登录
首页 > 本田汽车 > 从“开城泛化”到“开箱即用”|卓驭用移动物理AI完成智能辅助驾驶战略升维

从“开城泛化”到“开箱即用”|卓驭用移动物理AI完成智能辅助驾驶战略升维

发布时间:2026-05-04 16:06:47 发布用户: keduo

在智能驾驶进入规模化竞争的今天,行业真正需要回答的问题,已经不再是“能不能把某一款车、某一座城、某一条路线做通”,而是如何让智能能力跨车型、跨区域、跨垂类、跨场景稳定复用。

过去数年,高阶智驾的产业叙事很大程度上围绕“开城”展开:谁先进入更多城市,谁就拥有更强的用户心智;谁能更快完成路测、标注、适配和泛化,谁就更接近商业化临界点。

但当竞争走向纵深,行业也逐渐意识到,“开城”本身并不等于真正的智能普及。它背后对应的是高昂的工程成本、漫长的场景积累,以及对不同道路、不同规则、不同驾驶文化的重复适配。对于一家希望服务多车企、多车型、多国家、多移动载体的技术供应商而言,如果每拓展一个新市场、每进入一个新垂类,都要重新泛化一遍,那么智能驾驶的规模化就会被锁在“项目制交付”的旧逻辑里。

这也是卓驭科技在2026北京车展“智能一切移动”技术发布会上提出“移动物理AI”的行业意义所在。它不只是对既有智能辅助驾驶能力的升级,而是把问题从“如何把智能装进车里”,推进到“如何让智能成为物理世界的通用能力”。

|01

智驾上半场的答案,正在成为下半场的瓶颈

智能驾驶早期发展,建立在相对清晰的技术分工之上:感知模型负责识别环境,高精地图提供先验信息,规则算法完成决策规划,控制系统负责车辆执行。这一套架构让智驾功能从无到有,也推动高速NOA、城市NOA、自动泊车等功能加速普及。

但传统专家模型的局限同样明显。它更像是由大量子系统拼接起来的工程体系,每个模块都可以针对特定任务优化,却难以形成对物理世界统一、连续、可迁移的理解。面对一座新城市、一种新道路形态、一组新的交通参与者,系统往往需要重新采集数据、重新调参、重新验证。行业所说的“开城”,本质上正是这种重复泛化工程的外显结果。

随后,端到端中模型开始改善这一问题。相较传统小模型,它让感知、预测、规划之间的链路更短,通用能力也明显增强。可以说,行业已经从依赖大量规则和分模块调试,逐步走向数据驱动的一体化学习。但对于真正的大规模商业化而言,这仍然不够。

因为智驾的边界正在扩大。它不再只发生在乘用车上,也不只发生在一二线城市的结构化道路上。它正在进入重卡干线物流、城市配送、公共交通、Robotaxi、无人物流车,甚至更广泛的“可移动载体”。不同载体对应的车辆尺寸、动力学特征、运行区域、风险偏好和商业模式都不同。如果仍然依赖逐一适配,行业就很难从“项目交付”进入“平台复制”。

卓驭此次提出的判断是:传统小模型方案通用基础能力有限,需要大量开城泛化才能达到可用水平;端到端中模型虽然将基础能力大幅提升,但面对跨垂类、跨地域拓展时,最后一段泛化成本仍然难以线性收窄。换句话说,智驾下半场真正要突破的,不只是单点功能的天花板,而是通用能力迁移的成本结构。

|02

移动物理AI,从“车上功能”到“通用能力”

图片

卓驭给出的新答案,是“移动物理AI”。在移动物理AI的框架下,智能被定义为物理世界的通用能力,能够被乘用车、商用重卡、客车、无人物流车、Robotaxi等不同移动载体共享。

这个基座需要理解物理空间中物体如何运动,交通参与者如何交互,道路规则如何约束行为,车辆自身如何完成安全执行。它关注的不只是“看见了什么”,而是“在真实世界中,接下来会发生什么,以及应该如何行动”。

卓驭发布首个面向移动物理AI的原生多模态基础模型。这一模型的核心,不是把视频、文本、动作、语音、地图等能力进行后期拼接,而是在底层训练框架中实现多模态统一表征,让模型提前学习物理世界的通用规律,包括物体占位网格的动态变化、运动矢量的延展规律、交通参与者之间的交互意图,以及不同国家和地区道路规则背后的共性逻辑。

这套模型真正指向的,是Zero Shot零数据知识迁移的愿景:在跨垂类、跨地域、跨应用场景时,尽可能减少重新训练和重复泛化,让能力从“每个场景重做一遍”转向“一套模型全域复用”。这正是“开箱即用”的技术含义。

|03

一套模型全域复用,背后是全栈能力的再组织

任何新的技术范式,最终都要回到工程落地。移动物理AI要成立,不能只停留在模型层面,还必须拥有从基础模型、算法系统、硬件方案到整车适配、量产交付的全链路能力。

卓驭的优势在于,它并不是在单一垂类中验证模型,而是在多个移动场景中同步推进落地。在乘用车领域,卓驭实现了“油电同智、中外同频、舱驾同芯、行泊同优”的全覆盖,无论油车还是电车、自主品牌还是合资品牌,均可共享同一梯队的智能化体验,累计定点车型达到三位数,其中50多款已正式量产落地。

在商用重卡领域,卓驭已覆盖重卡Top 6品牌,商用重卡与乘用车不同,车辆制动距离更长,运营时间更高,安全冗余和系统稳定性要求更严。能够进入这一垂类,说明智能辅助驾驶能力正在从消费级体验走向生产力工具。

在客车领域,携手客车头部品牌宇通客车联合开发面向商用客车的NOA智能驾驶解决方案。

在无人场景,卓驭还联合生态伙伴推进Robotaxi研发落地,并计划开启试运营;在无人物流车领域,卓驭已联合行业头部运营方与主机厂,共同构建全链路城配物流解决方案,计划于今年7月启动试运营。

Copyright 2017-2026 趣味课堂 版权所有