元戎启行CEO周光：基座模型让认知再次进化

    本报记者 刘钊

    4月12日，在车百会研究院主办的智能电动汽车发展高层论坛（2026）上，元戎启行CEO周光围绕辅助驾驶技术演进、量产落地和基座模型最新进展作出分享。随着城市NOA加快上车、端到端和多模态持续推进，辅助驾驶已从“有没有”进入“好不好用、用户愿不愿意常用”的新阶段。站在这一节点上，企业竞争的重心，正由单点功能比拼转向系统能力比拼。    

    公司供图

    过去几年，国内辅助驾驶产业快速发展，技术路线不断迭代，整车搭载规模持续扩大。但与此同时，行业也面临新的现实问题：算力上去了，投入增加了，量产车型多了，消费者却并未普遍把城市辅助驾驶当作高频使用的日常工具。围绕这一现象，周光给出的判断是，问题并不只是出在局部算法优化上，更深层次的原因，在于小模型路径的能力边界正在显现。

    “辅助驾驶正在从功能升级走向认知升级，从执行系统走向智能系统。”周光表示，下一阶段辅助驾驶竞争的关键，不再只是算法优化，而是系统认知能力的进化。也正因此，元戎启行正在推动辅助驾驶从小模型范式向基座模型范式切换，以期让系统在复杂场景中具备更稳定、更持续的进化能力。

    从小模型迭代走向基座模型重构        

    在周光看来，过去小模型方案推动了辅助驾驶早期量产落地，但随着场景复杂度不断提升，其短板也愈发明显。他在演讲中提到，行业中普遍存在“跷跷板效应”：同一套系统，早上跑得好，中午可能变差；在一个城市表现不错，换一个城市又可能失灵。某个版本强化了部分能力，下一个版本却可能在别的场景里出现退步。

    “要真正解决问题，必须全面走向大模型、走向基座模型。”周光表示，辅助驾驶下一阶段比拼的已不只是感知能力或简单的端到端，而是整体认知能力的进化。按照他的划分，当前辅助驾驶系统本质上包含Driver、Analyst和Critic三种角色，即执行驾驶、理解分析和行为评估。过去，这些能力往往彼此分散；如今，则需要统一沉淀到同一个基座模型中。

    在这一体系下，辅助驾驶将不再只是“执行系统”，而是迈向“认知系统”。周光认为，基座模型不仅要会开车，还要理解为什么这样开，并评估是否开得更好。过去半年到一年，元戎启行已围绕这一方向重构研发体系，推动模型Scaling与数据Scaling同步前进，打造40B基座模型，力争实现辅助驾驶能力的系统性提升。

    与此同时，基座模型也在改写数据闭环效率。按照周光介绍，传统流程从问题发现、归因分析到数据挖掘与标注，周期通常需要5天以上；引入AI Orchestrator后，整个闭环周期已缩短至约12小时。对辅助驾驶企业来说，这意味着研发效率提升，更意味着每一次问题修正都能更快沉淀为模型能力，进而推动系统持续进化。

    从规模化落地走向高频化使用        

    技术路线的价值，最终还要落到量产成绩和用户体验上。周光披露，截至目前，元戎启行已累计交付近30万台搭载城市NOA功能的量产车；过去一年，累计行驶里程超过13亿公里，用户使用时长超过4480万小时，避免前向潜在碰撞事故14.1万次，避免后向潜在碰撞事故4.7万次。这些数据既是系统安全能力的现实验证，也是基座模型持续训练的重要基础。

    不过，周光也指出，当前行业仍存在明显“落差”：市场规模持续扩大，芯片算力提升至更高水平，但城区NOA用户黏性仍在20%至30%区间，城区NOA渗透率仅15%左右。换言之，辅助驾驶虽然越来越“可用”，却还没有真正走到“爱用”的阶段。

    “如何让辅助驾驶从‘可用’走向‘爱用’乃至‘依赖’，是下一阶段必须解决的问题。”在周光看来，这背后仍是技术问题。只有真正解决系统在复杂长尾场景中的稳定性问题，让用户在不同城市、不同时间、不同路况下都能建立一致预期，辅助驾驶才可能从展示型功能变成日常出行工具。

    基于基座模型，元戎启行正尝试构建统一底座下的多元产品矩阵，覆盖100 TOPS经济型方案、500 TOPS高性能方案及上千TOPS Robotaxi场景方案，以适配不同平台和车型需求。所有产品共享同一基座模型，量产车真实道路数据持续回流，形成更强的数据飞轮。周光坦言，真正的关键不只是提升芯片算力，而是“如何让大模型变得更好，而不是让700 TOPS的芯片跑出的效果和100 TOPS差不多”。

    面向2026年，元戎启行计划推动城市NOA量产交付规模突破100万辆，将MPCI指标提升至1000公里以上，并推动用户高频使用率提升至50%以上。与此同时，2026北京车展期间，元戎启行首席科学家阮翀也将首次公开演讲，系统分享公司在基座模型方向的最新技术进展与核心成果。

（编辑 张文玲）