有一个问题，通盘自动驾驶行业问了十年，却从来莫得信得过恢复过：

AI 到底有莫得融会这个寰球？

这个问题的谜底，决定了自动驾驶将来十年走哪条路。

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，指的是能信得过融会现实寰球并与之交互的 AI：不仅仅看懂图像、识别物体，而是融会物理司法、预判行动、在真实环境里作念决策。所谓通用，是指将来物理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，是寰球模子+强化学习。

寰球模子的中枢价值，在于让智能驾驶系统从「识别物体」升级为融会寰球、预判趋势，不再局限于简短的感知与旅途诡计。

进一步说，它将仿真推演、场景生成、动态轨迹预判游刃有余，让车辆在东说念主车夹杂、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「碰命运」网罗极点场景，而是汲取试验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，用云表寰球模子生成「稀缺场景与强化学习」的锻真金不怕火数据，再将学问蒸馏到车端。

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

往常十年，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、端到端模子安稳上车，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」的普及。

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，碰到锻真金不怕火集除外的场景便容易「卡壳」。而萧索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能力当然触发。

这时刻出生了端到端：告成让 AI 学习东说念主类熟谙驾驶行动，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，一个行东说念主一忽儿横穿的案例，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，面临多个主义同期博弈，时时就懵了。

端到端固然进了一步，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」，而非信得过融会寰球的通用物理 AI。

轻舟智航结合独创东说念主、董事长兼CEO于骞对这个问题的判断很直白：

「数字 AI 处理臆造寰球里的事，物理 AI 要和现实寰球告成打交说念。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。」

物理寰球测试老本高、风险大、极点场景难以采集，这是通盘行业的共同贫苦，亦然寰球模子这条道路被越来越多玩家押注的压根原因。

特斯拉、Wayve 等公司也在沿着周边的逻辑鞭策。「物理 AI 是主义，寰球模子是旅途。」这套逻辑框架，当今在行业内获取了相配进度的认可。

寰球模子，相配于给 AI 装了个「寰球模拟器」：

AI 能在脑子里思象出各式物理场景，车会若何动、东说念主会若何走、雨天的刹车距离多长。就像一个绝顶传神的赛车游戏，并且游戏里的物理司法和现实一模通常。强化学习便是让 AI 在这个「游戏」里无尽试错，练到有了「肌肉系念」，比及现实路上，它也曾是个老司机了。

在入场时机上，轻舟智航并不是跟风寰球模子，而是从创业第一天就开发的永恒时间判断。

轻舟从成立之初就将仿真四肢中枢基础措施，致使在第一辆 Demo 车亮相前，仿真器具链就已搭建完成。

在 2024 年 Tech Day 上，轻舟初度系统性发布寰球模子，并完竣发扬其在自动驾驶中的工程化旅途。

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

这条时间道路的中枢主张是：

信得过的寰球模子是对物理寰球司法的完竣建模，用来生成场景、锻真金不怕火算法、考据安全；车端只需要轻量化的短时预测才略，学问通过蒸馏从云表迁徙而来。在时间架构上，寰球模子与 VLA 并非替代关联，而是协同架构。VLA 负责话语对都、可解说决策，比如识别交警手势、融会复杂领导，实现「知其然且知其是以然」；寰球模子+强化学习则惩办更底层问题，让 AI 在臆造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，而是助长出「理智」。

二者单干联结、斡旋锻真金不怕火，共同组成轻舟从 L2++到 L4 通用的物理 AI 时间底座。

这亦然轻舟初度明确提倡的「物理 AI 第一性旨趣」：总共跟物理寰球发生深度交互、处理复杂多任务的 AI，都是物理 AI。

但这与 ChatGPT 这类话语模子有本体不同。话语模子知说念「杯子会碎」，但不信得过融会重力、硬度、动量在时空中如何互相作用。

而物理 AI 建立了对三维空间、物理司法、因果关联的领路。而这，才是通向信得过无东说念主驾驶的独一通路。

时间道路开发之后，信得过的考验才运行：如何把「寰球模子」从一个见地，变成能上车的工程？

02、用架构完了信任，比堆算力更难

云表锻真金不怕火、车端扩充，正在成为智驾供应商的主流架构采取。

轻舟把这套架构分红了云表和车端两部分。

云表寰球模子，相配于一个超等莳植。

通过仿真引擎生成现实中难以遭遇的萧索场景，再基于强化学习计谋汇注，在臆造环境中建树安全刑事包袱机制，碰撞、危机切入、抢行等高风险行动会直斗殴发刑事包袱，轮盘APP让模子在臆造寰球中学会侧目计谋，毋庸再靠数百万公里路测去「碰」极点 case。

车端寰球行动模子则以在线寰球模子为骨干，专注实时感知、预判、决策与控车。

轻舟智航 CTO 李栋解说，云表大模子的驾驶学问，融会过蒸馏或数据生成的面目迁徙到车端，二者架构高度同构，仅仅车端受算力截止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主义：让用户敢把主义盘交出去。

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，最告成的风险是让后车追尾，但更荫藏的伤害在于：几次苦闷其妙的急刹之后，用户会在激情上变成「系统不果真」的判断，不敢信得过把限定权交给 AI。

用户越不信任，秉承频率越高，模子拿不到实足的边际场景数据，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。

轻舟把这个主义当成中枢，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告成。

「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？要是真的更安全，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。

这套架构最告成的居品化呈现，是本年北京车展上追究推出的「轻舟乘风 MAX」——在超 500TOPS 的车端算力平台上，跑通了基于寰球模子+强化学习的城市 NOA 完竣决策。

于骞对这件事的定位很告成：「不卷参数，卷体验。用户买的不是时间，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升沉点之后的逻辑：

当算力不再是壁垒，模子才略和数据闭环才是信得过难以复制的壁垒。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 架构在现实寰球里抓续自我考据的才略。

当今，轻舟国内合作东机厂已达 10 家，量产车型累计越过 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++量产的数据和才略，能告成复用到 L4 吗？

轻舟的恢复是：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 架构在不同不停条目下的蔓延。量产乘用车跑出来的寰球模子，自然便是 L4 无东说念主驾驶的锻真金不怕火基础。

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，变成了相对完竣的 L4 居品布局。

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

传感器、诡计平台、底盘均按车规法度想象制造，纷乱性告成秉承量产乘用车体系。

这套决策老本限定在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，但走出了明确的各异化旅途：不盲目堆传感器冗余，而是以「更弘大脑」为中枢。

于骞对行业两条主流道路作念了判断：Waymo 恰当但老本高，特斯拉老本可控但向实足无东说念主普实时风险大。

轻舟的采取是第三条路——「用更强的大脑，并非只靠传感器堆叠」。

轻舟智航 CTO 李栋的判断告成：「说念路上其他交通参与者的行动不可控，但可预期。只须模子才略实足强，就能对最差情况提前作念出预判与应答。」

东说念主类老司机开车有多数盲区，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，但中枢是建立更强的 AI 大脑。

Waymo 用传感器冗余笼罩感知盲区，本体是在「硬件层」惩办不细则性。

轻舟用寰球模子笼罩行动预判，是在「领路层」惩办不细则性。

前者的天花板是传感器数目，后者的天花板是模子才略。这是两条道路最本体的不合。

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伸开。

系统依靠寰球模子实时融会路况、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，实现危机提前侧目、复杂场景恰当处理。

关于交易化节拍，于骞判断相对严慎：

中国阛阓 Robotaxi 大范围普及轻率率要比及 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鞭策；而国际受东说念主力老本结构影响，交易化落地节拍可能快于国内。

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？

李栋给出了一个比拟具体的谜底：

「当模子才略实足强，一个东说念主能看住 1000 辆车纷乱运营的时刻，L4 才算信得过跑通了。」

这个法度，把总共的时间道路之争，最终归结为一件事：AI 大脑够不够强。而大脑的强弱，唯独在真什物理寰球的抓续运营中能力被考据。

在业务领域上，轻舟的逻辑很告成：

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广泛的场景蔓延。

而机器东说念主的底层逻辑，和自动驾驶莫得本体区别，都是通用物理 AI 在不同模式下的伸开。

物理 AI，正在尝试调动机器与寰球互动的面目，这是一场比自动驾驶更长的战役。

这是轻舟押注的赛说念轮盘游戏app(中国)官方下载，亦然于骞口中那条「20 年的长坡」。雪球也曾在滚了。

球赛下注(中国)官方网站