从“一车一模”到“基座经济学”：多模态正在重写移动物理AI的产业逻辑

【摘要】过去智能驾驶公司拼的：谁的测试里程更多，谁进的城市更多，谁能把一辆车的城区NOA调得更顺。

真实道路里的很多难题，其实早就超出了“驾驶”本身。有人站在路边招手，他是不是让你先走？一个纸箱掉在车道中央，它会不会被风吹动？施工人员临时摆了一排锥桶，车辆该把这理解成障碍，还是一条新的通行边界？

车卖得越多，数据越多；数据越多，模型越强；模型越强，再卖更多车。逻辑没问题，只是“数据越多”这四个字越来越不够用了。

未来，一家移动物理AI公司最值钱的资产，或许不再是它跑了多少公里。而是这几亿公里跑出来的经验，究竟能卖多少遍。

以下是正文：

一辆车学会开车之后，它学到的东西，能不能直接教给另一辆重卡？或者再大胆一点，能不能教给物流车、Robotaxi，甚至其他会移动的机器？

这个问题放在几年前有点遥远。那时智能驾驶公司拼的还是另一套东西：谁的测试里程更多，谁进的城市更多，谁能把一辆车的城区NOA调得更顺。

如今，行业基础线抬高了。

工信部7月披露，2026年以来，中国搭载组合驾驶辅助功能的乘用车新车市场渗透率达到70%，其中配备NOA的车型超过30%。再往前看，2025年国内乘用车组合驾驶辅助功能搭载率已经达到64.9%。辅助驾驶正快速从少数高端车型的卖点，往大规模普及走。

当“能不能做”逐渐让位给“谁做得更便宜、更快、更能复制”，智驾公司的竞争对象也跟着变了。如果每拿下一款新车，就要重新收数据、调模型；进入一个国家，再重新泛化一遍；从乘用车换成重卡，又来一轮工程开发，那么车型越多，项目也越多，研发团队跟着一起膨胀。

这种生意很难真正形成软件式的规模效应。今年开始冒出来的“移动物理AI”，想改的恰恰是这条成本曲线。4月北京车展，卓驭发布首个面向移动物理AI的原生多模态基础模型，并提出“一套模型，全域可用”；而9月九识披露APEX多模态基座世界模型、近1.5万卡GPU集群，以及2.7亿公里L4真实运营数据。

两家公司出发点相差很大：卓驭长期从乘用车辅助驾驶往外扩，九识从RoboVan大规模真实运营往里收。

最后却走到了一个相似的问题上：未来一家智驾公司的核心资产，可能不再只是一套“会开车”的模型，而是一套能够反复复用的移动智能基座。

图源：卓驭科技

01

卓驭为什么要让汽车“少学一点汽车”？

首先是卓驭。传统智驾有一个非常自然的逻辑：想把车开得更好，就找更多车的数据。高速数据不够，加城区；城区不够，加乡村；中国跑完了，再去欧洲采。这条路径没有错，问题出现在它的边界上。真实道路里的很多难题，其实早就超出了“驾驶”本身。

有人站在路边招手，他是不是让你先走？一个纸箱掉在车道中央，它会不会被风吹动？施工人员临时摆了一排锥桶，车辆该把这理解成障碍，还是一条新的通行边界？

一台车要处理这些东西，靠的很难只是“看过多少公里道路”。它需要常识，需要理解人的行为，也需要知道不同物体在真实世界里会怎么运动。所以卓驭今年把训练数据的边界往外推了。

按照卓驭在今年北京车展公布的技术架构，原生多模态基础模型从预训练阶段就同时处理视频、文本、动作、语音、地图等信息；数据来源也超出了智能驾驶，进一步加入互联网数据以及各类移动机器人数据。

也就是ego-centric（第一人称视角数据），围绕一个正在物理世界中移动的传感器，学习它所看到和经历的一切。

资料来源：卓驭科技

这里其实藏着一个很重要的思维变化。无人机飞过树林，机器人穿过仓库，汽车驶过十字路口，表面上完全是三件事。往底层拆，它们都在不停做同一组动作：感知空间、判断物体、预测运动、规划下一步，再控制自己移动。

载体不同，物理世界没有跟着换一套规则。于是，汽车数据开始有可能和机器人、互联网视频一起训练同一个底座。模型要学的东西，也从“这辆车在这个路口怎么开”，慢慢往“一个移动主体怎样理解真实世界”。

这也是原生多模态在卓驭这套叙事里最重要的一层。卓驭真正强调的是，把不同模态的共同学习进一步前移到预训练环节，用统一基础模型吸收跨地域、跨载体的知识，再到具体车型上做激活和适配。

卓驭给这套架构设下的目标很高：Zero Shot知识迁移，跨垂类开箱即用，海外市场做到零泛化或少泛化。这个目标目前显然还需要更多量产项目来证明，卓驭官方也将其表述为模型的“核心愿景”。

它已经开始往外试。截至目前，卓驭官网披露公司已合作35家核心客户及生态伙伴，量产车型超过50款，定点合作车型超过130款；业务范围则从乘用车延伸至商用重卡、商用客车、无人物流、Robotaxi和具身智能。4月的官方发布会上，卓驭还宣布与中国TOP6商用车品牌建立合作，重卡车型从7月开始陆续量产；宇通客车城市NOA项目计划在今年下半年量产交付。

这件事真正值得看的地方，不只是卓驭多做了几个新业务。重卡和乘用车差得实在太远。一辆满载重卡的重量、制动距离、转向特性和乘用车不是一个量级，电子电气环境也不同。卓驭在官方资料中披露，商用重卡方案与乘用车保持一致的控制器算力配置和高悟性大模型4.0技术架构。公司CEO沈劭劼此前进一步表示，乘用车和重卡使用同一个基础模型。

如果这种跨垂类复用能够持续成立，那么汽车行业过去习以为常的“一车一模”，就会开始松动。模型第一次有机会像一个真正的底座：上面换车，下面不必全部重建。

02

九识的2.7亿公里，真正稀缺的是什么？

卓驭解决的是一套模型能走多远。九识面对的问题更现实：模型真跑出去之后，遇到没见过的事怎么办？无人货运是一个很适合观察这个问题的场景。

RoboVan每天跑的是快递网点、商超、工业园和城市支路。停车的私家车、临时施工、逆行电动车、没有名字的小路、突然变化的送货地点，这些情况很难像封闭测试场一样提前布置好。

车一旦开始挣钱，它就得自己面对这些麻烦。九识的优势也由此变得很特殊——它拥有一支每天真的在干活的无人车队。

九识官网今年3月披露，其RoboVan车队当时每小时真实运营约4万公里，按全年计算达到1.4亿公里；截至2月，车队覆盖20多个国家、超过300座城市，部署规模突破2万台。7月发布其无图方案规模化量产时，公司又披露已有1.7亿公里L4运营里程。

到了9月17日，九识最新对外披露的口径进一步升到超过3万辆车、300多座城市和2.7亿公里L4真实运营里程。同期，公司宣布建成近1.5万卡GPU集群，核心APEX多模态基座世界模型正从百亿级参数继续向千亿级推进。

只看“2.7亿公里”，很容易又掉回过去那场里程竞赛。关键其实在公里后面。

九识官网目前对自身技术架构的描述，已经明确加入VLM/VLA大模型：通过多模态理解识别复杂业务场景和交互指令，预判风险，再输出高阶行驶策略；同时用端到端模型把障碍物、车辆、行人与道路一起建模。

按照九识此次公开的架构，APEX的训练来源包含真实L4运营数据、互联网多模态知识和真实运营中的人类决策数据，并通过知识蒸馏把基座能力下沉到车端VLA；模型家族同时包含云端VLA和安全员Agent。

最后一类数据尤其有意思：人类是怎么处理失败的。

正常驾驶录像可以告诉模型，前面的车最后左转了。当无人车真正被堵在死胡同、施工区域或者极端末端场景时，人类接管后的操作则多了一层价值：为什么这里该停、什么时候绕行、该怎样重新规划。它记录的是系统最不会做的那些事情，而这和单纯再跑一亿公里有很大区别。

一段非常普通的直线路况，模型可能已经见过几十万遍；一个过去从未处理过的脱困动作，反而可能更值钱。所以规模走到一定阶段以后，数据的竞争会悄悄换题。

“多少公里”仍然重要，下一问会变成：这些公里中，到底有多少新东西？

03

数据的真相：多，不够

过去几年，智能驾驶非常喜欢讲“数据飞轮”。车卖得越多，数据越多；数据越多，模型越强；模型越强，再卖更多车。逻辑没问题，只是“数据越多”这四个字越来越不够用了。

如果新增的一亿公里，大部分仍是模型熟悉的道路和天气，它当然有价值，边际增益却会越来越小。相反，一架无人机看到的空间运动、一个机器人与物体交互的过程、一辆RoboVan在雨夜施工路段的失败案例，可能会给模型补上完全不同的一块知识。所以卓驭和九识看起来走了两条路，实际拼图正好能拼到一起。

卓驭更关心结构。它试图把互联网、驾驶和移动机器人数据放到同一个ego-centric体系里，让基础模型在进入具体车辆以前，就多见一点世界。其官方发布明确表示，预训练阶段会同时覆盖智能驾驶、互联网及各类移动机器人数据。

九识更关心真实运营密度。它有成规模的L4车辆在城市里持续碰问题，再借由无图技术、VLA和端到端架构，把这些问题变成新的训练材料。今年7月，九识官方宣布L4无图方案规模化量产，当时该方案在新增运营路线中的渗透率达到30%，现在，根据官方披露信息，这一比例已经接近95%。

两件事放到一起，未来Physical AI的数据壁垒也许可以写成一个很简单的乘法：数据结构 × 真实运营规模 × 闭环速度。

数据结构决定模型能学多广。真实规模决定模型能撞见多少长尾。闭环速度决定今天在苏州发生的一个问题，什么时候能让广州的一辆车也学会。缺一个，飞轮都很难真正跑快。

04

“基座经济学”：真正改变的是研发成本怎么长

为什么大家突然都喜欢讲“基座”？因为这最终是一笔成本账。以前做智驾，很像接工程项目。拿下一辆新车型，做一次适配；换一个传感器方案，再调一轮；进入欧洲，重新采当地道路数据；转去重卡，动力学和控制逻辑又得重新做。收入多一个项目，后面通常也跟着多一串人和成本。这类模式的问题很明显：规模做大了，研发费用同样容易跟着一起长。

卓驭在4月官方发布中对这个痛点讲得很直白。公司认为，传统方案跨地域和跨垂类时适配成本很高，海外市场甚至可能出现接近重新泛化的工作量；原生多模态基础模型的目标，就是减少为每款车、每种应用、每个国家重新建模的需求。

如果这件事真的跑通，账会变得很不一样。训练基础模型的第一笔钱可能更贵。模型规模越大，数据治理、GPU、工程和预训练成本都会往上走。好处发生在第二款车、第二十款车，以及第二个行业。

第一次训练出来的能力开始反复使用。于是新增业务的成本，从“再造一套智能”慢慢变成模型激活、车型控制适配、安全验证和量产工程。基础模型真正降低的，是扩张时的边际研发成本

资料来源：芯流整理

九识的Zelos Inside做的也是类似的事。其官方定义直接把“传统定制化开发、小批量适配、无法复用”列为行业痛点，希望把L4开发压缩成标准化、模块化、可复用的交付平台。这就是“基座经济学”真正值得看的地方。

它并不会让物理AI变成SaaS。汽车还有硬件，还有制动和转向，还有车规验证、安全责任和各地法规。卓驭自己除了模型，也保留控制器、传感器设计制造、车规级安全操作系统和智能制造能力，其安全操作系统符合ISO 26262功能安全要求。

监管也在同步收紧。工信部今年发布的组合驾驶辅助强制性国家标准，对功能安全、数据记录、人机交互和制造商安全保障都提出了更明确要求，标准拟于2027年1月1日起实施。所以物理AI很难拥有纯软件那种复制一份几乎不花钱的生意。它真正有机会改变的，是成本增长的斜率。

过去，多卖一类车，需要多养一支队伍。未来，一个真正成熟的移动基座应该证明三件事：进入下一款车型需要的数据更少，跨到下一个城市的工程周期更短，从一个垂类跳到另一个垂类时，大部分智能能够留下来。

这三个数字，甚至可能比“模型有多少B参数”更值得看。也因此，资本市场未来是否会给这类公司更接近软件平台的估值逻辑，现在还不宜急着下答案。

05

芯流观点

真正值得观察的是更朴素的东西：一套模型覆盖了多少收入？下一款车型还要投入多少人？一次训练能够摊到多少台设备上？真实运营产生的一次经验，能被多少辆车共同使用？当这些数字持续改善时，一家智驾公司的商业属性才真的开始变化。过去的行业逻辑，是把一辆车做得越来越聪明。

接下来的竞争，则可能变成另一件事：谁能让同一份智能，被越来越多移动设备重复使用。到那时，一家移动物理AI公司最值钱的资产，或许不再是它跑了多少公里。而是这几亿公里跑出来的经验，究竟能卖多少遍。