0
| 本文作者： 於 | 2026-03-18 18:47 |
每年的NVIDIA GTC，都是AI技術(shù)路線的風(fēng)向標(biāo)。
在這個(gè)舞臺(tái)上，芯片、機(jī)器人、自動(dòng)駕駛、AI模型交織在一起，討論的往往不是某個(gè)產(chǎn)品，而是下一代技術(shù)范式。
過去一年，自動(dòng)駕駛行業(yè)其實(shí)不缺新概念：VLA不斷迭代，“世界模型”輪番登場(chǎng)。但真正稀缺的，從來(lái)不是造新詞，而是能落地的體系。
在這樣的背景下，元戎啟行這次在GTC上沒有強(qiáng)調(diào)某個(gè)具體功能，而是試圖講清一件更底層的事情：用基座模型重構(gòu)輔助駕駛系統(tǒng)。
這件事，值得行業(yè)認(rèn)真看看。
因?yàn)槿绻@條路徑成立，改變的就不只是性能，而是整個(gè)自動(dòng)駕駛的研發(fā)方式
過去幾年，城市NOA開始大規(guī)模落地。
到2025年，中國(guó)搭載城市NOA的乘用車銷量已經(jīng)超過300萬(wàn)輛，滲透率突破15%。
但行業(yè)很快遇到了一個(gè)更現(xiàn)實(shí)的問題，功能有了，用戶卻未必愿意用。
不少用戶的真實(shí)反饋很一致：系統(tǒng)不是不能開，而是不夠讓人放心。
復(fù)雜路況下的猶豫、突兀的減速、不夠自然的決策，這些問題不會(huì)讓系統(tǒng)失效，但會(huì)讓人放棄使用。
這背后的矛盾在于，城市場(chǎng)景復(fù)雜度遠(yuǎn)超預(yù)期，長(zhǎng)尾問題幾乎沒有邊界，依賴人工的數(shù)據(jù)閉環(huán)，開始跟不上車隊(duì)規(guī)模。換句話說，自動(dòng)駕駛正在從一個(gè)工程問題，變成一個(gè)AI問題。
在GTC的分享中，元戎啟行CTO曹通易沒有過多展示功能，而是重點(diǎn)講了一套新的技術(shù)框架，其核心是一套約40B參數(shù)規(guī)模的VLA基座模型。
所以元戎的思路，不是加模塊，而是“換大腦”。
按照設(shè)計(jì)，這個(gè)模型能盡可能統(tǒng)一感知、理解、決策甚至評(píng)估能力。它既在“開車”，也在“理解場(chǎng)景”，同時(shí)還在判斷自己開得好不好。
這種思路，本質(zhì)上是在收斂系統(tǒng)結(jié)構(gòu)，把過去拆分的能力，重新壓回一個(gè)可以持續(xù)進(jìn)化的模型里。
這也是最近兩年，自動(dòng)駕駛逐漸顯現(xiàn)的一條分水嶺：繼續(xù)優(yōu)化模塊，還是構(gòu)建統(tǒng)一模型。
如果只看40B參數(shù)，這件事很容易被理解成又一次模型軍備競(jìng)賽。更值得關(guān)注的，其實(shí)是它對(duì)研發(fā)體系的影響。
傳統(tǒng)自動(dòng)駕駛的迭代，很大程度依賴人工參與的數(shù)據(jù)閉環(huán)，周期通常以天為單位。而元戎給出的說法是，在引入基座模型之后，這個(gè)周期可以被壓縮到約12小時(shí)。
這件事如果成立，意味著競(jìng)爭(zhēng)邏輯在發(fā)生變化。過去比的是誰(shuí)做得更好，將變成比誰(shuí)改得更快。
自動(dòng)駕駛開始從功能工程，走向一種更接近AI訓(xùn)練的節(jié)奏。
技術(shù)路徑之外，元戎也給出了一些市場(chǎng)數(shù)據(jù)，累計(jì)交付超過25萬(wàn)輛搭載城市NOA的量產(chǎn)車，在第三方供應(yīng)商市場(chǎng)，單月市占率接近40%。202年，其目標(biāo)是突破100萬(wàn)輛。
這些數(shù)字的意義在于數(shù)據(jù)規(guī)模。
當(dāng)自動(dòng)駕駛進(jìn)入模型驅(qū)動(dòng)階段之后，車輛數(shù)量本身就變成了訓(xùn)練資源的一部分。模型、數(shù)據(jù)、算力，這三件事開始重新綁定在一起。
在演講中，元戎對(duì)這套模型有一個(gè)更大的定義，它不僅是輔助駕駛的基座模型，也是面向物理世界的AI基座模型。他們的目標(biāo)，顯然不只是汽車。
可以理解為，如果一個(gè)模型能夠同時(shí)處理感知、理解、決策和行動(dòng)，那么它的應(yīng)用邊界就不一定局限在汽車。
Robotaxi、機(jī)器人，甚至更廣義的具身智能，本質(zhì)上都在解決類似的問題。
這也是為什么，這類敘事更適合出現(xiàn)在GTC，而不是傳統(tǒng)車展。
當(dāng)然，這條路并不輕松，基座模型的方向很清晰，但問題同樣嚴(yán)峻。
首先是算力與成本。
40B參數(shù)模型的訓(xùn)練，本質(zhì)上是重資產(chǎn)游戲。即便通過蒸餾壓縮后部署到車端，對(duì)算力和成本的要求依然不低。而汽車行業(yè)，恰恰是對(duì)成本最敏感的行業(yè)之一。
其次是安全與驗(yàn)證。
當(dāng)模型開始承擔(dān)自我評(píng)估的角色，一個(gè)更深的問題是評(píng)估標(biāo)準(zhǔn)從哪里來(lái)？
如果標(biāo)準(zhǔn)本身也內(nèi)生于模型，那么如何避免系統(tǒng)在復(fù)雜邏輯中自洽，而不是真正可靠？
最后是一個(gè)更長(zhǎng)期的問題，規(guī)模，是否真的能解決長(zhǎng)尾？
大模型可以極大優(yōu)化常見場(chǎng)景，但對(duì)于真正極端、罕見的情況，是否能夠靠繼續(xù)做大來(lái)解決，行業(yè)其實(shí)還沒有答案。
無(wú)論如何，元戎啟行這次在GTC釋放的信息已經(jīng)很明確，自動(dòng)駕駛的競(jìng)爭(zhēng)邏輯，正在發(fā)生轉(zhuǎn)移。
早期行業(yè)比拼的是傳感器、感知算法、規(guī)控能力。接下來(lái)，更可能比拼的是：模型規(guī)模、數(shù)據(jù)規(guī)模、訓(xùn)練效率。自動(dòng)駕駛公司，也在逐漸變成AI公司。
元戎啟行顯然已經(jīng)押注了這條路線。這是不是最終答案，現(xiàn)在還很難判斷。
但可以確定的是，當(dāng)越來(lái)越多玩家開始用大模型重新定義自動(dòng)駕駛系統(tǒng)時(shí)，行業(yè)的競(jìng)爭(zhēng)焦點(diǎn)，已經(jīng)不再只是誰(shuí)的車更會(huì)開，而是誰(shuí)能造出一個(gè)真正可靠的“大腦”。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
