2026年4月25日，北京車展上，元戎啟行的展臺(tái)沒(méi)有鋪滿華麗的燈帶，也沒(méi)有請(qǐng)流量明星站臺(tái)。但當(dāng)CEO周光說(shuō)出“一千公里MPCI”這個(gè)目標(biāo)時(shí)，臺(tái)下少數(shù)聽(tīng)懂的人知道，這家公司正在做一件行業(yè)里只有特斯拉敢公開(kāi)承諾的事。

MPCI（Miles Per Critical Intervention），每千英里關(guān)鍵接管次數(shù)。這是衡量自動(dòng)駕駛系統(tǒng)“真安全”的硬指標(biāo)，不是那種靠“L2+”“城市NOA開(kāi)城數(shù)”包裝出來(lái)的營(yíng)銷話術(shù)。

更值得注意的，不是這個(gè)數(shù)字本身，而是元戎啟行打算怎么夠到它。

就在發(fā)布會(huì)前幾個(gè)月，DeepSeek核心研究員阮翀加入元戎啟行，擔(dān)任首席科學(xué)家。這件事在AI圈內(nèi)引發(fā)的震動(dòng)，遠(yuǎn)比在汽車圈大。阮翀沒(méi)去大廠，也沒(méi)留在純數(shù)字世界的大模型戰(zhàn)場(chǎng)，而是選擇了一家中國(guó)自動(dòng)駕駛公司。

為什么？

周光的回答很直白：“做大模型、多模態(tài)自動(dòng)駕駛，就不應(yīng)該是傳統(tǒng)智駕的路子�！�

這句話的分量，需要放在2026年這個(gè)時(shí)間節(jié)點(diǎn)來(lái)理解。

舊范式的死胡同

過(guò)去十年，自動(dòng)駕駛行業(yè)走了一條“小模型堆疊”的路。感知用一個(gè)模型，預(yù)測(cè)用一個(gè)，規(guī)劃用一個(gè)，控制用一個(gè)。每個(gè)模型針對(duì)一個(gè)子任務(wù)訓(xùn)練，然后拼在一起。這套架構(gòu)的巔峰，就是“模塊化端到端”。

問(wèn)題在哪？

阮翀?jiān)跍贤ㄖ姓f(shuō)得很清楚：“如果跟大模型公司比，這個(gè)行業(yè)確實(shí)還是差一點(diǎn)。以前你把一個(gè)工作交給其他人做，非常放心；現(xiàn)在需要非常頻繁地檢查結(jié)果、檢查整個(gè)過(guò)程�！�

翻譯一下：小模型體系下，每個(gè)模塊的誤差會(huì)累積，系統(tǒng)復(fù)雜度隨模塊數(shù)指數(shù)級(jí)增長(zhǎng)。你想讓車在99%的場(chǎng)景下表現(xiàn)好，靠堆人、堆規(guī)則、堆數(shù)據(jù)標(biāo)注，勉強(qiáng)能做到。但要從99%到99.99%，每提升0.01%，成本不是線性增長(zhǎng)，而是指數(shù)級(jí)爆炸。

周光的判斷更尖銳：“小模型的天花板就在這兒。今天弄得好一點(diǎn)、差一點(diǎn)有那么重要嗎？你會(huì)發(fā)現(xiàn)不管怎么做，不可能做到十倍的好�！�

這不是技術(shù)路線之爭(zhēng)，這是數(shù)學(xué)上的瓶頸。小模型的數(shù)據(jù)表征能力有限，泛化能力有限，長(zhǎng)尾場(chǎng)景覆蓋能力有限。你今天花一個(gè)億解決了一個(gè)corner case（極端案例），明天還有一萬(wàn)個(gè)corner case在等你。

而大模型走的是另一條路：不針對(duì)每個(gè)子任務(wù)單獨(dú)建模，而是用一個(gè)巨大的基座模型，同時(shí)學(xué)習(xí)感知、預(yù)測(cè)、規(guī)劃、控制。模型參數(shù)夠大、數(shù)據(jù)夠多，它自己就能“涌現(xiàn)”出對(duì)物理世界的理解。

換道時(shí)刻

過(guò)去，行業(yè)里嚷嚷“大模型自動(dòng)駕駛”的公司不少，但真正落地的幾乎沒(méi)有。原因很簡(jiǎn)單，多模態(tài)大模型本身還沒(méi)成熟。2024年之前的視頻生成模型，連物理規(guī)則都搞不清楚。

轉(zhuǎn)折點(diǎn)出現(xiàn)在2026年初。Gemini的突破讓多模態(tài)模型對(duì)物理世界的理解能力提升了一個(gè)數(shù)量級(jí)。周光的原話是：“今天的能力跟2024年、2025年相比，完全不是一個(gè)層級(jí)�！�

這意味著，大模型終于可以“看懂”世界了。不只是識(shí)別圖像里的物體，而是理解物體之間的空間關(guān)系、運(yùn)動(dòng)趨勢(shì)、因果鏈條。

阿里云智能集團(tuán)AI汽車行業(yè)解決方案總經(jīng)理霍健在元戎發(fā)布會(huì)AI Talk的圓桌對(duì)話上舉了個(gè)例子：去年10月，特斯拉的系統(tǒng)在雨天能提前5秒預(yù)判前車可能打滑、撞護(hù)欄、彈回本車道，然后提前減速。這不是靠規(guī)則寫(xiě)的，是模型自己學(xué)會(huì)的因果推理。

這種能力，小模型做不到。不是“很難做到”，是“原理上做不到”。

所以，2026年突然有一批頂級(jí)多模態(tài)人才從互聯(lián)網(wǎng)大廠往自動(dòng)駕駛行業(yè)跳。不是因?yàn)樗麄兺蝗粚?duì)造車感興趣了，是因?yàn)樗麄兛吹搅艘粋�(gè)確定性趨勢(shì)：大模型在數(shù)字世界的紅利正在收窄，而物理世界是下一個(gè)巨大的、尚未被開(kāi)墾的數(shù)據(jù)金礦。

而汽車，是目前唯一能提供海量“帶動(dòng)作數(shù)據(jù)”的物理場(chǎng)景。一臺(tái)車每天在路上跑，視覺(jué)數(shù)據(jù)、雷達(dá)數(shù)據(jù)、方向盤轉(zhuǎn)角、剎車油門開(kāi)度，這些數(shù)據(jù)天然帶標(biāo)簽，天然連續(xù)，天然覆蓋長(zhǎng)尾。在文本世界耗盡人類知識(shí)之后，物理世界的數(shù)據(jù)是下一個(gè)Scale（規(guī)�；瘮U(kuò)展）的起點(diǎn)。

香港科技大學(xué)計(jì)算機(jī)系助理教授?徐英豪的判斷很清晰：“從我的角度看，終局不是單一的VLA或世界模型架構(gòu)，一定是多模態(tài)共生�！�

阮翀?jiān)诎l(fā)布會(huì)演講中，進(jìn)一步拆解了這套大模型體系的實(shí)際運(yùn)作方式。

他把基座模型的能力拆成了三個(gè)角色。第一個(gè)是Driver模型，負(fù)責(zé)開(kāi)車——接受傳感器輸入，輸出方向盤、剎車、油門的控制指令。第二個(gè)是Analyst模型，把語(yǔ)言模態(tài)接入進(jìn)來(lái)：有了傳感器輸入和駕駛動(dòng)作，它可以分析模型為什么要這么開(kāi)。比如開(kāi)到路口時(shí)，它會(huì)告訴你前面有盲區(qū)、可能有行人突然出來(lái)，需要減速。這就給了模型可解釋性，讓你知道它為什么這么做，同時(shí)也負(fù)責(zé)數(shù)據(jù)標(biāo)注。第三個(gè)是Critic模型，用來(lái)學(xué)習(xí)負(fù)向數(shù)據(jù)。小模型時(shí)代大家只用正向數(shù)據(jù)——告訴模型什么行為是好的，讓它去擬合。但很多不好的行為，比如闖紅燈、搶路權(quán)，也應(yīng)該告訴模型。Critic模型專門處理這些，讓模型知道什么不該做。

三個(gè)模型跑在同一套基座模型上。這是關(guān)鍵。

過(guò)去小模型時(shí)代，每個(gè)任務(wù)單獨(dú)訓(xùn)練一個(gè)模型，迭代一版可能需要100多個(gè)小時(shí)。阮翀說(shuō)，現(xiàn)在可以用大模型把迭代周期壓縮到12個(gè)小時(shí)，加速近十倍。

怎么做到的？用大模型做數(shù)據(jù)表征，提前分析所有數(shù)據(jù)的場(chǎng)景分布，知道模型在什么場(chǎng)景下缺什么數(shù)據(jù)，然后做針對(duì)性的采樣或定向收集，把迭代過(guò)程前置。以前只能先訓(xùn)練一個(gè)模型、再看模型好不好，才能反過(guò)來(lái)判斷數(shù)據(jù)質(zhì)量，訓(xùn)練周期很長(zhǎng)；現(xiàn)在通過(guò)Foundation Model（基座模型）可以短周期內(nèi)完成評(píng)估。以前訓(xùn)好模型后必須部署到車上、出去開(kāi)一圈才知道好壞，耗費(fèi)人力物力；現(xiàn)在可以在云端虛擬環(huán)境里運(yùn)行駕駛模型，就知道它開(kāi)得怎么樣。

這些不光是算法優(yōu)化，也是研發(fā)流程的底層重構(gòu)。

當(dāng)然，一個(gè)現(xiàn)實(shí)問(wèn)題隨之而來(lái)：這么大參數(shù)的模型，車端芯片跑得動(dòng)嗎？

阮翀?zhí)岬搅藘煞N方法。第一，蒸餾。用大模型教一個(gè)小模型，能力遠(yuǎn)強(qiáng)于從頭訓(xùn)練一個(gè)小模型。第二，相信時(shí)間的力量。硬件每年都在翻倍，模型大小不會(huì)是問(wèn)題。他補(bǔ)了一句自己的經(jīng)歷：“我以前2017年做的時(shí)候，在手機(jī)上跑50兆的模型，當(dāng)時(shí)已經(jīng)覺(jué)得非常大了；現(xiàn)在大家會(huì)在手機(jī)上跑1G、2G的模型做APP。對(duì)計(jì)算機(jī)行業(yè)來(lái)說(shuō)，最大的教訓(xùn)就是沒(méi)有新鮮事：所有在PC時(shí)代、個(gè)人編碼時(shí)代發(fā)生過(guò)的事情，都會(huì)在手機(jī)上再發(fā)生一遍；手機(jī)上發(fā)生的事情，又會(huì)在物理世界上再發(fā)生一遍�！�

這段話有兩層意思。短期看，蒸餾可以讓大模型的能力“濃縮”到現(xiàn)有芯片上，性能雖有衰減但起點(diǎn)遠(yuǎn)高于小模型。長(zhǎng)期看，芯片算力的演進(jìn)曲線不會(huì)停，現(xiàn)在覺(jué)得大的模型，三年后可能只是標(biāo)配。元戎賭的不是今天的硬件，而是這條曲線本身。

元戎的“非共識(shí)”

如果說(shuō)技術(shù)趨勢(shì)是顯性的，那么元戎啟行真正的優(yōu)勢(shì)，是一些“非共識(shí)”的東西。

在和媒體溝通時(shí)，阮翀被問(wèn)到“大模型跟物理世界空間交互的難點(diǎn)怎么解決”時(shí)，他直接說(shuō)：“與其說(shuō)是一個(gè)技術(shù)問(wèn)題，我更覺(jué)得它是一個(gè)信仰問(wèn)題�！�

什么意思？你無(wú)法用數(shù)學(xué)證明大模型一定能達(dá)到人類駕駛水平。但你相信當(dāng)一個(gè)系統(tǒng)的復(fù)雜度達(dá)到一定程度，智能行為就會(huì)涌現(xiàn)。如果你不信，你就不會(huì)All in；如果你半信半疑，你就會(huì)在小模型上修修補(bǔ)補(bǔ)，不敢真正燒掉舊地圖。

元戎啟行不僅是信，而且信得很早。周光提到，他們?cè)?024年下半年就開(kāi)始做VLA模型，當(dāng)時(shí)OpenAI o1模型剛出來(lái)�！癡LA”這個(gè)詞，在行業(yè)內(nèi)還沒(méi)幾個(gè)人提。今天大家開(kāi)始喊“物理AI”，元戎一年半之前就在內(nèi)部討論了。

這不是事后諸葛亮�；仡櫾值臍v史，最早做前融合，第一個(gè)在中國(guó)實(shí)現(xiàn)無(wú)圖、端到端。這些選擇在當(dāng)時(shí)看來(lái)都是“非主流”，畢竟無(wú)圖方案在2023年之前被認(rèn)為是“不可能量產(chǎn)”的。但事后證明，元戎踩對(duì)了每一個(gè)技術(shù)拐點(diǎn)。

再看人才的組織方式。對(duì)于為何加入元戎，阮翀的回答是：“最打動(dòng)我的是跟元戎幾個(gè)合伙人聊天，感覺(jué)很好，大家可以像朋友一樣相處�！�

聽(tīng)起來(lái)很虛？但仔細(xì)看元戎的組織理念，會(huì)發(fā)現(xiàn)這不是客套。阮翀?jiān)谘葜v中專門講了一個(gè)觀點(diǎn)：最好的項(xiàng)目組織方式是“輕微不足的人手，加上相對(duì)充足的token”。人手不夠，你才會(huì)去想什么才是真正重要的事；token充足，你可以用AI補(bǔ)足初級(jí)工作。

這是典型的AI-native組織觀。公司不是人的集合，而是人和Skill的集合。流程可以從TXT變成可執(zhí)行的skill，不用再靠人去執(zhí)行規(guī)章。

此外，周光還反復(fù)強(qiáng)調(diào)：“智駕就是以絕對(duì)安全為導(dǎo)向的。”他做自動(dòng)駕駛的初衷，是因?yàn)樾r(shí)候目睹過(guò)交通事故，想“救人救命”。這些話在發(fā)布會(huì)上說(shuō)，聽(tīng)起來(lái)像是公關(guān)稿。但在和媒體溝通時(shí)，他被反復(fù)追問(wèn)商業(yè)、競(jìng)爭(zhēng)、市場(chǎng)占有率時(shí)，每次都會(huì)繞回到同一個(gè)主題：安全。

他把安全的權(quán)重定義為“90分以上”，剩下體驗(yàn)、舒適性、交互加起來(lái)10分。這個(gè)分配比例，在行業(yè)里是罕見(jiàn)的。

更具體地說(shuō)，元戎今年目標(biāo)做到1000公里MPCI。這個(gè)指標(biāo)不是他們自己編的，特斯拉已經(jīng)實(shí)現(xiàn)了。阮翀的原話：“這不是一個(gè)編出來(lái)的口號(hào)或者目標(biāo)，它是一個(gè)已經(jīng)實(shí)現(xiàn)的東西�！�

別人做到了，你也要做到。這種對(duì)標(biāo)，不是對(duì)參數(shù)，而是對(duì)安全標(biāo)準(zhǔn)。

行業(yè)的分化時(shí)刻

2026年，中國(guó)智駕行業(yè)正在發(fā)生一場(chǎng)靜默的分化。

一類公司走“性價(jià)比路線”：用小模型，做蒸餾、做量化，在低算力平臺(tái)上跑通基礎(chǔ)功能，用低價(jià)占據(jù)市場(chǎng)份額。這條路在商業(yè)上立得住，短期內(nèi)能出貨、能回款。

另一類公司走“Scaling路線”：模型越做越大，算力越用越多，追求的是上限。不是“今天能不能開(kāi)”，而是“明年能不能開(kāi)得比特斯拉好”。

周光的判斷是：“真正實(shí)現(xiàn)跟車相關(guān)的，真正做到一千公里、一萬(wàn)公里的安全，不可能靠傳統(tǒng)模式實(shí)現(xiàn)�！�

這不是鄙視性價(jià)比路線，而是一個(gè)事實(shí)判斷：小模型的安全天花板很低。今天做到50公里MPCI，明天想做到100公里，靠修修補(bǔ)補(bǔ)還能撐一下。但從100到1000，不是線性努力能解決的問(wèn)題，是范式問(wèn)題。

周光觀察說(shuō)，“今年年初多模態(tài)取得突破，我認(rèn)為城市NOA會(huì)快速演進(jìn)到Robotaxi階段。研究范式已經(jīng)發(fā)生變化，不再靠運(yùn)營(yíng)或高精地圖，而是靠基礎(chǔ)認(rèn)知�！�

這是關(guān)鍵。過(guò)去Robotaxi的瓶頸在“先驗(yàn)信息”比如高精地圖、路測(cè)規(guī)則、遠(yuǎn)程接管。Waymo在一個(gè)城市跑幾年才能開(kāi)放一個(gè)區(qū)域。而大模型路線的邏輯是：模型認(rèn)知能力足夠強(qiáng)，車到任何一個(gè)新城市，不需要提前建圖，不需要大量路測(cè)，直接開(kāi)。

這不是漸進(jìn)式改進(jìn)，這是架構(gòu)級(jí)降維打擊。

所以你能看到，元戎啟行的打法變化：從早期綁定高端車，到如今與零跑等品牌合作、下沉到十萬(wàn)級(jí)市場(chǎng)。這不代表技術(shù)降級(jí)，恰恰相反。只要大模型足夠強(qiáng)，蒸餾到低算力平臺(tái)不是問(wèn)題。周光說(shuō)得很清楚：“難度不在于蒸餾，而在于讓大模型更強(qiáng)�！�

這是一個(gè)非常重要的商業(yè)判斷：規(guī)模不是技術(shù)路線的敵人，而是數(shù)據(jù)飛輪的燃料。元戎目前存量30萬(wàn)臺(tái)車，今年目標(biāo)新增100萬(wàn)臺(tái)。這個(gè)量級(jí)的車隊(duì)跑在路上，每天產(chǎn)生的海量真實(shí)駕駛數(shù)據(jù)，是大模型繼續(xù)進(jìn)化的唯一途徑。

沒(méi)有規(guī)模，就沒(méi)有數(shù)據(jù)；沒(méi)有數(shù)據(jù)，大模型就是空中樓閣。

元戎啟行在2026年北京車展上展示的，是一套完整的、自洽的技術(shù)敘事：大模型是自動(dòng)駕駛的唯一出路，物理AI是下一個(gè)十年的主戰(zhàn)場(chǎng)，而車是驗(yàn)證這一切的最佳場(chǎng)景。

這套敘事在邏輯上是成立的，在時(shí)間點(diǎn)上是準(zhǔn)確的。多模態(tài)大模型在2026年初確實(shí)取得了實(shí)質(zhì)性突破，特斯拉已經(jīng)用一千公里MPCI的數(shù)據(jù)證明了這條路徑的可行性。元戎啟行選擇在這個(gè)節(jié)點(diǎn)All in，既有前瞻性，也有現(xiàn)實(shí)基礎(chǔ)。

但故事終究需要路演。三十萬(wàn)存量車中，真正跑通VLA架構(gòu)的有多少？今年目標(biāo)新增百萬(wàn)臺(tái)，又有多少能搭載新方案？賬面上的量，不等于落地的質(zhì)。再看競(jìng)爭(zhēng)，字節(jié)、小米、理想正在涌入，小鵬已有可見(jiàn)成果，Waymo借Gemini全面轉(zhuǎn)型，特斯拉的領(lǐng)先還在拉大。元戎喊出“物理AI”的終局愿景，但從車到機(jī)器人，是全新的技術(shù)棧、不同的客戶群、倍增的組織難度。這個(gè)跨度，遠(yuǎn)比切換智駕范式更大。

范式切換只是起點(diǎn)，不是終點(diǎn)。接下來(lái)的兩年，才是真正檢驗(yàn)元戎啟行的時(shí)刻——它的VLA模型能否在城市道路上穩(wěn)定跑出千公里級(jí)別的MPCI，它的客戶能否接受并持續(xù)搭載它的方案，它的數(shù)據(jù)飛輪能否真正轉(zhuǎn)起來(lái)，它的物理AI愿景能否從車延伸到更廣闊的物理世界。

這些問(wèn)題的答案，不在發(fā)布會(huì)PPT里，而在路上。