贾浩楠 发自 副驾寺
智能车参考 | 公众号 AI4Auto
2024年底登陆美股、2025年完成港股上市，小马智行在过去两年资本市场上的动作足够“性感”、足够吸引人：
Robotaxi业务在一线城市早晚高峰大规模全无人运营，千台量产车陆续下线——这些故事被反复讲述。
但在Robotaxi的热闹之外，你是不是感觉到这家公司好像缺点什么？
——小马智行两条腿走路战略的另一个重要业务自动驾驶卡车，近几年几乎不被主动提及，即使在财报里卡车业务贡献了大部分营收。
面对追问，官方似乎也低调处之。
直到2026年中，小马智行卡车业务，终于有了新的消息和进展。
低调多年，小马智卡做到什么程度了？
最新的进展，最重要的是产品方案——第四代重卡：
基于三一重卡纯电动平台打造，面向千台量级规模量产开发，现在的状态是已经成功量产，正在产能爬坡，即将大规模部署。
400度电以上，覆盖一两百公里的中短途往返。
全车六大冗余——制动、转向、供电、通信、感知、计算——任何一个系统出问题，车能自己安全靠边。设计寿命2万小时，全部车规级零部件。
重中之重，第四代重卡的自动驾驶套件，和小马智行第七代Robotaxi高度复用——底层都是OrinX算力配置，域控、传感器共用供应链。
算法侧，共用后端小马世界模型2.0作为基础能力，再根据场景需求进行适配。
软硬件的质变，让第四代小马智行重卡具备了从测试走向商业化的前提。
传统重卡TCO = 购车成本 + 司机工资 + 油费/电费 + 保费 + 维保 + 路桥费。
而小马L4重卡TCO = 购车成本（第四代套件降70%）+ 电费（新能源） + 保费（远低于行业） + 维保（车规级、2万小时设计寿命） + 路桥费（可选高速，因24小时可跑时效性更强）。
其中最大变量是人力成本，同时资产利用率从“一天跑8-10小时”变为“24小时可跑”。
小马智行原话是：“L4作为劳动力短缺情况下的劳动力补充，光算账就可以发挥很大价值。”
L4轻卡则是一个全新的品类：
和宁德时代合作打造的，本身可换电，适用场景是重卡无法通行的城市内部中短程货运。
18立方米的货箱，续航最高450公里，城市道路能跑70km/h，快速路能到100km/h，单公里运营成本比传统货运降40%到50%。
目前也进入量产阶段，目标2030年前达到10万辆。
同样的关键点，是L4轻卡几乎完全和Robotaxi共用自动驾驶套件。
而从轻卡，可以看出小马智行在产品方案变化背后的商业模式扩张——
从以前单一的长途干线物流，变成全链条打通：
高速干线（中国外运已经在跑）、西北大宗专线（格尔木那种拉煤拉矿的地方）、港口水平运输（中标了深圳妈湾港），以及L4轻卡即将落地的城市内部货运。
背后，是依托小马智行世界模型2.0的同一个AI司机。
货运全场景，小马怎么拉通？
理解世界模型2.0，先要理解小马智行对自动驾驶的基本判断：模型的训练目标不应该是“像人开得一样好”，而是“比人开得好”。
这意味着范式上要从模仿学习切换到强化学习。小马智行从2020年开始搭建这套体系，花了几年时间打造了一套贯穿云端与车端的完整强化学习训练系统。
不是简单的虚拟仿真环境，而是一所为AI司机建的“虚拟驾校”，让AI在里面反复练习开车，尤其是打磨真实道路上最关键也最难的能力——与其他交通参与者的博弈与交互。
世界模型1.0解决了“AI能在这个虚拟环境里学开车”的问题。到了2.0，核心变化是系统具备了自我诊断和定向进化的能力。
具体来说，2.0有三个层面的能力升级：
第一，决策理解层。引入了与车端模型联动的Intention（意图）语义层。每一次驾驶行为都会被结构化解析，系统不仅能复盘“发生了什么”，还能判断“问题出在哪里”，并把诊断结果直接反馈到后续训练流程中。
第二，数据生产层。基于自我诊断结果，系统能自动识别模型精度不足的具体场景，生成定向数据采集任务。比如系统可以自动推送指令：“请于特定时段在指定路口重点采集逆光条件下非机动车与行人混行场景数据”。
第三，训练优化层。系统能围绕车端模型的薄弱环节，在世界模型里自动生成针对性训练场景，过滤掉大量无效训练数据，让每一轮迭代都聚焦在真正的难点上。
这三层能力加在一起，本质上是把模型迭代的主导权从工程师手里交给了AI自己。
当然世界模型2.0还依赖一个自我强化的精度飞轮：大规模L4车队商业运营产生真实世界的高价值数据→世界模型提升精度→车端模型持续增强→支撑更大规模L4部署→产生更多高精度数据。
当AI驾驶能力超越人类之后，普通人类驾驶数据对模型迭代的价值已经趋近于零。
小马智行积累的是千万公里级、多城市复杂场景的纯无人驾驶数据，覆盖城区、高速、园区、停车场等全场景。这种数据规模和质量的壁垒，很难短期追上。
回到“一套系统开所有车”这个原则。
世界模型2.0是整个技术体系的底座，上面跑的是“虚拟司机”。虚拟司机不是一个针对某种车型的专用模型，而是一个可以同时学习如何开车、驾驶意图、决策和其他隐变量的通用驾驶模型。
具体到不同车型的复用程度，有一套量化拆解。
轻卡跟Robotaxi的协同度超过90%——城市ODD高度重叠、传感器方案一致、政策路径相同。
重卡的协同度在80%以上，超车、变道、跟人类司机博弈这些核心算法能力全部共享，差异主要在控制调校——重卡块头大、机械执行精度不如乘用车，需要单独调校。
这个共享逻辑的直接结果体现在成本上。小马做卡车不是从零投入。传感器、计算平台、车规级供应链全部跟Robotaxi共享。
同样花一块钱，别人是只做卡车一个业务，小马智行则是花一块钱同时推三条业务线，甚至这一块钱，都不完全是为卡车而花的。
怎么赚钱，凭什么竞争？
先看商业模式。
小马智卡当前走的是两条腿并行的路径：自己持有资产做运营服务（TaaS），以及向合作伙伴输出技术方案（ADaaS）。
TaaS这条线，2021年跟中国外运合资成立的青骓物流是典型代表。小马提供车辆和技术，中国外运提供场景和货源，双方共同承担运营成本和风险。
这个阶段的核心目标不是盈利，而是把无人驾驶卡车放到真实的物流链条里跑通、跑出数据、跑出流程。
ADaaS这条线，是从TaaS跑出一定体量和认知度之后自然延伸出来的。小马把自动驾驶方案卖给或授权给物流运营商和车队，收技术使用费。
港口场景已经有这种模式的合作落地。目前两种模式并行，随着市场对L4认知的成熟，后者的比例会逐渐提高。
愿意自己掏钱买车、自己承担运营亏损，说明它对这套系统的可靠性有足够信心，也说明这套账它在实践层面验证过能算得过来。这对吸引物流行业那些极度务实、极度厌恶风险的决策者来说，比任何技术白皮书都有说服力。
合作伙伴的布局上，逻辑也很清楚。
车厂端目前是三一重卡、广汽领程两家家。选多家有两个原因：一是让技术方案适配不同底盘；二是配合物流公司已有的品牌偏好——有些车队习惯用解放，有些用东风，你得能兼容。
再说竞争。
自动驾驶卡车行业所有玩家都在讲同一套故事：世界模型、前装量产、编队落地。概念高度趋同，技术路线也高度相似。那接下来的竞争拼什么？
小马的回应是：“不看广告看疗效。”
翻译一下：概念没有壁垒，跑出来的数据有。
具体来说，小马智行卡车业务竞争维度的差异体现在三个层面。
这三个层面的竞争，说到底是在回答同一个问题：当概念和技术路线高度趋同之后，谁先完成从“技术公司”到“运营公司”的转换。
第一，运营规模本身就是壁垒。 千台级别运营遇到的corner case、积累的系统故障处置经验、运维流程迭代速度，跟小规模测试车队不在一个量级。
举个例子，小马认为只有把车放到真实的港口、真实的干线、真实的西北矿区去跑，才会遇到传感器被泥浆遮挡、车辆在弱网环境下失联、跟人类司机发生无法预期的交互——这些问题的解决方案，不是靠代码就能提前写出来的，只能在实践中摸索和验证。
这套经验体系一旦建立起来，就成了一个无法通过挖人、买技术就能复制的系统能力。
官方提到一个数据，小马智行卡车初进港口，运营效率就比同一个港口的其他自动驾驶卡车高30%左右，也就是别人20分钟跑完一趟的流程，小马智行15分左右就能跑完。
第二，冗余设计是跑出来的功夫，不是写出来的代码。 比如小马自研的重卡前向传感器遮挡处置方案，说明无人驾驶的安全能力不是“有没有冗余”，而是在真实故障场景下的逻辑。
第三，资金效率。本质依然是小马智行的技术逻辑：小马做卡车不是从零投入。传感器、计算平台、车规级供应链全部跟Robotaxi共享。
技术层面的竞争优势，还体现在小马用AI对整个工作研发流程的重构，极大提升效率，也能够真正实现从“人教AI开车”到“AI自己探索”，真正有了超越人类的潜力。
L4自动驾驶行玩家过去流行一个词叫“降维打击”——用高阶技术降维做低阶场景，用L4能力降维做L2场景。
小马智卡正在上演的其实是另一个版本的故事：不单是技术降维，更是规模降维、AI体系化能力降维。
Robotaxi率先跑通了千台量产，率先打通了车规级供应链，率先把自动驾驶套件成本砍掉了70%。这些成果不是卡车团队单独奋斗出来的，而是整个公司的“基础设施”。
卡车团队直接复用——传感器、计算平台、冗余设计、世界模型——全是现成的。
卡车业务不是小马的副业，它是一个站在Robotaxi“巨人”肩膀上的业务板块，也是一个最大程度由AI本身推动主导研发的业务。
这种结构性的起点，跟任何一家独立的自动驾驶卡车公司都不一样。
—完—全国配资最好的公司
富华优配提示：文章来自网络，不代表本站观点。
- 上一篇：股票配资公司开户 特朗普宣布又赢了：美国有上千年石油储备 而中国没有
- 下一篇：没有了
相关文章
热点资讯
