中经记者 陈燕南 北京报道
“在商用车及专用车领域，无人驾驶场景呈现多元细分特点，涵盖矿山、港口等封闭场景，末端物流配送小车、无人清扫车等低速场景，以及干线物流这类包含高速、国道甚至矿区破损道路的复杂场景。”
近日，专用车产业创新发展大会暨专用车科技展（2025）召开期间，卡尔动力工程技术总监、工程技术高级专家工程师于洋在接受《中国经营报》记者专访时表示。
根据于洋介绍，卡尔动力目前主要聚焦于干线物流领域，该领域涉及高速场景、国道场景，也包括从煤矿运煤等路况较差的道路场景。他认为，以编队模式作为技术过渡，可以优先实现商业化落地。单车L4级无人驾驶预计2028年后逐步成熟。
编队运输模式突破商业化瓶颈
于洋表示：“我们聚焦干线物流主要基于以下原因：团队以往的技术栈侧重于公开道路无人技术，因此在向商用车领域拓展时重点关注该方向。尽管干线物流在技术和政策方面难度较大，但其市场天花板更高、容量更大，所以成为我们当前发展的主要方向。
于洋表示，此外，公司也在关注矿山和港口场景，这些场景与干线物流场景具有关联性，目前我们的主要战略方向仍是干线物流。
于洋表示，我们主要从产品设计层面解决了L4级自动驾驶的落地难题。团队原本拥有完整的L4级自动驾驶出租车技术栈，但尝试将其直接移植到商用车场景时发现，若采用单车L4级无人驾驶卡车独立载货模式，商业推广和规模化复制难度极大，技术成熟度可能需要5—10年才能达到实用标准。因此，我们创新设计了“前车有人领航+后车无人驾驶”的产品形态。
于洋以鄂尔多斯特定场景为例，我们聚焦大宗货物运输（如煤炭、矿石等），这类场景通常存在固定长距离运输路线（如500—800公里），且货运量稳定——单条路线日均往返车辆可达500—1000台，车辆保有量可达3000台。在这样的场景下，队列运输模式相比单车运输具备双重优势：
首先是效率保持。“编队运输（如5车一组）与单车逐辆运输的效率基本持平，避免了因无人驾驶技术引入导致的运输效率下降和成本上升。”于洋表示。
第二是燃油经济性。于洋透露，通过自动驾驶精准控制车距，后车可利用前车形成的空气动力学效应降低风阻，实现约10%的燃油节约。由于燃油成本占商用车运输总成本的30%左右，这一优化可直接降低3%的综合运营成本。在物流行业毛利普遍偏低的背景下，3%的成本节约对利润提升的贡献比例尤为显著。
于洋进一步指出，目前3%的节约特指燃油成本。若从人力成本角度分析，以“一拖二”编队模式（1台领航车+ 2台无人车）为例，无人化率可达66.7%，相当于减少2/3的驾驶人员配置。人力成本在运输总成本中占比约1/3（不同地区略有差异），因此人力成本节约才是更大的效益增长点，燃油优化则是重要补充。
于洋认为，以编队模式作为技术过渡，可以优先实现商业化落地。单车L4级无人驾驶技术预计在2028年以后逐步成熟。
安全性是核心考量因素
于洋指出，在L4自动驾驶的落地和运营中有很多挑战，到现在为止车辆的稳定性已经成为了重要问题。
于洋表示，当前商用车转向、制动等核心零部件仍以纯机械结构为主，电动化比例较低，具备冗余功能的转向、制动零部件更为稀缺。机械结构的稳定性易受物理磨损、环境工况等因素影响，难以满足无人驾驶系统对零部件可靠性的高要求，因此提升零部件的稳定性与电动化水平是关键发展方向。
于洋还指出，自动驾驶系统缺乏人类司机的体感感知能力。传统驾驶中，司机可通过体感反馈（如车身振动）或听觉（如异常声响）实时感知车辆潜在问题，而自动驾驶系统无法通过主观感受识别异常，需完全依赖传感器与算法解析车辆状态，对硬件可靠性与数据采集精度提出更高要求。
针对上述挑战，于洋认为，解决方案聚焦于车联网技术应用与运维体系建设。
于洋指出，后续将借助车联网技术，把车辆底盘及传感器传来的各类信息汇聚至中央服务器。中央服务器搭载的AI 模型，能够推断车辆存在的问题，像制动力不足、转向有临偏等，还能在前一天就发出问题警告，以便运维同事对车辆进行整修。
同时，车辆运行过程中的运维体系建设极为关键。由于过去服务站在智能化车辆运营方面经验匮乏，所以需要输出完整的标准体系和软件工具，以此提升车辆运维能力。
在技术路线上，于洋表示，商用车更倾向于使用激光雷达。“乘用车领域虽有部分企业提出纯视觉方案，但商用车领域几乎普遍采用激光雷达。”
于洋表示，企业采用视觉、激光雷达和毫米波雷达全360度覆盖的方案，主要原因在于商用车的运营场景复杂且部分场景较为恶劣。例如，在夜间无路灯的运煤路线等视觉方案难以应对的场景中，纯视觉方案仅依靠车辆照明无法有效解决问题，而激光雷达则不受此类环境影响。从运营场景的差异来看，这种传感器配置的区别具有重要意义。”他表示。
针对“加装多颗激光雷达会导致成本过高”的观点，于洋分析，需结合商用车与乘用车的不同属性。“以当前成本为例，单台车辆加装5颗激光雷达成本约 为人民币1万元。在乘用车领域，消费者对15万—20万元价位的车型额外增加 1 万元成本的接受度较低，可能影响购买决策；但在商用车领域，对于L4级车辆而言，无论加装成本是1万元还是5万元，只要能通过自动化技术减少一名驾驶员，从成本节约角度看，一年内即可轻松收回传感器成本。这种计算逻辑的差异，是企业为适应更多场景并保障安全性，选择更全面的传感器覆盖（包括类型和角度）的重要原因。”他表示。
于洋强调，在技术实现过程中，安全性是核心考量因素——端到端模型属于非规则化技术，存在安全性难以验证且决策过程不可解释的问题。因此，公司在运行端到端模型的同时，同步运行基于规则的算法，以覆盖端到端模型可能出现的最差决策情况，避免因模型错误导致严重安全隐患。
（（编辑：张硕 审核：童海华 校对：宛玲）
相关文章：
【向新图强显身手——民营企业一线调研】 冈田智能：潜心自研，锻造国产制造“利刃”05-23
专访卡尔动力于洋：单车L4级无人驾驶预计2028年后逐步成熟05-23
华域汽车获融资买入0.13亿元，近三日累计买入0.31亿元05-23
2025年中国移动中资出海数智赋能合作大会成功举办05-23
榜样在身边｜杨本凯：打通农文旅闭环，实现一二三产业融合发展05-22
特朗普施压沃尔玛“自行消化”关税成本05-19