元戎启行首席执行官‌周光：拥抱大模型技术变革，探索自动驾驶发展新路径

从依赖高精地图到无图方案，从端到端技术到基座模型，自动驾驶技术正迎来新一轮变革。随着人工智能加速向物理世界延伸，如何突破现有技术瓶颈，推动自动驾驶从“能用”迈向“好用”，成为行业关注的焦点。

“如果你不能变成一家大模型公司，我认为你是没有机会的。”元戎启行首席执行官周光近日在2026世界智能网联汽车大会期间接受记者采访时表示，人工智能大模型的快速发展正在重塑行业竞争格局，面对新一轮技术变革，企业不仅需要提升模型研发能力，更要依托真实应用场景和规模化量产积累，不断突破自动驾驶的能力上限。

以基座模型突破自动驾驶能力瓶颈

近年来，人工智能大模型加速迭代，为自动驾驶技术发展带来新的可能。尤其是通用多模态大模型开始尝试完成真实驾驶任务，让行业重新思考未来的技术发展方向。

近期，DrivingBench开展了一项实验，让GPT-6 Astra等通用多模态大模型尝试直接控制真实汽车。在封闭场地的低速测试中，GPT-6 Astra第二次尝试完成全部指定路线。尽管距离复杂开放道路上的实际应用仍有明显差距，但通用人工智能展现出的潜力已引发行业关注。

周光将这一变化比作蒸汽机出现后带来的技术变革。

“这类似蒸汽机发明带来的技术变革，你守在马车上没有意义。”在他看来，面对人工智能带来的技术跃迁，企业需要主动拥抱新范式，而不能局限于对原有技术路线的持续优化。事实上，从较早布局无图技术，到推动端到端模型应用，再到探索基座模型，元戎启行的技术发展路径也体现了对行业变化的持续关注。

与传统模型相比，基座模型的价值体现在哪里？周光举例说，当车辆发现前方有人过马路时，可以根据行人轨迹作出减速、避让等反应。但如果行人在过马路时掉落手机，即使仍在向前行走，驾驶员也可能预判其会返回捡拾手机，从而提前采取措施。这类场景不仅需要车辆识别眼前发生了什么，更需要理解行为背后的因果关系，对可能发生的情况作出判断。周光认为，随着复杂驾驶场景不断增加，传统技术体系可能面临能力提升瓶颈，而基座模型有望通过增强理解、推理和决策能力，为自动驾驶打开新的发展空间。

围绕这一方向，元戎启行正探索将驾驶决策、场景理解和行为评估等能力融入统一的基座模型架构。同时，企业还成立了Superfluid Lab，围绕基座模型、视觉语言动作模型（VLA）及世界模型等方向开展前沿研究。

推动技术创新向产品应用转化

对于自动驾驶而言，技术创新最终要体现在真实道路上的使用体验。消费者关注的，不只是车辆能否完成一次变道、转弯，更在于系统能否持续、稳定地应对复杂路况，减少人工接管。

周光多次谈到衡量自动驾驶能力的重要指标——接管间隔里程。

“百公里到千公里，体验是不一样的。”周光表示，对于消费者而言，一天需要接管一次，与一个月才需要接管一次，实际使用感受存在明显差异。他坦言，当前包括元戎启行在内的部分行业头部企业，在城市驾驶场景下已具备百公里级的接管间隔能力，但距离千公里级仍有提升空间。

在周光看来，车辆在绝大多数常规驾驶场景中并不需要复杂推理，但面对突发情况和长尾场景时，仅依靠传统小模型可能难以满足需求。因此，突破模型的智能上限，是推动辅助驾驶能力进一步提升的重要方向。

除了模型架构创新，如何提高研发效率也是企业探索的重点。目前，元戎启行正尝试将递归式自我改进（RSI）技术应用于模型后训练，让人工智能参与数据分析、数据配比优化、训练策略调整和模型评估等环节，推动研发流程向更高程度的自动化演进。

周光认为，现阶段RSI带来的效率提升仍较为有限，但随着数据规模扩大、模型复杂度提高，其长期价值将逐渐显现。同时，在研究方向判断、模型架构设计等关键环节，优秀研究人员的专业判断仍然不可或缺。

技术探索也在逐步向产品端延伸。据介绍，元戎启行推出的DeepRoute IO 4.0进一步强化了复杂空间理解和动作规划能力，覆盖倒车脱困、倒车礼让、多把掉头等场景，持续提升辅助驾驶在复杂环境下的应用能力。

从模型架构创新到研发效率提升，再到产品功能迭代，元戎启行正加速探索形成技术研发与实际应用相互促进的发展路径。

探索自动驾驶产业发展新空间

技术创新离不开产业应用。对于自动驾驶企业而言，能否实现规模化量产、持续获取真实道路数据，正成为影响技术迭代和市场竞争的重要因素。

随着我国智能网联汽车产业加快发展，城市领航辅助驾驶（NOA）等功能逐步进入消费者日常用车场景，自动驾驶产业正从早期技术验证迈向规模化应用。

在这一过程中，元戎启行的商业化落地取得积极进展。根据第一电动网提供的数据，2026年1月至8月，元戎启行城市NOA月装机量从1.76万辆提升至6.21万辆，市场份额达到14.5%，位居行业第二。亿欧智库近期发布的专项研究显示，基于2026年1月至9月公开车型销量数据，在中国自主品牌乘用车前装标配城区NOA全栈方案商样本份额测算中，元戎启行以23.8%的占比位居第二。截至目前，元戎启行辅助驾驶方案累计量产搭载已超55万辆。

规模化量产不仅为企业带来市场空间，也为模型训练和技术迭代提供了真实场景数据。周光认为，与主要依赖互联网数据的通用人工智能模型不同，自动驾驶模型需要在真实道路环境中持续积累数据，并经过严格的安全验证。因此，未来行业竞争不仅取决于模型能力，也更加考验企业在数据、资金和人才等方面的综合实力。“数据、钱、人，每道关都重要。”周光表示，技术范式快速演进的背景下，企业需要同时具备技术研发、数据积累和规模化应用能力，才能保持持续竞争力。

与此同时，基座模型的泛化能力，也为自动驾驶技术拓展海外市场带来新的可能。周光介绍，元戎启行已经开展跨区域零样本（Zero-shot）演示探索，并研究利用少量本地数据完成不同国家和地区驾驶场景适配的技术路径。

“我们还是先专注汽车，但要用基座模型的模式来做汽车。”周光表示，元戎启行现阶段仍将聚焦自动驾驶，以基座模型技术提升汽车智能化水平，同时探索向更广泛物理人工智能场景延伸的可能性。

从无图技术到端到端，再到基座模型，元戎启行的探索折射出自动驾驶产业技术演进的新趋势。随着人工智能与汽车产业加速融合，如何持续突破技术瓶颈、推动创新成果实现规模化应用，将成为自动驾驶企业面临的重要课题。