來源：市場資訊

（來源：芝能汽車）

2026年的中國智能輔助駕駛的競爭越發(fā)激烈，從頭部新勢力自研，到華為、Momenta、地平線、卓馭、輕舟和元戎等輔助駕駛第三方企業(yè)來拓展市場。

從技術(shù)層面正在從端到端的大力出奇跡，“依賴數(shù)據(jù)覆蓋的工程問題”，轉(zhuǎn)向“基于物理世界建模的基礎(chǔ)模型問題”。

對于第三方企業(yè)，如何在技術(shù)方向和成本結(jié)構(gòu)上找到自己的路，很重要。

卓馭通過原生多模態(tài)基礎(chǔ)模型，試圖用一套統(tǒng)一的移動智能基座打穿跨車型、跨場景、跨垂類、跨國家的智能移動能力，來找到自己的前路。

01

智能輔助駕駛

從工程問題走向世界建模問題

智能輔助駕駛過去十年的技術(shù)路徑，本質(zhì)可以分為三代：

◎ 第一代是基于規(guī)則與高精地圖的小模型體系，本質(zhì)是專家系統(tǒng)，通過人為編碼與規(guī)則約束實現(xiàn)安全與可控，但泛化能力極弱，必須依賴“開城”逐步適配；

◎ 第二代是端到端中模型，通過數(shù)據(jù)驅(qū)動將感知、預(yù)測與決策部分融合，通用能力顯著提升，但其本質(zhì)仍是對駕駛行為的擬合，在跨地域、跨場景時依然高度依賴數(shù)據(jù)覆蓋；

◎ 而當(dāng)前正在發(fā)生的第三次技術(shù)變化，是以原生多模態(tài)基礎(chǔ)模型為代表的大模型，核心變化從“更大”的模型轉(zhuǎn)向更智能，建模對象從“駕駛行為”轉(zhuǎn)向“物理世界本身”。

即通過統(tǒng)一表征學(xué)習(xí)物體運動、交互邏輯與空間約束，使智能輔助駕駛從一個依賴工程適配的問題，轉(zhuǎn)變?yōu)橐粋€世界建模問題。

中國智能輔助駕駛企業(yè)需要在競爭下拿到更多的載體，大規(guī)模出海拓展裝機量。

面對東南亞、歐洲等復(fù)雜且差異化顯著的交通系統(tǒng)，傳統(tǒng)“逐城適配”的方式成本無法承受；

智能輔助駕駛從乘用車開始，向商用重卡、客車、無人物流車、Robotaxi等多垂類擴展，不同載體在動力學(xué)與使用場景上的差異，使得“為每一種車重做一遍”的模式不可持續(xù)；

隨著行業(yè)進入規(guī)模化階段，成本成為決定性因素，如果不能在底層實現(xiàn)統(tǒng)一建模，智能輔助駕駛將長期停留在“項目制行業(yè)”，無法形成真正的平臺化能力。

02

原生多模態(tài)基礎(chǔ)模型

改變了什么

從技術(shù)底層來看，原生多模態(tài)基礎(chǔ)模型的變化并不是簡單的“從V到A去掉語言”，而是發(fā)生在三個更深層的維度：

◎ 首先是在表征層，傳統(tǒng)VLA體系需要將視覺信息轉(zhuǎn)譯為語言或語義token再進行推理，這一過程不可避免帶來信息損耗與延遲，

而原生多模態(tài)模型通過地圖等統(tǒng)一表征的輸入，消除了語義翻譯帶來的延遲與信息損耗，實現(xiàn)語義與物理理解的高度統(tǒng)一，沒有“拼接感”，從而擁有更高的性能天花板與更強的泛化能力。

◎ 其次是在學(xué)習(xí)目標(biāo)上，從過去的“預(yù)測人類駕駛行為”轉(zhuǎn)向“預(yù)測物理世界狀態(tài)轉(zhuǎn)移”，即模型不再只是模仿駕駛，而是理解物體如何在三維空間中運動與交互，從而直接輸出可行的運動軌跡；

◎ 最后是在數(shù)據(jù)結(jié)構(gòu)上，原生多模態(tài)基礎(chǔ)模型的技術(shù)內(nèi)核，是在底層完成對物理世界通用規(guī)律的預(yù)訓(xùn)練，支持視頻、文本、動作、語音、地圖等多模態(tài)信息的統(tǒng)一表征輸入。

除智能駕駛專屬數(shù)據(jù)外，還覆蓋互聯(lián)網(wǎng)數(shù)據(jù)及各類移動機器人數(shù)據(jù)，形成以移動傳感器為中心的海量數(shù)據(jù)訓(xùn)練體系。

通過預(yù)訓(xùn)練階段的海量跨領(lǐng)域、跨國家知識輸入，使模型能夠?qū)W習(xí)更通用物理規(guī)律，在不同垂類和地域中僅需簡單激活即可高效運作。

這種變化帶來的直接結(jié)果，是泛化能力的來源發(fā)生改變。

過去泛化依賴數(shù)據(jù)覆蓋，即“見過才能做”，而在新的范式下，泛化更多依賴于對世界規(guī)律的抽象能力。

可以理解為“理解了就能做”，其本質(zhì)可以概括為：泛化能力等于統(tǒng)一表征能力、數(shù)據(jù)多樣性以及物理約束一致性的共同作用，這也是為什么行業(yè)開始強調(diào)“世界模型”和“物理AI”，因為只有在這個層面，跨場景、跨垂類的能力遷移才具備工程上的可行性。

在能力層面：

◎ 原生多模態(tài)基礎(chǔ)模型首先改變的是跨城市泛化方式，傳統(tǒng)方案需要針對每一個城市進行交通規(guī)則、道路結(jié)構(gòu)與標(biāo)識系統(tǒng)的適配，本質(zhì)上是在“記憶環(huán)境”。

而新的模型通過學(xué)習(xí)交通行為的抽象規(guī)則，實現(xiàn)對不同城市交通系統(tǒng)的統(tǒng)一理解，使新城市部署從“重新訓(xùn)練”轉(zhuǎn)變?yōu)椤爸苯舆w移”，盡管并非完全零成本，但泛化成本已經(jīng)從線性下降到接近常數(shù)級；

◎ 其次是在跨垂類層面，卓馭強調(diào)同一套模型可覆蓋乘用車、商用重卡、客車等不同載體。

這背后的關(guān)鍵并非簡單復(fù)用，而是在模型中統(tǒng)一完成感知與決策，而將控制層進行參數(shù)化解耦，使模型學(xué)習(xí)的是“如何在物理空間中規(guī)劃安全軌跡”，而不是“如何駕駛某一類車輛”，從而具備跨動力學(xué)系統(tǒng)的遷移能力；

◎ 最后是在跨國家與復(fù)雜場景層面，通過引入跨區(qū)域、多密度交通數(shù)據(jù)，模型能夠在不同分布之間保持穩(wěn)定表現(xiàn)，盡管極端長尾場景仍需少量校準(zhǔn)，但整體泛化成本已經(jīng)出現(xiàn)非線性下降趨勢。

03

從項目制到平臺化

的成本函數(shù)變化

技術(shù)的變化決定了能力上限，真正的價值體現(xiàn)在成本結(jié)構(gòu)的重構(gòu)上。

傳統(tǒng)智能輔助駕駛本質(zhì)是項目制邏輯，每進入一個新城市或新車型，都需要重新進行數(shù)據(jù)采集、規(guī)則適配與驗證，其成本函數(shù)近似為“場景數(shù)量 × 車型數(shù)量”的線性增長。

而在原生多模態(tài)基礎(chǔ)模型框架下，成本結(jié)構(gòu)發(fā)生根本變化：前期需要投入巨大的固定成本用于預(yù)訓(xùn)練，包括算力、數(shù)據(jù)與算法，但一旦模型建立，其在不同場景、不同載體上的部署成本將迅速下降，邊際成本趨近于零，從而形成類似操作系統(tǒng)或云平臺的規(guī)模效應(yīng)。

卓馭的策略也變得清晰，通過跨垂類（乘用車、商用重卡、客車、Robotaxi）、規(guī)?；慨a(chǎn)（超過50款車型、130+項目），從而加速模型收斂，并在更短時間內(nèi)攤薄基礎(chǔ)模型的固定成本。

這種路徑一旦成立，將形成明顯的結(jié)構(gòu)性優(yōu)勢，即后進入者不僅要追趕模型能力，還要追趕數(shù)據(jù)規(guī)模與成本曲線。

在產(chǎn)業(yè)層面，原生多模態(tài)基礎(chǔ)模型并不能獨立成立，其必須依賴真實場景中的規(guī)?；炞C與數(shù)據(jù)回流。

因此卓馭在本次發(fā)布會中強調(diào)與34家客戶的合作，通過多車型、多場景的量產(chǎn)驗證，形成持續(xù)的數(shù)據(jù)飛輪，同時驗證模型在不同工程條件下的穩(wěn)定性。

這一點對于大模型路線尤為關(guān)鍵，因為只有在真實道路環(huán)境中持續(xù)運行，模型才能不斷逼近物理世界的復(fù)雜性，從而完成從“技術(shù)閉環(huán)”到“產(chǎn)業(yè)閉環(huán)”的躍遷。

小結(jié)

如果說過去十年，智能輔助駕駛的競爭是“誰能把一個城市做好”，那么未來十年，競爭將變成“誰能用一套模型，在最多場景中穩(wěn)定運行”。

在這個過程中，行業(yè)將逐漸分化為兩類公司，一類仍停留在場景工程與局部優(yōu)化層面，另一類則通過基礎(chǔ)模型與數(shù)據(jù)飛輪演化為“移動物理AI基礎(chǔ)設(shè)施”，而卓馭此次發(fā)布的原生多模態(tài)基礎(chǔ)模型，也是一次重要的嘗試。