从“无人驾驶”到“物理AI”：轻舟智航的范式跃迁

当整个行业还在为算力数字、激光雷达数量和城市NOA开通城市数“内卷”时，轻舟智航在北京车展首日完成了一次更具战略意义的转身——它不再只是一家自动驾驶公司，而是一家通用物理AI公司。

“我们正站在从‘无人驾驶’迈向‘物理AI’的历史拐点上。”轻舟联合创始人、董事长兼CEO于骞博士的这句话，不仅定义了公司的新航向，也悄然为AI的未来十年划定了新战场。

通用物理AI：下一个十年的主战场

过去十年，AI在数字世界高歌猛进：从AlphaGo击败李世石，到大模型在文本、图像生成领域逼近甚至超越人类表现，数字世界的AI已展现出类AGI的能力。但于骞指出一个关键落差：在物理世界，AI仍远未达到“超人智能”水平——一个人类司机可以轻松应对的复杂路口，对AI而言仍是挑战。

这种落差，正是物理AI的机遇所在。自动驾驶，恰是连接数字世界与物理世界的“窗口”。而要推开这扇窗，轻舟给出的钥匙是“世界模型+强化学习”。

“就像AI能在虚拟棋盘中无限‘左右互搏’来寻找最优解，世界模型让我们在数字空间中构建高保真物理仿真环境，用强化学习训练出接近人类直觉的驾驶策略。”于骞解释道，“这不是一次算法升级，而是研发范式的根本转移。”

轻舟物理AI模型：云端与车端的双引擎架构

发布会上，轻舟首次完整披露了其物理AI模型的双引擎架构。

在云端，轻舟构建了“AI超级工厂”的核心引擎——基于运动模拟的世界模型升级版。它集成了三大能力：高可控视频生成、零样本生成引擎、低成本闭环仿真。这意味着，系统可以用自然语言指令生成“暴雨中的逆行电动车”或“突然窜出的行人”等长尾场景，让AI在仿真中“预演”现实中极难遇到的极端情况，极大提升训练效率与安全性。

在车端，轻舟推出了“世界行为模型”，采用“世界模型+强化学习”的统一架构。该模型以在线世界模型为骨干，融合视觉-语言-动作（VLA）架构与强化学习算法，实现从感知、预测到决策、控制的全链路模型化打通。

“这套架构带来三大升级：推理更强、决策更优、泛化更广。”于骞强调。这意味着车辆不仅能“看懂”路况，更能“想明白”如何应对，像经验丰富的老司机一样做出防御性驾驶判断。

轻舟乘风MAX：用500TOPS算力，对标千TOPS体验

技术最终要服务于用户。基于物理AI模型，轻舟推出了“轻舟乘风MAX”城市NOA解决方案——在仅超500TOPS的车端算力平台上，实现媲美甚至超越千TOPS系统的实际体验。

“我们不卷参数，卷体验；不卷噱头，卷真实的用户价值。”于骞的这句话，直指行业痛点。他反问：用户花几千元选装智驾，到底买到了什么？是更炫酷的UI，还是每次上车都要重新学习操作逻辑？

轻舟的答案是：用户买的是安全、效率和信任。

乘风MAX可精准预判行人、非机动车意图，在城中村窄路、无保护左转、复杂路口等场景中，表现出接近人类的“防御性本能”。例如，它能提前减速避让突然横穿的行人，或在多车博弈中主动让行，提升通行效率的同时降低风险。

更关键的是，这套系统的底气来自真实世界的验证：轻舟乘风辅助驾驶已搭载25款量产车型，2026年预计新增超50款；其AEB误触发率低至50万公里少于1次，远优于行业平均水平，每年可帮助用户避免约14.6万次潜在事故。

“如果智驾真的更安全，用户的保费是不是应该更便宜？”于骞提出的这个问题，揭示了智驾的社会价值——它不仅是技术产品，更是安全基础设施。

从自动驾驶到通用物理AI，轻舟智航的这次跃迁，不只是战略升级，更是一次对AI本质的重新思考：当AI走出服务器，进入真实世界，它需要的不是更大的算力，而是更深的理解、更强的推理与更优的决策。而这，正是物理AI的真正意义。

标签： 轻舟智航 物理AI 世界模型 城市NOA 通用人工智能