跳出算力内卷，轻舟智航用物理AI破局自动驾驶

“七年前我们创立轻舟，使命是‘将无人驾驶带进现实’。走到今天，我们非常清晰地看到：我们正站在从‘无人驾驶’迈向‘通用物理AI’的历史性战略转折点。”

4月24日，2026北京车展首日，轻舟联合创始人、董事长兼CEO于骞博士正式发布轻舟物理AI模型，并宣布公司战略重心从“无人驾驶”全面升级至更广阔的“通用物理AI”。

“我们绝不是不做无人驾驶了。恰恰相反，无人驾驶是我们通往通用物理AI最重要的基石。如果连无人驾驶都做不到，更别提通用物理AI。”于骞认为，自动驾驶是连接数字世界与物理世界的“窗口”。

智驾行业竞争的重心，正在从硬件堆料，转向AI大模型底层能力和规模化落地的博弈。在这场喧嚣的转型潮中，轻舟智航不只换了“话术”，而是拿出了“物理AI模型”的量产方案。

01 从“会开车”到“懂世界”

提到AI，我们最先想到的是ChatGPT这样的数字AI，能聊天、写文案、做PPT，甚至生成视频，但这些都局限在“数字世界”。

而轻舟提出的物理AI，核心是让AI“走出屏幕”，真正理解物理世界的规律，能感知、能预测、能行动——简单说，就是让AI拥有“物理常识”，像人类一样应对真实世界的复杂变化。

于骞在发布会上做了一个很朴素的对比：数字世界里，AI打败了人类最聪明的围棋冠军，这是因为在虚拟棋盘上可以无限“左右互搏”，用无穷算力找最优解。

但让AI在物理世界里媲美一个普通司机的判断力，至今还没有人能做到。物理世界得有车、有司机、有漫长的路测，迭代速度天然慢得多。

这就是自动驾驶行业的一个核心困局：物理世界的AI，训练效率远低于数字世界的AI。过去十年，大家在感知精度、规控逻辑上砸了无数资源，但系统本质上还是“死记硬背交规的新手司机”——看到红灯就停，看到行人就等，遇到没见过的复杂场景就懵了。

破局的方向，被于骞归纳为八个字——世界模型+强化学习

通俗来说，就是给AI建一个“虚拟驾校训练营”。在云端，轻舟的世界模型能用自然语言一键生成极端天气、逆行电瓶车、鬼探头等长尾场景，它相当于轻舟物理AI的“大脑训练场”，让AI在仿真中反复“过生死关”，见到日常路测中极难遇到的危险状况。

再看车端的在线世界模型，这是直接服务于用户的“实战大脑”，目前已经进入实车测试阶段。它以在线世界模型为核心，结合VLA（语言增强智能）和强化学习，实现了从感知到行动的全链路智能决策。

简单说，就是车端AI能实时观察路况，预判其他交通参与者的意图，比如判断行人是否会横穿马路、车辆是否会变道，然后做出最安全、最流畅的决策，就像老司机一样“胆大心细”。

更关键的是，轻舟的模型实现了“一次训练、双端复用”，云端训练好的能力，能快速适配车端，不用重复开发，既降低了研发成本，也让技术落地速度更快。这一点，在行业内尤为难得——很多企业的云端模型和车端模型是脱节的，导致技术迭代慢、落地成本高，而轻舟的“云端+车端”双引擎架构，从根源上解决了这个问题。

这里的世界模型，可不是简单的“场景模拟”，而是轻舟定义的“观察世界+预测世界+学习和行动”的完整体系，让AI逐步从“模仿人类行为”进化到“理解物理世界的运行法则”。

正如于骞所说的，路上有一滩积水，旁边有行人，人会下意识减速，因为你心里清楚压过去水花会溅到人；足球从路边滚过去，你会预判可能有孩子追上来。这些判断不是靠穷举场景能解决的，是对物理规律的深层认知。

这不是一次简单的算法升级，而是研发范式的根本转移。

02 不卷算力，卷用户价值

技术的价值，最终要靠产品落地来体现。轻舟正式推出了“轻舟乘风MAX”——在超500TOPS车端算力平台上，实现基于世界模型+强化学习架构的极致城市NOA体验。

于骞在采访中透露，轻舟的理念从来不是“卷算力”，而是“卷体验”。“100多TOPS算力，行业内普遍认为能做好高速NOA就不错了，我们是第一家把它大规模量产，做出越级体验的企业；现在500TOPS算力，我们的目标是对标一两千TOPS的体验，这就是我们给用户的真实价值。”

在本届车展上，3000TOPS以上的方案已经不止一家，算力“跑分大战”正酣。但轻舟选择用超500TOPS去对标上千TOPS的体验，底气来自一些硬核数据：在主动安全维度，乘风MAX的AEB误触发率低至每50万公里小于1次，远优行业平均水平；AEB刹停时速能做到130km/h极限工况。

在实际驾驶场景中，乘风MAX的表现更是“拟人的老司机”。这套方案能从容应对窄路绕行、鬼探头避让、交警手势、潮汐车道等复杂场景，在全场景覆盖上做“99%以上的场景都能用”。

更根本的底气，来自规模量产的验证。截至目前，轻舟乘风辅助驾驶已搭载25款量产车型，累计搭载量突破100万台，2026年预计新增车型超50款。在中国NOA第三方智驾供应商市场中，轻舟以30.1%的市场份额占据显著领先地位。

百万台的规模，不只是营收，更是一个滚动的数据闭环入口。就像于骞之前所说，没有这个入口，世界模型是喂不饱的。

03 智驾的真正价值，可能藏在保费里

于骞还有一个颇具前瞻性的判断，他认为，智驾创造社会价值的一个真实度量，是保费能不能降下来。

“既然我们的智驾系统能做到50万公里才一次AEB误触发，既然它能帮用户提前刹停、避免刮蹭，那它是不是真的更安全？如果真的更安全，那用户的保费是不是应该更便宜？”在他看来，这才是智驾从“保健品”变成“止疼药”的关键路径。

这个逻辑并不只是畅想。赛力斯曾披露，问界汽车通过AEB避免可能发生的碰撞次数超过170万次，续保费用整体下降20%。比亚迪也透露，2025年新能源车险综合成本率下降1.3个百分点，亏损减少1亿人民币，得益于智能驾驶技术的应用。华为乾崑智驾ADS累计避免可能碰撞212万次。

但于骞也坦承，目前保险层面上还看不到系统性变化，“因为渗透率太低”——全国几亿台车的保有量，装了高阶智驾方案的可能还以百万计，两者差了几个数量级。但当渗透率到了临界点，事故率、保费、用车成本的结构性变化，一定会到来。

这恰恰印证了轻舟“卷价值”的逻辑自洽：技术再好，如果不能走进普通消费者的生活、不能切实降低他们的用车成本，那就不算真正创造用户价值。

04 多场景破局物理AI

关于行业最关心的Robotaxi落地路径，于骞给出了轻舟的判断。

他对比了Waymo和特斯拉两条路线：Waymo稳妥但成本极高（车型成本高达8万美元，定价超2美元/英里），特斯拉成本可控但向完全无人跨越时风险较大。

轻舟的选择是第三条路——“用更强的大脑，而非只靠传感器堆叠”。于骞说，“人类开车有大量盲区，但我们依然能安全驾驶，靠的是强大的大脑。所以我们强调用更强的AI大脑来实现更高级别的驾驶能力。”

在Robotaxi的落地节奏上，轻舟持谨慎态度。于骞表示，“一次事故就可能对整个行业产生不利影响。我们宁可小规模稳健推进，也不要过于激进。”

在具体的产品落地上，轻舟的Robotaxi方案完全基于量产车配置，“从外观上看不出任何差别”，只是搭载了更强的AI大脑，目前已经在国内多个城市进行测试，今年将实现千台级到万级的运营规模，安全接管里程达到千公里级。

更值得关注的是轻舟对无人物流车赛道的判断。在于骞看来，“无人物流车市场目前所谓大规模实际也只是万量级规模，在稳定性、可靠性、安全性上仍有极大提升空间”。

而轻舟的机会恰恰在于，用乘用车领域百万级量产积累的经验，把安全、稳定、可靠的产品能力复用到物流领域。目前，轻舟的无人物流车已在金华、宁波、芜湖运营，用乘用车技术赋能，不依赖高精地图。

从L2++到Robotaxi再到Robovan，轻舟构建了一套“共用一个底层技术架构、多种产品形态”的打法。正如轻舟智航CTO李栋所说，底层技术能力越强，扩展一个新应用的边际成本越低——“城市NOA里应用的模型在Robovan上应用的效果也非常好”。

05 轻舟驶向物理AI时代

“一家公司至少要干20年，不可能一成不变，必须不断革自己的命。”于骞说，“这次升级，是为下一个七年、乃至下下个七年指明方向。”

于骞认为，轻舟智航的战略升级，不是放弃无人驾驶，而是以无人驾驶为基石，向更广阔的物理AI领域迈进——毕竟，能把四个轮子的“机器人”做好，才能有能力做好更多物理世界的AI应用。

不同于大模型公司“从数字世界切入物理世界”，轻舟从自动驾驶这个最复杂的物理交互场景入手，有海量的匀质驾驶数据，有成熟的工程化落地能力，这是大模型公司难以复制的优势。

于骞在采访中坦言：“如果你的世界模型连自动驾驶领域的问题都解决不了，还想解决机器人领域的问题，那更不可能。”

当下，整个行业正在经历深刻变革。地平线创始人余凯判断，高阶智驾将在三年内从选配走向标配，因为大模型与大算力带来的体验提升已越过用户感知的阈值。

但另一方面，行业投入与消费者使用之间仍存在明显“落差”——城区NOA用户黏性仅20%-30%，渗透率只有15%左右。谁能解决这个“落差”，谁就能赢得下一阶段的竞争。

轻舟的答案，就是“物理AI”。不是概念炒作，而是用“世界模型+强化学习”打通感知、决策、行动全链路，让AI从模仿人类行为，进化到真正理解物理世界运行的规律，在乘用车辅助驾驶、无人物流、Robotaxi等多个场景中落地，创造用户价值。