線到面，最終會擴展到全國。

不過，韋峻青也坦承，這確實需要3—5年的時間，但目前卡爾動力已經看到了10萬—20萬臺的市場規模空間，未來三四年如果能實現這個目標，也是非常大的成就。

關于行業變化，過去10年，韋峻青不認為技術有出現“突然爆發”的轉折點，比如AI行人識別準確率等技術指標都是線性提升的，沒有出現“大模型應用后突然躍升”的情況。

但韋峻青指出，商業化確實出現了轉折點，這個轉折點就是卡爾動力現在所處的階段：當線性演進的技術達到“投入成本小于收益”的臨界點，能幫客戶賺錢時，商業化就迎來了轉折。

創業之初，卡爾動力就有一個明確的思路：用場景定義產品，用產品定義技術，這和之前Robotaxi行業“先實現無人化，再找應用場景”的思路完全相反。

過去幾年，韋峻青表示，最大的轉變就是不再只追求技術價值，而是更注重客戶認可的商業價值，不僅要實現無人化，更要實現規模化的盈利正循環，這也是團隊共同的追求。

對于公司未來的發展，相比去年這個時候，韋峻青要樂觀很多。他指出，主要是因為資本市場、客戶和合作方都已經看到，這個賽道即將形成商業閉環，卡爾動力已經交付了成熟的“樣板間”，正處于規模化爆發的前夜。（作者｜張敏，編輯｜李程程）

更多對全球市場、跨國公司和中國經濟的深度分析與獨家洞察，歡迎訪問 Barron's巴倫中文網官方網站