去年 12 月，地平线副总裁兼首席架构师苏箐给出了一个判断：类似特斯拉 FSD V12 这样的技术突破对行业的重构，至少未来三年内很难再现。“自动驾驶又要过一段时间苦日子。”
这个略显悲观的判断折射出当前的行业现状：自动驾驶技术演进正进入一段相对平缓的收敛期。在颠覆性创新变得困难的同时，行业内的紧迫感仍在加剧，厂商纷纷将破局希望寄托于 AI 大模型。
今年初，一家头部国产智驾供应商的 CEO 开始密集线上约见在硅谷工作的高级别 AI 人才，希望从这些专家的视角获取更多关于 AI 大模型的前沿信息。据我们了解，约见名单当时就已排到六月。
类似的紧迫感在行业内蔓延。包括新势力主机厂和第三方供应商在内，多家公司都在加班加点研发新技术方案。下载PG电子游戏的步骤是怎样的？安装复杂吗？这些方案的车端模型参数量将是各自当前已量产模型的数倍，比如小鹏计划将其车端模型参数量提升至 200 亿规模。
与此同时，随着大模型上车成为行业共识，新的重量级玩家顺势入场。近期，一家头部互联网大厂的大模型团队开始布局自动驾驶，由多模态负责人带队。
多种迹象表明，AI 大模型正在重塑自动驾驶行业竞争格局。业内已经意识到，只有在车端部署更大规模的模型，智驾体验才能实现进一步跨越。而随着研发范式向大模型全面收敛，那些在多模态领域积累深厚的互联网大厂，正将其核心能力迁移至智驾场景，一场与传统智驾供应商的交锋已在所难免。
2024 年至今，智驾行业的技术范式主要经历了两次关键跃迁：先是 “端到端” 大模型的兴起，紧接着是以 VLA（视觉-语言-行动模型）为代表的原生多模态大模型崭露头角。这两次技术跃迁的背后，是整个行业对如何解决自动驾驶复杂长尾问题的深入探索。
关于两种技术范式的差异，卓驭科技 CEO 沈劭劼告诉我们，端到端方案本质上是用一个模型完成整个驾驶任务，但它受限于模型规模，参数量通常在数千万到数亿之间，因此高度依赖海量且优质的驾驶数据。当数据覆盖足够全面时，它的表现确实惊艳；可一旦遭遇训练数据未曾覆盖的盲区，模型往往缺乏举一反三的泛化能力。
相比之下，原生多模态 AI 大模型被视为泛化性更强的终极解法。沈劭劼认为它具备两个核心特征：一是模型规模足够大，在数据充足的情况下具备涌现能力；二是能够处理各种非专家数据，直接通过接收视频、语音、文字等多种模态信息做预训练。
关于 AI 大模型是更优解法的原因，小鹏通用智能中心负责人刘先明解释，无论端到端还是 VLA，智驾的核心任务都是处理信息输入并输出驾驶决策。如果把车辆轨迹规划的空间离散化，所有可能的轨迹点组合就会构成一个极大的搜索空间。传统智驾方案受限于算力和模型能力，核心思路都是做减法，即强行砍掉部分搜索空间，将其压缩到可计算的范围内。
“AI 模型则完全反过来。” 刘先明说，AI 之所以聪明，是因为它的参数量直接决定了搜索空间的广度。解决复杂驾驶问题的最直接路径，就是让模型的搜索空间足够大。
沈劭劼和刘先明的技术洞察，与元戎启行创始人兼 CEO 周光的感受不谋而合。他在本月举办的 2026 年智能电动汽车发展高层论坛上说：过去几年，自动驾驶每年都有明显进步。但随着场景复杂度提升，传统小模型方案的提升变得愈发困难。
“同一套系统，早上跑得好，中午可能变差；在上海表现不错，换一个城市就不行。” 周光将这样的现象形容为 “跷跷板效应”，他回顾 2025 年头部玩家增长放缓、第二梯队加速追赶的过程，认为本质原因就在于此。
周光透露，目前行业内量产的智驾小模型，参数量多在 1B（十亿）甚至 0.1B 以下，运行算力一般为 100 至 200 TOPS，且以卷积神经网络（CNN）为主，仅包含少量 Transformer 架构。这导致虽然方案不断迭代，比如某个版本优化了某些场景，但下一个版本可能又会退步——反复修补、不断迭代，却没有本质提升。
要打破僵局，周光认为，关键不再是感知能力或简单的端到端，而是整体认知能力的进化。在论坛群访环节，周光告诉我们：真正的难点在于如何让大模型变得更强，而不在于有了好模型之后的蒸馏过程，因为模型蒸馏技术已经成熟。
“如果只是为了适配小算力平台，行业内已有一套完整的标准流程：先蒸馏，再量化。只要有一个足够强的大模型作为基础，就一定能将其蒸馏到 100 TOPS 甚至 30 TOPS 的芯片上。” 不过周光强调：一旦任务要求超出小模型的容量，方案表现就会急剧下降。下载PG电子游戏的步骤是怎样的？安装复杂吗？
从这个角度来说，当前行业面临的挑战，是大模型自身能力的提升遇到了瓶颈。周光透露，即使投入三倍的算力、增加三倍的参数量，模型性能依然没有如预期般出现明显质变。因此，与其守着训练手段依然原始的稠密小模型，不如将核心精力聚焦如何突破大模型的能力上限。毕竟，只有造出更大、更强的模型，智驾体验的再次飞跃才有可能真正发生。
元戎启行之所以能坚定选择 AI 大模型路线，得益于这家公司对技术演进趋势的及早预判。早在 2023 年 8 月，基于对 AI 技术的了解和信任，元戎启行就启动了端到端方案的道路测试，时间点早于国内绝大部分厂商。
关于支撑这种早期布局的底层逻辑，周光在去年 3 月的公开演讲中有过系统阐述。他当时提出了自动驾驶的 “三阶段论”：在 GPT 出现前，语言系统（比如早期的 Siri 和科大讯飞）属于弱专家系统；GPT 的出现标志着通才系统的诞生，AI 能够应对各种考试并达到较高水平；接下来，大语言模型的发展会进入强专家系统阶段，其在科学领域的应用将进一步落地。他当时还判断，自动驾驶也会经历从弱专家系统到强专家系统的类似演变。
随着技术路线向大模型全面收敛，自动驾驶行业的人才结构与竞争逻辑开始重构。过去，行业的核心人才是感知、规控等领域的算法工程师；如今，具备多模态、基座模型研发经验的 AI 人才成为各家争抢的关键资源。
在此过程中，元戎启行成为了一个极具代表性的行业切片。今年初，元戎启行首次设立 “首席科学家” 一职，并由大模型领域顶尖专家阮翀出任。作为从幻方时期就加入国产大模型团队 DeepSeek 的老成员，阮翀曾是 Janus-Pro 等 DeepSeek 多模态成果的核心贡献者。
这一人事任命背后，是双方在技术变革期的高度契合。对于元戎启行这样的智驾供应商而言，迫切需要具备大模型领域深厚积累的专业人才，来引领公司在 AI 前沿技术方面的探索。
对于阮翀这样的大模型专家来说，也需要找到一个能够充分发挥其技术专长、将前沿 AI 理论转化为实际应用的平台，而元戎启行已证明从技术到产品再到商业化的完整能力：截至目前，元戎启行累计交付近 30 万台搭载城市 NOA（导航辅助驾驶）功能的量产车。过去一年，系统累计行驶里程超过 13 亿公里，用户使用时长超 4480 万小时，避免前向潜在碰撞事故 14.1 万次，避免后向潜在碰撞事故 4.7 万次。
此外，当前正是 AI 大模型在自动驾驶领域爆发的关键时点，阮翀元戎启行，更有希望在这一轮技术变革中发挥更大影响力。据了解，在即将开幕的北京车展上，阮翀将发表公开演讲，系统阐述元戎启行在基座模型方向的最新技术进展与核心成果。
对行业趋势的预判和顶尖 AI 人才的加入，加速了元戎启行底层技术架构的升级。他们已经告别小模型范式的修修补补，选择用 Scaling （规模化）的方式系统性提升能力。
在本月的论坛上，周光分享了这一技术转变：元戎启行选择从模型 Scaling 和数据 Scaling 两个方向同步推进，打造了 40B（400 亿参数规模）的基座模型。
周光提出，当前辅助驾驶系统实际上只承担三种角色：Driver（驾驶者，负责将视觉输入转化为驾驶动作）、Analyst（分析者，负责理解和分析关键场景）以及 Critic（评估者，从安全与合理性角度评估驾驶行为）。
“过去行业里只训练 Driver，而现在基座模型统一了这三种能力。它不仅会开车，还能理解为什么要这样开，并评估怎样能开得更好。” 周光透露，过去半年到一年，元戎启行花费大量时间重构这套体系。在元戎启行看来，它不再是传统的自动驾驶范式，而是完整的大模型范式。所有辅助驾驶的工作都沉淀在基座模型里，每一步的信息熵都留存在模型中。
这种纯粹的 AI 大模型范式，还指向一个更宏大的行业愿景——物理 AI。如果说 ChatGPT 开启了文本 AI 时代，Gemini 展示了多模态融合的潜力，Sora 和 Seedance 展示了视频生成 AI 的可能性，那么自动驾驶正在成为物理 AI 的先锋应用。
早在 2024 年 5 月，周光就提出 “智能汽车是打开物理世界通用 AI 的钥匙”。他的逻辑是：智能汽车是人类首个达到千万级数据体量的机器人，通过海量数据对物理世界形成了深度共识理解。如果能有效利用，将有机会沉淀形成一个物理世界的基础模型，未来也会更容易迁移到其他机器人场景。
到 2025 年 3 月，周光在接受采访时称，元戎启行从不将自己当作智驾公司，而是一家 AI 公司。智驾只不过是实现物理 AI 的商业化选择。
这一战略定位在今年 3 月的英伟达 2026 年春季 GTC 大会上得到进一步确认。元戎启行 CTO 曹通易在会上说，他们的 Foundation Model，不仅是面向下一代辅助驾驶系统的大脑，更是面向物理世界的 AI 基座模型。
对于大模型公司、互联网大厂和辅助驾驶供应商而言，自动驾驶正在成为共同焦点。因为这不仅关乎商业层面的盈利，更是快速验证和发展物理 AI 核心能力的路径。周光在本次论坛上也说，“元戎启行希望通过持续创新，让辅助驾驶成为千家万户日常出行的一部分，成为未来物理 AI 的基础设施。”
大模型人才与智驾场景的深度融合，已在工程端完成闭环。仍以元戎启行为例，在研发端，基座模型帮助其重构了数据闭环：传统流程大量依赖人工，从问题发现、归因分析到数据挖掘与标注，周期通常需要 5 天以上。引入基座模型后，通过 AI Orchestrator（AI 编排器） 实现全流程自动化，周期缩短至约 12 小时，效率提升近 10 倍，而且每个步骤都能沉淀模型经验，让训练效率更高。
在产品端，基座模型展现出了很强的向下兼容与向上拓展能力。它能够同时支持多种产品形态：针对 100 TOPS 算力提供经济型辅助驾驶方案，针对 500 TOPS 算力提供高性能方案，针对上千 TOPS 算力用于 Robotaxi 场景。
立足 2026 年，元戎启行的首要目标是实现超过 100 万辆城市 NOA 的量产交付；安全方面，将 MPCI 指标提升至 1000 公里以上；用户体验上，将用户高频使用率提升至 50% 以上。
在更长远的未来，元戎启行计划挑战万公里级的 MPCI（每关键接管行驶里程），并最终实现 Robotaxi 的大规模商业化应用，补上物理 AI 的另一块关键版图。
回望去年底苏箐的那句 “苦日子”，换个角度看，那或许只是旧范式瓦解前的阵痛。在大模型重塑一切的今天，属于物理 AI 的黄金时代，正随着每一公里数据的积累加速驶来。对元戎启行而言，今年 100 万辆的交付数字，也只是通往终局的沿途路标，他们的远期愿景依然是物理 AI——正如周光此前所言，“我们想成为中国第一家实现物理 AI 的公司。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
何猷君家保姆买彩票中了3000万，保姆乐坏了，拒不辞职！转头第一句话是：你想要什么，我都买给你
减速机订单已排到明年！人形机器人“物种爆发” 2030年全球出货量将超50万？
晚一点，好一点。商业的真相总是在晚点。《晚点LatePost》官方账号
追到1-1！华子30+10森林狼19分逆转掘金 约基奇24+15+8穆雷30分
上海：实施“AI+制造”和“5G+工业互联网”专项行动 支持研发行业垂类大模型
