放弃小模型,元戎启行用物理AI豪赌一千公里MPCI

📌 旧范式的困局: 小模型的天花板

• 重点: 不做小模型、不打开城战, 元戎启行用基座模型赌一千公里 MPCI。
• 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
• 重点: 后续仍需关注官方更新、落地范围以及实际反馈。

过去十年,自动驾驶行业普遍采用“小模型堆叠”的模块化架构: 感知、预测、规划、控制各用独立模型。这套体系在 99% 的场景下表现尚可, 但要从 99% 提升到 99.99%, 成本呈指数级增长。元戎启行 CEO 周光直言:“小模型的天花板就在这儿, 不可能做到十倍的好。”数据表征能力有限、泛化能力不足、长尾场景覆盖成本极高, 成为小模型难以逾越的障碍。

🔍 换道时刻: 大模型与物理 AI 的崛起

转折点出现在 2026 年初。随着多模态大模型在物理世界理解能力上的突破 , 自动驾驶行业看到了新可能。元戎启行首席科学家阮翀指出, 大模型能同时学习感知、预测、规划、控制, 通过基座模型实现“涌现”式的物理理解。特斯拉已在雨天场景中验证了模型自主预判前车打滑的能力, 这是小模型原理上无法实现的。阮翀将基座模型的能力拆解为三个角色:Driver 模型 负责驾驶控制,Analyst 模型 提供可解释性,Critic 模型 学习负向行为。三者共享同一基座, 迭代周期从过去 100 多小时压缩到 12 小时, 研发效率提升近十倍。

💡 非共识的信仰: 人才与组织变革

元戎启行的战略不仅体现在技术选择上,更在于组织理念。阮翀加入元戎, 并非因为薪酬或职位, 而是看中团队“朋友般”的协作氛围。他提出“轻微不足的人手, 加上相对充足的 token”的组织观, 强调 AI-native 的团队构建: 公司不再是人的集合, 而是人与 AI 技能的融合。周光则将安全置于绝对优先地位, 把安全权重定义为“90 分以上”, 体验和舒适性仅占 10 分。这种价值观驱动着元戎在技术路径上做出非主流的选择。

📊 行业分化: 性价比路线与 Scaling 路线

2026 年的中国智驾行业正经历静默分化。一类公司走 性价比路线, 用小模型在低算力平台上实现基础功能, 抢占市场份额; 另一类走Scaling 路线, 追求大模型的上限。周光判断:“真正实现一千公里、一万公里安全, 不可能靠传统模式。”元戎启行选择后者, 并计划从 30 万台存量车扩展到今年新增 100 万台, 以海量真实数据驱动模型进化。与零跑等品牌的合作, 将技术下沉到十万级市场, 证明大模型蒸馏到低算力平台并非难题, 关键在于让大模型本身更强。

🚀 总结: 一场豪赌, 但逻辑自洽

围绕“放弃小模型, 元戎启行用物理 AI 打另外一场仗”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。