2025年9月12日，卡爾動力CEO韋峻青博士出席第五屆智能商用車創新大會，并帶來了主題演講《以范式級AI技術，賦能L4貨運商業化拐點兌現》。演講中，韋峻青博士分享了卡爾動力通過混合智能編隊解決方案，成功部署全球最大規模L4級無人化車隊，實現多場景下的高效運營的經驗。

韋峻青博士指出，隨著AI范式級變革，將驅動L4級自動駕駛貨運商業化拐點到來，卡爾動力將進一步推動L4貨運大規模商業化落地并積極探索全球化布局與運輸機器人應用，最終目標是成為物理世界的智能貨運基礎設施提供商，推動運輸行業向智能化、新能源化演進。

韋峻青｜卡爾動力CEO

 1. AI 3.0時代，強化學習驅動自動駕駛進入“直覺模式”

過去十年來，自動駕駛技術經歷了規則驅動的1,0階段、以數據標注為主的2.0階段，并在在近年來隨著視覺語言大模型的興起，進入深度模仿人類的2.5階段。然而，要實現自動駕駛的終極目標，需要的不只是對人類的模仿，更需要“超人”的駕駛能力。

卡爾動力認為，智能輔助駕駛技術即將進入AI 3.0階段，即基于數據驅動的強化學習范式。這一演進的重要性在于，只有基于世界模型構建虛擬環境，使智能輔助駕駛系統通過持續優化，才能最終形成遠超人類駕駛能力的決策機制。

展望下一個AI 3.0階段，我們認為基于強化學習的自動駕駛技術范式將率先在L4級自動駕駛卡車貨運領域取得突破，并逐步演進至無人駕駛貨運機器人形態，進而打開自動駕駛貨運這個萬億級市場空間。

 圖源：演講嘉賓素材

2. 扎根場景，構建技術-商業閉環體系

據統計，中國的公路貨運規模約有6萬億，這不僅是自動駕駛領域唯一一個萬億級的市場，也是AI賽道里面為數不多的萬億級的市場。卡爾動力從創立之初就錨定了干線貨運，用自動駕駛技術讓貨運更安全、高效、智能。然而，在自動駕駛貨運現實落地過程中會面臨大量的挑戰，這主要受制于兩方面因素。一是自動駕駛技術仍面臨挑戰。二是完全無人駕駛系統尚未深度融入日常生活場景。

針對上述挑戰，卡爾動力在過去三年中率先提出混合智能編隊解決方案。該方案采用“1名人類駕駛員駕駛領航車+1~5輛完全無人駕駛車輛跟隨”的產品形態，通過自研的端到端系統和基于貨運場景打造的視覺語言大模型，融合規則算法形成多重冗余架構，打造出最懂貨運的自動駕駛解決方案，能節省高達83%的人力成本、20%的綜合運營成本、10%的能耗，實現5倍的安全性和3～6倍的毛利提升。

目前，我們憑借該產品創新已部署300余量車組成的全球規模最大的L4級自動駕駛卡車車隊。累計運營里程達到2000萬公里，貨運量超過2億噸公里。今年上半年，我們也率先獲得了自動駕駛貨運無人商業化運營資質，開啟公開道路場景的全流程無人化運營。

通過規模化運營積累海量真實路測數據，反哺技術迭代，顯著提升了系統的場景適應性與運行效率。同時，在公開道路場景商業化運營的自動駕駛貨運服務也為我們帶來了規模化的商業收入，使得公司在過去的三年實現了每年營收翻倍增長。

這種技術-商業的雙向正循環正不斷推動自動駕駛貨運商業化拐點的到來。

圖源：演講嘉賓素材 

3. 貨運無人化商業落地，一場百億級投入的系統工程

我們認為L4級貨運無人化商業落地是一項需要百億級戰略投入的系統工程，其核心壁壘在于公開道路場景下的全無人化運營能力，必須具備持續大規模投入的決心與實力。

過去幾年，卡爾動力由一群深耕自動駕駛領域、有著深厚自動駕駛研發落地經驗的核心團隊扎根大西北，從解決一個個長尾場景、一道道無人化裝卸貨關卡做起，用端到端技術讓門到門無人貨運全流程變成現實，逐漸成為最懂公路貨運的自動駕駛公司。

在這個過程中，除了用核心團隊和海量研發的投入構建起核心技術優勢外，也通過真實場景的商業化運營逐漸積累數據壁壘，數據壁壘亦是L4貨運無人化的核心競爭要素。當前，卡爾動力已積累2000萬公里高質量Robotruck運營數據，同時整合城市場景數據，以及人類駕駛員應對復雜環境的決策行為數據，并構建云端數據治理體系，形成了獨特的技術棧優勢。

 圖源：演講嘉賓素材

基于以上積累，我們為客戶提供全棧式自動駕駛貨運解決方案。首先，智能運力調度系統可實現智能輔助駕駛車輛與社會車輛的高效協同調度，提高貨運效率。第二通過自動駕駛貨運解決方案提供全場景自動駕駛能力。第三，我們與主機廠聯合開發的自動駕駛硬件參考系統，通過升級卡車電子電氣架構、核心零部件冗余設計，并集成自研傳感器與計算平臺，最終打造出具備多重安全冗余的自動駕駛卡車；面向未來架構演進，卡爾動力正推進無駕駛艙的的未來運輸機器人落地，從第一性原理出發滿足全場景、全行業的貨運需求。

在AI技術路徑上，卡爾動力率先實現商用車領域端到端+視覺語言大模型的自動駕駛的商業化落地，創新性提出的基于視覺的端到端自動駕駛方法獲得人工智能頂刊認可，將推理能力進一步提升3倍，并積累了大量人工智能相關論文和專利。

圖源：演講嘉賓素材

我們在下一階段會基于通用基座大模型進行知識蒸餾，開發出專用于卡車無人化作業的垂直領域模型，同時將行為大模型與世界模型進行深度耦合，通過強化學習訓練使其具備超越人類駕駛員的決策能力。

基于當前政策環境與技術成熟度，我們認為2025年將成為L4貨運無人化商業化元年，更大規模的貨運無人化商業落地，需要通過AI技術的驅動、高質量數據的積累、多維度的全棧式解決方案為客戶提供顯著降本增效的運輸服務，用長期的投入和積累形成可持續的商業閉環。

4. 混合編隊+單車智能，打造全場景運輸通用模型

過去幾年里，卡爾動力通過端到端自動駕駛技術，以編隊運輸產品形態實現了面向客戶的門到門無人化貨運服務，構建了“技術實現-場景落地-價值交付”的完整閉環，確保端到端自動駕駛技術真正轉化為商業價值。

作為全球首個跑通成本經濟模型的L4智能輔助駕駛企業，卡爾動力在眾多L4級自動駕駛細分領域中率先實現運營車輛盈利。這一突破為智能輔助駕駛車輛規模化部署奠定基礎，同時形成商業應用反哺技術迭代的正向循環，加速推動車輛形態演進與AI算法優化。

在產品形態上，我們不局限于智能混合編隊技術的完全打通，也在積極推進單車智能技術的拓展，針對短途運輸等適合單車智能的場景開展應用。

目前，我們攜手合作伙伴，不僅推動車輛在西北、京津冀等區域運行，還將業務拓展至跨境運輸領域，開通了如廣西至越南等口岸運營線路，實現車輛自動完成泊入、泊出、通關及邊檢等全流程自動化。

我們認為，運輸行業將從以集裝箱甩掛運輸或倉到倉運輸為代表的標準化模式，逐步演進至智能化、新能源化的全新時代。在此過程中，我們將積極推動無人化與新能源化技術的落地應用，實現全場景覆蓋，用AI技術重塑未來運輸的時空價值交換邏輯。

卡爾動力的最終目標是成為物理世界的智能貨運基礎設施提供商，我們稱之為“物理世界的AWS”。正如所有互聯網應用均基于亞馬遜云平臺構建一樣，我們期望在物理世界中搭建一個類似平臺，通過自主運輸機器人、物流智能操作系統以及運輸服務網絡，為終端客戶提供全方位服務。

我們期望，隨著運輸機器人的持續進化，全球每一位卡車司機都能擁有自己的機器人車隊。