在2025年全球智能駕駛技術競速（參數丨圖片）的關鍵節點，中國電動汽車百人會《汽車智能化發展報告2024》披露了一組引人注目的數據：2024年中國L2及以上輔助駕駛普及率已攀升至55.7%，預計2025年將突破65%。這一增長曲線折射出，自動駕駛技術正在快速滲透消費市場。但元戎啟行CEO周光卻以冷靜視角指出行業發展的深層矛盾——當前智能駕駛系統仍停留在“弱專家系統”階段，距離真正的大模型時代尚有代際差距。

元戎啟行CEO周光

周光認為，智能駕駛的終極目標需要系統對物理世界具備“幼兒園級別的通用理解力”，而非依賴堆砌場景的工程化縫合。

這一論斷直指行業痛點，目前大多數智能駕駛解決方案依然缺乏對復雜物理世界的動態認知能力。周光以元戎啟行最新發布的RoadAGI產品和VLA（視覺語言動作模型）架構為例，闡釋了從“弱專家”向“通才系統”躍遷的技術路徑，并斷言“真正的L5級自動駕駛必須構建時空統一的認知框架。”

大模型時代尚未到來

“今天的智能駕駛遠沒有到大模型時代。”周光表示，用大模型架構來做智能駕駛才叫進入大模型時代，當前的智駕剛開始從弱專家階段往通才階段發展的過程中。

據周光介紹，大語言模型的發展，經歷了從弱專家模型到通才模型，再到強專家模型的過程，其中ChatGPT就屬于通才模型。智駕也會經歷同樣的階段，整個智能駕駛會跟著大模型發展走。目前，智能駕駛產業處于弱專家階段，接下來要實現通才階段，才能達到最后的強系統階段。

周光認為：“要想實現智能駕駛的終極目標，必須對普遍的物理世界有通用的認知，但現在的智駕系統除了可以理解車道線、車、人和部分障礙物，對物理世界的其他場景是零理解。”

什么樣的智駕才算對物理世界有通用認知？以紅綠燈下的鐵軌場景為例：當汽車在火車軌道場景下排隊等紅綠燈時，如果智能駕駛缺乏對通用世界的理解，就會在火車鐵軌上排隊，這必然是不安全的，也不是智能駕駛要達到的最終階段。

“真正的L5級自動駕駛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。”周光表示，“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。”

周光認為，VLA架構是智能駕駛從弱專家到通才的轉折點。談及VLA的重要性，周光強調：“VLA模型是實現完全自動駕駛的必經之路。目前的端到端模型能處理道路上大部分的駕駛路況，但不能理解特殊車道的行駛規則；VLA則能補齊端到端模型的短板，是一位駕駛通才，看得懂語義信息，能理解特殊車道的駕駛規則，見招拆招。只有先成為駕駛通才，才能成為駕駛領域的專家，即實現完全自動駕駛。”

目前，元戎啟行完成了VLA模型的道路測試，并將基于VLA模型打造全系列的智能駕駛系統產品，涵蓋激光雷達方案與純視覺方案，適配多種芯片平臺，預計今年將有超5款搭載VLA模型的車型進入消費者市場。

真正的平權不是價格戰

目前，越來越多的車企開啟自研智能駕駛之路，智能駕駛初創公司是否會因此產生危機感？周光對此進行否認：“目前，車企自研趨勢還是在中階、低階。在高階以及最新的VLA對于車企來說還需要一定的時間。此外，自研智駕并不是那么簡單，需要有大量的人才knowhow、數據knowhow、訓練knowhow。”

針對智駕平權浪潮，周光表示元戎啟行會通過技術實現成本優化，但不會打價格戰。“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。”周光表示：“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。”

周光將元戎啟行定位為一家物理AI公司。“我們希望元戎一直能在物理AI突破。我們衍生的第一個產品可能是智駕，智駕也許是物理AI第一個大規模落地的場景，我們不停地去做更好的AI，直到真正實現AGI，物理世界的AGI。這次我們也發布了自己的RoadAGI產品，希望我們的技術更從專家系統到通才系統這方面的轉變。”

2024年元戎啟行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。“我們既要追求AI的上限，同時也要追求規模化的商業化。我們今年也會有其他的一些solution出來，不同的芯片平臺的支持，可以把成本進一步降低。”

在周光看來，AI能力的提升也會解決L3智能駕駛商業化落地中面對的挑戰，從而降低成本。“用以前的弱專家系統去做L3，可能需要非常大量的工程，需要千人團隊，但用下一代的AI系統，可能只需要百人，體驗可能也會更好。”

針對L3智能駕駛的實現，周光還提出一個值得思考的問題：特斯拉為什么沒有強調要做L3，也沒有做“車位到車位”的智駕功能？

對此，周光的解釋是，國內做“車位到車位”依靠的是高精地圖，技術層面沒有價值，屬于對工程能力的過度依賴。AI能力沒有長進，但用戶覺得有一定價值。“特斯拉不會為了取悅用戶做，而是希望通過技術去解決，真正用AI的能力實現‘車位到車位’。”

在談及未來規劃時，周光表示，元戎啟行將繼續推進RoadAGI戰略，持續在物理AI領域突破，而智駕也許是物理AI第一個大規模落地的場景。“我們會不停地去做更好的AI，直到真正實現物理世界的AGI。”