对话卡尔动力CEO韦峻青：只要能实现无人化，就一定能赚钱

shiyijing 2025-01-15 全屋定制 2 次浏览 0个评论

自动驾驶技术的规模化，最终要看运营能力。

作者 | 吴彤

编辑 | 李雨晨

近日现身世界智能网联汽车大会，卡尔动力CEO韦峻青说了很多设想：

“未来的卡车将不再是传统意义上的卡车，而是转变为无驾驶舱、无驾驶员的物流机器人。它们以最紧凑的形态完成运输任务，并能在路上自由编组成货运队列，就像可以随时拆分组合的积木火车一样灵活。”

“所有达到L4级别的自动驾驶卡车将通过全国统一的调度系统进行指挥，它们在到达目的地后将自动充电并重返城市道路，装卸货物时则由专人负责，就像机场的地勤人员一样高效。”

今年，卡尔动力已经在内蒙古初步实现了这一技术愿景，一支由2至6辆车组成的车队，仅需领头车内有一名驾驶员。韦峻青为客户算了一笔账，这种前装车量产后，虽然比普通车多出约15万的成本，但每台车每年能省下的人力成本高达20万。

截至2024年10月，卡尔动力的自动驾驶编队车队规模已达300辆，年化收入规模3亿元，平均每辆车每年收入100万，回报率颇为可观。韦峻青表示，卡尔动力自己运营很多车辆，就是为了证明这种模式能够回本。

“我们去找客户推销无人驾驶技术时，他们会问，如果这技术真能挣钱，你们自己怎么不做？所以我们就自己运营了一个要赚钱的大车队。”

实际上，这非常考验一个公司的运营能力，但有滴滴这一背景，使运营反而成为卡尔动力强项。

2023年，卡尔动力从滴滴自动驾驶公司独立出来，成为了一家独立的公司。但其技术、人才和运营经验上仍然受益于滴滴的支持，尤其是其基础计算平台、自动驾驶技术中台、以及用于派单、充电、驾驶监控的统一调度平台，均直接受益于滴滴。

与此同时，卡尔动力实现了核心研发团队的相对精简与稳定。

韦峻青介绍，公司共有员工250多人，其中200人为研发团队，这一数字远少于其他公司的2000人。多位核心技术负责人从滴滴转任，包括韦峻青本人和CFO黄舟，以及项目总监王晶，几乎都在2019年加入滴滴自动驾驶，2023年到卡尔动力转任后，后二人延续着向韦峻青汇报的关系。一定程度上，这种团队稳定性成为了卡尔动力的核心优势。

在后续的媒体沟通会上，韦峻青分享了卡尔动力近一年来的运营感受，以及对无人驾驶货运商业化的预期，以下是卡尔动力CEO韦峻青接受雷峰网《新智驾》等媒体的问答实录。

没有数据，都是空谈

问：卡尔动力在车路云一体化这个概念里有什么特别的计划？这对自动驾驶汽车的发展和真正用起来有什么好处？

韦峻青：卡尔动力的车路云一体化框架的核心在于车辆间的通信技术，这与传统在道路上部署大量传感器的方法不同，能降低车辆成本。我们的优势在于，通过车辆间的通信，无需额外设备就能实现与智慧道路的通信，这有助于形成闭环商业模式。

我们与车路云一体化的缔造者李克强院士深入交流，认为在特定场景下，如在一些只有一条车道的国道上，超车是个技术活。如果车队很长，可能前半部分的车已经超车成功了，但后半部分的车还在排队等机会。这时候，如果对面车道有其他车辆过来，我们的车就得先让路，等这些车过去了，才能重新排好队继续超车。这个过程可能会因为等待而降低效率。所以针对国道上的车队编队，智慧道路能提前告知几百米外有无来车，极大提高运营效率。

此外，卡车超车时加速慢，需要更长的超车距离，但目前没有任何传感器能提供如此远距离的视距，智慧道路技术对此有实际帮助。也就是说，如果道路设施的部署能够真正提高自动驾驶的落地效率，我们愿意为此支付合理的商业成本。

在货运场景中，道路上车辆多，安装摄像头的投入产出比高。

而且我们的货运路线上车辆很多，所以安装摄像头很划算。比如，在一个繁忙的货运道路上装20个摄像头，就能监控到1000辆车，但在城市里，为了监控100辆车，你可能得在每个路口都装摄像头。这样算下来，我们的成本效益比很高。

总体而言，我们的车路云一体化项目整体投入产出比高，希望在卡车编队场景中率先实现概念的落地。

问：你们的数据是如何收集和处理的？

韦峻青：自动驾驶算法的优化可以从两个方面进行，首先是利用数据闭环来提升系统性能。这已经成为大多数自动驾驶公司的主流方案。

传统上，我们遇到一个问题，比如感知方面的问题，需要人类工程师先分析这是什么问题，然后归纳总结，形成项目组，再开发解决方案。

但现在，如果自动驾驶车辆在路上遇到和人类驾驶不一样的行为，系统会自动标记这些情况。包括周围的环境和人类司机的反应，都会自动标注，然后直接用来更新模型，这样模型就能更快地学习和改进。

这样做的好处是，数据处理的效率大大提高了。以前，工程师一周可能只能处理几百个问题。但现在，如果有10万个问题，我们可以用模型驱动的方法，把所有问题都考虑进去，一次性更新模型。相当于将原本需要由擅长归纳总结的聪明工程师完成的工作，转交给了 AI 工程师。

问与乘用车相比，自动驾驶卡车的数据收集难度是否更大？

韦峻青：自动驾驶技术是用大量数据来训练的，这些数据包括我们卡车模型的数据，比如识别行人、自行车、摩托车，以及对这些对象进行未来轨迹的预测。这些场景和数据基础跟滴滴的自动驾驶小汽车是很像的。

就像如果你会开小汽车，有了C级驾照，再学一学，也能开卡车，拿到B级驾照。这些开车的经验和可能遇到的问题，两者之间是相通的。甚至一个优秀的小汽车司机，将来学开卡车也会更容易。

这个逻辑在自动驾驶上也是一样的，但卡车确实有一些特别的地方。

比如，卡车的车头和挂车是分开的，中间还有个转角，这就需要特别的适配。我们在这块做了很多工作，但我们的数据基础和技术平台，还是得益于滴滴的自动驾驶技术。在这一点上，我们对于只专注于卡车的公司的泛化性要强得多。

问：卡尔动力模型和算法上有哪些新招？对提升自动驾驶的安全性和效率，作用多大？

韦峻青：现在端到端的大模型大家都在讲，滴滴是研究比较早的。

在我担任滴滴自动驾驶CTO期间，我们就已经积累数据和场景。后来卡尔动力成立，我们一开始就用了量产的传感器和数据驱动的算法，跳过了规则驱动的阶段。

也就是说，传统的算法可能只是识别出行人并标记，然后交给下一个算法决定是否停车。而端到端的算法省去了这些中间步骤，可以直接传递更多信息给决策系统，更像人类的决策方式。

此外，我们也感受到了数据驱动的大模型带来的好处。比如过去我们可以识别和标记行人、自行车、摩托车、卡车等多达20种类别，但现实中总有一些未被标注的小障碍物、垃圾、动物等。传统的算法可能把这些都看作通用障碍物，无法确定具体是什么。但大模型因为在网上见过更多数据，即使是塑料袋或飞鸟，也能识别并评估这些物体是否构成风险。

所以总的来说，端到端模型和大模型不完全一样，但都能实现自动驾驶技术的安全性，比如让系统在行驶10亿公里后还不发生严重事故。

值得注意的是，谷歌的技术在两三年前就已经实现了突破，而那时他们还没有使用大模型技术。因此，我认为大模型并非必要条件，而是我们实现技术超越的一种手段。

比如美国的Waymo，他们已经研究了十五年，前十年都在摸索。而我们虽然规模小，只有几百人，但因为避免了他们走过的弯路，加上最新的技术路线，我们的追赶速度却非常快。

问：卡尔领航是你们在自动驾驶领域的一个重点项目，现在市场上的表现怎么样？它对实现卡车NOA（辅助驾驶系统）有多大帮助？

韦峻青：卡尔领航是我们推出的一套自动驾驶运输方案（全球首个端到端自动驾驶编队货运解决方案）。它的核心在于将混合智能、数据驱动和量产能力相结合，形成了一个完整的解决方案。也就是说，它整合了实现无人化部署所需的关键要素，并将其适配到了前装量产的卡车上，这是卡尔领航的一个显著特点。现在，我们所有的车都用上了卡尔领航。

说到NOA，我们的目标是达到L4级别的完全自动驾驶。

在卡尔领航的帮助下，通过车队编队和固定路线，我们已经做到了这一点。我们现在不打算做辅助驾驶市场，因为我相信自动驾驶带来的大变化是因为实现了完全的无人化，也就是不再需要人类司机，这将引起社会变革。自动驾驶会变成一种基础设施，就像大楼里的电梯一样重要。

我们站在滴滴这样的大公司的肩膀上，希望能做出一些突破性的工作，创造出有竞争力、让人骄傲的成果。

“只要能实现无人化，就一定能赚钱”
问：卡尔动力在自动驾驶货运方面，有没有已经商业化的无人化方案？

韦峻青：我们一开始想的是让无人驾驶的卡车在各种路上自由行驶，拉着30吨的货。但这个想法还很科幻。考虑到安全、效率和政府能不能接受，我们决定在场景和产品两个方面进行降维。

首先，我们将车辆部署在人口稀少但运输需求强烈的场景中。

中国有很多大宗商品，像煤炭、矿石、钢铁，这些在陕西、山西、内蒙古等地很多，小车就少一些。

我们主要做两种：

一种是在工业园里短途运输，这些工业园都是围着煤炭和电厂建的，大概100平方公里，包括煤矿、电厂和冶炼厂。这种业务在一个封闭的环境里，更安全。

第二种是在一个城市里的运输路线，而不是横穿全国的长途干线。我们觉得全国性的无人车法规还得两三年才能成熟。我们选的是市内路线，比如鄂尔多斯市，南北三四百公里，市内就能完成运输。这些路线上，我们已经测试过无人驾驶了。

值得一提的是，卡尔动力在这方面做得不错。美国的一些公司在亚利桑那州做的示范运营最长也就50英里（约80公里，还得警车陪着。我们已经在鄂尔多斯等地实现了300公里路线上的无人驾驶，这在全球都是领先的。我相信中国在自动驾驶货运上能领先全球，我们会继续努力。

另外，我们的产品也做了调整，不是单独一辆自动驾驶车，而是多辆车一起跑。通过这两个调整，我们希望能让无人驾驶更快用起来。

问：那么您认为，卡尔动力在实现卡车无人驾驶上，还有哪些难题需要解决？你们的规划是什么？

韦峻青：无人驾驶的核心就是“无人”，这是我们最重要的目标。

我们已经验证了无人驾驶，还做了示范运营。接下来，我们打算今年在几十辆车上实现小规模的无人驾驶，明年希望能增加到百辆以上。

实现无人驾驶还有很多挑战，包括技术、政策和运营效率等。

在政策上，由于车路云一体化的推进，北京等地已经开始让无人驾驶车上路，包括网约车。我们很有信心，觉得风险不大，能推动这个进程。

美国在自动驾驶货运和客运上的政策是一起推进的，中国则更注重乘用车。我觉得两者可以同步发展，可能只是因为国内之前缺少优秀的自动驾驶卡车公司。在美国，前五大自动驾驶公司里，三家做卡车，两家做乘用车，而中国大多数公司都在研究乘用车。

技术上，我们觉得没什么大问题了，主要是提高效率。

比如在复杂情况下，我们可能不如老司机那么大胆，或者我们更遵守交通规则，不像人类司机那样冒险。比如遇到行人，我们会等行人过了再走，而人类司机可能会按喇叭直接过，有时会在红绿灯处不减速，或者在灯变红前加速通过。这些效率上的损失，我们会用更保守的策略来弥补。

在运营上，装卸货的时候经常不太规范，这对自动驾驶系统来说是个难题。我们的解决办法是，在这些不适合自动驾驶的地方，由专人负责装卸货，就像飞机的地勤一样。

总的来说，政策、技术和运营上都有些挑战，但都不是大问题，我觉得我们已经基本找到了解决的路。

问：卡尔动力在商业化方面有什么计划？

韦峻青：技术上，自动驾驶已经取得了很大进展，商业化也正处于突破的边缘。

技术上的突破意味着车辆可以安全地自己跑了。比如Waymo在凤凰城的实践就证明了这一点，他们的车能在机场、社区和购物中心之间自由穿梭，实现了全区域的通行，服务效率已经与Uber网约车非常接近。他们的200辆车安全跑了两年，没出过事，这很了不起。

至于怎么赚钱，我认为商业化的突破将首先在货运领域。这是因为，一旦我们能够在一条路线上实现无人化货运，每天就有数百甚至上千辆车在运行。而对于末端配送或Robotaxi 这样的场景，你需要覆盖一个更大的区域。

商业化要分两步走：一是每辆车能赚钱，二是公司整体能赚钱。但如果你公司的投入越大，规模越大，你需要部署的车辆也就越多。

在这一点上，卡尔动力有自己的优势，卡尔动力选择了在人少的地方编队运行，而且因为滴滴的技术，我们的研发投入相对较低，核心研发团队仅有 200 人，远少于其他公司的 2000 人。

像美国Cruise那样，他们每年要花20亿美元，可能得把美国所有的网约车都换成无人驾驶的，或者至少换一半，才能赚钱，这很难。但对我们来说，可能只要部署1000到1500台卡车就能盈利。

目前，全球没有任何一家自动驾驶公司能够自负盈亏，这是个大问题。但我觉得卡尔动力在落地速度和成本效益上能突破这个难题。我们希望在未来两年内能做到这一点。

问：卡尔动力接触的客户，他们怎么看待早期成本投入和未来运营效益？

韦峻青：我们现在自己运营很多车辆，就是为了证明投资是能回本的。因为我们去找客户，无人驾驶技术真的能挣钱。客户会问，如果真能挣钱，你们自己怎么不做？所以我们自己就运营了一个赚钱的大车队。

现在，我们有人驾驶阶段，基本上是收支平衡的，不亏损。而在实现无人化之后，我们有非常大的利润空间。

这里面有几个关键点：

首先，自动驾驶系统不能太贵。比如几年前，一个激光雷达要10万，如果车上装3个，成本肯定收不回来。但现在，激光雷达的价格已经降到了3000元左右了。

因为我们是L4级别的大车，所以我们车上的设备是小车的两三倍。我们从三年前开始研发时就决定，我们必须用量产的传感器和计算平台。我们用的是华为的系统，和其他复杂自动驾驶系统用的激光雷达和摄像头，基本上都是量产的供应商。我们的车量产之后，它比普通车辆大概要多出10到15万的成本。

那么算一笔账，如果实现了无人驾驶，一辆车每年能省下的人工成本，大概是二十万到四十万。如果用十万的系统省下几十万，回报率是很高的。

因此，对于百台到千台的部署，只要实现无人化，基本上很少有投资人和客户会问我们，无人化之后怎么赚钱，因为大家普遍认为，只要能实现无人化，就一定能赚钱。

问：卡尔动力何时能够突破当前的主干线或特定场景运营，实现全国重要省份的无人卡车标准化运营？

韦峻青：我估计大概要3到5年时间。今年L3级别的自动驾驶已经有实质性进展了，乘用车L3允许你在车辆提醒你需要接管前，做点别的事，比如吃饭。

L3和L4级别其实没什么大区别，因为责任都在系统上，所以我觉得L3级别突破了，L4级别也就不远了，尤其是在政策上，未来3到5年我们能看到这种变化。

但这肯定是个逐步的过程，不会一下子就全国都能用。我们得先在特定区域证明L4级别的能力，然后再慢慢扩展到更多地方。比如北京和天津已经可以联动了，京津冀地区也在慢慢连起来。跨市运营之后，会慢慢形成区域网络。

从政策上说，我觉得中国对自动驾驶的政策很开放。

我在美国生活了十几年（2008--2020），以前觉得美国政策更先进，因为过去我们在上海部署Robotaxi时，只有围绕公园的一圈路可以做自动驾驶测试，大约10公里，但还没有实现无人化。

但现在中国很多地方，比如北京亦庄，自动驾驶的开放程度已经超过了美国。中国很多一二线城市都有这样的开放区域，而美国只有几个地方有，加州、亚利桑那、旧金山、凤凰城。

对于卡车来说，我们还有进步空间，所以这也是一个“先有鸡还是先有蛋”的问题。

政府需要看到企业有能力和意愿安全地部署无人驾驶，才会放开政策。所以，我们希望通过小范围的实践来证明我们能做到安全无人驾驶，这样政策就会很快放开。大家的目的是一致的，就是在自动驾驶上做到国际领先。

我觉得不久的将来，政府看到卡尔动力的运行后会放心，然后迅速推动政策开放。我对这点很有信心。

问：零一汽车的黄泽铧说，自动驾驶虽然很依赖软件，但在商业化上并没有完全遵循软件行业的低成本原则，您怎么看？

韦峻青：黄泽铧是我老朋友，我们在美国一个实验室待过。他提的问题也是他创业的原因之一，他认为自动驾驶的瓶颈会在车辆本身，不只是软件。

我认为软件和车都面临挑战，所以我们和车企合作很紧密，希望能尽快解决车辆的问题。

自动驾驶软件确实需要通用性强，但最大的问题是，如果车要卖给普通客户，需要在各种地方都能用无人驾驶，那适配工作就很多。或者说能力很强，不需要适配，但未来几年内，如果要实现无人驾驶，都需要很多适配工作，这确实是个问题，我同意黄泽铧的看法。

卡尔动力的解决方法是专注于一些固定的路线。比如我们已经找到了5条路线，还准备了10条这种高密度运营的自动驾驶路线，每条几百公里。这些路线上有1000台车，我都适配，如果每台车的人力成本20 万，那无人驾驶之后，每年可以省下2亿的人力成本。实际上，这就是每年可以节省2亿的净利润。

对企业来说，这个投资回报率很高，值得去适配。但如果要做到全国任何道路对普通客户进行适配，我觉得难度大，所以我们现在的客户主要是企业。

单车智能的商业化，不及编队

问：为什么要做自动驾驶编队？

韦峻青：最开始我们找切入点的时候，做的是单车的自动驾驶。因为滴滴的技术已经很成熟了，四年前，我们拿到了北京的自动驾驶测试牌照，仅用了两个月。

但是，当我们在内蒙古实际用的时候，发现有些问题解决不了，比如装卸货、路上突发问题、避开水坑和减速带等。因此，我们从单车自动驾驶演进到了编队自动驾驶。

我们现在两个方向都在做，同时推进，但是商业化的重点是自动驾驶编队，这是最快的落地方式。

这是我们一年前定的战略。但是，随着我们对市场和未来的思考，我们看到各地都在建智慧仓库，把物流资源集中起来。像义乌已经很成熟了，内蒙古这样运输多的地方也在做，美国也是这样。通过智慧仓库，不同地方的货物可以在路上集结成车队。

即使将来单独一辆车的智能技术很成熟了，车队还是有它的好处，因为物流的需求很大，车队可以省油、节能、减少传感器的数量。

所以，我们的观点有所变化，原来以为车队是未来5到10年的一个重点，最后演进成单车自动驾驶。但现在我们认为，车队自动驾驶不仅符合现在的物流发展，也适合城市的布局，它会长期存在。

另外一点是市场研判。

整个国内物流市场大概有4.6万亿的规模，这个数字可能还会更新，大宗商品运输占了2.2万亿。这里面，我们觉得至少一半很适合用车队运输。

因为大宗商品的特点是单次运输量较大，一辆卡车无法满足运输需求。比如电厂每天要进300到500辆车的货，这种需求就很适合车队运输，因为客户不在乎你是一辆车还是几辆车一起运。

在中国，运输市场主要是私营小车队在做，通常是一个车主自己跑运输，赚了钱再买几辆车，雇几个司机。他们自己也是几辆车一起运输，互相照应。

所以短期内，我们有一个很明确的市场。

长远来看，如果城市物流变成仓到仓的模式，我们觉得至少80%的运输会用车队。

那时候，车辆可能变成我们期待的物流机器人样子，不再是带车头的卡车，没有驾驶舱，通过全国统一的调度系统来进行调度。这些车辆在路上会组成密集的队列，以最小的道路占用面积进行高效的运输，来自不同地方的车辆也会在路上凑成一个队列来降低丰足和能源的消耗。这些车每辆都有自主L4的能力，所以也不会影响人类驾驶的车辆，到了不同目的之后他们自动会进行补能充电，又会回到城市路上。