有一个问题，总计自动驾驶行业问了十年，却从来莫得确切回应过：

AI 到底有莫得融会这个宇宙？

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，指的是能确切融会现实宇宙并与之交互的 AI：不仅仅看懂图像、识别物体，而是融会物理端正、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也能作念好多事情，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」升级为融会宇宙、预判趋势，不再局限于粗浅的感知与旅途诡计。

进一步说，它将仿真推演、场景生成、动态轨迹预判如鱼似水，让车辆在东说念主车搀和、突发景色多的复杂路况中，依然能作念出安全、平顺、接近东说念主类老司机的决策。

在这套时间逻辑下，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」汇集顶点场景，而是接纳实践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，用云表宇宙模子生成「稀缺场景与强化学习」的历练数据，再将常识蒸馏到车端。

这套叙事，在智驾圈并不目生，各个玩家的分袂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

昔时十年，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议，到 BEV 架构、端到端模子缓慢上车，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」的起首。

早期自动驾驶时间的局限十分明晰——系统依赖东说念主类驾驶数据作念监督学习，碰到历练集以外的场景便容易「卡壳」。而荒僻场景靠路测采集遵守极低，一个顶点案例可能需要数百万公里才能当然触发。

这时刻出生了端到端：径直让 AI 学习东说念主类锻真金不怕火驾驶行为，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：处理顶点场景的东说念主类驾驶数据太稀缺了，一个行东说念主一刹横穿的案例，路测数周也随机碰上一次。

总体来看，传统自动驾驶有点像一个死记硬背交规的生手司机：看到红灯就停，看到行东说念主就等，但在没见过的路口，濒临多个办法同期博弈，时常就懵了。

端到端诚然进了一步，但如故在效法东说念主类，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」，而非确切融会宇宙的通用物理 AI。

轻舟智航荟萃创举东说念主、董事长兼CEO于骞对这个问题的判断很直白：

「数字 AI 处理臆造宇宙里的事，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。」

物理宇宙测试本钱高、风险大、顶点场景难以采集，这是总计行业的共同贫寒，亦然宇宙模子这条蹊径被越来越多玩家押注的根柢原因。

特斯拉、Wayve 等公司也在沿着摆布的逻辑激动。「物理 AI 是办法，宇宙模子是旅途。」这套逻辑框架，当今在行业内得回了相称历程的认可。

宇宙模子，相称于给 AI 装了个「宇宙模拟器」：

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荒的永恒时间判断。

轻舟从成立之初就将仿真行动中枢基础神气，以致在第一辆 Demo 车亮相前，仿真器用链就已搭建完成。

在 2024 年 Tech Day 上，轻舟初次系统性发布宇宙模子，并齐备推崇其在自动驾驶中的工程化旅途。

「大家都在作念 VLA（视觉-话语-行为模子）的时刻，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。

这条时间蹊径的中枢主张是：

二者单干和谐、斡旋历练，共同组成轻舟从 L2++到 L4 通用的物理 AI 时间底座。

这亦然轻舟初次明确提倡的「物理 AI 第一性旨趣」：总计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 这类话语模子有实质不同。话语模子知说念「杯子会碎」，但不确切融会重力、硬度、动量在时空中怎样互相作用。

而物理 AI 成立了对三维空间、物理端正、因果联系的默契。而这，才是通向确切无东说念主驾驶的惟一通路。

时间蹊径开荒之后，确切的磨真金不怕火才开动：怎样把「宇宙模子」从一个宗旨，变成能上车的工程？

02、用架构结束信任，比堆算力更难

云表历练、车端实行，正在成为智驾供应商的主流架构选择。

轻舟把这套架构分红了云表和车端两部分。

云表宇宙模子，相称于一个超等教养。

通过仿真引擎生成现实中难以遭遇的荒僻场景，再基于强化学习战术汇集，在臆造环境中竖立安全刑事包袱机制，碰撞、危紧急入、抢行等高风险行为会直战役发刑事包袱，澳洲幸运5中国官方网站让模子在臆造宇宙中学会回避战术，无用再靠数百万公里路测去「碰」顶点 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 李栋诠释注解，云表大模子的驾驶常识，和会过蒸馏或数据生成的格局迁徙到车端，二者架构高度同构，仅仅车端受算力收尾需要作念工程化压缩。

车端+云表这套架构想象的起点，不是炫技，而是一个绝顶朴素的办法：让用户敢把办法盘交出去。

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，但更遁入的伤害在于：几次疾苦其妙的急刹之后，用户会在表情上酿成「系统不确切」的判断，不敢确切把限定权交给 AI。

用户越不信任，罗致频率越高，模子拿不到富裕的角落场景数据，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。

轻舟把这个办法当成中枢，比的不是参数，是用户对 AI 司机的信任。

于骞对这件事的思法更径直。

「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，那它是不是真的更安全？淌若真的更安全，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，是本年北京车展上正经推出的「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 齐备决议。

于骞对这件事的定位很径直：「不卷参数，卷体验。用户买的不是时间，是价值。」

诚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漂流点之后的逻辑：

当算力不再是壁垒，模子才气和数据闭环才是确切难以复制的壁垒。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气。

当今，轻舟国内合作东机厂已达 10 家，量产车型累计杰出 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++量产的数据和才气，能径直复用到 L4 吗？

轻舟的回应是：不仅能，并且必须这么作念。

L4 不是 L2++的平行赛说念，而是团结套物理 AI 架构在不同敛迹条目下的蔓延。量产乘用车跑出来的宇宙模子，自然即是 L4 无东说念主驾驶的历练基础。

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，酿成了相对齐备的 L4 居品布局。

其中 Robovan 无东说念主物流车是轻舟 L4 时间的中枢落地阻隔，依托乘用车量产的车规级时间、数据与供应链，整车按量产范例打造。

传感器、诡计平台、底盘均按车规范例想象制造，巩固性径直袭取量产乘用车体系。

这套决议本钱限定在1万元以内，显赫低于同类居品行业平均值。当今轻舟已在芜湖、金华、宁波等多个城市领域化运营。

在 Robotaxi 无东说念主出租车领域，轻舟团队源自 Waymo，但走出了明确的相反化旅途：不盲目堆传感器冗余，而是以「更盛大脑」为中枢。

于骞对行业两条主流蹊径作念了判断：Waymo 适当但本钱高，特斯拉本钱可控但向全都无东说念主起首时风险大。

轻舟的选择是第三条路——「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。只须模子才气富裕强，就能对最差情况提前作念出预判与叮咛。」

东说念主类老司机开车有大批盲区，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 用传感器冗余覆盖感知盲区，实质是在「硬件层」搞定不细目性。

轻舟用宇宙模子覆盖行为预判，是在「默契层」搞定不细目性。

前者的天花板是传感器数目，后者的天花板是模子才气。这是两条蹊径最实质的不合。

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

系统依靠宇宙模子及时融会路况、预判行东说念主与车辆意图，再通过海量数据抓续强化学习，实现危急提前回避、复杂场景适当处理。

关于交易化节拍，于骞判断相对严慎：

从 Robovan 到 RoboTaxi，轻舟 L4 的旅途指向团结个问题：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：

「当模子才气富裕强，一个东说念主能看住 1000 辆车巩固运营的时刻，L4 才算确切跑通了。」

这个范例，把总计的时间蹊径之争，最终归结为一件事：AI 大脑够不够强。而大脑的强弱，只须在真什物理宇宙的抓续运营中才能被考据。

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 的时间和数据金钱，再往机器东说念主等更渊博的场景蔓延。

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 在不同形态下的张开。

物理 AI，正在尝试蜕变机器与宇宙互动的格局，这是一场比自动驾驶更长的战役。

这是轻舟押注的赛说念幸运5澳洲app(中国)官方下载，亦然于骞口中那条「20 年的长坡」。雪球还是在滚了。