芝能科技出品
2026 年世界人工智能大会（WAIC） 现场一个越来越清晰的行业共识是：AI 正在从数字世界走向物理世界。
过去两年，大模型解决的是“会说”，而今年行业开始追问的是“能做什么”。
展馆里，人形机器人在展示平衡训练与抓取能力，或者表演拳击、舞蹈；在另一条更硬核的赛道 —— AI 早已走出实验室，深度融入日常商业化运营，承担着运输的核心任务。
同样是“物理 AI”，一个还在走秀，一个已经在“赚钱”。
资本市场正在加速印证这一点——2026 年，一波自动驾驶卡车公司集中递表港股：零一汽车 5 月 28 日交表，主线科技 6 月 12 日二次递表，DeepWay 深向更新招股书。行业从技术验证阶段，走向资本化竞争阶段。
但一个更现实的问题也随之出现：评判一家 L4 自动驾驶公司的真实价值，究竟该看什么？是融资额、订单量，还是签了多少合作协议？
今年的 WAIC 上开始有了一个共识——在物理世界里，谁跑得够久、够深，谁的价值才站得住。因为只有真实运营，才能带来数据、验证安全、形成效率，最终转化为商业能力。
在这个标准下，再看自动驾驶货运，行业的分水岭其实已经出现。
WAIC期间，一个被反复提及的观点是：数字世界的经验，无法直接平移进物理世界。特别是在复杂多变的货运场景，风沙遮挡的感知盲区、突然横穿公路的牛羊群、长下坡路段的刹车衰减。
这些场景在公开数据集里找不到，在实验室里也模拟不出真实复杂度。只有真实公路上的持续运营，才能让系统见过足够多的“意外”。
自动驾驶货运的壁垒不在实验室，在公路上。
如何让车辆在公路上跑起来、且跑出商业价值？不同企业的切入方式各不相同。
有的从造车切入，依托新能源底盘和渐进式 L2/L3 能力向上探索；有的从封闭场景起步，通过区域运营逐步扩展到干线运输；还有的直接进入开放道路 L4，通过混合编队寻找规模化突破口。
卡尔动力是较早将 L4 自动驾驶货运推向规模化运营的企业之一。它的打法，叫智能混合编队：前车坐人，后车无人驾驶，1 辆 L2 带 2 到 5 辆 L4。
干线货运的特点是货量大、路线散、需求集中。
现在的社会情况，卡车司机不够用了。货运行业司机平均年龄超过 46 岁，缺口一年比一年大。让第一辆车保留司机，后面几辆交给系统，等于用最少的真人管住了最多的车。
编队模式的核心逻辑，正是应对货运行业司机老龄化与缺口扩大的现实压力。
效果摆在这，人力成本降了83%，能耗降了约 10%。前后车极限车距压到 10 米，延迟做到毫秒级。
干线货运的成本黑洞，是 40% 的空载率和日均只有 5 到 6 小时的有效行驶时间。车找不到货，货找不到车。
卡尔动力在「让车有货拉」这件事上跑通了调度。比如干线物流中常见的单程空载问题，去程满载、返程空跑，往返运力严重失衡，人车资源被无效消耗。
卡尔动力设计了一套"子母车"编队方案：去程两台车满载编队行驶，返程时子车搭载在母车上，以"子母车"形式返回，司机成本和运营效率都提升了。空驶少一点，省的就是真钱。
2025 年卡尔动力率先实现单车正经济性运营，单车 UE 转正。毛利高 3 到 6 倍，人力成本降 83%，综合运营成本降 20%，自动驾驶货运终于迈过了商业验证阶段。
WAIC 期间，卡尔动力技术战略副总裁王珂博士表示：“AI 模型的智能上限，取决于它见过多少真实世界的复杂场景。”
截至目前，卡尔动力车队规模超 400 台，累计运营里程破 4500 万公里，货运周转量 14 亿吨公里，正在形成一个真实世界的“货运 AI 训练场”，每一次运输任务，既是商业运营，也是对自动驾驶系统的一次持续训练。
运营产生真实数据，数据反哺算法，算法带来更优运营，运营越久，数据越厚，墙越高。而这也是 L4 自动驾驶从技术验证走向规模商业化的重要基础。
自动驾驶货运真正的商业想象力，不在于一辆辆能跑的车，而在于把车连成网络，持续压降空驶率和等待时间，实现系统性的成本重构。
从“单车盈利”到“运力网络”，需要跨越三层能力：车辆本身是否足够可靠且成本可控，自动驾驶能力能否应对真实场景，以及能否标准化输出给客户。
基于对物理 AI 商业化路径的判断，卡尔动力提出面向干线货运的 「AI+Robot+Service」全栈智能运力战略。
这套体系分为三个层面：
◎ AI 层是 Truck Driver Foundation Model 货运基础模型。
强化学习加自研 WAM 世界-行动模型。训练数据来自真实的L4运营、Robotaxi、L2 和云端合成，安全性是人类驾驶 10 倍，这个数字，是 4500 万公里实际运营喂出来的。
◎ Robot 层是 KargoPlatform Gen5.0 平台加 Space 2.0 运输机器人。
Gen5.0 是国内首个专为 L4 货运重卡做的集中式电子电气架构，中央计算加区域控制器，系统稳定性提 50 倍，吨公里运输成本降 68%。
行业首款量产版运输机器人，取消了驾驶舱，载货空间多 25% 到 35%，有效载重多 10% 到 25%，资产利用效率翻倍。
◎ Service 层，通过智能调度平台KargoCould，把车辆、货物、能源、运维智能匹配，以TaaS 运力即服务和 SaaS 虚拟驾驶员服务的形式按需打包给客户。
这一层，是把前面两层AI的能力和智能载体的能力变成别人也能用的服务。
三层架构给出了从技术到服务的完整路径，但路径画好之后，能否在运营规模扩大的过程中，持续证明安全性与经济性的双线成立，是接下来最关键的命题。
这不仅是卡尔动力要回答的问题，也是整个L4货运赛道从“跑起来”走向“组网”必须跨越的门槛。
回到开头那个问题。IPO 潮之下，判断一家 L4 公司的真实价值，到底应该看什么？是融资规模、订单数量，还是在真实道路上跑出来的里程？
答案正变得清晰：在物理世界里，真实的落地成绩才是最终的验证标准。
自动驾驶下半场，只比模型参数和技术路线已经不够看了，把 AI 真正放进复杂环境、持续运行，形成商业闭环的竞争才能持续走下去。
不同路径的竞争才刚刚开始，谁能在真实世界里跑得更久、积累更多数据、建立更高效率的运营体系，谁才有机会穿越技术验证周期，进入下一阶段的规模化竞争。
10个月宝宝每天需要喝多少奶粉？
