从‘改装’到‘原生’：自动驾驶货运如何跨越软硬鸿沟？

长距离干线运输，被公认为L4级自动驾驶最有商业潜力的场景之一。过去几年的实践表明，算法在封闭测试环境中表现良好，一旦部署到真实场景，可靠性、成本、生态支撑等问题便会集中暴露。根本原因在于软件与硬件之间缺乏协同机制。以往自动驾驶重卡多基于传统车型改装而来，软件与硬件属于后期改造，缺乏从零开始的并行设计与深度耦合。如何打破这层壁垒？

2026北京国际车展期间，至顶智库同卡尔动力工程技术副总裁于洋、陕汽研究院副院长马继周，围绕“软硬结合，正向定义货运终极本体”展开圆桌对话，深度探讨软硬件团队的高效协同路径，意外地给出了几条可落地的答案。

车展同期，卡尔动力发布了面向L4货运的“KargoBot Inside”全栈方案，以“AI+Robot+Service”为架构，宣告L4货运从技术验证迈入全维落地阶段，成为企业践行软硬协同发展战略的具体体现。但更值得关注的是，这场圆桌中双方暴露的真实磨合过程。

运输机器人：从“概念”到“量产”只用了不到一年圆桌上首先被提及的，是运输机器人。

2025年4月，卡尔动力推出KargoBot Space“未来运输机器人”概念车，一年后的2026年4月，运输机器人KargoBot Space® 2.0量产版发布。该车型取消驾驶舱，采用面向L4自动驾驶的正向设计，搭载KargoPlatform Gen® 5.0通用硬件平台。据卡尔动力透露，基于该平台，硬件成本下降约50%，稳定性提升50倍以上。配合全冗余线控架构，为规模化部署提供了可复用的技术底座。

卡尔动力工程技术副总裁 于洋

谈到运输机器人，卡尔动力工程技术副总裁于洋给出了以下核心判断：

一是，卡尔动力通过以往车辆的落地实绩，积累了千万公里以上的实际数据，和上亿公里的安全测试验证。货运自动驾驶技术的成熟度和可行性已达到拐点。

二是，随着自动驾驶技术逐渐成熟，驾驶舱将变成选配件。去掉座舱后，可以增加车辆的载货空间，使得有效载荷明显提升，资产利用效率提升2倍。这不是简单的改装，而是从底层架构就为无人化而设计。

陕汽研究院副院长 马继周

陕汽研究院副院长马继周则从三个维度解释了运输机器人与传统重型卡车的本质区别：

软硬协同方面，传统重卡的控制和执行模块没有实现闭环，但对于运输机器人而言，其天然是一个闭环系统，人工智能提供感知决策能力，底盘系统跟智能系统结合在一起，形成机电结合、软硬一体的完整架构。

响应速度方面，传统重卡底盘的响应速度和控制精度要求并不是非常高，而运输机器人搭载的系统要保证毫秒级的响应速度，从而确保整个系统的安全性和可靠性。

测试验证方面，传统重卡更关注车辆本身的性能以及在环境下的适应性，自动驾驶运输机器人需要全场景适应能力，其智能感知和决策系统在各种极端和长尾环境下需具备适应性，还需要数据闭环系统的验证以及安全冗余的验证。

这些话题指向同一个结论：正向定义不是口号，需要从硬件到软件、从感知到底盘的同步设计。没有驾驶舱的运输机器人，不是去掉了一个座舱，而是要重新思考货运载体的终极形态。

软硬协同背后：从“甲乙方”到“合伙人”自动驾驶货运的研发并非单一环节的技术突破，而是需要芯片、传感器、算法、整车制造等产业链多环节协同，各环节研发周期的差异成为制约其落地的首要障碍。更棘手的是组织层面的摩擦。传统“主机厂+算法供应商”模式下，双方以合同为界：一方交付车辆，另一方装载软件。软硬件直到联调才第一次“见面”，大量问题积压到路测阶段。卡尔动力与陕汽则从研发初期就深度绑定，试图改变这一流程。

据于洋透露，车辆在研发和生产过程中，双方团队会共同投入几个月的密集周期。从产品最开始的用户定义，到电子电气系统和软件程序的设计，再到硬件的选择，以及生产的总装工艺都是由双方共同完成的。沟通是团队配合的关键因素。

马继周则点出了解决技术分歧的核心方法，“在解决技术团队出现的类似问题时，更多是要明确接口和规则，然后把共同的目标赋予团队，让大家共同赋能，减少争论，从而推动目标达成。”

嘉宾的分享揭示了行业常态，多数自动驾驶公司与主机厂的合作仍停留在甲乙方关系——接口文档替代共同设计，验收测试替代联合攻关。要打造软硬一体的原生L4产品，需要双方工程师从产品定义到总装工艺，高频碰撞、共同决策，这才是“原生共创”的本意。

自动驾驶货运车辆的落地，不再是单一技术能力的竞争，而是算法、底盘、整车工程、生产制造与场景运营之间协同组织的竞争。

三种研发路径，为什么联合正向开发正在成为主流？从业内的合作路径来看，自动驾驶重卡的研发量产目前主要有三种典型模式：新势力企业全栈自研、传统主机厂主导开发、自动驾驶科技公司与硬件主机厂联合开发。

路径一：新势力企业全栈自研

以特斯拉Semi为代表，采用软硬件全栈自研的方式推动货运自动驾驶落地，从算法、芯片到整车全部自研。全栈自研方式在能耗效率、动力性能、OTA迭代、车队数据闭环等方面具备差异化优势，但同时也带来车辆研发投入高、量产周期长、基础设施依赖强、供应链压力大和服务网络建设难度高等挑战。

对于大多数自动驾驶公司而言，这条路径门槛过高，不具备可复制性。

路径二：传统主机厂主导开发

国外如商用车企业沃尔沃集团成立Volvo Autonomous Solutions，专门推进自动驾驶运输解决方案。从国内来看，中国重汽、一汽解放、东风柳汽、江淮等企业也在通过与自动驾驶公司合作或自研L2+的方式向L4探索。

由传统重卡企业主导的研发模式，掌握整车平台、线控底盘、冗余安全和商业运营入口，主导自动驾驶系统集成与产品定义，但存在内部技术人员不足、研发投入产出比难以平衡的问题。更关键的是，由主机厂主导的开发往往优先满足现有产品线的兼容性，而非为L4正向设计，软硬件的耦合深度受限。

路径三：自动驾驶科技公司与硬件主机厂联合开发

以卡尔动力与陕汽重卡的联合开发模式为代表。双方不是简单的“车辆+系统”的组合，而是从用户定义、电子电气架构到总装工艺的全程共建。陕汽重卡提供整车研发、生产制造以及售后服务能力。卡尔动力注入自动驾驶算法、冗余系统设计。

此种合作模式的优势在于，双方从研发初期就开始协作，可以有效避免后期“嫁接”带来的性能损耗和重复开发，充分发挥软硬件双方的各自优势，进而提升市场竞争力。

从行业发展趋势来看，深度协同、全程共建的软硬件联合开发模式正在成为主流。原因很简单，自动驾驶货运的竞争已经从“谁能做出更好的算法”转向“谁能更快地把算法变成可靠、可量产、可复制的产品”,后者需要的是一种深度的、对等的、贯穿研发全周期的合作伙伴关系。

全球物流行业正在经历一场底层运力的重构。长距离干线运输的自动驾驶化，不再是技术可行性问题，而是工程化、协同化、规模化的长跑。高盛在最新预测中大幅调高了预期：在中国，Robotruck将在2026年实现千台规模化部署，2030年突破10万台，2035年渗透率达到50%。驱动这一判断的，正是像卡尔动力与陕汽这样的联合开发样本，双方在“软硬结合”上趟出的路，正在变成行业的标准作业程序。

在圆桌对话的最后，两位嘉宾提出两个关键词：“原生共创”与“软硬一体”。

“原生共创”是从底层架构到上层应用重构整个技术体系，发挥双方的优势实现创新。

“软硬一体”则是通过增强研发能力，实现硬件本体与智慧大脑之间的有效协同，持续提升产品的综合竞争力。

我们可以清晰地看到：下一代自动驾驶重卡的竞争，不再是算法的军备赛，而是不同团队的工程师们能否坐在同一张桌子上、用同一套语言、朝着同一个目标工作的组织能力。

当“原生共创”与“软硬一体”贯穿研发流程中的每一个节点，L4货运规模化落地的目标就不远了。