四百辆Robotruck在内蒙古实现了盈利

内蒙西北部的鄂尔多斯市境内，此刻有400辆规模的L4卡车正在昼夜不停地承担矿产、畜牧等等大宗商品的货运。

每辆无人的L4重卡，相比传统重卡，年净利直接提升100%左右，对物流公司、车队老板来说，即使单车增加10万左右自动驾驶技术成本，最快6个月也能完全实现超额盈利——

商业模式收敛，全球L4卡车赛道走过10年，在中国内蒙率先实现单车盈亏转正，用户供不应求。

背后是自动驾驶卡车10年技术探索的收敛：L4编队+多模态大模型。

“双收敛”率先实践落地的玩家，是这个赛道第一个估值百亿的独角兽——卡尔动力，滴滴自动驾驶孵化的L4卡车公司。

自动驾驶卡车赛道，如何谈得上“收敛”

收敛的依据有两个层面，首先是L4卡车落地模式——编队，之前看可能是一种有人到无人的过渡期，满足不同地区法规要求，但随着卡尔动力的落地实践，现在意识到“编队”很可能是整个L4卡车的终局。

因为无论是鄂尔多斯还是东南沿海，大宗商品本身就适合编队行驶——每天几百台车批量运输，编队行驶能缩小车距、节约风阻，提升运营效率。

即使是较为零散的快递物流，也可以由承运方调度好几台不同快递公司的卡车一起上路。

所以就算单车智能技术高度成熟，干线物流运输场景中，三四台车一起编队行驶依然会是主流模式，卡尔动力认为这个比例最终会占据整个物流市场1/3、甚至1/2的份额。

其次是经济层面。

我们来简单算一笔账：传统重卡一年的营收大概在50万到80万元之间。刨去各项成本，比如燃油费（大约占营收的30%-40%）、路桥费（15%-20%）、车辆维护费用（5%-8%）、保险费（3%-5%）、司机工资（每人每年10到15万元）以及车辆折旧（每年平均8万至12万元）等，最后算下来，净利润一般能落在10万到20万元这个范围里。

一般来说，一辆重卡全生命周期约100万公里，对应3-5年干线物流运营年限。

而卡尔动力在鄂尔多斯落地的L4无人卡车，首先节省的就是人工费用，也就是说每辆卡车第一年成本和传统卡车持平，之后的每一年，净利至少多出10-15万。

大宗货运的编队模式，一个1（有人）托4（无人）的车队，5辆卡车实际只有一个司机，整体车队司机成本立减80%。

再加上车队智能节油算法、后车尾流效应节油，整个车队的毛利，已经实现从传统的4%左右，直接猛涨4倍，达到16%。

代表Robotruck这个赛道，卡尔动力率先实现城市级单车转正，整体经营盈利只是个时间问题——官方透露，2025年2季度，卡尔动力首次实现单车盈利，按此计算，年化营收5个亿。

卡尔动力CEO韦峻青，现在又明确给出了公司整体盈利的时间点和指标，而非预估：最晚2027年，对应无人车队规模3000辆。

这3000辆L4重卡车队，卡尔动力给出了5种产品组成。

首先就是L4混合智能编队产品，在鄂尔多斯已经实现了真正全无人运营闭环，并且实现了盈利，提供厂到厂，门到门的无人化解决方案。

第二个产品是与宁德时代联合打造的换电式L4级重卡，它能够自动驶入换电站，整个过程无需人工干预。凭借自动驾驶技术与5分钟完成513度电量更换的能力，该重卡理论上每日可行驶近2000公里。随着宁德时代换电“新基建”的推进，卡尔动力重卡的运营版图将从小范围区域逐步扩展至整个内蒙古自治区、中国西北地区乃至全国范围。

第三个产品是专为单程长途运输打造的，我们联合陕汽推出了子母车搭配编队自动驾驶的方案。在载货阶段，能实现1拖1的两台车编队行驶，仅需一名司机就能操控两辆车；而在空载返程时，一辆车可以把另一辆驮在背上，以这种方式完成空载回程，这使得能耗、轮胎消耗以及车辆折旧都降低了近一半。目前，该产品已率先应用于新疆到内地的物流大通道，还有甘其毛都口岸、策克口岸至鄂尔多斯西部的运输路线上。

第四个产品面向中短途60公里内的重卡短倒运输场景，这类运输的货运体量占比约三分之一。中短途运输因时长较短，装卸货环节的时间损耗问题较为突出，为此卡尔动力采用单车独立无人模式，同时新增了远程监控、远程脱困、自动驾驶运维等岗位，整体人力效率提升超90%，车辆在场站内无需引导车即可完成自动驾驶。

最后是未来运输的终极形态——kargoBot Space运输机器人。不需要驾驶舱，载货空间增加25%，有效载重提升10%。这样就带来了额外单车运输毛利5倍提升，在不同的场景下，单台车年收入可增加25万元-40万元。

卡尔动力的产品布局，几乎涵盖除城市末端配送外的所有物流场景，并且这个产业链条上，不光是车企、自动驾驶公司，物流方，还包括了储能、基建、保险等等行业，形成了一个实质上的物流产业联盟。

大概10多年前自动驾驶卡车刚诞生时，这个设想就已经存在了。

所以问题是——

为什么卡尔动力先收敛？

还是回归到技术：卡尔动力是行业内首个无人化拉通货运全链条场景的玩家，包含了园区、高速、城区、野外等等。

再多说一句，自动驾驶领域从不缺乏技术大牛，这些技术大牛们自身也从不缺少亮眼的履历光环，但卡尔动力CEO韦峻青的经历，在整个自动驾驶赛道里依旧具备稀缺性：当年在CMU攻读博士学位期间，韦峻青曾亲身参与DARPA自动驾驶挑战赛的一线工作，代表CMU与斯坦福展开激烈角逐——而这，恰恰是整个自动驾驶行业的开端。

DARPA挑战赛的项目经历，延伸成了韦峻青毕业后的创业公司Ottomatika，后来被德尔福收购，成了这家老牌Tier 1的自动驾驶核心团队。

用《指环王》打个比方，中土世界精灵族牛人很多，但真正诞生在神的大陆，亲眼见过维拉、触摸过双圣树光辉的，寥寥无几——韦峻青，就有点类似凯兰崔尔的角色。

说回具体技术场景。在卡尔动力运营盈利的鄂尔多斯，以一个完整的煤炭运输链条来看，从矿场开始，整个L4车队首先要在矿区内进行自动装车、过磅。

整个过程的难点在于矿区内并不像港口，不同的功能区根本没有明显标识，全程必须靠车辆本身的感知能力。

地磅场景其实和ETC完全相同，通行空间狭窄，且同时还要识别抬杆状态：

可以看到这个转弯场景中，“编队”被另外两辆大车恶意抢行导致中断，后车马上自主避让，然后尽快追上头车恢复编队：

流程是全链条的，场景包含了园区、高速、城区、野外等等。

整个编队最大通信距离有数十公里，后车如果被隔得太远，头车还会停靠在路边等候重新编队。

内蒙地区还有本地特色十分突出的corner case：

普通道路甚至有时在高速上，都会出现牛羊过马路…

上高速匝道过收费站，分两种情况：如果是人工收费，编队头车司机直接给整个车队付好款，然后通过；如果是ETC，则是后车完全靠自身感知规控能力，自主通过收费站

高速路边临时隔出的养护带、地上的废轮胎、防水布等等障碍物，头车避让的同时，会把信号同步给整个车队，然后每个车视情况择机绕行避让。

如果某一台车变道机会不好，也不会强行变，而是先减速观察，必要时还会取消变道，等实际成熟再行动。

到了发电厂，L4编队和有人驾驶的普通卡车完全混行，同样经历过磅、卸煤、指定地点自动装煤灰、再过磅驶出园区的过程。

煤灰会按要求拉到指定地点堆放，混合普通土壤垒成山，然后统一绿化：

这也是整个流程最让人意外之处。

堆放煤灰的人造山，后期通常数十米高，需要盘旋上坡，单程超过半小时。道路早就被重卡压的坑坑洼洼，炮弹坑交叉轴密布，又因为环保要求需要定时喷水避免扬尘， 路面也是泥泞不堪。

卡尔动力的L4编队依然能在后车无人、后端无远程操控的情况下自主完成路线并自动卸货。

事实上，卡尔动力已经搞定了非铺装越野道路的自动驾驶，背后的技术，既有VLA大模型的整个场景的认知理解能力，也有对车辆动态反馈、扭矩控制的精准把控能力。

卡尔动力负责AI研发的副总裁王珂告诉我们，100%保证所有场景一个模型全搞定，后端没有辅助，车端也没有特调，完全是系统泛化性够足够好。

怎么做到的？

“L2/L3没机会”

鄂尔多斯拥有全中国已探明煤炭储量的1/6，以及还有丰富的稀土资源。而畜牧、煤矿、稀土，哪一项都是大宗商品运输强需求。

2024年底，全国重卡保有量约700万台，单单鄂尔多斯市一地，就有超过130万辆重卡。同时鄂尔多斯又地广人稀，8.7万平方千米相当于一个沿海省份大小，高速、国道路况优良。

L4卡车落地最佳场景，落地毫无疑是大宗长途货运，这意味着找客户的能力比任何时候都重要——

但几乎所有自动驾驶卡车玩家过去10年对鄂尔多斯都“无动于衷”……当然并不是真的无动于衷。

实际上，鄂尔多斯集团早就跟国内自动驾驶公司接触，希望引入无人卡车降本增效，你能叫得上名字的玩家几乎都谈过。

但“没有一家的技术能满足鄂尔多斯场景丰富的全无人化要求”，要么泛化性不行，要么根本没L4能力。

而卡尔动力是主动找到的鄂尔多斯：比较各个赛道之后选了“大宗长途货运”，因为这个才决定走“编队”这条路，然后主动联系了鄂尔多斯。

对于场景方需要的超强泛化性卡车AI司机，卡尔动力提出了六阶段训练流程。

这是一个层层递进、由通用到专用的技术范式，其核心思想是通过“预训练+迁移学习”来克服自动驾驶领域，尤其是商用车特定场景下的数据稀缺难题。

像一个金字塔，底层是广泛的通用数据奠基，顶端是精准的专项任务优化：

第一阶段为互联网公开数据预训练阶段，此阶段模型会初步形成对世界的基本认知、常识储备以及逻辑推理能力，像对物体、空间关系、基础物理规律和人类意图的理解都包含在内。这一阶段的训练为后续开展驾驶任务筑牢了关键的先验知识根基。

在基础模型的基础上，第二阶段会引入滴滴集团所拥有的海量网约车及乘用车自动驾驶数据。这些数据涵盖了众多复杂的城市道路场景，像无保护左转、行人穿梭、车辆加塞等情况都包含在内。该阶段的核心目标是使模型能够初步适应动态变化的交通环境，同时学习人类司机在乘用车场景中的决策方式以及与其他交通参与者的交互行为，其承担的任务和Waymo、Cruise等企业所采用的先进乘用车智能驾驶系统方案具有相似性。

第三阶段：卡车私有数据领域适配（Domain Adaptation with Truck Data）。

这是模型从“乘用”转向“商用”的关键一步，依托卡尔动力自身积累的卡车驾驶数据开展训练。卡车在尺寸、重量、动力学特性、驾驶视野以及业务场景（比如干线物流）等方面，都与乘用车存在显著差异。这一阶段的目标是让模型深入理解卡车的独特属性，像更长的制动距离、更大的转弯半径、对侧风较为敏感等，从而使其行为模式更契合重型车辆的驾驶逻辑与实际需求。

第四至六阶段：特定任务精细化调优（Task-Specific Fine-tuning），比如开环规划、闭环方针、强化学习等等。

底层模型吸收人类常识和乘用车经验，中层注入卡车领域知识，顶层则通过仿真和强化学习“创造”数据，解决长尾问题。

所谓技术体系的“收敛”，是从货运物流场景需求倒推的。

短期来看，L4通过“编队”模式，完美平衡法规、成本、技术的不可能三角。

但长期考量，真正的核心不是编队中头车的L2，而是尾随车辆的L4能力，毕竟物流是成本极度敏感的行业，唯一能行得通的自动驾驶落地是“去人”，而不是“减人”。

所以L4卡车赛道短期落地比的是找场景、找客户的能力，但归根结底，还是比能不能真去人、能不能真泛化的技术实力。

鄂尔多斯的机会一直摆在那里10年，却只有卡尔动力能抓住，清楚无误证明了自动驾驶卡车“收敛”的标准：

卡车只有真正的L4，L2/L3没有任何模糊空间、立足之地。