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。