“隨著大模型、端到端、多模態(tài)的快速發(fā)展，我認(rèn)為L3很可能會被跳過，城市NOA（領(lǐng)航輔助駕駛）將直接演進(jìn)到Robotaxi（自動駕駛出租車）階段。”4月12日，元戎啟行CEO周光在智能電動汽車發(fā)展高層論壇（2026）期間接受《每日經(jīng)濟新聞》記者采訪時表示。

周光指出，L3的本質(zhì)是在模型不完美的情況下，通過人工補丁和工程能力去實現(xiàn)，而通用自動駕駛的真正路徑是提高模型的認(rèn)知能力，二者是截然不同的思路。

當(dāng)前，關(guān)鍵指標(biāo)如MPCI（每關(guān)鍵接管行駛里程）正在每年快速增長，尤其在大模型介入之后，增速更快?！叭绻磕暌粋€數(shù)量級的提升，突破很快就會到來?！痹谥芄饪磥恚鞘蠳OA不再需要經(jīng)過一個以L3為名的過渡階段，而是直接邁向真正的通用自動駕駛。

圖片來源：主辦方供圖

支撐這一判斷的，是整個AI界從文本到多模態(tài)、從語言模型到物理智能的躍遷。周光認(rèn)為，互聯(lián)網(wǎng)大廠選擇在此時入局自動駕駛，根本原因并非看中汽車軟件授權(quán)費，而是為了驗證物理AI。

“文本突破之后，大模型的下一步就是多模態(tài)，而多模態(tài)離物理世界的Agent（智能體）只有一步之遙?！彼麖娬{(diào)，在所有機器人場景中，只有汽車能提供海量帶有動作（Action）的真實數(shù)據(jù)，幾十萬甚至上百萬公里的駕駛行為、決策與反饋是解決“數(shù)據(jù)荒”的唯一途徑。

據(jù)周光透露，今年年初，DeepSeek（深度求索）核心研究員阮翀已加入元戎啟行，主要負(fù)責(zé)多模態(tài)和基座模型，以通用形式解決物理AI問題，而非采用非通用的方式。

“物理AI的上半場是自動駕駛，下半場是機器人，但第一個能驗證物理AI的場景就是汽車。”周光表示，這也解釋了為什么元戎啟行能夠吸引到阮翀這樣的人才，他們要做的不是一家傳統(tǒng)Tier 1，而是一家真正的物理AI公司，更多細(xì)節(jié)將在今年北京車展上亮相。

值得注意的是，在商業(yè)路徑上，元戎啟行近期從高端車型下沉至十萬元級市場，與零跑等頭部新勢力合作，被外界視為“鋪規(guī)?！钡男盘?。

對此，周光回應(yīng)稱：“技術(shù)路線與商業(yè)規(guī)模并不沖突，真正的難點是讓大模型變得更好，而不是把好模型蒸餾到低算力平臺。關(guān)鍵在于有沒有更大、更強的基座模型，而不是守著一個小模型打補丁。”

談及Robotaxi的競爭與挑戰(zhàn)，周光指出，模型能力的提升遠(yuǎn)比運營技巧更重要，“不可能靠先驗信息和規(guī)則來做自動駕駛”。

“Waymo依托Gemini的人才已經(jīng)完成了范式轉(zhuǎn)變，不是所有公司都能跨越這個階段，那些仍停留在舊范式的公司則將面臨嚴(yán)峻考驗?！敝芄庹J(rèn)為。