.b1{white-space-collapsing:preserve;}
.b2{margin: 1.0in 1.25in 1.0in 1.25in;}
.p1{text-align:justify;hyphenate:auto;font-family:Times New Roman;font-size:10pt;}
近年来，智能驾驶产业快速发展，技术路线不断迭代，整车搭载规模持续扩大。而相关的技术演进、量产落地和基座模型如何发展，成为业内关注的话题。
“大模型正在改写自动驾驶的技术路径和商业节奏，物理AI的验证将从车轮上开始。元戎启行的目标不是做一家传统Tier 1，而是成为物理AI领域的引领者。”4月12日，在车百会研究院主办的智能电动汽车发展高层论坛（2026）上，元戎启行CEO周光在接受《中国汽车报》等媒体采访时表示，随着城市NOA加快上车、端到端和多模态持续推进，辅助驾驶已从“有没有”进入“好不好用、用户愿不愿意常用”的新阶段。同时，企业竞争的重心正由单点功能比拼转向系统能力比拼。
“全面走向大模型”
如今，伴随着智能驾驶发展，行业面临的现实问题是，算力提升，投入增加，量产车型更多，消费者却并未普遍把城市辅助驾驶当作高频使用的日常工具。对此，周光认为，这一问题并不只是出在局部算法优化上，更深层次的原因在于小模型路径的能力边界正在显现。
创新的技术离不开创新的理念。对近来关于L2、L3、L4路线的争论，周光提出，这些定义是30年前制定的，如今大模型、端到端、多模态的进展，正在极大加速从L2到Robotaxi的进程。他认为，L3本质是在模型不完美的情况下，通过人工补丁和工程能力实现，而通用自动驾驶的正确路径是持续提升模型的认知能力。随着今年年初多模态技术的突破，城市NOA有望快速演进到Robotaxi阶段，不再依赖高精地图和密集运营，而是依靠基础认知模型。关键指标如MPCI每年以数量级提升，很快就会突破。研究范式已经变了。
在周光看来，以往小模型方案推动了辅助驾驶早期量产落地，但随着场景复杂度不断提升，其短板也愈发明显。他表示，行业中普遍存在“跷跷板效应”：同一套系统，早上跑得好，中午可能变差；在一个城市表现不错，换一个城市又可能失灵。某个版本强化了部分能力，下一个版本却可能在别的场景里出现退步。
“所以，要真正解决问题，必须全面走向大模型、走向基座模型。”周光表示，辅助驾驶下一阶段比拼的已不只是感知能力或简单的端到端，而是整体认知能力的进化。他提出，当前辅助驾驶系统本质上包含执行驾驶、理解分析和行为评估三种角色。以往这些能力往往彼此分散，如今迫切需要统一沉淀到同一个基座模型中。在这一体系下，辅助驾驶将不再只是“执行系统”，而是迈向“认知系统”。
“下半场是机器人”
在周光看来，物理AI的上半场是自动驾驶，下半场是机器人。而元戎启行的长期愿景是物理AI先在车上验证，再延伸到机器人。他表示，只有汽车场景能提供海量的、带动作的真实数据，解决“数据荒”问题。这也是为什么DeepSeek核心研究员阮翀等顶尖人才选择加入元戎启行。
他预测，接下来包括OpenAI等美国企业，会有更多多模态进展的公司进入自动驾驶领域。
目前，元戎启行正在推动“温暖的智能化”，让汽车具备语音交互能力，同时始终把安全放在第一位。面对智驾方案从高端车下沉到十万级市场的疑问，周光称，技术路线和商业规模并不冲突。真正的难点在于让大模型变得更好，而不是把好模型蒸馏到低算力平台，蒸馏很成熟，问题是参数量增加3倍效果却没明显变好。他强调，只要大模型足够强，就能适配不同算力平台。判断一家公司是AI公司还是量产公司，就看它是否坚持向前，而不是反向卷低算力。
关于Robotaxi赛道，周光认为最核心的是模型能力的提升，其次才是运营调度。他提到Waymo已依托Gemini人才完成技术范式变更，如果不能享受大模型技术溢出，将很难跨越新阶段。
周光提出，辅助驾驶正在从功能升级走向认知升级，从执行系统走向智能系统。下一阶段辅助驾驶竞争的关键，不再只是算法优化，而是系统认知能力的进化。也正因此，元戎启行正在推动辅助驾驶从小模型范式向基座模型范式切换，以期让系统在复杂场景中具备更稳定、更持续的进化能力。
眼下，基座模型的引入，意味着智能驾驶竞争正在进入一个新的阶段：从“功能竞赛”转向“认知能力竞赛”。在这一阶段，单一技术优势难以形成壁垒，真正的分水岭将来自系统工程能力、数据闭环效率以及长期投入能力的叠加。
进入2026年，元戎启行提出新的量产与性能目标：辅助驾驶系统交付规模突破100万辆，同时将MPCI指标提升至1000公里以上，并将用户高频使用率提升至50%。这也反映了行业竞争中重心的转移。周光强调，以往企业更多强调“能否做出来”；而如今已经转向“是否好用、是否常用”，尤其是在高阶辅助驾驶逐步走向标配的趋势下，用户使用率与稳定性，成为比功能数量更关键的指标。