0
作者 | 鄭浩鈞
編輯 | 王瑞昊
戰(zhàn)略重心邁向物理AI的輕舟智航又獲一筆融資。
3月23日，輕舟智航宣布完成D輪新一輪融資1億美元，投資方不僅包括投資機構，還有產(chǎn)業(yè)投資方——某國內頭部主機廠、寧波寧海興泰合基金、梁溪科創(chuàng)產(chǎn)業(yè)母基金（博華資本管理）、華德科創(chuàng)、某頭部汽車電子零部件公司。
拿到這一億美元后，輕舟會加大世界模型+強化學習等前沿物理AI技術研發(fā)、加大公司組織人才建設。
關于公司對物理AI的轉向，輕舟智航聯(lián)合創(chuàng)始人、董事長兼CEO于騫早有預告，他在3月18日的德國慕尼黑“智能汽車與智能制造論壇”上表示：“輕舟不僅要做自動駕駛，還要做通用物理世界的AI。”
AI作為當今科技界的第一大關鍵詞，大致可分為處理比特信息的數(shù)字AI、操控原子實體的物理AI。自從2022年11月ChatGPT橫空出世后，AI在數(shù)字世界的發(fā)展如火如荼，對話、寫作、編程、繪圖等功能快速迭代，如今幾乎能輔助所有“處理信息”的工作。AI帶來的效率提升，一定程度上甚至影響了亞馬遜、Meta等互聯(lián)網(wǎng)巨頭裁員上萬人。
可以說，數(shù)字AI已趨于成熟，但物理AI仍處于蓬勃發(fā)展的早期階段——不僅L4級自動駕駛仍未普及，具身智能創(chuàng)業(yè)公司更是層出不窮。
英偉達CEO黃仁勛明確指出，自動駕駛將成為物理AI最先實現(xiàn)規(guī)模化落地的應用場景，更是面向主流市場的第一個大規(guī)模物理AI系統(tǒng)。為此，英偉達布局全棧能力，不僅發(fā)布開源自動駕駛物理AI模型Alpamayo及配套工具鏈，還推出Cosmos AI世界模型，打通虛擬仿真到現(xiàn)實應用的關鍵鏈路，依托DRIVE芯片構建起車載計算與云端訓練的完整生態(tài)。
而在國內，理想、小鵬等企業(yè)也早已在人型機器人、Robotaxi等業(yè)務上開展布局。
近期，輕舟智航CEO于騫在內部會上就表示，人類正處于AI發(fā)展的關鍵分水嶺上，物理AI是未來5-10年最大機遇，自動駕駛是通向物理AI的最佳入口。同時，只有通過物理AI的方法論（如世界模型、強化學習），才能真正回頭做好自動駕駛。
于騫在德國慕尼黑智能汽車與智能制造論壇
簡單來說，自動駕駛就是AI操控汽車在一個二維平面上與道路、行人、障礙物等進行物理交互，而通用物理AI則更進一步，需要增加高度這一維度，在三維空間中與物體交互。
自動駕駛的優(yōu)勢在于數(shù)據(jù)。于騫分析道，自動駕駛領域的數(shù)據(jù)（特別是世界模型所需的結構化數(shù)據(jù)）非常充分，比非結構化的通用機器人領域更有機會率先突破。
回顧過去，輕舟將近20年的AI發(fā)展分為三個階段——2004年到2025年，行業(yè)經(jīng)歷了機器智能的模仿與類人智能的探索，而2026年，行業(yè)將邁入超人智能階段。
這一階段最大的改變在于：AI不再僅僅復刻人類駕駛行為，而是依托世界模型與強化學習，開始真正理解物理世界的規(guī)律、意圖與社會常識。
以往，自動駕駛進化面臨一個重要難題——在無限不確定性的物理世界中，安全紅線決定AI系統(tǒng)無法像AlphaGo那樣完全在虛擬環(huán)境中迭代，必須通過實車測試驗證，這嚴重制約了演進速度。
“世界模型+強化學習”則是解決這一難題的核心路徑。于騫將其比喻為一座AI虛擬“駕校”——世界模型負責預演現(xiàn)實世界，如模擬出復雜路口博弈、極端天氣干擾、突發(fā)路況變化等數(shù)百萬種長尾場景；強化學習則像一個教練，持續(xù)優(yōu)化AI的決策路徑，讓系統(tǒng)在虛擬試錯中從模仿人類到超越人類。
這樣的技術架構，讓自動駕駛系統(tǒng)從“被動記憶”轉向“主動思考”，真正具備了應對未知的能力。
整個智駕行業(yè)幾乎都有類似的判斷。今年3月下旬推送的小鵬第二代VLA，便結合強化學習和世界模型；長期使用世界模型的蔚來，2026年初在世界模型2.0中引入強化學習；極氪也宣布將在今年上半年推出具備自我反思和進化能力的WAM世界行為模型。
基于對AI技術路線的預演，輕舟決定將戰(zhàn)略重心大幅向L4自動駕駛及通用物理AI傾斜，而那100萬臺搭載輕舟輔助駕駛系統(tǒng)的智能汽車，就是物理AI技術最寶貴的真實訓練場。
如今，在年銷2000余萬輛的中國乘用車市場，L2級功能新車滲透率已超60%，城市NOA功能滲透率也已突破15%。
當邊際成本極低的智能輔助駕駛系統(tǒng)逐漸走向大眾，在評價一家智駕公司時，量產(chǎn)規(guī)模的重要性也逐漸提升——智駕公司是商業(yè)公司，而不是研究機構。李想在內部有一句常說的話：技術要服務產(chǎn)品，產(chǎn)品要服務商業(yè)。而商業(yè)成功與否，銷量是一個重要指標。
從量產(chǎn)交付規(guī)模以及適配平臺看，輔助駕駛搭載量突破100萬輛的輕舟智航，已與華為、Momenta共同構成中國智駕行業(yè)的“量產(chǎn)第一梯隊”——“華舟魔”。
目前，搭載輕舟輔助駕駛系統(tǒng)的已上市車型有近30款，覆蓋理想、奇瑞等近10家主機廠。按照計劃，2026年輕舟還將新增超過50款量產(chǎn)車型，且絕大部分支持城市NOA。
規(guī)模快速擴張的關鍵，在于輕舟的一次關鍵判斷：2025年4月，他們宣布單顆地平線征程6M芯片（算力128TOPS）即可實現(xiàn)城市NOA。
這在當時幾乎沒人相信，包括不少合作伙伴。但2026年1月，基于該方案的城市NOA在理想L系列智能煥新版上通過OTA推送上車，輕舟成為行業(yè)里第一個將其量產(chǎn)的公司。內部測評顯示，該方案與一些采用單顆甚至雙顆英偉達Orin-X芯片的方案體驗接近。
“首先，意識到‘單芯就能實現(xiàn)城市NOA’的可能性本身就不易，當初就像馬斯克提出不用激光雷達一樣備受質疑。”于騫曾對雷峰網(wǎng)(公眾號：雷峰網(wǎng))《新智駕》表示，“但我們是第一個將其發(fā)現(xiàn)并量產(chǎn)的中國公司。這沒有捷徑，靠的是實打實的創(chuàng)新。”
2026年，基于單地平線征程6M芯片的高性價比方案，輕舟甚至計劃將城市NOA功能下探至10萬元級車型上。同時，輕舟也在持續(xù)發(fā)力高階方案，今年即將發(fā)布算力大于500TOPS的城市智駕方案。
華為、輕舟、Momenta的智駕量產(chǎn)三極，各有各的打法。華為走的是高端路線，以高配置和高冗余換取的定價權，來觸達20-50萬左右的中高端人群；Momenta以群狼策略深入市場，覆蓋的車型種類、價位更為廣泛。
而輕舟則是在單芯片上做到極致。2025 年乘聯(lián)會測算顯示，10-20萬價格帶新能源乘用車占比達43.4%，顯著高于10萬以下的 28.6%和20-30萬的16.6%，是中國新能源市場規(guī)模最大的細分區(qū)間。
隨著輕舟在這一主力價格帶的深耕與滲透，其規(guī)模效應已從驗證期步入爆發(fā)期。依托已突破百萬臺的量產(chǎn)搭載基數(shù)與平臺化工程能力，輕舟正將高階城市NOA等核心技術下探至國民車型。這不僅是對市場主流需求的精準回應，更通過與多家主流車企的深度合作，持續(xù)鞏固在該價格帶的技術與交付優(yōu)勢。
可以預見，伴隨 10-20 萬區(qū)間用戶滲透率的穩(wěn)步提升，輕舟的銷量規(guī)模將水漲船高，營收與商業(yè)變現(xiàn)能力也將隨之實現(xiàn)階梯式增長。
輕舟能憑借百萬量產(chǎn)躋身行業(yè)第一梯隊，還能同步推進中階、高階城市智駕方案的研發(fā)，其堅實的技術積累與標準化的交付思維是重要推動力。
輕舟核心團隊源自L4自動駕駛先驅Waymo，技術底蘊深厚。但在技術路線方面，輕舟更多學習特斯拉——一方面追求工程標準化，另一方面“L2+L4”雙線并行。
從具體實踐來看，特斯拉長期堅持精簡車型陣容，以 Model 3/Y、Model S/X 等核心車型構建高度統(tǒng)一的硬件生態(tài)，這一策略并非局限于產(chǎn)品層面的降本增效，而是通過跨車型長期凍結傳感器方案（如 HW3/HW4 平臺長達 4-6 年的標準化布局），避免了行業(yè)常見的 “改款陷阱”—— 攝像頭位置微調、傳感器規(guī)格更換等行為都會造成數(shù)據(jù)分布紊亂，導致數(shù)據(jù)積累重置。
這種統(tǒng)一的感知系統(tǒng)，讓全球數(shù)百萬輛特斯拉成為輸出完全一致視覺數(shù)據(jù)的“露天實驗室”，每一輛車都在為 FSD 神經(jīng)網(wǎng)絡提供高質量、可復用的訓練樣本。這些數(shù)據(jù)，也成為特斯拉Robotaxi業(yè)務的核心護城河。當其他車企仍在為多車型、多傳感器方案解決數(shù)據(jù)對齊與融合難題時，特斯拉已通過單一數(shù)據(jù)源實現(xiàn)了算法的高效迭代。
輕舟想要做的正是和特斯拉一樣的事情。技術統(tǒng)一與工程標準化，是輕舟能快速覆蓋多價位、多車型的重要原因。
基于同一套技術架構，輕舟完成了在高通、英偉達、地平線三大主流芯片平臺上的城市 NOA 適配。在工程交付上，輕舟也做了大量平臺化工作，將可變與不可變的部分拆解，大幅壓縮了不同車型的適配周期。
于騫曾對新智駕表示，輕舟的方案已具備很強的泛化能力：無論是7顆或11顆攝像頭，是否搭載激光雷達，車型大小如何，都無需大幅調整即可適配。“很多同行曾因傳感器布局的微小變動，就要重新采集數(shù)據(jù)和訓練模型，但我們依靠底層工具與模型解決了這個問題。”
輕舟CTO李棟認為，輕舟自首次量產(chǎn)起便推動交付標準化，將固定流程平臺化，并壓縮可變部分的開發(fā)周期，這使團隊規(guī)模未大幅增長，卻能支持車型從1款擴至23款。
關于L2與L4的關系，輕舟從創(chuàng)業(yè)初期就認為二者底層技術架構本質相同。兩者共享AI模型底座，差異主要在產(chǎn)品邏輯層面。
產(chǎn)品邏輯上，L4需要傳感器冗余、計算冗余、軟件兜底策略甚至遠程輔助；L2則需考慮成本，明確ODD范圍。但底層都需要提升駕駛能力，追求安全、舒適、便捷。技術演進的方向都是數(shù)據(jù)驅動——從早期深度學習到BEV、VLA、世界模型，再到未來技術，L2和L4都走在這條路上。
如今，輕舟的L4無人物流車完全采用L2量產(chǎn)思路設計，車頂不再有旋轉式機械雷達。于騫說，“今年將啟動小范圍試點的Robotaxi也會為量產(chǎn)而生，不會頂著夸張的激光雷達，外觀會和普通量產(chǎn)車一樣。”
除技術架構外，數(shù)據(jù)的兼容性也是L4與L2業(yè)務能相互促進的關鍵。李棟曾對新智駕透露，公司從創(chuàng)立起就注重數(shù)據(jù)前后兼容。“做L2時我們用了大量L4數(shù)據(jù)，因為此前有Robotaxi業(yè)務；現(xiàn)在做無人物流等L4產(chǎn)品，也可以復用L2數(shù)據(jù)，甚至直接使用L2模型。”
兼容性源于提前規(guī)劃——輕舟規(guī)模量產(chǎn)L4產(chǎn)品的傳感器布置、選型會與L2產(chǎn)品高度一致，數(shù)據(jù)標注規(guī)范也前后統(tǒng)一。這種技術、數(shù)據(jù)上的傳承，使得輕舟將戰(zhàn)略重心邁向L4自動駕駛及通用物理AI時，能很快拿出成果。
2026年4月，輕舟將在北京車展上發(fā)布最新的技術產(chǎn)品進展。不久，我們就能看到一家深耕技術突破的公司，是如何從L2輔助駕駛到L4自動駕駛，再到通用物理AI的清晰路徑。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
