新智駕革命：移動物理AI再一次重塑行業(yè)

當(dāng)智駕“中模型”遇上效率瓶頸，是時候讓真正的“大模型”改變行業(yè)了。

4月11日，卓馭科技CEO沈劭劼在2026智能電動化汽車發(fā)展高層論壇上拋出了一個影響行業(yè)走向的判斷：“智能駕駛只是物理AI的初始形態(tài)，未來存活下來的智駕公司都將轉(zhuǎn)型為移動物理AI公司。這不是戰(zhàn)略選擇，是生存判斷。”

這一論調(diào)的背后，是智駕行業(yè)正在發(fā)生革命性轉(zhuǎn)折——從“每城每適配”的高成本、難精益模式，轉(zhuǎn)向“一個基座，全域復(fù)用”的高效益、可持續(xù)模式。對于消費者而言，這意味著體驗更優(yōu)秀、應(yīng)用更普及的智駕已在路上；對于資本市場，則明確釋放出企業(yè)估值錨點將從“交付數(shù)量”轉(zhuǎn)向“泛化效率”的信號。

一場新智駕革命悄然開啟。

昨天的內(nèi)耗

2016—2023年，伴隨特斯拉、“蔚小理”等新勢力大膽破冰，智駕概念從PPT走進(jìn)現(xiàn)實，也讓消費者初嘗了“自動駕駛”的多巴胺。但瑜不掩瑕，其主要依靠“高精地圖+小感知模型+規(guī)則算法”為核心的傳統(tǒng)功能型方案，在智駕能力上僅有“40分起步、80分到頂”的天花板，最多算是“可用”但不“好用”，沒法給使用者足夠的信心，也無益于輔助駕駛的全民普及。

究其原因，在傳統(tǒng)功能型方案的“小模型”運作邏輯里，某車企開通一個城市的NOA功能，需要百人級團隊3-6個月的數(shù)據(jù)采集、規(guī)則編寫與場景驗證。沈劭劼透露的數(shù)字印證了這樣的花費：“訓(xùn)練的成本越來越高，達(dá)到了一年幾十億的級別。”而結(jié)果卻是與付出不對等的——地圖采集速度始終難跟上城市發(fā)展速度，小感知模型和規(guī)則算法也難以應(yīng)對所有情況，造成使用體驗始終差強人意。

在資本眼里這也是噩夢——這種“開一城、投一筆”的模式，構(gòu)成了傳統(tǒng)智駕模式的資本回報陷阱：固定成本居高且仍面臨長期增長，資本開支邊際遞減的拐點卻遲遲不到，疊加收入場景單一無法形成有效規(guī)模經(jīng)濟，凈資產(chǎn)收益率（ROE）始終難以突破行業(yè)平均線。

今天的問題

2023年前后，“端到端”技術(shù)路線在特斯拉FSD V12的啟發(fā)下引爆行業(yè)——這種沒有中間規(guī)則、沒有人工模塊、純粹算法黑箱的邏輯范式，讓飽經(jīng)內(nèi)耗的傳統(tǒng)智駕公司看到了希望。

“端到端”技術(shù)路線，也就是內(nèi)行人口中的“中模型”，在智駕水平上，其通用基礎(chǔ)能力達(dá)到70 分水平，且基于數(shù)據(jù)驅(qū)動配合少量泛化適配后，即可達(dá)到 90 分以上的表現(xiàn)，應(yīng)對一般路況基本做到“能用、好用”。然而，問題依然存在——譬如出海過程中，如果每個國家都得做一次適配，尤其是對于路權(quán)規(guī)則等與中國區(qū)別巨大的歐洲國家，代價依然非常巨大。同時，如果要做跨垂類適配，從商用重卡到客車、物流車，人力投入的控制同樣是難點。

但在“出海”、“擴張”不是自選題而是必選題的當(dāng)下，幾乎推倒重來的投入不僅是車企的大山，更是資本市場的大忌，盈利點的推后嚇退了背后的潛在支持。

到了2025年下半年，不少行業(yè)領(lǐng)頭人開始思考下一次改變。

明天的改變

原生多模態(tài)基礎(chǔ)模型的誕生，就是卓馭深入思考的結(jié)果。

這種“大模型”不僅擁有“開箱即95分”的智駕基礎(chǔ)能力，而且克服了“中模型”的諸多痛點——沈劭劼在百人會現(xiàn)場將原生多模態(tài)基礎(chǔ)模型闡述為三大核心價值：跨垂類開箱即用、全球零泛化、全場景通用。

用形象的語言來表達(dá)——企業(yè)只需重投入一次開發(fā)好這個“大模型”，并定期幫助其學(xué)習(xí)優(yōu)化，它即能在多個國家地區(qū)、多種類交通工具、多型號出行終端、多種使用場景下提供智駕服務(wù)。這樣的轉(zhuǎn)型不僅能帶來適用良好、體驗優(yōu)異的智駕產(chǎn)品，而且得益于非重復(fù)開發(fā)帶來的成本優(yōu)勢，消費者對智駕的獲取成本也會大幅下降，“全民智駕”的時代算是真正見到了曙光。

此外，從財務(wù)角度看，這也將大幅改善企業(yè)的營收指標(biāo)，譬如：

研發(fā)費用率：固定成本分?jǐn)偟礁嘬囆秃蛨鼍昂螅瑔挝谎邪l(fā)成本下降；

毛利率：軟件復(fù)用的邊際成本極低，高毛利成為可能。

資本周轉(zhuǎn)率：同樣的資本開支可以支撐更廣泛的業(yè)務(wù)版圖。

現(xiàn)實也印證了上述展望。根據(jù)卓馭公開的信息，在乘用車領(lǐng)域，量產(chǎn)車型超50款，定點合作車型突破100款，高悟性端到端4.0版本于今年4月全量推送。在商用車領(lǐng)域，推出全球首個可通過強標(biāo)的商用重卡L2 +解決方案；其方案覆蓋中國商用重卡Top 6品牌，相關(guān)合作車型將于今年6月起9個月內(nèi)實現(xiàn)陸續(xù)量產(chǎn)。

車企的智駕產(chǎn)品多了，企業(yè)的自身價值漲了，消費者的使用體驗也變好了——一箭三雕。

估值的變化

愛因斯坦說，要努力成為一個有價值的人。企業(yè)，說到底也是自身價值的追逐者。

過去，賣方分析師對智駕公司的估值模型高度依賴“定點車型數(shù)量”和“裝車量”，本質(zhì)上是對“功能交付”能力的定價。這種估值方法的缺陷在于：它假設(shè)每個車型的智駕方案都是獨立開發(fā)的，價值隨裝車量線性增長。

但在基座模式下，價值走了“非線性增長”路線——一旦基礎(chǔ)模型訓(xùn)練完成，新增一個車型或者新進(jìn)入一個賽道的的邊際成本都極低。因此，估值錨點應(yīng)從“定點數(shù)量”轉(zhuǎn)向“泛化效率”，資本會更關(guān)注下列指標(biāo)：

泛化半徑：模型對垂類的跨度有多大？能覆蓋多少種移動載體？

遷移速度：從一個賽道到另一個賽道，模型的適應(yīng)時間要多久？

數(shù)據(jù)效率：一次數(shù)據(jù)輸入對模型在多領(lǐng)域應(yīng)用的提升有多少？

客戶粘性：該模型的可替代性有多高？是否容易陷入同行內(nèi)卷？

似乎，卓馭利用智能電動汽車發(fā)展高層論壇的露出機會，已經(jīng)給出了自己在這些指標(biāo)層面的答案。沈劭劼針對量產(chǎn)與運營時間表如是說到——“Robotaxi 和無人物流車將于 7 月開啟試運營，L4 技術(shù)正式進(jìn)入商業(yè)化階段。2026 北京車展，用戶即可搶先體驗這一劃時代的技術(shù)。”

這也意味著，多模態(tài)基礎(chǔ)模型已經(jīng)具備了涵蓋無人出租和物流的泛化半徑、短達(dá)數(shù)月的遷移速度、不開發(fā)單獨硬件的資產(chǎn)復(fù)用效率甚至是合規(guī)壁壘帶來的定價權(quán)——長期上揚的估值曲線幾乎觸手可及。

從更宏觀的視角看，基座模式將催生智駕產(chǎn)業(yè)鏈的新分工。正如移動互聯(lián)網(wǎng)時代分化為“芯片（高通/聯(lián)發(fā)科）+操作系統(tǒng)（iOS/Android）+應(yīng)用（各類App）”，智駕產(chǎn)業(yè)也將形成“算力基座（英偉達(dá)等）+模型基座（卓馭等）+整車應(yīng)用（車企）”的三層結(jié)構(gòu)。必須誠實地說，在這個移動物理AI照進(jìn)現(xiàn)實的節(jié)點，低估任何一家基礎(chǔ)設(shè)施供應(yīng)商的行為都不該再發(fā)生。

自2021年成立以來活在大疆光環(huán)下的卓馭，也終于要破繭成蝶，迎來屬于自己的時代了。