2026年北京車展期間，輕舟智航聯(lián)合創(chuàng)始人、董事長兼CEO于騫博士與CTO李棟接受媒體專 訪。圍繞公司向物理AI轉(zhuǎn)型的戰(zhàn)略選擇，二人詳細闡述了自動駕駛與世界模型的關(guān)系、輕舟在大算力方案與量產(chǎn)交付中的差異化路徑，并回應(yīng)了關(guān)于L3/L4、芯片帶寬、Robotaxi商業(yè)化等熱點問題。

以下為采 訪實錄精編。

▍轉(zhuǎn)型物理AI，輕舟有什么優(yōu)勢

媒體提問：很多大模型公司也在提物理AI，他們有大量資金、算力和人才。輕舟的優(yōu)勢是什么？

于騫：數(shù)字世界的AI已經(jīng)取得了很大進展，但物理世界AI才剛剛起步，連類人智能都沒達到。自動駕駛是真正在跟物理世界做交互，這是物理AI最大規(guī)模、最快落地的場景。

物理AI的大范圍普及，可能還需要兩到三個重大技術(shù)突破，不是單純堆資源就能解決的。OpenAI和DeepSeek起步時資源也很少，如果只看資源決定趨勢，這個世界會很無趣。

我們基于對物理世界的理解判斷，現(xiàn)在進入了面向通用物理AI的重要階段。如果你的世界模型連自動駕駛都解決不了，更解決不了機器人。自動駕駛數(shù)據(jù)不成問題，工程化、產(chǎn)品形態(tài)已經(jīng)比較完整。物理AI的大范圍落地應(yīng)該在自動駕駛領(lǐng)域，而不是其他領(lǐng)域。

媒體追問：大模型公司要做這個，跟我們是同一回事嗎？

于騫：很大程度不是一回事。

李棟：語言模型的數(shù)據(jù)比較勻質(zhì)，文字都能轉(zhuǎn)成Token。但物理世界的本體數(shù)據(jù)非常稀缺，不同機器人數(shù)據(jù)不一樣，自由度也不同。

自動駕駛數(shù)據(jù)量大、勻質(zhì)，訓(xùn)練世界模型有天然優(yōu)勢。我們對世界幾何的理解能力有一定通用性，至少先把路上的問題解決掉。

現(xiàn)在的新范式是從海量互聯(lián)網(wǎng)視頻中學(xué)物理知識，Research有進展，我們也在探索。這一塊空間很大，不是單純堆資源就能壟斷的。

▍世界模型與量產(chǎn)：沒有開源，用國產(chǎn)芯片做出越級體驗

媒體提問：各家是自己做基座模型，還是基于開源模型？

于騫：現(xiàn)在沒有開源的。

李棟：不存在一個統(tǒng)一的、拿來就能用的開源模型。大家會借用不同開源模型的能力補充特定環(huán)節(jié)，比如圖像生成、自動駕駛場景，然后組合成最優(yōu)解法。

媒體提問：世界模型現(xiàn)在處于什么水平？

李棟： 在自動駕駛領(lǐng)域，已經(jīng)處于應(yīng)用階段，接近量產(chǎn)。車端和云端的世界模型已用于生產(chǎn)，生成稀缺數(shù)據(jù)輔助訓(xùn)練。但在高自由度、高復(fù)雜度的環(huán)境里，還在研究階段。自動駕駛是物理AI落地最快的基礎(chǔ)。

媒體提問：除了地平線J6芯片，還有哪些因素讓輕舟的搭載量快速上升？領(lǐng)先窗口能維持多久？

于騫：市場競爭很激烈，我們不斷革自己的命，推陳出新，滿足消費者對安全、舒適、便捷的需求。

我們是所有L4智駕公司里第一個全力支持國產(chǎn)化芯片的。我們不是搞同質(zhì)化芯片，而是用國產(chǎn)芯片做出越級體驗。100多TOPS算力，之前大家覺得能把高速NOA做好就不錯了，我們是第一個把它大規(guī)模量產(chǎn)、達到越級體驗的企業(yè)。

國產(chǎn)芯片早期供應(yīng)鏈不成熟，我們付出了比用海外芯片更大的努力。我們和地平線是戰(zhàn)斗的友誼。

我們卷的是用戶價值，不是算力。今天發(fā)布的500+TOPS方案，目標是達到1000-2000TOPS的體驗。我們不會停下來，L4、物流、Robotaxi會持續(xù)往前走。

▍L2/L3/L4：別被標簽綁架，用戶價值才是關(guān)鍵

媒體提問：L3現(xiàn)在更像營銷標簽，還有實際意義嗎？

于騫：L3有價值，但如果只能在某一段路開，價值不夠。如果L2+產(chǎn)品足夠安全可靠，事故少了，保費就會下降?，F(xiàn)在沒體現(xiàn)是因為滲透率太低，保有量大了以后保險上一定能體現(xiàn)出來。

不要糾結(jié)L2、L3、L4，關(guān)鍵是創(chuàng)造了多大的用戶價值，而不是宣傳。不是說L3就比L2強，L3就那么點路口，全社會范圍內(nèi)價值有限。

李棟：L2在L3適用場景的接管率已經(jīng)很高。L3更多是責(zé)任轉(zhuǎn)移，體驗差異不明顯，還要額外增加成本。L2能力不斷增強，體驗差距會更明顯。

媒體提問：大模型公司想賦能千行百業(yè)。有人說連自動駕駛都做不好，更做不好機器人。你怎么看？

于騫： 大語言模型在數(shù)字世界很強，但物理世界的交互研發(fā)范式差異很大。我們擁抱技術(shù)，但創(chuàng)新要為消費者創(chuàng)造用戶價值。

ChatGPT以聊天為入口，DeepMind以游戲為入口，都開啟了各自的時代。自動駕駛很可能成為物理AI的入口——你連四個輪子的非接觸交互都搞不定，更難搞定更高自由度的機器人。

▍技術(shù)突破與競爭壁壘：世界模型+強化學(xué)習(xí)，不怕大廠

媒體提問：那兩三個技術(shù)突破具體是什么？VLA是必須的嗎？

于騫：很大可能就是世界模型+強化學(xué)習(xí)，能讓物理世界應(yīng)用有非常大的提升。

媒體追問：不需要VLA？

于騫：VLA有利于端側(cè)和語言經(jīng)驗融合，但不根本，和世界模型不矛盾。

李棟： 語言模型有獨特的深度思考能力，特殊場景下能賦能整個系統(tǒng)。但當(dāng)前最大卡點不是理解語言，而是理解物理世界的材質(zhì)、運動規(guī)律。未來當(dāng)物理理解成熟后，對語言和長深度思考的需求會更強。兩者是一體的。

媒體提問：很多公司都說用世界模型+強化學(xué)習(xí)，還有什么非共識的地方？

于騫： 去年大家喊VLA時，我們沒跟風(fēng)。我們有自己的技術(shù)判斷。世界模型的路線遠未收斂，楊立昆、李飛飛等流派都在探索，學(xué)術(shù)上都沒共識，更別說工程落地。輕舟很克制，不追新。

媒體追問：世界模型能帶智能駕駛走向終局嗎？

于騫： 是重要方向，會大大加速研發(fā)，但不是唯一的，后面還有很多工作。

媒體提問：物理AI可能同質(zhì)化，輕舟面對字節(jié)、谷歌的獨特性在哪？

于騫：字節(jié)、阿里不做自動駕駛。物理AI恰恰相反，數(shù)字大語言模型已經(jīng)收斂到少數(shù)幾家，但物理AI還需要兩三個重大技術(shù)突破，遠未同質(zhì)化。

▍芯片帶寬與Robotaxi：當(dāng)前瓶頸不在算力，技術(shù)是核心

媒體提問：特斯拉因帶寬問題無法推送無監(jiān)督FSD。當(dāng)前芯片帶寬對L4夠不夠？

李棟： 帶寬在部署大模型時確實有挑戰(zhàn)，但不是最核心的卡點。我們在Thor上通過技術(shù)手段繞過了帶寬和內(nèi)存限制。至少對我們而言，帶寬不是L4的主要瓶頸。

媒體提問：有公司已在中東商業(yè)化運營，強調(diào)降本。輕舟為什么仍認為技術(shù)是關(guān)鍵？

于騫： Robotaxi一定會來，但必須經(jīng)過量產(chǎn)和大規(guī)模驗證。我們更聚焦于提升AI大腦的能力。所有Robotaxi都長得像量產(chǎn)車。

媒體提問：L2到L4最關(guān)注的核心指標是什么？

李棟： 核心是模型的駕駛能力支撐的運營成本。L4減去L2，關(guān)鍵是一個人能看多少輛車。去年百臺車級別，今年千臺到萬臺。單臺車千公里級接管水平。不同環(huán)境難直接比，但這最反映模型能力。

▍L4方案下放L2：技術(shù)同源，產(chǎn)品形態(tài)不同

媒體提問：有友商把L4方案用在L2車上，你們怎么看？

于騫：我認同這種方式。我們的Robotaxi外觀就是普通車。L4會加傳感器、計算等硬件冗余，但底層能力同源，只是模型capacity更大、算力更大。核心原則：不能量產(chǎn)的方案我們不做。

本質(zhì)上是產(chǎn)品形態(tài)的區(qū)別，不是技術(shù)路線的區(qū)別。

媒體提問：乘風(fēng)Max的世界模型部署在云端還是車端？

于騫： 當(dāng)然是車端，所有安全性的東西必須在車端。

李棟： 云端和車端都有。云端離線生產(chǎn)數(shù)據(jù)，車端實際駕駛。

媒體提問：目標市場和客戶情況如何？

于騫：潛在客戶很多。去年高速NOA普及，今年100-200TOPS城市NOA成主流，明年500+TOPS開始標配。目標15-20萬級別車型，未來10-20萬的車也能有越級體驗。

媒體提問：需要多大的出貨量才能留在牌桌上？

于騫： 技術(shù)不能停。做完100-200TOPS，還要做500+TOPS，奔向通用物理AI。出貨量很重要，但要靠真實的量產(chǎn)落地，不是靠PPT。

李棟：沒有絕對數(shù)字。量多但技術(shù)不進步，優(yōu)勢也會減少。歸根到底是做得又快又好。

返回第一電動網(wǎng)首頁 >