打破地域垂類壁壘，卓馭移動物理 AI，賦能智駕全球化全場景

駕之勢，初則百花齊放；終將萬象歸一。

回顧中國過去10年的風口發展，智能駕駛絕對算得上是那頭飄在空中的豬。然而智駕系統的總體發展之路，恰如兩次工業革命的歷程，由初期的百花齊放，井噴式爆發，到資本火熱，逐步過熱，到目前的回歸技術，匹配需求。

而技術本身的發展亦是螺旋式上升，從初期的概念，到高精地圖的取舍分歧；從傳統方案，到端到端的范式探索；從傳感器方案的理論對抗，到技術理念的路線之爭……終究還是走到了2026年。

好消息是，不少中國企業，已走上自己的康莊大道（參數丨圖片）。

壞消息是，沒有走通自己路的企業，已經消失在人海。

2026 年 4 月的智能電動汽車發展高層論壇上，行業再一次就智駕系統的未來進行了討論。而在本次的會議中，卓馭科技提出了一個更為深層且更為底層的問題：

在技術路線日漸清晰的當下，智駕行業是否還要繼續進行重復的系統研發，相互試錯搏殺？是否應該讓智駕系統真正做到『開箱即用』，能適配各種場景、各類車型，從而降低整個行業的成本？

而卓馭科技CEO沈劭劼在會上拋出了一個讓同行沉默的判斷：『未來兩年，全球智駕行業將告別分垂類、分地域的交付模式，全面擁抱基礎模型。』他同時斷言，存活下來的智駕公司都必須轉型為『移動物理AI公司』——『這不是戰略判斷，而是生存判斷。』

這番話背后，是卓馭已經用50+款量產車型、三位數定點、覆蓋中國TOP6商用重卡品牌的實際交付數據，驗證了一套名為『原生多模態基礎模型』的技術路徑。

但比這些數字更值得行業關注的，是這條路徑可能徹底終結困擾智駕行業多年的『適配成本陷阱』，讓智能駕駛從『逐城適配』的重模式，走向『全域通用』的輕模式，這條技術路徑或許正是中國智駕下一階段的核心競爭方向。

智駕行業的『死循環』：每換一個場景，就要重做一遍

回顧過去的十年，智能駕駛的競爭形式很多，但實際的焦點始終是『單車能力』的比拼：誰的城區NOA覆蓋城市更多，誰的接管率更低。但無論傳統方案還是端到端方案，都逃不出一個死循環——每進入一個新場景，都需要大量本地化適配，適配成本高、周期長，成為制約行業規模化發展的核心瓶頸。

沈劭劼在演講中將智駕能力進化劃分為三個階段，清晰地揭示了這一困境的根源。

第一階段（2016—2023年）是傳統方案，也就是『小模型』階段。這一階段的智駕系統依托高精地圖、小感知模型與規則決策規劃控制算法，基礎能力僅約40分，即便通過大量地域化、場景化的定制化適配，最終也只能做到80分左右。傳統小模型模式的核心缺陷是通用基礎能力弱、泛化性能差，『開城』代價巨大，每進入一個新城市，都需要重新采集地圖數據、適配本地交通規則與駕駛習慣，投入大量人力物力，中小玩家幾乎難以承受。

隨著技術迭代，行業進入第二階段（2023—2025年），端到端方案成為主流，也就是『中模型』階段。兩段式、一段式端到端技術的持續發展，讓智能駕駛實現了性能體驗的質的飛躍，通用基礎能力提升至70分水平，基于數據驅動配合少量泛化適配后，即可達到90分以上的表現，基本實現『能用、好用』。端到端中模型階段，行業競爭從『開城數量』轉向『體驗優化』，但適配困境并未徹底解決。

沈劭劼一針見血地指出了端到端方案的局限：『從70分到90分的適配雖然難度比以前更低，但依然存在問題——出海的過程中，如果每個國家都得做一次適配，尤其是對于路權規則等與中國區別巨大的歐洲國家，代價依然非常大。同時，如果要做跨垂類適配，從商用重卡到客車、物流車，人力投入的控制同樣是難點。』

端到端方案的局限背后，是端到端模型的本質短板。比如模型規模有限（僅幾千萬到幾億參數），高度依賴專家數據訓練，一旦遇到訓練數據缺失的場景，就無法自動泛化。

沈劭劼用一個生動的例子解釋這種困境：『中國跟德國最大區別是什么？不是交通規則、標志這些都不同，最大區別叫作路權觀，中國開車的路權觀是極弱的，基本就是誰能擠誰上，但是德國的路權觀很強，規則感很強，當我們直接把中國模型拿去德國用的時候能不能用？能用，會被罵死。』

基于上述行業痛點，卓馭率先探索智能駕駛發展的第三階段——原生多模態基礎模型，也就是『大模型』階段，而該方案，被卓馭定義為移動物理AI的核心。

商用重卡是最好的『試金石』：兩個月遷移，第一個過強標

要驗證『Zero Shot』零數據知識遷移不是PPT概念，需要最苛刻的考場。卓馭選擇了商用重卡——這個被行業認為『智駕適配難度最高』的垂類，用實際成果證明技術可行性。由于商用重卡與乘用車的差異，遠大于不同品牌乘用車之間的差異，其適配難度，成為檢驗基礎模型通用能力的最佳試金石。

商用重卡的智駕適配難度，首先體現在車輛本身的特性上。沈劭劼坦言：『商用重卡質量大、慣性大，對檢測距離，加減速控制等都提出了很高的挑戰，還有匝道中如何處理后面一個很長的拖箱等等場景，里面每一個都是具體的技術挑戰。』

一臺滿載的商用重卡重量是乘用車的幾十倍，車長是乘用車的幾倍，行駛風格、制動距離與乘用車有著本質區別，尤其是商用重卡無法像乘用車那樣急剎車，對智駕系統的預判能力和控制精度提出了極高要求。

其次，商用重卡的運營場景和安全標準也與乘用車截然不同。商用車對智駕系統的壽命要求更高，需要適應24小時連續運營的工況，電子電氣架構采用24V電壓（乘用車為12V），這些細節差異都需要智駕方案進行針對性調整。更重要的是，商用車智駕需要滿足組合駕駛輔助強標，該標準對系統的安全性、可靠性提出了嚴苛要求，此前行業內尚未有能滿足該標準的商用重卡智駕解決方案。

面對如此嚴苛的技術考驗，卓馭將在2026年通過兩步快走的方式推進：現階段以量產的高悟性端到端4.0模型快速推進第二階段的遷移；同時，預計在今年下半年，快速迭代原生多模態基礎模型，實現包括乘用車和商用商用重卡的全面躍進。

卓馭能把乘用車NOA核心能力遷移至商用重卡場景，僅用了不到兩個月時間，正是卓馭移動智能基座戰略的價值所在，卓馭無需為商用車場景重新訓練模型，僅通過少量后訓練數據優化模型相關能力，就能快速適配商用重卡場景。

據悉，目前卓馭的高悟性端到端4.0商用重卡版，已經與中國TOP6的商用車品牌都建立了合作，沈劭劼表示，這是業內第一個能過強標的商用重卡智駕解決方案。

沈劭劼特別強調該成果的行業含金量：『商用重卡方案采用了與乘用車一致的控制器及算力之外，加入了卓馭獨創的激目系統，即艙內激光視覺前前融合系統，從而做到了一個安全好用的商用重卡L2+輔助。』

除了技術適配的突破，卓馭商用重卡智駕方案還具備顯著的社會價值。該方案在節省燃油和保險費用的同時，也能提升整體道路環境的安全性，契合商用車行業的降本增效需求。截至目前，卓馭已全面覆蓋中國商用重卡Top 6品牌，多款合作車型將從2026年6月起，在9個月內陸續量產，量產推進進度遠超行業預期。

商用重卡場景的成功落地，不僅佐證了原生多模態基礎模型的可行性，更證明卓馭已經具備跨垂類規模化交付能力。沈劭劼對此信心十足：『我們的證據也是比較多的，其中最重要的，就是商用重卡場景的遷移，能夠獲得這個行業里面絕大多數TOP客戶的認同，我覺得這本身是一個證據，有了證據，就不需要去質證為什么行了。』

基礎大模型：是行業趨勢，還是新的『護城河』？

沈劭劼的判斷不止于技術，他提出了一個讓所有智駕公司背后發涼的生存命題：『未來存活下來的智能駕駛公司都將轉型為移動物理AI公司。這不是一個戰略判斷，這其實是個生存判斷。』

之所以被稱為這是一種生存判斷，其核心原因在于兩個字：成本！

具體而言即基礎大模型的成本邏輯——只有實現跨垂類、跨地域復用，才能分攤高昂的訓練成本，形成良性循環。

沈劭劼算了一筆明白賬：『基礎大模型能力越強，訓練成本越高，現已達到每年數十億的量級；而這套模型同時具備跨垂類的應用能力，唯有把巨大的訓練成本分攤到更多的應用場景，再用更多場景的數據反哺模型，才能形成成本、場景、數據的良性循環。』

成本邏輯的根本性轉變意味著，未來智駕行業的競爭，不再是單一場景的能力比拼，而是基礎大模型通用能力與成本控制能力的綜合較量。

沈劭劼詳細解讀了這一價值：『原生多模態基礎模型真正的核心愿景，是實現Zero Shot零數據知識遷移，真正能夠達到跨垂類的開箱即用。』

具體而言，新模型具備三大核心價值：跨垂類開箱即用，大幅縮短研發周期；全球零泛化，助力全球化布局；全場景通用，覆蓋高難度細分領域。與行業內其他端到端模型相比，卓馭的原生多模態基礎模型有著本質區別。

因為在卓馭的技術框架中，當前主流端到端模型仍屬于中模型范疇，參數規模僅在幾千萬到幾億級別，高度依賴垂直領域的專家駕駛數據訓練。只有訓練數據覆蓋足夠全面，模型才能輸出穩定表現，一旦遇到未見過的長尾場景，泛化能力會急劇下降。

相比之下，原生多模態基礎模型則突破了上述限制，模型規模足夠支撐涌現能力的產生，無需所有能力都來自精準匹配的專家數據。卓馭在訓練過程中，除了智駕專屬數據，還會引入互聯網公開數據、移動機器人數據甚至行人視角的道路數據，讓模型在預訓練階段就習得物理世界的通用規律，后續僅需少量場景化微調即可快速落地。

同時值得注意的是，卓馭的全鏈條供應鏈管控能力，亦成為其在基礎模型賽道構建護城河的另一大優勢。

在面對行業內對卓馭有『價格屠夫』的評價時，沈劭劼闡述了其清晰的認知：『光賣便宜的東西的意思就是不能賣貴東西，只能賣低端貨，這個我肯定不認，要做好的產品肯定是全矩陣的，不同價位的車，不同場景需要用不同方案。價格屠夫應該叫供應鏈管控能力，這個我認。』

所以，我們可以看到，在面對2026年內存漲價的風波中，卓馭早在2025年下半年便未雨綢繆地囤了大量庫存，保證2026年交付不會出現問題。卓馭的全鏈條供應鏈管控能力，讓卓馭在基礎模型的規模化落地中，具備了更強的成本優勢和交付穩定性。

沈劭劼同時也明確了卓馭的產品策略：『以后我們賣的東西會越來越貴，但是性能上升的速度一定會大于價格上升的速度。』該產品策略背后，是基礎模型帶來的性能提升與成本優化的平衡，也是卓馭在行業競爭中立足的核心邏輯——用技術提升價值，用供應鏈控制成本，形成『性能－成本』的雙重優勢。

從『開城』到『開箱』：中國智駕的下一站

回到行業視角，過去五年，中國智駕的競爭主線是『開城』——誰的NOA能覆蓋更多城市。

這條主線催生了大量的本地化適配工作，也筑起了高墻：新玩家很難快速復制老玩家的城市覆蓋，老玩家則需要持續投入大量資源維持現有優勢，整個行業陷入『重資產、慢迭代』的困境。但如果基座模型真的實現了『開箱即95分』，那么『開城』將失去意義。

沈劭劼預判：『未來兩年，全球智能輔助駕駛行業將逐步告別現有分垂類、分地域交付模式，全面擁抱基礎模型。』

而沈劭劼的『生存判斷』，正是對這種行業趨勢的精準把握：『智能輔助駕駛只是物理AI的初始形態，絕非終局；未來存活下來的智能輔助駕駛公司，都將轉型為移動物理AI公司。』

卓馭的布局，早已超越了單純的智駕方案供應商定位。沈劭劼明確表示：『卓馭的愿景是成為移動物理 AI 時代的基礎設施』。基于該長期愿景，卓馭將通過模型軟件+車規級高可靠性硬件的組合方案，實現『萬物自主移動』——無論是乘用車還是商用車，無論是L2還是L4，乃至以后的泛機器人行業，都能通過原生多模態基礎模型實現快速適配。

目前，卓馭的原生多模態基礎模型已經進入落地階段。原生多模態基礎模型將會在年內推送到乘用車及商用重卡上，也會作為卓馭智能輔助駕駛出海的基礎模型。

同時，卓馭聯合頭部生態伙伴共同推進L4技術研發落地，Robotaxi和無人物流車將于2026年7月開啟試運營，多場景的同步落地，將進一步反哺基礎模型的迭代優化。

此外，我們了解到，卓馭的原生多模態基礎模型版本將在北京車展上陸續開放搶先體驗，開放體驗將讓行業和消費者有機會近距離感受移動物理AI的實際能力。從『開城』到『開箱』，從分垂類適配到全域通用，卓馭用原生多模態基礎模型，為中國智駕行業指出了一條新的發展路徑。

當智駕行業擺脫『適配陷阱』，實現『開箱即用』，智能移動的邊界將被徹底打破。沈劭劼的愿景或許正在逐步實現：『我們希望用移動物理AI能夠智能一切移動，無論乘用車還是商用車，無論L2還是L4，乃至以后的泛機器人行業，通過軟件模型、車規級高可靠性硬件的組合方案，能夠真正實現萬物自主移動。』

這場從適配到通用的技術變革，或許正是中國智駕引領全球的下一個突破口。