新智駕革命：移動物理AI再一次重塑行業

當智駕“中模型”遇上效率瓶頸，是時候讓真正的“大模型”改變行業了。

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

這一論調的背后，是智駕行業正在發生革命性轉折——從“每城每適配”的高成本、難精益模式，轉向“一個基座，全域復用”的高效益、可持續模式。對于消費者而言，這意味著體驗更優秀、應用更普及的智駕已在路上；對于資本市場，則明確釋放出企業估值錨點將從“交付數量”轉向“泛化效率”的信號。

一場新智駕革命悄然開啟。

昨天的內耗

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走進現實，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+規則算法”為核心的傳統功能型方案，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個月的數據采集、規則編寫與場景驗證。沈劭劼透露的數字印證了這樣的花費：“訓練的成本越來越高，達到了一年幾十億的級別。”而結果卻是與付出不對等的——地圖采集速度始終難跟上城市發展速度，小感知模型和規則算法也難以應對所有情況，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，構成了傳統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模經濟，凈資產收益率（ROE）始終難以突破行業平均線。

今天的問題

2023年前后，“端到端”技術路線在特斯拉FSD V12的啟發下引爆行業——這種沒有中間規則、沒有人工模塊、純粹算法黑箱的邏輯范式，讓飽經內耗的傳統智駕公司看到了希望。

“端到端”技術路線，也就是內行人口中的“中模型”，在智駕水平上，其通用基礎能力達到70 分水平，且基于數據驅動配合少量泛化適配后，即可達到 90 分以上的表現，應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，尤其是對于路權規則等與中國區別巨大的歐洲國家，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，不少行業領頭人開始思考下一次改變。

明天的改變

原生多模態基礎模型的誕生，就是卓馭深入思考的結果。

這種“大模型”不僅擁有“開箱即95分”的智駕基礎能力，而且克服了“中模型”的諸多痛點——沈劭劼在百人會現場將原生多模態基礎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——企業只需重投入一次開發好這個“大模型”，并定期幫助其學習優化，它即能在多個國家地區、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。這樣的轉型不僅能帶來適用良好、體驗優異的智駕產品，而且得益于非重復開發帶來的成本優勢，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，從財務角度看，這也將大幅改善企業的營收指標，譬如：

研發費用率：固定成本分攤到更多車型和場景后，單位研發成本下降；

毛利率：軟件復用的邊際成本極低，高毛利成為可能。

資本周轉率：同樣的資本開支可以支撐更廣泛的業務版圖。

現實也印證了上述展望。根據卓馭公開的信息，在乘用車領域，量產車型超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。在商用車領域，推出全球首個可通過強標的商用重卡L2 +解決方案；其方案覆蓋中國商用重卡Top 6品牌，相關合作車型將于今年6月起9個月內實現陸續量產。

車企的智駕產品多了，企業的自身價值漲了，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，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“定點車型數量”和“裝車量”，本質上是對“功能交付”能力的定價。這種估值方法的缺陷在于：它假設每個車型的智駕方案都是獨立開發的，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——一旦基礎模型訓練完成，新增一個車型或者新進入一個賽道的的邊際成本都極低。因此，估值錨點應從“定點數量”轉向“泛化效率”，資本會更關注下列指標：

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，模型的適應時間要多久？

數據效率：一次數據輸入對模型在多領域應用的提升有多少？

客戶粘性：該模型的可替代性有多高？是否容易陷入同行內卷？

似乎，卓馭利用智能電動汽車發展高層論壇的露出機會，已經給出了自己在這些指標層面的答案。沈劭劼針對量產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 技術正式進入商業化階段。2026 北京車展，用戶即可搶先體驗這一劃時代的技術。”

這也意味著，多模態基礎模型已經具備了涵蓋無人出租和物流的泛化半徑、短達數月的遷移速度、不開發單獨硬件的資產復用效率甚至是合規壁壘帶來的定價權——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業鏈的新分工。正如移動互聯網時代分化為“芯片（高通/聯發科）+操作系統（iOS/Android）+應用（各類App）”，智駕產業也將形成“算力基座（英偉達等）+模型基座（卓馭等）+整車應用（車企）”的三層結構。必須誠實地說，在這個移動物理AI照進現實的節點，低估任何一家基礎設施供應商的行為都不該再發生。

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