車東西（公眾號：chedongxi）
作者｜郭月
編輯｜志豪

車東西4月13日消息，日前，元戎啟行CEO周光在智能電動汽車發(fā)展高層論壇（2026）期間接受了包括車東西在內(nèi)的多家媒體采訪，他圍繞Robotaxi的競爭格局、L3是否會被跳過、互聯(lián)網(wǎng)大廠為何紛紛入局智駕以及元戎啟行的商業(yè)化策略等熱點問題給出了看法。

采訪現(xiàn)場，車東西向其提問，近期Robotaxi企業(yè)頻頻出現(xiàn)車輛“趴窩”、乘客被困等問題，如何看待模型能力和運營能力的重要性？

周光回應說，運營體系決定響應速度，模型能力的提升也很重要，“不可能靠先驗信息和規(guī)則來做自動駕駛”。

他認為，Waymo依托Gemini已經(jīng)完成了范式轉(zhuǎn)變，不是所有公司都能跨越這個階段，那些仍停留在舊范式的公司則將面臨嚴峻考驗。

而對于近期關于L3會不會被跳過的爭論，周光認為，大模型、端到端、多模態(tài)的進展，正在極大加速從L2到Robotaxi的進程。

隨著今年年初多模態(tài)技術的突破，城市NOA有望快速演進到Robotaxi階段，不再依賴高精地圖和密集運營，而是依靠基礎認知模型。

他也回應了對元戎啟行業(yè)務從高端車型下沉至十萬級市場的看法。

他認為，技術路線與商業(yè)規(guī)模并不沖突，真正的難點是讓大模型變得更好，而不是把好模型蒸餾到低算力平臺，關鍵在于有沒有更大、更強的基座模型，而不是守著一個小模型打補丁。

以下是此次采訪中的媒體問答實錄，車東西在不改變原意的情況下進行編輯。

1、近期國內(nèi)外Robotaxi企業(yè)都出現(xiàn)了車輛“趴窩”、乘客被困等現(xiàn)象，你怎么看運營能力和模型能力的重要性？

周光：Robotaxi最核心的能力是模型能力的提升，其次是運營技巧——哪些問題需要秒級響應、哪些可以分鐘級響應，這是運營體系的事。

互聯(lián)網(wǎng)大廠非常擅長運營，能夠快速調(diào)度不同層級的人員、遠程接管、現(xiàn)場處置，這個調(diào)度網(wǎng)絡本身也有難度。模型能力的提升也很重要，不可能靠先驗信息和規(guī)則來做自動駕駛。

GPT時代之后，所有人都相信應該由AI驅(qū)動。

Waymo依托Gemini完成了根本性的轉(zhuǎn)變，包括人才體系、技術體系、范式的變更。不是所有公司都能跨越這個階段，我認為這才是難點。

如果還停留在老方法上，不去享受大模型技術溢出帶來的優(yōu)勢，我會比較擔心。

2、當前業(yè)內(nèi)關于L3是否會被跳過的看法不一，你怎么看？

周光：關于L2、L3、L4，這些定義是30年前研究人員基于當時的技術路線制定的。

今天，隨著大模型、端到端、多模態(tài)的發(fā)展，AI進展非?？?，尤其是基座模型的認知能力在提升。我認為大模型會極大加速從L2到Robotaxi的進程。

我說的Robotaxi不是過去依賴高精地圖的L4，而是直接從城市NOA邁向Robotaxi。

我們看到關鍵指標每年快速增長，尤其在大模型介入之后，如果每年一個數(shù)量級的提升，很快就會突破。

L3的本質(zhì)是在模型不完美的情況下，通過人工補丁和工程能力去實現(xiàn)。

而通用自動駕駛的路徑是提高模型的認知能力，這是兩種不同的思路。

今年年初多模態(tài)取得突破，我認為城市NOA會快速演進到Robotaxi階段。研究范式已經(jīng)發(fā)生變化，不再靠運營或高精地圖，而是靠基礎認知模型。

3、前DeepSeek多模態(tài)技術核心研究員阮翀為什么會加入元戎？

周光：阮翀等頂尖人才選擇加入元戎，是因為他們希望經(jīng)營一家真正的AI公司，而不是以Tier1的思維做事。

元戎啟行的愿景就是物理AI。我們在GTC上談物理AI，之前談端到端，基本上一年后大家都開始講這些話題，這體現(xiàn)了元戎啟行的前瞻性。

物理AI的上半場會在車端得到驗證——只有車能提供幾十萬甚至百萬級帶Action的數(shù)據(jù)。如果在車端都不能驗證，憑什么在機器人領域驗證？

小模型的瓶頸已經(jīng)很明顯：蹺蹺板效應非常突出。

唯一解決方案是大模型，依靠通用常識和完整的大模型體系。我們今天說的大模型是全方位的大模型，包括GPT-VLA架構(gòu)、訓練范式的提升，是整個技術棧的下一個臺階。

4、阮翀加入后主要負責哪塊業(yè)務？會帶來哪些具體變化？

周光：他主要負責多模態(tài)和基座模型，以通用形式解決物理AI問題，而不是用非通用的方式。

具體細節(jié)大家可以在北京車展上關注我們的公開亮相。

最近大廠也有動作，大家可以留意，最有錢的AI公司選擇的第一落地場景都是車，目的不是掙錢，而是驗證物理AI本身，這個驗證比掙錢重要得多。

5、如何看待字節(jié)跳動等互聯(lián)網(wǎng)大廠成立自動駕駛部門？

周光：這一現(xiàn)象背后的根本原因是文本突破之后，大模型的下一步是多模態(tài)突破。多模態(tài)離物理世界的Agent只有一步之遙。

要驗證物理AI，還是那個邏輯，只有汽車場景能提供足夠的數(shù)據(jù)，機器人的數(shù)據(jù)量遠遠不夠——本體差異、觸覺、數(shù)據(jù)采集等原因都導致數(shù)據(jù)不足。

所以大廠選擇在汽車領域驗證物理AI是順理成章的。接下來會有更多多模態(tài)進展的公司進入這個領域，美國那邊OpenAI等公司也會有類似動作。

6、你對艙駕一體有什么看法？

周光：關于艙駕一體，更多是帶來體驗上的提升。

用車過程中，用戶希望車具備交互溝通能力，一個“啞巴”車是做不到的，最終要像人一樣，用一個大腦做所有事情。

艙駕一體方面我不說太多。我只強調(diào)一點：你既需要駕駛能力，也需要交互能力。

今天的“艙”不應該是一堆按鈕。我看到車上有一排按鈕就很難受，有的車搞了20個按鈕，不知道按哪個，這不是自然的交互體驗，應該通過自然語言、表情、多種形式交流，而不是靠“點點點”。

7、元戎啟行打法從高端車下沉到十萬級市場，如何平衡規(guī)模與技術前沿？

周光：關于商業(yè)打法，其實技術路線和商業(yè)規(guī)模并不沖突。

真正的難點在于讓大模型變得更好，而不是把好的模型“蒸餾”到低算力平臺。蒸餾這件事已經(jīng)很成熟，問題是參數(shù)量增加3倍，效果卻沒有明顯變好——這才是今天的問題。

如果你只想拼小算力，那是一條路，可以做蒸餾、做量化，也能實現(xiàn)。但要真正提升體驗，必須讓大的模型變好，這是最難的。

只要大模型做得好，就一定能適配不同平臺。關鍵是你有沒有更大、更強的模型，而不是守著一個小模型打補丁。