卡尔动力规模化AI运输网络落地：不为炫技奔跑，只为利润轰鸣

9月22日，鄂尔多斯棋盘井，一支重卡编队正沿矿区公路匀速行驶：头车驾驶室里坐着一名领航员，后方一台无人驾驶的重卡则保持车距紧跟其后，没有驾驶位上的紧张动作，只有仪表盘上跳动的实时数据。

当日，卡尔动力在这里启动其 “规模化 AI 运输网络”——从五年前首条编队线路落地，到如今近百台L4级自动驾驶卡车常态化运营，这家把智能驾驶扎在矿区里的公司，正在验证行业喊了多年的一句话：无人重卡能不能自己赚钱。

“众多生态伙伴一同发展AI运输网络” 姚飞/摄

财闻在卡尔动力鄂尔多斯棋盘井镇的无人货运运营现场体验了一次L4重卡编队运行。

坐在领航车内，最直观的感受反而是“没有太多戏剧性”。在实际道路环境下，后车完成跟车、转弯、上下坡等动作，整个过程更接近一支正常运行的重卡车队。

这或许也是观察无人重卡商业化的一个切口。行业发展到今天，证明“车能自己开”已经远远不够。它能不能比有人驾驶更便宜、更安全，并且从一条线路复制到更多线路，才是问题的关键。这恰恰也是整个具身智能领域探索的方向。

没有补贴的账，UE模型如何转正

在现场的交流中，卡尔动力CEO韦峻青反复谈到的一个词是“经济性”。

按照公司方面给出的测算，传统干线货运成本大体呈现“33211”结构，即过路过桥费、能源各占约30%，人力约20%，维修和折旧各约10%。在路桥费等成本相对刚性的情况下，自动驾驶最直接能够改变的，首先是人力成本。

这也是卡尔动力选择编队模式的重要原因。

卡尔动力位于鄂尔多斯棋盘井镇的运营研发中心 姚飞/摄

卡尔动力COO李潇潇直言，对于商业化车队而言，即便给车辆增加NOA等辅助驾驶功能，只要司机仍然必须坐在驾驶位上，人力成本就没有真正消失。因此，其希望通过“有人领航车+无人后车”的组合，让一名领航员管理多辆车。

当天现场体验的是“1带1”，但按照目前的技术水平，其编队产品可进一步采用“1+5”，即1名领航员带5辆无人后车。公司测算，在相应编队配置下，人力成本最高可下降约67%；目前实际运营项目相较传统人工驾驶，经济效率提升约10%-18%。

值得注意的是，韦峻青称目前相关项目并没有依靠特殊运营补贴，与传统人工车队采用相同的运费结算标准，去年其单位经济模型（UE）已经转正。

这也是比探讨技术参数更值得关注的地方。

卡尔动力CEO韦峻青强调运输行业的“吨吨计较” 姚飞/摄

乘用车智驾可以通过更好的体验换取产品溢价，商用车却没有这么大的“故事空间”。重卡本质上是一台生产工具。客户最终看的还是一辆车一年能创造多少收入、节约多少成本，以及增加的自动驾驶软硬件投入多久能够收回来。

当天参会的一位运输企业负责人也给出了非常直接的标准：选择自动驾驶服务商，主要看生产效率、成本和安全，尤其关注实际线路的数据，以及小概率事件发生之后能不能快速处置。

换句话说，无人重卡真正的商业化门槛，并不是“自动驾驶功能上线”，而是把技术转化成一张货运公司的利润表。

百台之后，更难的是复制

一条线路跑通只是第一步。

根据卡尔动力披露的数据，目前其运营自动驾驶卡车已达到百台量级，累计L4运营里程达到千万公里级；业务已经从鄂尔多斯样板向其他区域延伸，并与30余家客户、8家OEM以及30余家生态伙伴展开合作。

而接下来所面对难度也由此提升。

几辆车、几十辆车运行时，企业可以投入大量工程人员盯住一条线路；到了几百甚至几千辆车以后，车辆调度、维修、保险、事故处置、备件供应甚至司机培训都会成为成本。如果每增加一条线路，都要重新部署一套庞大的团队，规模越大反而可能越难赚钱。

因此，卡尔动力目前试图做的，并不是单纯卖一套自动驾驶系统，而是把棋盘井已经验证过的运营体系复制出去。

这也是其选择“不造车”的原因之一。

卡尔动力无座舱重卡 姚飞/摄

以陕汽为例，双方分工明确，主机厂负责底盘、线控以及车辆制造，卡尔动力集中在L4自动驾驶软件及运营体系。目前已经建设专属智驾生产线，设计年产能10万辆；售后则利用陕汽全国1041家服务站，并加入云端故障预警和专属维修工具。

这种分工背后其实是一笔现实的账。国内并不缺重卡制造能力，一家自动驾驶公司如果再从头建设整车制造和全国售后体系，投入巨大。借助成熟主机厂的制造和服务网络，自动驾驶企业才有可能把有限资源放在算法和运营上。

卡尔动力给出的扩张路径是“1+N+X”：以已经跑通的能源运输场景为起点，再向更多区域和货运场景复制。目前其重点仍集中在内蒙古以及陕西、山西、甘肃等北方能源带。

这种扩张方式并不激进，却比较符合无人货运现阶段的现实——先去路线稳定、货源稳定、运输需求足够大的地方。

技术走向商业化，难点由“车”转向“体系”

在当天的交流中，一个比较有意思的讨论是：无人货运究竟应该是“技术派”，还是“运营派”？

从实际落地看，这可能本身就是一个伪命题。

自动驾驶企业当然需要模型、算法和数据，但运输企业并不会为模型参数本身付钱。现场清华大学车辆与运载学院研究人员也提到，数据规模是自动驾驶落地的基础，但简单堆积数据并不等于模型能力提升，高价值数据的筛选反而可能显著降低训练成本。

卡尔动力的逻辑则更接近“从运营里找数据”：什么样的场景真正影响运输效率、安全和成本，就优先解决什么问题。

无人工干预跟随前车掉头行驶 姚飞/摄

这也是矿区、大宗货运场景的价值所在。它没有Robotaxi那么容易吸引公众注意，却具备稳定货源、固定线路和高车辆利用率。一旦技术能够在这里产生明确收益，商业闭环反而可能比开放城市道路来得更早。

不过，这并不意味着无人重卡已经进入无障碍扩张阶段。

首先是安全与合规。卡尔动力称，目前已取得多项L4自动驾驶卡车商业化运营牌照以及跨盟市商业化试点资质，并表示运营至今未发生安全责任事故。

但从行业层面看，不同地区的道路开放、运营规则以及事故责任认定仍会直接影响无人重卡跨区域复制的速度。

其次是人的角色仍有需求。

现阶段的编队模式并不是简单把司机“拿掉”，而是重新配置人力。卡尔动力将部分传统司机转向领航员、后台监控等岗位，同时通过线上点检、疲劳监测等方式管理运营风险。公司方面认为，这种转型还能够降低长途驾驶的劳动强度，延长部分司机的职业周期。

更远一步才是彻底取消驾驶室的运输机器人。按照卡尔动力规划，无驾驶舱车型现阶段仍主要面向工业园区、钢铁、造纸、农资等封闭或半封闭场景，向更广泛的公开道路拓展仍需等待政策和运营条件成熟。

这实际上划出了无人重卡当前的商业边界。

对于商用车而言，技术最终还是要回到一笔最朴素的账上：跑得更安全、成本更低，而且能够持续赚钱。谁能把这本账从一条线路算到一张全国网络，谁才真正跨过了无人货运商业化最难的一道门槛。