摘要：今年上海车展上，卡尔动力推出的未来运输机器人KargoBot Space引起业内热议，主因两个：一是提出"运输机器人"这一全新物种概念；二是单车商业价值年增收25～40万。

今年上海车展上，卡尔动力推出的未来运输机器人KargoBot Space引起业内热议，主因两个：一是提出"运输机器人"这一全新物种概念；二是单车商业价值年增收25～40万。

至今大家依然好奇，这到底是一款什么样的产品？实现单车增收幅度为何如此之大？对此，卡尔动力规控算法研发副总裁王前在2025世界智能汽车大会现场接受专访时，进一步做出回应和解读。

王前表示，运输机器人是以运输第一性原理提出的新概念，完全没有给人类司机预留驾驶空间，简单点说就是取消了驾驶舱。这一设计改变带来约25%载货量和约10%载重量的提升，这是单车实现年增收25万～40万的主要原因之一。除此之外，还有三个维度：一是卡尔动力提出混合无人驾驶编队概念，降低风阻，带来燃油经济性，同时一个编队5辆车，后4车全无人，节约80%人力成本；二是能源替代节约成本。“这是一个多维度贡献的结果，综合起来，未来运输机器人的单车节约成本每年可达25万到40万。”

卡尔动力聚焦货运，但产品全场景通用。王前解释：“我们目前展示的是一个封闭场景下的挂车，实际上产品的形态可以多元化，包括底盘，可以适配多样，尺寸灵活增减。” 这让卡尔动力的商业模式更具想象空间，吸引资本青睐。今年5月，卡尔动力完成近3亿元A+轮融资，成为当周无人驾驶领域最大规模投资事件。

对于未来，王前表示，卡尔动力将全力推进产品在更多场景的落地和应用，并通过AI能力强化学习思路，进一步提升自动驾驶模型上限。

（以下为主要采访内容）

聚焦于未来，产品形态适应全场景应用

商用汽车观察：今年上海车展上，卡尔动力发布一款运输机器人，这是一个什么概念？与传统无人驾驶车相比，有哪些不同？

王前：卡尔动力是一家聚焦于商用车智能驾驶的公司，我们的终极目标是打造一款完全能够自主运输货物的载体或者叫机器人。

这一概念在今年上海车展期间正式对外呈现，它是以运输第一性原理为设计理念，这款车取消了驾驶舱，完全没有给人类司机预留驾驶空间。它的整体形态聚焦于未来，是完全自动化程度特别高的市场环境下诞生的产品，可以有各种各样灵活配置的运输方式，也能够自主选择是以自动驾驶编队还是以个人单车的形式去运货，我们的初衷是为行业未来呈现一个全新的运输形态。

商用汽车观察：一款面向未来的产品形态，针对全场景，还是某些特殊场景？

王前：我们目前展示的只是一个形态，实际上产品的形态可以多元，我们可以与OEM定义不同场景。

目前展示的形态是干线物流场景下的挂车形态，但如果运输场景或货物不同，比如冷链运输，可以加装不同形式的挂车去适应不同货物的运输需求，包括底盘，结构可以灵活适配，尺寸可以增大或缩小。

商用汽车观察：我们的核心产品，最终呈现给用户的是技术方案还是集成的底盘方案？

王前：我们是一家聚焦于商用车自动驾驶的企业，未来希望能做货运的“自主机器人+运输操作系统”，既包括面向货运的无人驾驶通用大模型，也包括面向全行业的运输机器人通用平台。未来我们也会与我们的OEM厂商共同根据不同场景，一起设计不同的产品形态。

聚焦6万亿货运市场，首款产品是标杆级案例

商用汽车观察：首款运输机器人发布时提到单车毛利提升5倍，具体如何实现？

王前： 是一个多维度的贡献：第一个是未来运输机器人取消了驾驶舱，这额外带来25%左右的一个载货量的提升和10%左右的载重量的一个提升，又能进一步提升我们的运输效率；二是我们采用混合自动驾驶编队的方案，能够降低风阻，带来燃油经济性的一个提升，同时一个编队5辆车，后车都无人，可以节省高达83%的人力成本。

此外，配合其他方式，比如能源的替换，综合起来我们预判未来运输机器人的单车节约的成本每年可达25万～40万。

商用汽车观察：我们聚焦货运，涉及客运吗？

王前：聚焦货运，除了自动驾驶卡车，我们也有混合智能运力调度平台，它能够根据实际的运输需求和当前已有的运力进行智能匹配，比如选择哪条路线，用什么车等，同时还能够对运输过程进行全流程监督和管理，以及根据过往大数据，去识别风险等问题，进一步提升运输质量。

商用汽车观察：聚集货运，是这个领域的无人驾驶商业化落地更容易，还是它的市场规模更可观？

王前：卡尔动力2021年由滴滴集团和鄂尔多斯集团一起孵化，本身是一个场景需求驱动的产物，当时意识到了货运行业有各种各样的问题，比如司机的短缺，老龄化等，市场有需求，而且需求非常大，行业规模大概6万亿。

AI能力是核心，未来5年预期有大突破

商用汽车观察：卡尔动力有两大主业：无人驾驶卡车自研和人工智能突破。目前两大主业方面的产品和技术布局如何？

王前：运输机器人只是一个载体，一个真正的机器人，无非就是具身智能的一个形态，未来要适配更多场景，我们与OEM伙伴一起去定义更多不一样的产品形态。另一方面，我们真正聚焦的还是自动驾驶领域，所以我们重点投入到AI的范式怎么能够实现全场景的一个落地，去赋能自动驾驶货运。

商用汽车观察：面向未来的AI技术，您认为最核心的是什么？

王前：这个引发一个叫AI技术范式的话题，卡尔动力2021年成立，以往4～5年时间，我们见证了自己技术方案的飞跃。

最早我们叫AI 1.0，那个时代更多的是以规则驱动，我们的研发同事手写规则，然后根据不同的场景去定义不同的功能。

AI2.0时代是端到端出现后，从模仿学习逐渐去赋能自动驾驶，我们开始进行商业化落地。但在实际过程中，我们发现使用专用场景数据训练而来的一个模仿人类驾驶员行为的端到端模型，距离真正人类的驾驶水平还是有比较大的gap，所以后面我们逐渐采取了VLM和VLA这种通用场景数据模型，用通用数据去训练提升大模型对场景的理解，提升模型泛化能力的上限。

AI 3.0是我们借助了强化学习的一个思路，用强化学习训练方式提升自动驾驶模型的上限，让它理解什么是好的驾驶行为，什么又是不好的驾驶行为等。这种方式的不同是，它能够提升自动驾驶的能力，达到数倍甚至数十倍于人类驾驶员水平，我们认为这是最终能实现自动驾驶范式。

商用汽车观察：这个范式，您认为多久能实现？

王前：预计未来5年能实现，目前自动驾驶技术迭代非常快，每年都是一个超预期的突破，所以我对未来非常乐观。

拥有强大数据壁垒，算法迭代迅速

商用汽车观察：您是算法领域专家，算法又是自动驾驶的大脑，算法目前在国内发展情况如何？

王前：前面提到AI的几个阶段，其实很多行业经历过这个阶段，最早的规则驱动，到数据驱动，再到端到端、网络、大模型，最后逐渐大规模量产落地。

2024年，我们对外发布了自己的端到端自动驾驶方案，包含了端到端的一个AEB模型，以及我们的大语言模型。它们各自有不同的作用，端到端AEB模型，应对一些突发状况，比如行人鬼探头等。

商用车观察：对算法迭代影响最大的是什么？

王前：大量运营数据积累和技术的迭代创新很重要，我们提出的AI3.0就是模仿学习和强化学习的一个联合框架。模仿学习可以通过大量的高质量数据完成，并很快训练出一个基座模型，在这个基座模型基础上，通过专场数据去强化学习。

商用汽车观察：我们的数据主要来源于哪里？

王前：一个来源是我们自己实际测试和运营场景的大量真实数据；一个是我们与滴滴密切合作共赢，在数据和技术上实现共享，积累了非常多通用场景的数据。此外，我们还有鄂尔多斯集团车队，包括有人车我们也部署了数据的采集和积累。同时也有一些外部通用的行业数据。

行业仍存在长尾问题，卡尔动力做充足准备

商用汽车观察：从算法角度看，卡尔动力在推动L4、L5实现商业化落地方面，有哪些储备？

王前：我们对L5的定义是不限场景，刚才提到的混合编队技术，其实就是L5技术的尝试，它对高精地图没有依赖。

另一个是通用自动驾驶模型能力的一个提升，让自动驾驶技术在不限场景的情况下，达到或超越人类驾驶水平，只有这样才可以说拥有自动驾驶能力。

我们很庆幸的一点是提前做了一定的技术储备，包括技术模式、数据等，这个在未来会是我们的一个竞争壁垒，加上目前我们已经跑通的技术路线和商业正循环，成为卡尔动力未来竞争中可以保持快速前进的一个支撑。

商用汽车观察：目前无人驾驶还存在哪些长尾问题和商业落地的挑战？

王前：还是一些突发问题，比如人工收费站的识别、交警查车、暴雨中的突然滑坡、路面的结冰等，这些都是实际运行中会遇到的问题，我们必须不断地去积累，去研发对应的解决方案。

商用汽车观察：未来无人驾驶货运领域会出现乘用车那样，只留下五六家的判断？

王前：有可能，这是行业的规律。目前自动驾驶货运行业刚开始，是一个百家齐放的状态，但等到真正的技术收敛时，那些头部企业的技术壁垒更加深厚，应用的场景也更多，这是一个滚雪球项目，所以最终谁能在更多场景实现商业化落地，谁能实现正向的商业闭环，谁就会有更大的竞争优势。

来源：汽车观察AO