對(duì)話元戎啟行CEO周光：Robotaxi模型運(yùn)營(yíng)能力缺一不可，L4或加速到來

車東西（公眾號(hào)：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(dòng)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(jìng)爭(zhēng)格局、L3是否會(huì)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(diǎn)問題給出了看法。

采訪現(xiàn)場(chǎng)，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(yùn)營(yíng)能力的重要性？

周光回應(yīng)說，運(yùn)營(yíng)體系決定響應(yīng)速度，模型能力的提升也很重要，“不可能靠先驗(yàn)信息和規(guī)則來做自動(dòng)駕駛”。

他認(rèn)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(gè)階段，那些仍停留在舊范式的公司則將面臨嚴(yán)峻考驗(yàn)。

而對(duì)于近期關(guān)于L3會(huì)不會(huì)被跳過的爭(zhēng)論，周光認(rèn)為，大模型、端到端、多模態(tài)的進(jìn)展，正在極大加速?gòu)腖2到Robotaxi的進(jìn)程。

隨著今年年初多模態(tài)技術(shù)的突破，城市NOA有望快速演進(jìn)到Robotaxi階段，不再依賴高精地圖和密集運(yùn)營(yíng)，而是依靠基礎(chǔ)認(rèn)知模型。

他也回應(yīng)了對(duì)元戎啟行業(yè)務(wù)從高端車型下沉至十萬級(jí)市場(chǎng)的看法。

他認(rèn)為，技術(shù)路線與商業(yè)規(guī)模并不沖突，真正的難點(diǎn)是讓大模型變得更好，而不是把好模型蒸餾到低算力平臺(tái)，關(guān)鍵在于有沒有更大、更強(qiáng)的基座模型，而不是守著一個(gè)小模型打補(bǔ)丁。

以下是此次采訪中的媒體問答實(shí)錄，車東西在不改變?cè)獾那闆r下進(jìn)行編輯。

1、近期國(guó)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(yùn)營(yíng)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(yùn)營(yíng)技巧——哪些問題需要秒級(jí)響應(yīng)、哪些可以分鐘級(jí)響應(yīng)，這是運(yùn)營(yíng)體系的事。

互聯(lián)網(wǎng)大廠非常擅長(zhǎng)運(yùn)營(yíng)，能夠快速調(diào)度不同層級(jí)的人員、遠(yuǎn)程接管、現(xiàn)場(chǎng)處置，這個(gè)調(diào)度網(wǎng)絡(luò)本身也有難度。模型能力的提升也很重要，不可能靠先驗(yàn)信息和規(guī)則來做自動(dòng)駕駛。

GPT時(shí)代之后，所有人都相信應(yīng)該由AI驅(qū)動(dòng)。

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

如果還停留在老方法上，不去享受大模型技術(shù)溢出帶來的優(yōu)勢(shì)，我會(huì)比較擔(dān)心。

2、當(dāng)前業(yè)內(nèi)關(guān)于L3是否會(huì)被跳過的看法不一，你怎么看？

周光：關(guān)于L2、L3、L4，這些定義是30年前研究人員基于當(dāng)時(shí)的技術(shù)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(jìn)展非常快，尤其是基座模型的認(rèn)知能力在提升。我認(rèn)為大模型會(huì)極大加速?gòu)腖2到Robotaxi的進(jìn)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(guān)鍵指標(biāo)每年快速增長(zhǎng)，尤其在大模型介入之后，如果每年一個(gè)數(shù)量級(jí)的提升，很快就會(huì)突破。

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

而通用自動(dòng)駕駛的路徑是提高模型的認(rèn)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(rèn)為城市NOA會(huì)快速演進(jìn)到Robotaxi階段。研究范式已經(jīng)發(fā)生變化，不再靠運(yùn)營(yíng)或高精地圖，而是靠基礎(chǔ)認(rèn)知模型。

3、前DeepSeek多模態(tài)技術(shù)核心研究員阮翀為什么會(huì)加入元戎？

周光：阮翀等頂尖人才選擇加入元戎，是因?yàn)樗麄兿Ｍ?jīng)營(yíng)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?cè)贕TC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(chǎng)會(huì)在車端得到驗(yàn)證——只有車能提供幾十萬甚至百萬級(jí)帶Action的數(shù)據(jù)。如果在車端都不能驗(yàn)證，憑什么在機(jī)器人領(lǐng)域驗(yàn)證？

小模型的瓶頸已經(jīng)很明顯：蹺蹺板效應(yīng)非常突出。

唯一解決方案是大模型，依靠通用常識(shí)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(xùn)練范式的提升，是整個(gè)技術(shù)棧的下一個(gè)臺(tái)階。

4、阮翀加入后主要負(fù)責(zé)哪塊業(yè)務(wù)？會(huì)帶來哪些具體變化？

周光：他主要負(fù)責(zé)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(xì)節(jié)大家可以在北京車展上關(guān)注我們的公開亮相。

最近大廠也有動(dòng)作，大家可以留意，最有錢的AI公司選擇的第一落地場(chǎng)景都是車，目的不是掙錢，而是驗(yàn)證物理AI本身，這個(gè)驗(yàn)證比掙錢重要得多。

5、如何看待字節(jié)跳動(dòng)等互聯(lián)網(wǎng)大廠成立自動(dòng)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(yàn)證物理AI，還是那個(gè)邏輯，只有汽車場(chǎng)景能提供足夠的數(shù)據(jù)，機(jī)器人的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)不夠——本體差異、觸覺、數(shù)據(jù)采集等原因都導(dǎo)致數(shù)據(jù)不足。

所以大廠選擇在汽車領(lǐng)域驗(yàn)證物理AI是順理成章的。接下來會(huì)有更多多模態(tài)進(jìn)展的公司進(jìn)入這個(gè)領(lǐng)域，美國(guó)那邊OpenAI等公司也會(huì)有類似動(dòng)作。

6、你對(duì)艙駕一體有什么看法？

周光：關(guān)于艙駕一體，更多是帶來體驗(yàn)上的提升。

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

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

今天的“艙”不應(yīng)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(gè)按鈕，不知道按哪個(gè)，這不是自然的交互體驗(yàn)，應(yīng)該通過自然語言、表情、多種形式交流，而不是靠“點(diǎn)點(diǎn)點(diǎn)”。

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

周光：關(guān)于商業(yè)打法，其實(shí)技術(shù)路線和商業(yè)規(guī)模并不沖突。

真正的難點(diǎn)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(tái)。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(shí)現(xiàn)。但要真正提升體驗(yàn)，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(tái)。關(guān)鍵是你有沒有更大、更強(qiáng)的模型，而不是守著一個(gè)小模型打補(bǔ)丁。