自動駕駛，內(nèi)蒙第一個完全收斂的盈利賽道出現(xiàn)：

內(nèi)蒙西北部的鄂爾多斯市境內(nèi)，此刻有400輛規(guī)模的內(nèi)蒙L4卡車正在晝夜不停地承擔(dān)礦產(chǎn)、畜牧等等大宗商品的盈利貨運。

每輛無人的內(nèi)蒙L4重卡，相比傳統(tǒng)重卡，盈利年凈利直接提升100%左右，內(nèi)蒙對物流公司、盈利車隊老板來說，內(nèi)蒙即使單車增加10萬左右自動駕駛技術(shù)成本，盈利最快6個月也能完全實現(xiàn)超額盈利——

商業(yè)模式收斂，內(nèi)蒙全球L4卡車賽道走過10年，盈利在中國內(nèi)蒙率先實現(xiàn)單車盈虧轉(zhuǎn)正，內(nèi)蒙用戶供不應(yīng)求。盈利

背后是內(nèi)蒙自動駕駛卡車10年技術(shù)探索的收斂：L4編隊+多模態(tài)大模型。

“雙收斂”率先實踐落地的玩家，是這個賽道第一個估值百億的獨角獸——卡爾動力，滴滴自動駕駛孵化的L4卡車公司。

自動駕駛卡車賽道，如何談得上“收斂”

收斂的依據(jù)有兩個層面，首先是L4卡車落地模式——編隊，之前看可能是一種有人到無人的過渡期，滿足不同地區(qū)法規(guī)要求，但隨著卡爾動力的落地實踐，現(xiàn)在意識到“編隊”很可能是整個L4卡車的終局。

因為無論是鄂爾多斯還是東南沿海，大宗商品本身就適合編隊行駛——每天幾百臺車批量運輸，編隊行駛能縮小車距、節(jié)約風(fēng)阻，提升運營效率。

即使是較為零散的快遞物流，也可以由承運方調(diào)度好幾臺不同快遞公司的卡車一起上路。

所以就算單車智能技術(shù)高度成熟，干線物流運輸場景中，三四臺車一起編隊行駛依然會是主流模式，卡爾動力認(rèn)為這個比例最終會占據(jù)整個物流市場1/3、甚至1/2的份額。

其次是經(jīng)濟(jì)層面。

簡單算一筆賬，傳統(tǒng)重卡一年營收大約為50萬至80萬元，扣除燃油（占比約30%-40%）、路橋費（15%-20%）、車輛維護(hù)（5%-8%）、保險（3%-5%）、司機(jī)工資（10-15萬元/人/年）及折舊（年均8萬-12萬）等成本后，凈利潤通常在10萬-20萬元區(qū)間。

一般來說，一輛重卡全生命周期約100萬公里，對應(yīng)3-5年干線物流運營年限。

而卡爾動力在鄂爾多斯落地的L4無人卡車，首先節(jié)省的就是人工費用，也就是說每輛卡車第一年成本和傳統(tǒng)卡車持平，之后的每一年，凈利至少多出10-15萬。

大宗貨運的編隊模式，一個1（有人）托4（無人）的車隊，5輛卡車實際只有一個司機(jī)，整體車隊司機(jī)成本立減80%。

再加上車隊智能節(jié)油算法、后車尾流效應(yīng)節(jié)油，整個車隊的毛利，已經(jīng)實現(xiàn)從傳統(tǒng)的4%左右，直接猛漲4倍，達(dá)到16%。

代表Robotruck這個賽道，卡爾動力率先實現(xiàn)城市級單車轉(zhuǎn)正，整體經(jīng)營盈利只是個時間問題——官方透露，2025年2季度，卡爾動力首次實現(xiàn)單車盈利，按此計算，年化營收5個億。

卡爾動力CEO韋峻青，現(xiàn)在又明確給出了公司整體盈利的時間點和指標(biāo)，而非預(yù)估：最晚2027年，對應(yīng)無人車隊規(guī)模3000輛。

這3000輛L4重卡車隊，卡爾動力給出了5種產(chǎn)品組成。

首先就是L4混合智能編隊產(chǎn)品，在鄂爾多斯已經(jīng)實現(xiàn)了真正全無人運營閉環(huán)，并且實現(xiàn)了盈利，提供廠到廠，門到門的無人化解決方案。

第二個產(chǎn)品是換電的L4重卡，和寧德時代一同打造，可以自動開進(jìn)換電站，全程不需要人的參與。自動駕駛+5分鐘513度的換電，每天理論可以運行接近2000公里。隨著寧德時代換電“新基建”，卡爾動力重卡的運營范圍可以從一個小區(qū)域拓展到整個內(nèi)蒙古自治區(qū)、中國的西北地區(qū)以及全國。

第三個產(chǎn)品針對單程長途運輸而設(shè)計，聯(lián)合陜汽推出子母車+編隊自動駕駛的方案，在載貨的時候?qū)崿F(xiàn)1拖1的2臺車的編隊，一個司機(jī)開兩輛車；在空載返回的時候，一輛車可以將另一輛車駝在背上，空載回程，降低了接近一半的能耗與輪胎消耗、車輛折舊。最先在從新疆到內(nèi)地的物流大通道，以及甘其毛都口岸、策克口岸到鄂爾多斯西部的運輸路線中，使用這樣的產(chǎn)品。

第四個產(chǎn)品，是針對中短途60km之內(nèi)的重卡短倒運輸，占到了整個貨運體量的1/3左右。中短途由于運輸時間短，在裝卸貨端造成的時間浪費就比較頭疼，所以卡爾動力搞了單車獨立無人的模式，引入了遠(yuǎn)程監(jiān)控、遠(yuǎn)程脫困，自動駕駛運維等新的工作崗位，整體人力效率提升在90%以上，車端場站內(nèi)不需要引導(dǎo)車也可以實現(xiàn)自動駕駛。

最后是未來運輸?shù)慕K極形態(tài)——kargoBot Space運輸機(jī)器人。不需要駕駛艙，載貨空間增加25%，有效載重提升10%。這樣就帶來了額外單車運輸毛利5倍提升，在不同的場景下，單臺車年收入可增加25萬元-40萬元。

卡爾動力的產(chǎn)品布局，幾乎涵蓋除城市末端配送外的所有物流場景，并且這個產(chǎn)業(yè)鏈條上，不光是車企、自動駕駛公司，物流方，還包括了儲能、基建、保險等等行業(yè)，形成了一個實質(zhì)上的物流產(chǎn)業(yè)聯(lián)盟。

大概10多年前自動駕駛卡車剛誕生時，這個設(shè)想就已經(jīng)存在了。

所以問題是——

為什么卡爾動力先收斂？

還是回歸到技術(shù)：卡爾動力是行業(yè)內(nèi)首個無人化拉通貨運全鏈條場景的玩家，包含了園區(qū)、高速、城區(qū)、野外等等。

多說一句，自動駕駛?cè)Σ蝗奔夹g(shù)大牛，技術(shù)大牛們也不缺履歷光環(huán)，但卡爾動力CEO韋峻青的經(jīng)歷，在整個賽道仍然有稀缺性：在CMU攻讀博士學(xué)位時，韋峻青一線參與了DARPA自動駕駛挑戰(zhàn)賽，代表CMU和斯坦福爭霸——這其實是整個自動駕駛的開端。

DARPA挑戰(zhàn)賽的項目經(jīng)歷，延伸成了韋峻青畢業(yè)后的創(chuàng)業(yè)公司Ottomatika，后來被德爾福收購，成了這家老牌Tier 1的自動駕駛核心團(tuán)隊。

用《指環(huán)王》打個比方，中土世界精靈族牛人很多，但真正誕生在神的大陸，親眼見過維拉、觸摸過雙圣樹光輝的，寥寥無幾——韋峻青，就有點類似凱蘭崔爾的角色。

說回具體技術(shù)場景。在卡爾動力運營盈利的鄂爾多斯，以一個完整的煤炭運輸鏈條來看，從礦場開始，整個L4車隊首先要在礦區(qū)內(nèi)進(jìn)行自動裝車、過磅。

整個過程的難點在于礦區(qū)內(nèi)并不像港口，不同的功能區(qū)根本沒有明顯標(biāo)識，全程必須靠車輛本身的感知能力。

地磅場景其實和ETC完全相同，通行空間狹窄，且同時還要識別抬桿狀態(tài)：

可以看到這個轉(zhuǎn)彎場景中，“編隊”被另外兩輛大車惡意搶行導(dǎo)致中斷，后車馬上自主避讓，然后盡快追上頭車恢復(fù)編隊：

流程是全鏈條的，場景包含了園區(qū)、高速、城區(qū)、野外等等。

整個編隊最大通信距離有數(shù)十公里，后車如果被隔得太遠(yuǎn)，頭車還會停靠在路邊等候重新編隊。

內(nèi)蒙地區(qū)還有本地特色十分突出的corner case：

普通道路甚至有時在高速上，都會出現(xiàn)牛羊過馬路…

上高速匝道過收費站，分兩種情況：如果是人工收費，編隊頭車司機(jī)直接給整個車隊付好款，然后通過；如果是ETC，則是后車完全靠自身感知規(guī)控能力，自主通過收費站

高速路邊臨時隔出的養(yǎng)護(hù)帶、地上的廢輪胎、防水布等等障礙物，頭車避讓的同時，會把信號同步給整個車隊，然后每個車視情況擇機(jī)繞行避讓。

如果某一臺車變道機(jī)會不好，也不會強行變，而是先減速觀察，必要時還會取消變道，等實際成熟再行動。

到了發(fā)電廠，L4編隊和有人駕駛的普通卡車完全混行，同樣經(jīng)歷過磅、卸煤、指定地點自動裝煤灰、再過磅駛出園區(qū)的過程。

煤灰會按要求拉到指定地點堆放，混合普通土壤壘成山，然后統(tǒng)一綠化：

這也是整個流程最讓人意外之處。

堆放煤灰的人造山，后期通常數(shù)十米高，需要盤旋上坡，單程超過半小時。道路早就被重卡壓的坑坑洼洼，炮彈坑交叉軸密布，又因為環(huán)保要求需要定時噴水避免揚塵， 路面也是泥濘不堪。

卡爾動力的L4編隊依然能在后車無人、后端無遠(yuǎn)程操控的情況下自主完成路線并自動卸貨。

事實上，卡爾動力已經(jīng)搞定了非鋪裝越野道路的自動駕駛，背后的技術(shù)，既有VLA大模型的整個場景的認(rèn)知理解能力，也有對車輛動態(tài)反饋、扭矩控制的精準(zhǔn)把控能力。

卡爾動力負(fù)責(zé)AI研發(fā)的副總裁王珂告訴我們，100%保證所有場景一個模型全搞定，后端沒有輔助，車端也沒有特調(diào)，完全是系統(tǒng)泛化性夠足夠好。

怎么做到的？

“L2/L3沒機(jī)會”

鄂爾多斯擁有全中國已探明煤炭儲量的1/6，以及還有豐富的稀土資源。而畜牧、煤礦、稀土，哪一項都是大宗商品運輸強需求。

2024年底，全國重卡保有量約700萬臺，單單鄂爾多斯市一地，就有超過130萬輛重卡。同時鄂爾多斯又地廣人稀，8.7萬平方千米相當(dāng)于一個沿海省份大小，高速、國道路況優(yōu)良。

L4卡車落地最佳場景，落地毫無疑是大宗長途貨運，這意味著找客戶的能力比任何時候都重要——

但幾乎所有自動駕駛卡車玩家過去10年對鄂爾多斯都“無動于衷”……當(dāng)然并不是真的無動于衷。

實際上，鄂爾多斯集團(tuán)早就跟國內(nèi)自動駕駛公司接觸，希望引入無人卡車降本增效，你能叫得上名字的玩家?guī)缀醵颊勥^。

但“沒有一家的技術(shù)能滿足鄂爾多斯場景豐富的全無人化要求”，要么泛化性不行，要么根本沒L4能力。

而卡爾動力是主動找到的鄂爾多斯：比較各個賽道之后選了“大宗長途貨運”，因為這個才決定走“編隊”這條路，然后主動聯(lián)系了鄂爾多斯。

對于場景方需要的超強泛化性卡車AI司機(jī)，卡爾動力提出了六階段訓(xùn)練流程。

這是一個層層遞進(jìn)、由通用到專用的技術(shù)范式，其核心思想是通過“預(yù)訓(xùn)練+遷移學(xué)習(xí)”來克服自動駕駛領(lǐng)域，尤其是商用車特定場景下的數(shù)據(jù)稀缺難題。

像一個金字塔，底層是廣泛的通用數(shù)據(jù)奠基，頂端是精準(zhǔn)的專項任務(wù)優(yōu)化：

第一階段：互聯(lián)網(wǎng)公開數(shù)據(jù)預(yù)訓(xùn)練（Internet-Scale Pre-training），模型初步建立起對世界的基本認(rèn)知、常識和邏輯推理能力，例如理解物體、空間關(guān)系、基本物理規(guī)律和人類意圖。這為后續(xù)的駕駛?cè)蝿?wù)提供了至關(guān)重要的先驗知識基礎(chǔ)。

第二階段在基礎(chǔ)模型之上，引入滴滴集團(tuán)豐富的網(wǎng)約車和乘用車自動駕駛數(shù)據(jù)。這些數(shù)據(jù)包含了大量復(fù)雜的城市道路場景（如無保護(hù)左轉(zhuǎn)、行人穿梭、車輛加塞等）。此階段的目標(biāo)是讓模型初步適應(yīng)動態(tài)交通環(huán)境，學(xué)習(xí)人類司機(jī)在乘用車場景下的決策模式和交互行為，其任務(wù)與先進(jìn)的乘用車智能駕駛系統(tǒng)（如Waymo、Cruise的方案）相似。

第三階段：卡車私有數(shù)據(jù)領(lǐng)域適配（Domain Adaptation with Truck Data）。

這是模型從“乘用”轉(zhuǎn)向“商用”的關(guān)鍵一步，使用卡爾動力自身積累的卡車駕駛數(shù)據(jù)訓(xùn)練。卡車的尺寸、重量、動力學(xué)特性、駕駛視野和業(yè)務(wù)場景（如干線物流）與乘用車截然不同。此階段讓模型深度掌握卡車的獨有特性，例如更長的制動距離、更大的轉(zhuǎn)彎半徑、對側(cè)風(fēng)敏感等，使其行為模式更貼合重型車輛的駕駛邏輯與需求。

第四至六階段：特定任務(wù)精細(xì)化調(diào)優(yōu)（Task-Specific Fine-tuning），比如開環(huán)規(guī)劃、閉環(huán)方針、強化學(xué)習(xí)等等。

底層模型吸收人類常識和乘用車經(jīng)驗，中層注入卡車領(lǐng)域知識，頂層則通過仿真和強化學(xué)習(xí)“創(chuàng)造”數(shù)據(jù)，解決長尾問題。

所謂技術(shù)體系的“收斂”，是從貨運物流場景需求倒推的。

短期來看，L4通過“編隊”模式，完美平衡法規(guī)、成本、技術(shù)的不可能三角。

但長期考量，真正的核心不是編隊中頭車的L2，而是尾隨車輛的L4能力，畢竟物流是成本極度敏感的行業(yè)，唯一能行得通的自動駕駛落地是“去人”，而不是“減人”。

所以L4卡車賽道短期落地比的是找場景、找客戶的能力，但歸根結(jié)底，還是比能不能真去人、能不能真泛化的技術(shù)實力。

鄂爾多斯的機(jī)會一直擺在那里10年，卻只有卡爾動力能抓住，清楚無誤證明了自動駕駛卡車“收斂”的標(biāo)準(zhǔn)：

卡車只有真正的L4，L2/L3沒有任何模糊空間、立足之地。