「華舟魔」三強之一，加速邁向物理AI

1億美元加碼技術研發。

作者 | 鄭浩鈞

編輯 | 王瑞昊

戰略重心邁向物理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，還有產業投資方——某國內頭部主機廠、寧波寧海興泰合基金、梁溪科創產業母基金（博華資本管理）、華德科創、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、加大公司組織人才建設。

關于公司對物理AI的轉向，輕舟智航聯合創始人、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。”

PART 1

自動駕駛是物理AI的最佳入口

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在數字世界的發展如火如荼，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等互聯網巨頭裁員上萬人。

可以說，數字AI已趨于成熟，但物理AI仍處于蓬勃發展的早期階段——不僅L4級自動駕駛仍未普及，具身智能創業公司更是層出不窮。

英偉達CEO黃仁勛明確指出，自動駕駛將成為物理AI最先實現規模化落地的應用場景，更是面向主流市場的第一個大規模物理AI系統。為此，英偉達布局全棧能力，不僅發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。

而在國內，理想、小鵬等企業也早已在人型機器人、Robotaxi等業務上開展布局。

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。

自動駕駛的優勢在于數據。于騫分析道，自動駕駛領域的數據（特別是世界模型所需的結構化數據）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發展分為三個階段——2004年到2025年，行業經歷了機器智能的模仿與類人智能的探索，而2026年，行業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系統無法像AlphaGo那樣完全在虛擬環境中迭代，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實世界，如模擬出復雜路口博弈、極端天氣干擾、突發路況變化等數百萬種長尾場景；強化學習則像一個教練，持續優化AI的決策路徑，讓系統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的智能汽車，就是物理AI技術最寶貴的真實訓練場。

PART 2

百萬量產，躋身“華舟魔”智駕三強

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逐漸走向大眾，在評價一家智駕公司時，量產規模的重要性也逐漸提升——智駕公司是商業公司，而不是研究機構。李想在內部有一句常說的話：技術要服務產品，產品要服務商業。而商業成功與否，銷量是一個重要指標。

從量產交付規模以及適配平臺看，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的“量產第一梯隊”——“華舟魔”。

目前，搭載輕舟輔助駕駛系統的已上市車型有近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款量產車型，且絕大部分支持城市NOA。

規模快速擴張的關鍵，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，輕舟成為行業里第一個將其量產的公司。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《新智駕》表示，“但我們是第一個將其發現并量產的中國公司。這沒有捷徑，靠的是實打實的創新。”

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，輕舟也在持續發力高階方案，今年即將發布算力大于500TOPS的城市智駕方案。

華為、輕舟、Momenta的智駕量產三極，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模最大的細分區間。

隨著輕舟在這一主力價格帶的深耕與滲透，其規模效應已從驗證期步入爆發期。依托已突破百萬臺的量產搭載基數與平臺化工程能力，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，持續鞏固在該價格帶的技術與交付優勢。

可以預見，伴隨 10-20 萬區間用戶滲透率的穩步提升，輕舟的銷量規模將水漲船高，營收與商業變現能力也將隨之實現階梯式增長。

PART 3

從L2、L4到物理AI的厚積薄發

輕舟能憑借百萬量產躋身行業第一梯隊，還能同步推進中階、高階城市智駕方案的研發，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一的硬件生態，這一策略并非局限于產品層面的降本增效，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），避免了行業常見的 “改款陷阱”—— 攝像頭位置微調、傳感器規格更換等行為都會造成數據分布紊亂，導致數據積累重置。

這種統一的感知系統，讓全球數百萬輛特斯拉成為輸出完全一致視覺數據的“露天實驗室”，每一輛車都在為 FSD 神經網絡提供高質量、可復用的訓練樣本。這些數據，也成為特斯拉Robotaxi業務的核心護城河。當其他車企仍在為多車型、多傳感器方案解決數據對齊與融合難題時，特斯拉已通過單一數據源實現了算法的高效迭代。

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，就要重新采集數據和訓練模型，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周期，這使團隊規模未大幅增長，卻能支持車型從1款擴至23款。

關于L2與L4的關系，輕舟從創業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，差異主要在產品邏輯層面。

產品邏輯上，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據驅動——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也會為量產而生，不會頂著夸張的激光雷達，外觀會和普通量產車一樣。”

除技術架構外，數據的兼容性也是L4與L2業務能相互促進的關鍵。李棟曾對新智駕透露，公司從創立起就注重數據前后兼容。“做L2時我們用了大量L4數據，因為此前有Robotaxi業務；現在做無人物流等L4產品，也可以復用L2數據，甚至直接使用L2模型。”

兼容性源于提前規劃——輕舟規模量產L4產品的傳感器布置、選型會與L2產品高度一致，數據標注規范也前后統一。這種技術、數據上的傳承，使得輕舟將戰略重心邁向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布最新的技術產品進展。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。