阶跃+千里：中国物理AI的"灵魂"与"躯体"

2026年7月17日，上海，世界人工智能大会主论坛。图灵奖得主、强化学习奠基人理查德·萨顿率先作学术演讲。

萨顿讲的是他毕生申明的观点——智能生长在目标、行动与反馈之间，而不是从静态语料里长出来。

在他之后登台的，是印奇，他的题目叫《当智能体走进物理世界》，他的核心观点是——智能体是目前这波AI热的核心主线，智能体带来的不是一个单点应用机会，而是三个结构性变化：新系统、新设备、新网络。

其实，两个人本质上说的是同一件事，前者是学术版，后者是前者的企业版。

印奇认为物理AI的未来，会是一张全新的人机共生网络，将打通人、智能体、物理终端交互链路，重构价值分配与交易规则。

——导语

01

物理AI的门票，很贵

用一组数据来形容下物理AI赛道的规模——全球汽车产业的规模约2.75万亿；具身智能领域，摩根士丹利也算过一笔更远的账：2050年人形机器人市场5万亿美元，全球在用量超过10亿台；手机更不必说，是全球保有量最大的智能体的现成物理载体。

印奇选择了一个格局很大的赛道，但它的门票，也因此贵得多。

我们可以先看拿这张票的人已经有谁。

2025年11月，杨立昆离开效力十二年的Meta。这位图灵奖得主的新公司叫AMI Labs，方向是世界模型，一款产品没有，种子轮融了10.3亿美元，估值35亿；几乎同时，李飞飞发表《From Words to Worlds》，她的World Labs估值冲向50亿美元。

语言模型预测下一个词，世界模型预测下一个状态——加塞的车会怎么切进来，湿滑路面上刹车距离是否变长——智能驾驶这件事，本质就是一连串对世界下一个状态的预测。

所以顶级AI人物集体转向世界模型，赌的从来不是一个更好的模型本身，他们看中的，是物理AI模型最终要坐进的躯体。

而印奇是这张牌桌上的最鲜明的中国面孔之一，他入场比多数人都早。

2011年他从清华姚班毕业创办旷视。那年投资人还在问什么是人工智能，他的商业计划书封面改成"移动游戏"才拿到第一笔钱。

"做影响物理世界的AI”，也是他反复讲的话。在2024年，他出任千里科技董事长。2026年1月，出任阶跃星辰董事长。

一个人兼任两家公司的董事长，在中国科技行业并不多见。这个安排的含义，是一个对未来的坚信——AGI必须与物理世界叠加，才能兑现全部价值。所以至少要有两家公司，一家公司负责制造灵魂，一家公司负责为灵魂寻找合适的躯体。

02

此端侧，非彼端侧

先纠正一个流传很广的误会：端侧是云侧大模型的参数压缩版。

并不是。

云端的模型，安装在电力充沛、散热无忧、带宽近乎无限的机房里；而端侧的模型，跑在几瓦或几十瓦功耗、被动散热、内存以GB计的芯片上，而且这些芯片对车企是高度碎片化的——高通、联发科、地平线、英伟达Thor，每一家的指令集和存储层级都不一样。

云端跑通的方案，在端侧未必成立。把大模型参数压缩一下塞到车里，大概率得到的通常是个又慢又笨的残次品。

真正能用的原生级端侧模型，从架构设计的第一步就得为终端苛刻的约束而生。这正是阶跃Step Edge的定位——它是专为车、手机等终端的算力条件定制的。

车，是人类造出来的，在消费级场景里算力最强的移动端侧设备。但车对端侧模型的要求，天然有三个极致挑战。

首先是实时性的极致挑战——Step Edge能支持低至0.1秒的本地toolcall执行，而这活端云协同都干不了——举个例子，在时速120公里的路面上，每一次云端往返的延迟，都是以米计的物理距离。

其次是对弱网、无网下可用性的极致挑战——隧道里、山区里、地库里，手机上的智能因此变卡，但车上的不能，或者说是绝不允许——所以，Step Edge的原生端云协同就是为此设计：简单、高频、弱网无网的任务由端侧接管，复杂推理与长链路任务交给云端。这个分工在手机上叫体验优化，在车上更是安全底线。

第三重极致条件是隐私闭环——车是家的延伸，一辆车里的摄像头看到的、麦克风听到的，比手机相册私密得多。所以，文本、视觉、语音必须全模态在本地处理，敏感数据不出端是基本的隐私保障。

这三条硬约束叠起来，决定了汽车产业天生是端侧智能的商业价值天花板，但也是端侧智能最残酷的修罗场。

一家2023年才成立的模型公司，加一家去年才把智驾业务立起来的车企，凭什么赢？

03

模型即一切

开幕式上和印奇同台的那位老人，在2019年写下的《苦涩的教训》中回顾AI七十年，结论只有一句：所有依靠人类精心设计的领域知识堆出来的方法，最终都输给依靠算力的通用方法。每一次，无一例外。

而传统智驾供应商干的就是硬堆式的设计——加塞、绕过锥桶、收费站、潮汐车道——每遇到一个搞不定的场景，就加一个模块、写一套规则、打一个补丁。但问题是，清单上的每一条，都是萨顿说的那种"人类精心设计的领域知识"。

2026年4月，阶跃和千里宣布联合研发原生智驾基座模型：预训练阶段就把海量通用语料与驾驶数据焊在一起，让模型天生懂路，而不是后天补课。行业管这叫脑体协同。

这也是阶跃+千里的“全局更优”的底层逻辑，它们不靠加模块、打补丁和修复bug，靠的是换智能底座，这已经是代际更替而非版本升级了。

这种模型吞噬功能，在车上已经发生过一次。

特斯拉FSD v12的官方发布说明里写着一句后来被反复引用的话：将城市道路驾驶栈升级为单一端到端神经网络，取代超过30万行显式C++代码。

马斯克在直播里说得更直白：v11里有30多万行C++，v12里基本一行都没有了。没有一行代码告诉车什么是环岛——模型自己从千万段人类驾驶视频里学会了。

三十万行，一支顶尖工程团队六年的心血，传统智驾方案商最引以为傲的护城河，被模型一口吞掉了。

但两年以后，阶跃+千里不但把这件事推向了更极致，还给智驾行业发明了一把尺子，叫含模量。

含模量，最好的体现了智驾系统里模型能力覆盖的广度与深度。如果说特斯拉那次是一个单一事件，印奇谈的含模量，就把它变成了一个可以每天度量的指标，一个类似于模型领域“摩尔定律”的趋势洞察——在智能驾驶环境下，模型驱动的能力比重越大，人工地图与预设规则的比重就越小，底层逻辑也就越进步，而且这是暂时没有终点也看不到天花板的真正进步。

而今年7月开始大规模OTA推送的ASD 4.0，主线就是含模量的大幅提升。

看懂含模量这个概念，其实就看懂了中国智驾市场正在发生什么——行业的胜负手从工程调优搬到了基座模型能力。那些曾经的智驾护城河——感知模块、规控规则、场景补丁——变成了阶跃的车端模型的食物。

传统智驾方案商，有多年的工程积累，但基本没有基座模型的底层研发能力，所以功能越多，就越容易站在被吞噬的那一侧。

大厂或独立大模型巨头，的确有基座模型，但此模型非彼模型——它们有的是纯文本语料喂大的通用语言模型，但没有对这个世界的物理度量。

而车企自研团队，可以说两头都沾一点，但缺的是前沿AGI的人才密度。

所以，我替阶跃+千里总结了三道护城河——为物理世界原生构建的基座模型、能在车规芯片上活下来的端侧能力、量产规模的物理载体——从现在看，同时满足的组合，中国只有这一对。

04

事实来验收

理论上的答案最优解，需要事实来验收。

先看智能体。

今年3月，吉利、阶跃、千里推出了行业第一个量产级舱驾融合汽车智能体，超级Eva。WAIC上，升级版搭载量产型极氪8X亮相。

它的驱动大脑是Step 3.7 Flash——阶跃那个上线两天冲上OpenRouter趋势榜全球第二的Agentic模型，甚至可以把一句含混的口头指令翻译成一条可执行的全链路任务。其中，端到端语音大模型负责听懂和回应，视觉理解大模型负责看车内外，据此决策。

"一句话控智驾"这种听起来朴素的能力，以前是工程挑战，现在是端侧模型的大考。

座舱和智驾在传统架构里是两套割裂的系统，各有各的芯片，各有各的供应商，各说各的话。用户说一句"前面路口靠边"，理解语义的是座舱，执行动作的是智驾，中间不能有翻译损耗。要做到这一点，得让同一套智能同时驱动“舱”和“驾”。

City Drive把这个逻辑推得更远。一次出行里，规划路线、沿途讲解、点到点智驾执行，由同一个智能体连续完成。城市导航顺手变成了城市导游。

汽车智能体既要“慢思考”，也要“快反应”。因此，它不仅要跑在云上，更要跑在端上。

这正是Step Edge的位置——按双方的规划，端侧全家桶是下一步上车的东西。前文已经讲过这一步为什么必须发生：一个跑在云上的智能体可以很聪明，但它进不了隧道和地库。

再看平台。这是模型化路线最容易被忽略的红利。

千里智驾给自己的定位是面向全球车企的开放智驾平台。同一套技术底座，已经覆盖极氪、领克、银河到smart精灵6——跨品牌，跨价位，跨用户群体，并且拿到了国际化合资品牌的认可。

这件事在传统模式下极难成立。手写规则、标定参数、场景补丁，全都长在特定车型的传感器布局、轴距和动力响应上。换一个车型，重做一遍。适配成本随车型数量线性增长。这就是单车适配的宿命。

含模量高的系统不一样。能力长在模型的泛化里，不长在为某台车手写的分支里，迁移成本因此塌缩。

所以，阶跃+千里的平台化不是一句商业口号，它是含模量的数学结果——只有真正以模型为底座的公司，才做得出可迁移的智驾平台。

同一个道理解释了另一个数字：三个月迭代两个量产版本，ASD 4.0的OTA一次覆盖几十万辆存量车。这在过去的日子极难实现——因为规则堆出来的系统，改一处就要回归全部，就必须“批量更新”，而模型驱动的系统可以一次性完成整体升级。

目前，千里智驾ASD装车量突破50+万台，覆盖19款主流车型，辅助驾驶激活率达到92%。

激活率这个数字值得重点评估——这是一个前所未有的数据。因为真实世界里，有许多听起来很好、但实用起来不给力的大量智驾功能，实际上是“装了不用”——用户已经为此付了费，但却得不到真实的交付。所以，很多车企那里，激活率是被刻意回避的指标。而92%这个数，说明十辆车里九辆真的在用千里智驾ASD，更说明这套系统跨过了从参数到日常的那道沟。

今年上半年，千里在智驾方案商的城区NOA装机量排名里位列第三。

第三名这个位置，要放到时间轴上才公平——千里智驾这块牌子挂出来还不到两年，这支队伍完成整合不过十一个月。就这样的一个车圈新丁，两年不到，就走到城区NOA装机量第三，同时把商业半径推出了吉利体系——正与北汽筹建合资公司，与其它车企的合作也在推进中，目标是2026年底ASD搭载100万到130万辆。

在一个以年为单位积累工程know-how的行业里，这个速度本身就是论据。它说明含模量这条路走对了。

最后，我想多看一层——从组织这一环，看人往哪里流，就能判断方向在哪里，因为这些人都是行业里最聪明的人。

2025年8月起，极氪、吉利研究院、迈驰智行三支智驾团队陆续整合进千里。CEO陈奇，曾在华为负责自动驾驶研发，后担任吉利控股集团首席智驾科学家、极氪科技副总裁，完成了极氪智驾从 0 到 1 的自研。CTO杨沐，旷视的联合创始人，曾在旷视旗下智驾品牌迈驰智行担任CTO。

这个行业里最贵的不是算力，是那几百个真正训过端到端模型的人。他们在用脚投票。

结语

回头看印奇兼任两家董事长的安排，含义此刻更清楚了。

近18个月，全球流入物理AI赛道的资金超过百亿美元，仅2026年一季度就有64亿。具身智能已入列国家"十五五"规划的六大未来产业。黄仁勋反复对市场讲：AI的下一波是物理AI，理解物理定律、能在我们身边工作的AI。

这场竞赛需要中国自己的平台级选手。资格清单其实很短：要有为物理世界原生构建的基座模型，要有能在车规芯片上活下来的端侧能力，要有量产规模的物理载体。

以及，还要有一个提前十五年就想清楚方向的人。