【EV視界報道】在智能駕駛技術加速演進的浪潮中，車企自研與第三方方案商的博弈愈演愈烈。元戎啟行CEO周光以“物理AI”的前瞻性視角，試圖打破傳統智駕的技術天花板。而在特斯拉的技術代差與本土化突圍的雙重壓力下，周光如何在商業化與技術理想主義之間找到平衡？在近日舉辦的2025中國電動汽車百人會論壇上，EV視界專訪了元戎啟行創始人周光，共同探討智能駕駛的發展與未來。

當智能駕駛技術進入規模化量產階段，車企自研趨勢愈發明顯。面對這一挑戰，周光坦言：“車企自研更多集中在中低階功能，高階智駕仍需時間積累。元戎的核心優勢在于技術深度與物理AI的前瞻性布局。”他進一步解釋，高階自動駕駛需要海量數據閉環、訓練體系以及跨領域人才儲備，而這些并非短期內能夠復制。元戎將自身定位為“物理AI公司”，而非傳統智駕方案商，其RoadAGI產品試圖突破專家系統局限，構建從感知到決策的通才模型。“智駕只是物理世界AGI的第一個落地場景，我們的目標是推動AI從工具向通用智能進化。”

談及特斯拉FSD的技術領先性，周光承認：“V13架構確實在技術代差上領先行業，但中國市場的特殊性提供了彎道超車的機會。”由于數據采集受限，特斯拉無法直接優化中國場景的訓練集，而元戎通過本土化數據閉環，正在加速追趕。他強調，數據質量而非數量才是端到端架構提升的關鍵。“高質量數據需要與模型迭代同步進化，簡單堆砌數據反而可能拖累算法效率。”元戎正在推進類似V13的架構落地，預計下半年實現技術對齊，同時保持對中國特色場景的適應性。

面對“智駕平權”這一行業熱詞，周光認為降本不能以犧牲技術路徑為代價。“我們不會選擇低算力芯片來妥協AI能力，而是通過多芯片平臺適配實現成本優化。”他透露，元戎將在2024年推出面向中端市場的量產方案，在保證用戶體驗的前提下降低部署門檻。這種策略既滿足商業化需求，又保留技術迭代空間。“真正的平權不是價格戰，而是讓高性能智駕成為行業標配，而不是少數玩家的專利。”

元戎新發布的VLA（視覺動作空間多模型）架構被周光視為從專家到通才的轉折點。“VLA的本質是構建時空統一的認知框架，這為實現L5級自動駕駛提供了底層支撐。”而對于L3的商業化浪潮，他保持審慎態度：“L3的本質是工程問題，AI能力越強，兜底設計越簡單。”他指出，部分車企通過高精地圖實現的“車位到車位”功能實為技術倒退，屬于對工程能力的過度依賴。元戎選擇在保留核心AI能力的基礎上，推出符合市場需求的過渡方案，既不放棄技術追求，也兼顧商業價值。

當被問及算力需求時，周光認為當前行業尚未進入真正的“大模型時代”。“如果連VLA架構都未采用，談算力Scaling Law毫無意義。”他判斷，未來3-5年內車端算力將從100T向1000T演進，而云端訓練算力需求會隨著模型架構升級呈現非線性增長。特斯拉V13已初步采用大模型范式，而國內玩家仍停留在專家系統階段。“端到端是大模型的必然選擇，只有徹底拋棄傳統機器學習范式，才能真正享受技術紅利。”

對于理想汽車對AGI短期商業價值的質疑，周光回應稱：“通才系統與專家系統的研發并非零和博弈。”他以紅綠燈下的鐵軌場景為例，說明通用認知能力對安全性的關鍵作用。“真正的L5需要幼兒園級別的通用理解力，而非僅靠堆疊車道線識別專家。”元戎通過在移動能力領域的垂直整合，既實現技術進化，又保持商業化節奏。“我們的目標是用最小的額外成本，構建物理世界的通用AI基礎設施，而非陷入場景堆砌的陷阱。”

周光將AI發展類比為人類認知進化：從弱專家到通才，再到強專家。“Waymo的局限性在于仍屬于專家系統，而真正的開放世界需要通才模型支撐。”他堅信，智駕行業正在經歷類似語言大模型的技術范式轉移。“只有完成從specialist到generalist的躍遷，才能避免在下一輪技術洗牌中被淘汰。規模效應的前提是進入正確時代，否則數據和車輛數量都是無效資產。”

周光描繪的元戎藍圖，既是對AGI的技術執念，也是對商業現實的清醒認知。在智能駕駛從“炫技”走向“普惠”的關鍵節點，他的選擇是：用通才系統重塑行業規則，同時在商業化浪潮中保持技術定力。當多數玩家還在爭論L2+與L3的優先級時，元戎已然將目光投向了下一代AI的星辰大海——一個屬于“物理世界AGI”的全新時代。