从自动驾驶到物理世界：元戎启行的“AI 基础设施”野心

2026 年北京车展的喧嚣中，元戎启行没有停留在“又一款新车搭载智驾系统”的常规叙事，而是以一场发布会，向行业宣告了一个更宏大的目标：成为物理世界的 AI 基础设施。CEO 周光站在台上，没有过多渲染技术参数，而是从一个 2016 年的交通事故讲起——那场事故让他萌生了用 AI 拯救生命的初心。如今，这份初心正被推向一个前所未有的高度。

“自动驾驶的安全性已经是人类驾驶的数倍，尽管 MPI（平均接管里程）在城市中仍只有几十公里。”周光坦言当前技术的局限，却更坚定地相信未来：“2 到 3 年内，随着大模型理解能力的增强，我们将实现真正安全的自动驾驶。”这并非空谈，而是基于元戎对物理 AI 的深度布局。

从“小模型”到“基座模型”：重构自动驾驶技术范式

长期以来，辅助驾驶系统依赖的是“小模型”堆叠的技术路径。这种模式在初期快速落地，却也带来了系统稳定性不足、长尾场景处理能力波动等问题。用户高频使用率难以突破，信任基础始终薄弱。

元戎启行首席科学家阮翀的首次公开演讲，正是对这一困境的回应。作为前 DeepSeek 研发负责人，他带来的不仅是技术背景，更是一种全新的架构思维：以基座模型为核心，统一驾驶决策、场景理解与行为评估能力。

这一架构的变革，带来了显著的效率提升。数据闭环迭代周期从过去的约 5 天缩短至约 12 小时，意味着系统能够更快地学习真实世界中的复杂场景，持续进化。更重要的是，基座模型正在重塑元戎的研发流程——从知识库问答到代码生成，从跨部门协作到实验分析，AI 正在成为公司内部运转的“新操作系统”。

数据飞轮：从 30 万辆到 100 万辆的规模化跃迁

技术的演进离不开数据的滋养。截至目前，搭载元戎启行城市 NOA 方案的量产车辆已突破 30 万辆，累计真实道路运行里程超过 13 亿公里，陪伴用户驾驶时长达 4480 万小时。这些海量数据不仅验证了系统的安全性，更成为基座模型持续优化的“燃料”。

2026 年，元戎的目标更为激进：推动辅助驾驶系统量产交付规模突破 100 万辆，同时将 MPCI 指标提升至 1000 公里以上，用户高频使用率提升至 50% 以上。这一目标的背后，是元戎对“数据飞轮”效应的深刻理解——更多车辆意味着更多数据，更多数据驱动模型更快进化，进而吸引更多用户，形成正向循环。

AI for What？一场关于物理 AI 的跨界对话

在发布会现场，元戎还发起了一场以“AI for what”为主题的 AI Talk。这场由复旦大学教授张力主持的对话，邀请了阿里云、蚂蚁灵波科技、童行书院等领域的专家，共同探讨 AI 在现实世界中的能力边界与社会影响。

从世界模型与 VLA 模型的技术路线之争，到物理 AI 如何重塑交通、能源乃至城市管理，讨论层层深入。这不仅是一场技术思辨，更是一次对“AI 究竟为何而来”的哲学追问。元戎的答案是：AI 不应只是工具，而应成为支撑物理世界运行的基础能力，如同通信与电力一般不可或缺。

迈向物理 AI：不止于车，更在于世界

元戎启行的愿景，早已超越了自动驾驶本身。他们正在构建的，是一个能够理解、响应并优化物理世界运行的 AI 基础设施。从舱驾一体的“AI 大脑”到跨领域的协作系统，从数据闭环到组织变革，元戎的每一步，都在为这一目标铺路。

当人们谈及物理世界的智能时，元戎希望成为那个“基础能力体系中的重要一环”。这不仅是技术的野心，更是对未来的承诺：用 AI，让现实世界更安全、更高效、更智能。

标签： 自动驾驶 物理AI 基座模型 元戎启行 AI基础设施