昨日（9月29日），元戎啟行CEO周光在2024全球智能汽車產業大會（GIV）上表示，該公司已與多家主機廠合作，共同推進十余款智能駕駛汽車的量產。

“目前，我們與多家主機廠的多款車型都開始了合作，已有超過萬輛車下線。”同時他預計，五年后這一數量將達百萬級。

而同時，元戎啟行（以下簡稱「元戎」）也在積極探索Robotaxi的規模化運營。

周光表示，搭載元戎方案的其中一款量產車型，在近期登上了周銷榜首。該車型銷量最好的區域主要在二三線城市，而越是像這種復雜、少圖的場景，越能體現出元戎方案的優勢。

“各家企業的端到端方案都有所不同，其中有兩段式也有一段式，但端到端只是進入智駕下個階段的入場券。”

據他介紹，目前元戎啟行正基于Thor芯片研發VLAM（Vision-Language-Action Model，視覺-語言-動作模型），該系統將于明年推出。

通過VLAM，元戎啟行的智能駕駛系統可以連接視覺、語言、動作，能識別和描述道路環境、交通標志、道路參與者等，理解交通場景中復雜的交互事件、隱藏的語義信息和邏輯推理。

也就是說，即便碰到罕見路標跟邊緣場景，系統也能有高效的場景泛化能力和穩定的駕駛表現。

在今年3月，元戎發布了端到端無圖方案，4月份推出了高階智駕平臺DeepRoute IO，僅需一顆Orin X就可做到「全國都可開」。

“現在,不管是幾線城市，還是國道鄉道，都能激活我們的智能駕駛系統。”

周光指出，早在2017年，元戎就提出了感知的前融合，感知能力一直是其強項之一。如今，經過端到端的數據訓練，使得系統可以處理大量非規則、非結構化的場景，例如弱車道線、施工場地、異形障礙物等物體場景的識別，都是通過端到端系統的訓練達成。

不過周光也透露稱，上半年，在做端到端的泛化過程中，其實也遇到了很多問題。

“目前的一段式端到端，在處理原始數據的過程中，還是存在結構化的抽象。這是一個BEV架構帶來的問題，因為將3D事件投映到2D平面上，會產生大量的信息損失。”

他表示，元戎基于英偉達的Thor開發了Vision Transformer架構下的VLAM，上限會更高，也會更加擬人。

同時他也指出，針對新的架構，元戎的數據采集形式也有所變化——從單純做感知標注，一直延伸到行為級層面的標注，這意味著整個技術棧的巨大變化。

“這可以讓系統由傳統的Debug形式，變成了嵌入Thor的技術棧，這是非常大的提升。我們搭載Thor平臺的軟件會在明年上車，會實現質的飛躍。”

周光透露，明年，這套VLA模型的端到端方案就會上市，同時預計元戎的歐洲運營中心也會開啟，屆時也希望幫助車企進行海外布局。

“我們期待5年以后，能夠有百萬臺的AI汽車搭載元戎系統。我認為這是真正的基點，也是下一個端到端階段的入場券。”