有一个问题，通盘这个词自动驾驶行业问了十年，却从来莫得真实回话过：

AI 到底有莫得承接这个宇宙？

这个问题的谜底，决定了自动驾驶改日十年走哪条路。

本年的北京车展，轻舟智航给出了我方的谜底：通用物理 AI。

所谓物理 AI，指的是能真实承接现实宇宙并与之交互的 AI：不仅仅看懂图像、识别物体，而是承接物理规定、预判行为、在真实环境里作念决策。所谓通用，是指改日物理AI也能作念好多事情，而不是只作念开车这一件事。

而要实现这少许，轻舟押注的中枢旅途，是宇宙模子+强化学习。

宇宙模子的中枢价值，在于让智能驾驶系统从「识别物体」升级为承接宇宙、预判趋势，不再局限于简便的感知与旅途狡计。

进一步说，它将仿真推演、场景生成、动态轨迹预判蛟龙得水，让车辆在东说念主车搀杂、突发现象多的复杂路况中，依然能作念出安全、平顺、接近东说念主类老司机的决策。

在这套技艺逻辑下，城市 NOA 不再依赖海量东说念主类驾驶数据拟合，也不必靠路测「碰命运」采集极点场景，而是选用推行说念路数据与云霄生成数据双向互补的模式——以真实数据为基，用云霄宇宙模子生成「稀缺场景与强化学习」的磨练数据，再将常识蒸馏到车端。

这套叙事，在智驾圈并不生疏，各个玩家的诀别不在于讲没讲这个故事，而在于有没灵验工程化落地来撑住它。

01、效法东说念主类，是端到端的天花板

曩昔十年，是自动驾驶行业从无到有的探索十年。

从早期雷达与视觉融会的感知有运筹帷幄，到 BEV 架构、端到端模子逐步上车，再到高速 NOA、城区 NOA 功能落地，车辆完成了从「不行开」到「能开」、从「会开」到「开得稳」的越过。

早期自动驾驶技艺的局限十分明晰——系统依赖东说念主类驾驶数据作念监督学习，碰到磨练集以外的场景便容易「卡壳」。而荒僻场景靠路测采集效力极低，一个极点案例可能需要数百万公里才调当然触发。

这时期降生了端到端：径直让 AI 学习东说念主类老练驾驶行为，表面上无尽趋近东说念主类司机，也更「丝滑」了。但数据的中枢问题依然无解：处理极点场景的东说念主类驾驶数据太稀缺了，一个行东说念主倏得横穿的案例，路测数周也有时碰上一次。

总体来看，传统自动驾驶有点像一个死记硬背交规的外行司机：看到红灯就停，看到行东说念主就等，但在没见过的路口，濒临多个方针同期博弈，时时就懵了。

端到端固然进了一步，但照旧在效法东说念主类，上限则卡死在「东说念主类驾驶数据的天花板」里。

这个阶段的智驾系统，仅仅一台精确的「开车机器」，而非真实承接宇宙的通用物理 AI。

轻舟智航集结独创东说念主、董事长兼CEO于骞对这个问题的判断很直白：

「数字 AI 处理诬捏宇宙里的事，物理 AI 要和现实宇宙径直打交说念。围棋不错傍边手互博数百万局，但自动驾驶不行，每一次测试都需要真实的车、真实的东说念主。」

物理宇宙测试资本高、风险大、极点场景难以采集，这是通盘这个词行业的共同贫瘠，亦然宇宙模子这条路子被越来越多玩家押注的根蒂原因。

特斯拉、Wayve 等公司也在沿着附进的逻辑鞭策。「物理 AI 是方针，宇宙模子是旅途。」这套逻辑框架，当今在行业内得回了特地进度的认可。

宇宙模子，特地于给 AI 装了个「宇宙模拟器」：

AI 能在脑子里念念象出多样物理场景，车会若何动、东说念主会若何走、雨天的刹车距离多长。就像一个特地传神的赛车游戏，况兼游戏里的物理规定和现实一模相似。强化学习即是让 AI 在这个「游戏」里无尽试错，练到有了「肌肉操心」，比及现实路上，它仍是是个老司机了。

在入场时机上，轻舟智航并不是跟风宇宙模子，而是从创业第一天就开导的长久技艺判断。

轻舟从成立之初就将仿真当作中枢基础要领，致使在第一辆 Demo 车亮相前，仿真用具链就已搭建完成。

在 2024 年 Tech Day 上，轻舟初次系统性发布宇宙模子，并竣工论说其在自动驾驶中的工程化旅途。

「寰球都在作念 VLA（视觉-话语-行动模子）的时期，咱们反而在讲宇宙模子」，这句话，是他们反复强调的先手依据。

这条技艺路子的中枢主张是：

真实的宇宙模子是对物理宇宙规定的竣工建模，用来生成场景、磨练算法、考据安全；车端只需要轻量化的短时预测才调，常识通过蒸馏从云霄迁徙而来。在技艺架构上，宇宙模子与 VLA 并非替代联系，而是协同架构。VLA 负责话语对都、可讲明决策，比如识别交警手势、承接复杂提示，实现「知其然且知其是以然」；宇宙模子+强化学习则惩处更底层问题，让 AI 在诬捏物理环境中自主学习最优计谋，不再单纯效法东说念主类驾驶，而是孕育出「聪慧」。

二者单干谄谀、合股磨练，共同组成轻舟从 L2++到 L4 通用的物理 AI 技艺底座。

这亦然轻舟初次明确提议的「物理 AI 第一性旨趣」：通盘跟物理宇宙发生深度交互、处理复杂多任务的 AI，都是物理 AI。

但这与 ChatGPT 这类话语模子有推行不同。话语模子知说念「杯子会碎」，但不真实承接重力、硬度、动量在时空中若何互相作用。

而物理 AI 成立了对三维空间、物理规定、因果联系的解析。而这，才是通向真实无东说念主驾驶的独一通路。

技艺路子开导之后，真实的考验才开动：若何把「宇宙模子」从一个意见，变成能上车的工程？

02、用架构实现信任，比堆算力更难

云霄磨练、车端实施，正在成为智驾供应商的主流架构礼聘。

轻舟把这套架构分红了云霄和车端两部分。

云霄宇宙模子，特地于一个超等锤真金不怕火。

通过仿真引擎生成现实中难以碰到的荒僻场景，再基于强化学习计谋集聚，在诬捏环境中缔造安全刑事牵累机制，碰撞、危殷切入、抢行等高风险行为会直战争发刑事牵累，OD体育app官网最新版让模子在诬捏宇宙中学会躲避计谋，无须再靠数百万公里路测去「碰」极点 case。

车端宇宙行为模子则以在线宇宙模子为骨干，专注及时感知、预判、决策与控车。

轻舟智航 CTO 李栋讲明，云霄大模子的驾驶常识，融会过蒸馏或数据生成的表情迁徙到车端，二者架构高度同构，仅仅车端受算力扫尾需要作念工程化压缩。

车端+云霄这套架构想象的起点，不是炫技，而是一个尽头朴素的方针：让用户敢把方针盘交出去。

轻舟把 AEB 误触发率压到 50 万公里不及 1 次，远优于行业平均水平，原因正在于此。

AEB 误触发，最径直的风险是让后车追尾，但更荫藏的伤害在于：几次难受其妙的急刹之后，用户会在心思上酿成「系统不的确」的判断，不敢真实把限度权交给 AI。

用户越不信任，禁受频率越高，模子拿不到弥散的边际场景数据，迭代就会停滞。这个负轮回，是好多智驾公司功能作念出来却卖不动的真实原因。

轻舟把这个方针当成中枢，比的不是参数，是用户对 AI 司机的信任。

于骞对这件事的念念法更径直。

「既然咱们的智驾系统能作念到 50 万公里才一次 AEB 误触发，既然它能帮用户提前刹停、幸免刮蹭，那它是不是确凿更安全？若是确凿更安全，那用户的保费是不是应该更低廉？」在他看来，这才是智驾创造社会价值的真实度量。

这套架构最径直的居品化呈现，是本年北京车展上认真推出的「轻舟乘风 MAX」——在超 500TOPS 的车端算力平台上，跑通了基于宇宙模子+强化学习的城市 NOA 竣工有运筹帷幄。

于骞对这件事的定位很径直：「不卷参数，卷体验。用户买的不是技艺，是价值。」

固然算力门槛还在上移，竞争焦点正在从「有莫得城市 NOA」转向「谁的体验更好」。功能趋同之后，拼的是调教，是数据，是迭代速率。

轻舟押注的恰正是这个蜕变点之后的逻辑：

当算力不再是壁垒，模子才调和数据闭环才是真实难以复制的壁垒。每年帮用户幸免 14.6 万次潜在事故，这个数字背后，是物理 AI 架构在现实宇宙里抓续自我考据的才调。

当今，轻舟国内合作东机厂已达 10 家，量产车型累计独特 25 款，2026 年瞻望新增车型超 50 款，全年搭载量有望冲击新的百万台量级。

03、L4 的门槛，最终只剩一个问题

L2++量产的数据和才调，能径直复用到 L4 吗？

轻舟的回话是：不仅能，况兼必须这么作念。

L4 不是 L2++的平行赛说念，而是归拢套物理 AI 架构在不同不休条目下的延迟。量产乘用车跑出来的宇宙模子，自然即是 L4 无东说念主驾驶的磨练基础。

在 L4 无东说念主驾驶领域，轻舟智航从早期的 Robobus 无东说念主巴士，到如今重心发力 Robotaxi 无东说念主出租车与 Robovan 无东说念主物流车，酿成了相对竣工的 L4 居品布局。

其中 Robovan 无东说念主物流车是轻舟 L4 技艺的中枢落地效力，依托乘用车量产的车规级技艺、数据与供应链，整车按量产圭臬打造。

传感器、计较平台、底盘均按车规圭臬想象制造，建壮性径直剿袭量产乘用车体系。

这套有运筹帷幄资本限度在1万元以内，权臣低于同类居品行业平均值。当今轻舟已在芜湖、金华、宁波等多个城市鸿沟化运营。

在 Robotaxi 无东说念主出租车领域，轻舟团队源自 Waymo，但走出了明确的互异化旅途：不盲目堆传感器冗余，而是以「更刚劲脑」为中枢。

于骞对行业两条主流路子作念了判断：Waymo 稳健但资本高，特斯拉资本可控但向都备无东说念主越逾期风险大。

轻舟的礼聘是第三条路——「用更强的大脑，并非只靠传感器堆叠」。

轻舟智航 CTO 李栋的判断径直：「说念路上其他交通参与者的行为不可控，但可预期。只须模子才调弥散强，就能对最差情况提前作念出预判与应酬。」

东说念主类老司机开车有宽绰盲区，依然能安全驾驶，靠的是大脑，而不是全身长满眼睛。必要的冗余要有，但中枢是成立更强的 AI 大脑。

Waymo 用传感器冗余笼罩感知盲区，推行是在「硬件层」惩处招架气性。

轻舟用宇宙模子笼罩行为预判，是在「解析层」惩处招架气性。

前者的天花板是传感器数目，后者的天花板是模子才调。这是两条路子最推行的不合。

轻舟的 Robotaxi 从想象之初就面向量产，不作念实验室 Demo 式炫技，一都围绕真实说念路运营张开。

系统依靠宇宙模子及时承接路况、预判行东说念主与车辆意图，再通过海量数据抓续强化学习，实现危急提前躲避、复杂场景稳健处理。

关于生意化节律，于骞判断相对严慎：

中国阛阓 Robotaxi 大范围升迁能够率要比及 2028 年之后，无东说念主驾驶对安全可靠性要求极高，必须以更严慎的魄力鞭策；而外洋受东说念主力资本结构影响，生意化落地节律可能快于国内。

从 Robovan 到 RoboTaxi，轻舟 L4 的旅途指向归拢个问题：物理 AI 的「门槛」到底是什么？

李栋给出了一个比拟具体的谜底：

「当模子才调弥散强，一个东说念主能看住 1000 辆车建壮运营的时期，L4 才算真实跑通了。」

这个圭臬，把通盘的技艺路子之争，最终归结为一件事：AI 大脑够不够强。而大脑的强弱，只好在真什物理宇宙的抓续运营中才调被考据。

在业务范围上，轻舟的逻辑很径直：

先把自动驾驶作念透，千里淀物理 AI 的技艺和数据钞票，再往机器东说念主等更宏大的场景延迟。

而机器东说念主的底层逻辑，和自动驾驶莫得推行区别，都是通用物理 AI 在不同形状下的张开。

物理 AI，正在尝试改变机器与宇宙互动的表情，这是一场比自动驾驶更长的战役。

这是轻舟押注的赛说念OD体育(ODSports)，亦然于骞口中那条「20 年的长坡」。雪球仍是在滚了。

米乐体育(M6Sports)官网入口