专访卓驭CTO马陆｜移动物理AI的「阳谋」

撰文 | 青竹 编辑｜周长贤

你能想象，扫地机、割草机、具身智能……一切需要自己移动的载体，都跟乘用车、商用车和物流小车一样，用同一套移动物理AI大模型吗？

有的公司，还真这么想。这么想的，还不止一家。

而且，他们还觉得，这不是一个战略判断，而是一个生存问题。

入局物理AI和世界模型，在智能辅助驾驶圈，就像剧场效应，前排的人站起来了，后排就都没得坐。

别管赚钱没赚，有钱没有，想留在牌桌，就必须跟牌。

“范式都差不多，差别无非是谁真的在做，谁做得好。”

“差距大概就是两三个月、三四个月的技术迭代周期，没有谁形成巨大的、难以逾越的代差。大家都在进步，你不进步，就会被淘汰。”

所以，有了当下车圈的物理AI集结号。

“做移动物理AI，一年不投入20个亿，根本做不出来。从这个维度看，很多公司其实已经被筛选掉了。”

在卓驭会客厅，卓驭科技CTO马陆给出一种判断思路。

这个思路显然与大模型的scalling law一致。

如此烧钱，为什么非要做？

不但经费不友好，也对车端算力有要求，对于原本就难赚的他们来说，难道不是自己给自己上强度？

要理解卓驭的「移动物理AI」，即「原生多模态基础模型」，除了不卷生就卷死的竞速（参数丨图片）焦虑，还有技术范式和商业逻辑的考量。

说白了，求一条长远生路。

20亿的账，「大」模型的必要性？

“中模型本身并不能自动泛化到完全没覆盖过的场景。”

马陆这句话，直接给中模型下了判断。但大模型的代价是惊人的。

“训练一个中模型，一年花10个亿；训练一个大模型，起码20到30亿。做一家物理AI公司，一年总支出很容易就达到30亿-50亿量级。”

他说，行业现状是，“智能驾驶软件单套价值空间有限，需靠海量出货才能撑起可观营收。但目前行业尚无企业达到这般装机规模，且单品收益还在持续走低。”

也就意味着：“你投入海量资源训练出一个能力极强的、具备驾驶能力的大模型，在乘用车驾驶场景已经做得很好，但回报可能不足以收回成本。”

怎么办？卓驭的回答是：让这套大模型去服务一切能移动的东西。走出车厢，覆盖全域移动场景。

同一个大模型，可以跑在乘用车、重卡、商用客车、无人物流车，甚至后装车载无人机上。多业务板块协同发力，用规模打开盈利空间，释放最大商业价值。

于是，大模型和跨垂类似乎互为因果。

模型够大，能力才够跨垂类强泛化，才能减少适配的成本；而能跨垂类复用，才能养活大模型。

难道就不能各退一步，小而美吗？

卓驭的回答是，不能。

答案来自判断，也来自体验。

“跟语言模型的发展非常相似，规模会越来越大。”

马陆说，“智能辅助驾驶也一样，目前大家最多只能算中模型，模型一定会变强，一定会全面超越旧的小模型或中模型。”

体验上，他认为，“反应非常快。基本上做到了‘看见就有反应’。驾驶行为非常流畅和丝滑。很多曾经根本做不到的事情，一下子就能做到。”

所以，大模型的投入，本质是技术范式与竞争的必然要求。大模型所带来的泛化能力、涌现能力、跨载体通用能力，中模型无法通过迭代达到。

大模型对应端侧大算力，据马陆透露，跑完整版至少需要700T以上的算力，但即使未来有200T的小版本，效果也会优于上一代。

理解世界，终将比适配世界，更值钱

除了「大」，卓驭这套基于移动物理AI的「原生多模态通用基础模型」的词汇也值得拆开说。

什么是原生？

马陆解释说，早年间用VLM，没有动作能力，不是为了驾驶而设计。后来VLA 1.0时，喜欢用VLM做场景识别，「外挂式」的能力，并非模型原生具备。

而模型的「原生」能力，是指预训练时就获取理解、识别和预测能力，而不是外挂一个语言推理来辅助。

“核心还是要理解世界，不理解世界去做物理AI是不现实的。”

所以，物理AI以视觉为基础来构建模型，而不是文本。

最终实现理解过去状态的能力，并能基于此预测未来状态。实际上就是理解环境和移动自己两件事。

为什么强调「多模态」？

因为预训练阶段就实现对视频、文本、动作、语音、地图等多种信息的统一处理和表征。

“具备了理解能力之后，同时采集大量的驾驶数据。给模型30秒的视频片段，告诉它这是一个驾驶场景，看到很多传感器信息，包括图像、激光雷达等数据，同时也看到了人类驾驶的轨迹。”

模型的「通用」，可以理解为一种升维。

不止学会开车和认路，而是理解移动和物理世界。正是基于理解的推理本质的迁移，让卓驭可以在泛化上大作文章。

过去通用基础能力不足，代价是每一次跨地域、跨车型、跨垂类部署，都会带来效率损失和成本。严重依靠在后期泛化中打补丁。

而原生多模态基础模型的强泛化能力，则会带来商业逻辑的变迁。带来跨场景、跨城市、跨垂类的Zero-shot知识迁移，做到“开箱即用”。

在传统模式下，一套方案从乘用车迁移到商用重卡，几乎等同于重新开发一次。

一台重卡的电架构、转向响应、制动距离、转弯半径和家用车完全不同；不能急刹车的开车模式也不同。靠后期，意味着巨大工作量。

这也为出海提供了“一套模型打天下”的支撑。无需逐城适配，无需大量本地数据喂养。

把成本砸到模型中，缩短后期验证周期和成本；尽量多的复用，用软件的边际效应优势来跑通商业逻辑，摊薄基座大模型的固定成本。

结语

移动物理AI的大模型是多模态、多垂类、多场景的命题式需求，也是头部企业商业求生求发展的范式升级。

美好的一面是，会给智驾带来N倍的效率、安全提升和智能普惠。

现实的一面是，模型越大，成本越高，玩家越少。

更远的畅想是，“最终都是要实现AGI。”

—THE END—

出行百人会 | AutocarMax

追踪出行与智能产业链进化，关注新产品、新科技、商业逻辑与人物，影响有影响力的人。