卓馭豪賭物理基座，野心是智能「一切」移動

撰文 | 青竹 編輯｜周長賢

智駕第一梯隊的時間刻度，早已沒有年，只有月。

過去幾個月，他們形成了一個非常整齊的共識：物理AI和世界模型。

這與通用智能的范式思考一致。

去年，Yann LeCun炮轟大語言模型：讀了30萬億token，理解不了一個掉落的杯子，連貓都不如。嘴挺毒。

他直擊LLMs的理解軟肋：預測token，不等于預測世界。

于是，言行一致的LeCun離開Meta，創立 AMI，押注世界模型與物理AI。臨走還貢獻了另一金句，說LLMs已經 “sucking the air out of the room（房間里的空氣已經被LLMs吸干）”。

LeCun不獨行。堅定押注物理AI的李飛飛，今年再次強調：大語言模型無法通往AGI。

一個更徹底的論證，來自token概率學的既得利益者OpenAI 。

3月他們“安樂死”了 Sora ，把釋放的“空氣”轉投“世界模擬”。

回到最卷的智駕產業圈，“物理AI”這個詞匯，已經迅速下沉到產品。

截至2026年車展月，野心勃勃、有名有姓的幾家，都跟物理AI綁定。差異只在細節和話術。

華為的WEWA2.0已經賦能乾崑ADS 5.0，小鵬第二代VLA已加入X-World，切換組織，也切換了智駕負責人……總之在2026年的北京車展，每個館必提世界模型。

“范式都差不多，差別無非是誰真的在做，誰做得好。”一位智駕負責人表示，未來可能交替領先，但也不過2-3個月身位的差別，可是跑下去，總會有人掉隊。

有共識是一種利弊參半的狀態，沒有路線的浪費，意味著競速（參數丨圖片）更焦灼，只能拼能力、拼投入。

于是，我們看到：4月24日，在北京車展，卓馭科技正式推出面向移動物理 AI 的原生多模態基礎模型，主題定為“智能一切移動”。

雖然技術范式跟其他頭部一致，但這家落地能力很強的公司，在商業模式上，展示了不同思考，做出了新花樣。

新范式：能力涌現，超強泛化，但更殘酷

“主要是反應的效率和能力，非常快，非常流暢。”卓馭一位負責人形容新范式帶給他的驚喜。“曾經根本做不到的，一下就做到了。”

這再次驗證，智能駕駛每一次范式提高，都意味著上限突破。更快、更順滑、更人味兒。

過去，從VLM到VLA，都要先把視覺（V）識別、理解為語言（L），底層推理依然是LLMs的語言token生成式。

所以，不少媒體把物理AI和世界模型的優勢，簡化理解為砍掉了L，從視覺V直接到動作A，所以效率更高。

表象接近如此。還有更本質的區別，以卓馭的多模態基礎模型為例：

1、多模態感知

不只是視覺，包含所有的傳感器和所有形式的數據，語言也在其中。

2、物理AI推理

真正識別和理解移動物理場景，沒有信息損失，基于理解的邏輯推理，而不是語言模型的概率擬合。

3、通用基座

可以理解為一種升維，不止學會開車和認路，而是理解移動和物理世界。

正是基于推理本質的遷移，讓卓馭可以在泛化上大作文章。

過去通用基礎能力不足，代價是，每一次跨地域、跨車型、跨垂類部署，都會帶來效率損失和成本。嚴重依靠在后期打補丁。

而物理基座的強泛化能力，則會帶來商業邏輯的變遷。

泛化的第一層：跨場景

傳統方案要跑通某個城市，必須單獨“開城”，花大量人力去適配當地的紅綠燈形態、車道線樣式、特殊交通標識，最終勉強做到80分。

而原生多模態基礎模型依托預訓練升維增強，即可實現的Zero-shot零知識遷移，對新城市新場景“開箱即用”。

無需逐城適配，無需大量本地數據喂養。

泛化的第二層：跨垂類

卓馭的一個關鍵差異，在于將同一個基礎模型賦能乘用車、商用重卡、客車、無人物流車。縮短后期驗證周期。

卓馭CEO沈劭劼曾經舉例，家用車和一臺重卡的電架構、轉向響應、制動距離、轉彎半徑完全不同；通勤車在擁堵中走走停停，與重卡不能急剎車的開車模式也不同。靠后期，意味著巨大工作量。

但基座模型學會的是世界的底層運行規則，“給一個移動體，在三維空間中找到安全的運動軌跡”。而不是某種車型的行為模式。

卓馭的后發Robotaxi，也是這套泛化能力的獲利者，有可能后來居上，省去地圖開城和踩坑。

泛化的第三層：跨國家

卓馭將其定位為智駕出海的技術底座。這為中國智駕出海，提供了“一套模型打天下”的支撐。

從北京的胡同，到曼谷/河內的摩托車洪流，到巴黎紅綠燈復雜的環島，用同一套模型能夠以低泛化成本完成部署。

就像沈劭劼吐槽的，“在國外弄 30 個人采一年數據重新訓練一遍，當然能解決，但這是有代價的。全球各個國家都來一遍?這個成本有點受不了。”

但要想做到開箱95分，不只是從語言到物理的范式轉移，還有「大模型」的終難幸免，

「大模型」階段的商業重寫

從規則和地圖時代的小模型，到端到端的中模型，智能駕駛終于還是卷入了大模型時代。

“中模型本身并不能自動泛化到完全沒覆蓋過的場景。”

“原生多模態大模型的核心理念在于，首先，模型足夠大，大到數據足夠多的情況下，能具備涌現能力。”

與沈劭劼這句話類似的表達，何小鵬說，智駕未來會有一個iPhone 4時刻。

一方面，大模型是多模態、多垂類、多場景的命題式需求；另一方面，也是頭部不想被卷死的必然選擇。

中國智駕如果想跟手握xAI、特斯拉、Optimus的馬斯克同桌競技，還有其他選擇嗎？

所以，華為在不斷地下蛋「界」和「境」；小鵬汽車必須做具身和飛行汽車。

卓馭把盤子做大的方式：跨垂類+出海+移動一切。今年內，原生多模態基礎模型將推送至乘用車與商用重卡，并作為卓馭智能駕駛出海的基礎模型。

卓馭的實踐證明，同一套高悟性端到端4.0模型和激目2.0系統，可以同時在乘用車和商用重卡上復用，并且即將在宇通客車上量產。

這種復用能力帶來的商業價值是巨大的，重構了智能移動能力的邊際成本曲線，用盡量多的復用，來攤薄基座大模型的固定成本。

卓馭在乘用車領域已經累計量產超過五十款車型，定點車型達到三位數，覆蓋油車與電車、自主與合資品牌。與中國TOP6重卡品牌、宇通客車以及多家乘用車客戶建立了合作關系。

一套模型吃透全場景，從口號變成了可計算的商業優勢。

值得關注的差異化是，更加多樣性、多模態、多場景的數據效應。

重卡的高速長途場景、客車的固定路線場景、無人物流車的末端配送場景，這些異構數據會源源不斷匯入預訓練模型，進一步提升模型對物理世界的理解深度。

而從「移動一切」的角度，卓馭科技的后裝車載無人機作為“空中載體”，未來完全有可能成為基礎模型的延伸，讓物理AI能力覆蓋“從陸地到天空”。

屆時，無人機實時回傳的航拍視覺，與掃描路面的3D模型，也可以與車載感知系統融合閉環。

結語

物理基座大模型賦能「移動的一切」的商業邏輯，對應著卓馭科技的宏大愿景：“成為物理 AI 時代的重要基礎設施。”

站在物理AI的十字路，面對智能新基建的時代機遇，未來也許就像沈劭劼所說：存活下來的智駕公司，最終都將轉型為移動物理AI公司。

他說，“這并不是一個戰略判斷，而是一個生存判斷。”

—THE END—

出行百人會 | AutocarMax

追蹤出行與智能產業鏈進化，關注新產品、新科技、商業邏輯與人物，影響有影響力的人。