有一个问题，通盘自动驾驶行业问了十年，却从来莫得实在修起过：

AI 到底有莫得融会这个全国？

这个问题的谜底，决定了自动驾驶畴昔十年走哪条路。

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，指的是能实在融会现实全国并与之交互的 AI：不仅仅看懂图像、识别物体，而是融会物理措施、预判行为、在真实环境里作念决策。所谓通用，是指畴昔物理AI也能作念许多事情，而不是只作念开车这一件事。

而要实现这少量，轻舟押注的中枢旅途，是全国模子+强化学习。

全国模子的中枢价值，在于让智能驾驶系统从「识别物体」升级为融会全国、预判趋势，不再局限于浅薄的感知与旅途探求。

进一步说，它将仿真推演、场景生成、动态轨迹预判如胶如漆，让车辆在东说念主车羼杂、突发景况多的复杂路况中，依然能作念出安全、平顺、接近东说念主类老司机的决策。

在这套期间逻辑下，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「碰运说念」集聚极点场景，而是接管履行说念路数据与云表生成数据双向互补的模式——以真实数据为基，用云表全国模子生成「稀缺场景与强化学习」的磨砺数据，再将学问蒸馏到车端。

这套叙事，在智驾圈并不生疏，各个玩家的辨别不在于讲没讲这个故事，而在于有莫得效工程化落地来撑住它。

01、师法东说念主类，是端到端的天花板

以前十年，是自动驾驶行业从无到有的探索十年。

从早期雷达与视觉交融的感知决策，到 BEV 架构、端到端模子迟缓上车，再到高速 NOA、城区 NOA 功能落地，车辆完成了从「不成开」到「能开」、从「会开」到「开得稳」的逾越。

早期自动驾驶期间的局限十分昭着——系统依赖东说念主类驾驶数据作念监督学习，碰到磨砺集以外的场景便容易「卡壳」。而隐痛场景靠路测采集着力极低，一个极点案例可能需要数百万公里才能当然触发。

这时辰降生了端到端：凯旋让 AI 学习东说念主类熟悉驾驶行为，表面上无穷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，一个行东说念主霎时横穿的案例，路测数周也巧合碰上一次。

总体来看，传统自动驾驶有点像一个死记硬背交规的生人司机：看到红灯就停，看到行东说念主就等，但在没见过的路口，靠近多个宗旨同期博弈，时时就懵了。

端到端固然进了一步，但照旧在师法东说念主类，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」，而非实在融会全国的通用物理 AI。

轻舟智航揣测独创东说念主、董事长兼CEO于骞对这个问题的判断很直白：

「数字 AI 处理诬捏全国里的事，物理 AI 要和现实全国凯旋打交说念。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。」

物理全国测试资本高、风险大、极点场景难以采集，这是通盘行业的共同困难，亦然全国模子这条道路被越来越多玩家押注的根底原因。

特斯拉、Wayve 等公司也在沿着把握的逻辑推动。「物理 AI 是宗旨，全国模子是旅途。」这套逻辑框架，现在在行业内获取了相等过程的招供。

全国模子，相等于给 AI 装了个「全国模拟器」：

AI 能在脑子里念念象出多样物理场景，车会怎样动、东说念主会怎样走、雨天的刹车距离多长。就像一个出奇传神的赛车游戏，况兼游戏里的物理措施和现实一模一样。强化学习即是让 AI 在这个「游戏」里无穷试错，练到有了「肌肉记念」，比及现实路上，它如故是个老司机了。

在入场时机上，轻舟智航并不是跟风全国模子，而是从创业第一天就开导的始终期间判断。

轻舟从成立之初就将仿真动作中枢基础法子，甚而在第一辆 Demo 车亮相前，仿真器具链就已搭建完成。

在 2024 年 Tech Day 上，轻舟初次系统性发布全国模子，并好意思满推崇其在自动驾驶中的工程化旅途。

「寰球都在作念 VLA（视觉-谈话-行为模子）的时辰，咱们反而在讲全国模子」，这句话，是他们反复强调的先手依据。

这条期间道路的中枢主张是：

实在的全国模子是对物理全国措施的好意思满建模，用来生成场景、磨砺算法、考据安全；车端只需要轻量化的短时预测才调，学问通过蒸馏从云表迁徙而来。在期间架构上，全国模子与 VLA 并非替代相干，而是协同架构。VLA 负责谈话对都、可评释决策，比如识别交警手势、融会复杂提示，实现「知其然且知其是以然」；全国模子+强化学习则处分更底层问题，让 AI 在诬捏物理环境中自主学习最优战略，不再单纯师法东说念主类驾驶，而是助长出「灵敏」。

二者单干配合、长入磨砺，共同组成轻舟从 L2++到 L4 通用的物理 AI 期间底座。

这亦然轻舟初次明确提倡的「物理 AI 第一性旨趣」：统统跟物理全国发生深度交互、处理复杂多任务的 AI，都是物理 AI。

但这与 ChatGPT 这类谈话模子有实质不同。谈话模子知说念「杯子会碎」，但不实在融会重力、硬度、动量在时空中如何相互作用。

而物理 AI 成就了对三维空间、物理措施、因果相干的领悟。而这，才是通向实在无东说念主驾驶的惟一通路。

期间道路开导之后，实在的进修才开动：如何把「全国模子」从一个想法，变成能上车的工程？

02、用架构竣事信任，比堆算力更难

云表磨砺、车端履行，正在成为智驾供应商的主流架构采选。

轻舟把这套架构分红了云表和车端两部分。

云表全国模子，相等于一个超等素质。

通过仿真引擎生成现实中难以遭受的隐痛场景，再基于强化学习战略集聚，在诬捏环境中援救安全刑事包袱机制，碰撞、危境切入、抢行等高风险行为会直构兵发刑事包袱，乐鱼2026世界杯首页让模子在诬捏全国中学会侧目战略，无谓再靠数百万公里路测去「碰」极点 case。

车端全国行为模子则以在线全国模子为骨干，专注及时感知、预判、决策与控车。

轻舟智航 CTO 李栋评释，云表大模子的驾驶学问，融会过蒸馏或数据生成的样式迁徙到车端，二者架构高度同构，仅仅车端受算力抑止需要作念工程化压缩。

车端+云表这套架构瞎想的起点，不是炫技，而是一个出奇朴素的宗旨：让用户敢把宗旨盘交出去。

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，最凯旋的风险是让后车追尾，但更荫藏的伤害在于：几次窘态其妙的急刹之后，用户会在心扉上酿成「系统不实在」的判断，不敢实在把抑止权交给 AI。

用户越不信任，接管频率越高，模子拿不到饱和的旯旮场景数据，迭代就会停滞。这个负轮回，是许多智驾公司功能作念出来却卖不动的真实原因。

轻舟把这个目的当成中枢，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凯旋。

「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，那它是不是确实更安全？若是确实更安全，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。

这套架构最凯旋的居品化呈现，是本年北京车展上稳健推出的「轻舟乘风 MAX」——在超 500TOPS 的车端算力平台上，跑通了基于全国模子+强化学习的城市 NOA 好意思满决策。

于骞对这件事的定位很凯旋：「不卷参数，卷体验。用户买的不是期间，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调动点之后的逻辑：

当算力不再是壁垒，模子才和谐数据闭环才是实在难以复制的壁垒。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 架构在现实全国里合手续自我考据的才调。

现在，轻舟国内合作东机厂已达 10 家，量产车型累计高出 25 款，2026 年预测新增车型超 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，能凯旋复用到 L4 吗？

轻舟的修起是：不仅能，况兼必须这么作念。

L4 不是 L2++的平行赛说念，而是兼并套物理 AI 架构在不同拘谨条目下的蔓延。量产乘用车跑出来的全国模子，自然即是 L4 无东说念主驾驶的磨砺基础。

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，到如今要点发力 Robotaxi 无东说念主出租车与 Robovan 无东说念主物流车，酿成了相对好意思满的 L4 居品布局。

其中 Robovan 无东说念主物流车是轻舟 L4 期间的中枢落地着力，依托乘用车量产的车规级期间、数据与供应链，整车按量产表率打造。

传感器、计较平台、底盘均按车规表率瞎想制造，踏实性凯旋袭取量产乘用车体系。

这套决策资本抑止在1万元以内，权臣低于同类居品行业平均值。现在轻舟已在芜湖、金华、宁波等多个城市限制化运营。

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

于骞对行业两条主流道路作念了判断：Waymo 妥贴但资本高，特斯拉资本可控但向实足无东说念主逾越时风险大。

轻舟的采选是第三条路——「用更强的大脑，并非只靠传感器堆叠」。

轻舟智航 CTO 李栋的判断凯旋：「说念路上其他交通参与者的行为不可控，但可预期。只须模子才调饱和强，就能对最差情况提前作念出预判与搪塞。」

东说念主类老司机开车有多半盲区，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，但中枢是成就更强的 AI 大脑。

Waymo 用传感器冗余遮蔽感知盲区，实质是在「硬件层」处分不笃定性。

轻舟用全国模子遮蔽行为预判，是在「领悟层」处分不笃定性。

前者的天花板是传感器数目，后者的天花板是模子才调。这是两条道路最实质的不合。

轻舟的 Robotaxi 从瞎想之初就面向量产，不作念实验室 Demo 式炫技，沿途围绕真实说念路运营张开。

系统依靠全国模子及时融会路况、预判行东说念主与车辆意图，再通过海量数据合手续强化学习，实现危境提前侧目、复杂场景妥贴处理。

关于营业化节律，于骞判断相对严慎：

中国市集 Robotaxi 大范围栽植不祥率要比及 2028 年之后，无东说念主驾驶对安全可靠性要求极高，必须以更严慎的格调推动；而国际受东说念主力资本结构影响，营业化落地节律可能快于国内。

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

李栋给出了一个相比具体的谜底：

「当模子才调饱和强，一个东说念主能看住 1000 辆车踏实运营的时辰，L4 才算实在跑通了。」

这个表率，把统统的期间道路之争，最终归结为一件事：AI 大脑够不够强。而大脑的强弱，只须在真什物理全国的合手续运营中才能被考据。

在业务范围上，轻舟的逻辑很凯旋：

先把自动驾驶作念透，千里淀物理 AI 的期间和数据财富，再往机器东说念主等更开阔的场景蔓延。

而机器东说念主的底层逻辑，和自动驾驶莫得实质区别，都是通用物理 AI 在不相似式下的张开。

物理 AI，正在尝试改变机器与全国互动的样式，这是一场比自动驾驶更长的战役。

这是轻舟押注的赛说念乐鱼2026世界杯首页，亦然于骞口中那条「20 年的长坡」。雪球如故在滚了。

开云app在线下载入口