編者按：2025年3月28-30日，中國電動汽車百人會年會論壇在釣魚臺國賓館舉辦。作為戰略合作媒體，搜狐汽車對本次論壇進行全程視頻直播，以及短視頻報道和參與企業嘉賓采訪等環節。本次受訪嘉賓是元戎啟行CEO周光。

元戎啟行CEO周光

出品 丨 搜狐汽車·

作者 丨 李德輝

“我們元戎一直在智駕領域希望能夠做出最好的AI，我們對自己的定義也不是一家智駕公司，我們是一家物理AI公司。”元戎啟行CEO周光認為，實現物理AI才是解決完全自動駕駛的必經之路。

智能駕駛，只不過是物理AI在汽車這個垂類領域的一個具體應用。周光強調元戎啟行的技術遠景和商業考量：“我們衍生的第一個產品可能是智駕，智駕也許是物理AI第一個大規模落地的場景，我們不停地去做更好的AI，直到真正實現AGI，物理世界的AGI?！?/p>

這也就解釋了國內企業推出的智駕方案與特斯拉FSD之間的差距所在。

此次百人會論壇及特斯拉FSD進入中國市場之后，不少業界人士紛紛認為，相對于國內現有的智駕方案，特斯拉FSD領先一代。

周光也認同這個差距：“我覺得特斯拉V13就是要領先一個代差，但我覺得可能對不同的公司來講這個代差是不一樣的?！?/p>

差距所在，周光解釋：“V12是第一個端到端，過去一年我相信各家都在追趕，部分公司可能也做到了V12的效果。特斯拉出來V13了，的確是有一個代差。”

端到端與大模型的區別，“端到端就是指你所有東西都是靠神經網絡來決策。大模型天生就是端到端的。”其實兩者之間的關系，更像是端到端是大模型的一個子集。

周光強調，只有做好大模型才能更好的解決垂類場景里的問題。以汽車為例，沒有通用的移動能力，“今天的這套專家系統，它離開了路就不行了”。

只有更好的理解物理世界，才能完美的解決現實問題。周光舉例：“如果說你不能理解什么叫作火車路，什么叫火車，是不安全的。我有典型的一個例子，在紅綠燈，大家都在等紅綠燈，這邊車子在排隊，正好排隊的時候在鐵軌上也可以排，這個車就排在鐵軌上了。如果你缺乏了對通用世界的理解，這是安全的嗎？你在鐵軌上等紅燈，一等兩分鐘，你怎么辦？我覺得實現自動駕駛的終極目標，你不可能對普遍的物理世界沒有一個通用的認知，它需要對很多東西有個通用認知的?！?/p>

與此同時，周光認為，數據質量和數量，對于智駕領域端到端的訓練與迭代固然重要，但是在沒有進入大模型時代之前，則不具備有效甚至高效使用數據的能力。

以下是采訪速記（經編輯）：

Q：在智能駕駛領域，各大車企現在在加大自研力度，作為第三方解決方案商，元戎啟行如何應對這種趨勢？咱們的核心競爭力在哪里？

周光：智駕各家都自研，這個趨勢已經看到了。元戎的優勢在于我們能夠提供最頭部的技術跟體驗。目前來說自研趨勢還是在中階、低階。在高階，甚至在最新的VLA，我相信對于車廠來說還需要一定的時間。另外，這也并不是那么簡單就可以自研出來的，有大量的人才knowhow、數據knowhow、訓練knowhow。

我們元戎一直在智駕領域希望能夠做出最好的AI，我們對自己的定義也不是一家智駕公司，我們是一家物理AI公司。我們希望元戎一直能在物理AI突破。我們衍生的第一個產品可能是智駕，智駕也許是物理AI第一個大規模落地的場景，我們不停地去做更好的AI，直到真正實現AGI，物理世界的AGI。這次我們也發布了自己的RoadAGI產品，希望我們的技術更從專家系統到通才系統這方面的轉變。

Q：前段時間特斯拉入華，有自媒體文章寫咱們國內智駕會落后于FSD一年以上。在您看來，真實的情況和特斯拉FSD相比是什么樣子的？另外元戎相比特斯拉FSD我們的優勢是什么？

周光：從技術層面，也不說什么太多商業話術，我覺得特斯拉V13就是要領先一個代差，但我覺得可能對不同的公司來講這個代差是不一樣的。V12是第一個端到端，過去一年我相信各家都在追趕，部分公司可能也做到了V12的效果。特斯拉出來V13了，的確是有一個代差。

但是優勢在于你在中國，我們有中國特色的數據集，正常來說一個人工智能的學習應該是你發現有問題，你采集數據，再去數據閉環，這樣可以讓你的training set和test set盡量一致。特斯拉面對的問題是，他沒辦法在中國采集數據，就意味著他沒有辦法去更新他的training set，但是他每次在中國可以evaluate。你可以知道你test set的score，你去改變（英文），這是一個非常間接的方式去改善自己。這還是比較慢的，我覺得這個也就是僅此的優勢。

我們開始也在做V13的架構，我們也希望我們能夠快速地把V13這個架構推出來。

咱們都是做研究的人，工程師，說話還是要誠實一點，我們也許能夠在中國率先把這個做出來，我們也希望我們可以，中國公司也有這個能力做出V13的這套效果。

Q：您覺得元戎今年的智駕方案還有沒有降本空間？如果有的話大概是多少？

周光：智駕兩個方向的發展，一個是追求AI的天花板，另外一個是把某一個表現的AI系統做極致降本，這是兩個完全不同的方向。

之前元戎的形象一直在追求AI的天花板，比如我們走端到端，到無圖。大家看到我們在國內第一個做的，去年我們提的是個新圖，無圖的時候更是對行業有一個沖擊。我們2023年推無圖，大家全都在說我們是假的，但是我覺得現在是一個時候了。我們既要追求AI的上限，同時也要追求規?；纳虡I化。我們今年也會有其他的一些solution出來，不同的芯片平臺的支持，可以把成本進一步降低。

當然，還是要保證體驗的情況之下去做降本。我們不是那種極致追求成本的概念，比如用一個非常低算力的芯片，可能你都不是按照AI的路徑來做這個事。這個做法我們肯定是不喜歡的，因為有公司是這么做的。他也會找到自己的生態位置，總有一些客戶會選擇。因為他特別便宜，但是你可能會損失掉的是你持續的能力。我們還是追求AI上限，我們覺得做出來AGI，做出來物理世界AGI的意義對我們公司來講使命更大，我覺得這是更有意思的。

同時，我們也要把商業化做好，不能商業化的AI也是沒有價值的，我們也會把一些成熟的AI放到下一檔的硬件里面去，也要做到好用。

Q：在您看來數據或者數據質量是不是制約端到端提升的核心瓶頸？您覺得算法、算力、數據里面哪個更重要？

周光：這個牽扯到你目前處于哪個階段，我覺得都很重要。今天畢竟我們是在一個算力受限的平臺上用的，我們不是大模型的，某公司錢多卡多，我參數是你的10倍，我也不在乎這個事。車上就是100瓦算力頂天了，功耗的限制，我覺得在未來三五年之內1000T就是極致了。在1000T下要做到這么多的事，你還要做大模型，我覺得這個對算法要求很高，不是大家想得那么簡單，不是我的車多我就直接硬上就可以。

數據質量肯定非常重要，如何找到高質量的數據也是不容易的，不是拍腦袋，不是車多就出來的。高質量的數據怎么去訓練，這其實都是跟著你的模型一步一步走過來的，甚至你不知道什么叫高質量的數據。

Q：第一個問題，咱們剛剛也發了一個VLA的視覺動作空間多模型，理想也發布了AD Pro，你們怎么對比？有什么評價？第二個問題，有供應商表示今年和主機廠可能會探討一塊誰來承擔責任推出L3，今年L3很熱，第一，咱們有沒有在做這些準備，比如和保險公司；第二，有沒有主機廠向咱們提出要求如何保障這一塊？

周光：VLA是指一個上限問題，L3是指一個下限問題，這是兩個截然不同的方向。

首先L3甚至都不需要端到端，都不需要這些先進的AI，你都可以做LG。我們也曾經看到，奔馳在德國有自己的L3，有很多限制，L3到底是限制你的功能場景，你極致的兜底。其實理論上來講，你的AI越好，你需要兜的底就越少，你可釋放的區間就越大，這兩者雖然費用不同，但是你的AI能力上限提升會極大地簡化你去做L3。我們也要看為什么特斯拉他沒有強調自己要做L3，以及為什么特斯拉不強調自己要做車位到車位，這都是有深層次原因的。

我可以分享我的一些想法。目前來說，可能國內車位到車位都是建圖到無圖再到建圖的過程，其實從技術層面來講是沒有價值的。前面后面都是靠高精度地圖技術，通過工程能力去縫合起來，這是一個“縫合怪物”，AI能力沒有長進。在AI的角度來說是沒有什么作用的，但是在用戶體驗上來講，可能用戶覺得有一定的價值。我覺得像特斯拉這種公司他不做這個事，他不會為了取悅用戶做這個。他們希望通過技術去解決，真正用AI的能力實現車位到車位，而不是通過用這種技術來實現，我相信我已經解釋了。

但我認為這里面更重要的其實還是AI上限的提升，AI上限的提升我們覺得是更重要的。但我們也會迎合市場，我們也會為了這個市場而商業化，也會去做一些。比如我們也推出了車位到車位，也是“縫合怪物”，建個圖，背下來，我們指的AI是不帶這個東西的，但它也有商業價值。我們也不是一個軸的公司，我們也是要迎合商業的需求去做這樣的產品。

Q：這個的核心是因為車企要轉，想推出L3未來是一種競爭方式，比如現在有一種觀點，深圳可能今年在9月份和6月份就會全城開辟L3試點，有的車企會不會要求，比如你是我的供應商，你就得給我承諾我也要達到L3。

周光：我覺得其實做L3之后就牽扯到保險理賠，到底多少錢能夠賠得起來，這通過數學是可以算出來的，這也是保險公司的事，以及你的算法大概是在什么程度。你在深圳可以通過各種手段去提升你在這里MPCI的里程。如果說你所有的安全可能都沒有交通責任，其實也是L3，比如說我就不管，我就懟上去，關我什么事，反正我也不擔責。交給警察來講，我一分責都不用擔。L3更多還是工程問題，我覺得更多是工程問題，只不過AI能力做得越好，可能這個工程難度會降低。比如說以我們家的弱專家系統去做L3，你可能需要非常大量的工程，比如千人級的工程團隊，比如說你用generalist。我們認為下一代的這套AI系統，可能你做這個兜底只需要百人，甚至你的體驗可能也會更好。我覺得這是一個選擇，但肯定是我們也會針對這個市場推出相應的產品。這還有商業上的考慮，也不能純就是愿景。我覺得一個純愿景的公司也不會成功，但你公司一定要有愿景，你要有你自己的AI追求，有自己的愿景，同時也是要去滿足這個市場的需求。

Q：我有兩個問題，有一種說法自從特斯拉不搞AI，國內廠商不知道怎么做了，你怎么看？另外，你剛才講了下半年我們有能力達到類似V13的水平，我想知道是不是你已經看到了怎么追平的路徑？還有一個問題，你覺得VLA到底能帶來什么質的改變？

周光：我們去年也是第一個。我相信元戎還是很多國內的無圖，或者端到端的啟蒙老師。我們當時無圖這套框架，各家公司現在用的跟我們第一代挺像的。怎么做無圖，說實話，數據怎么生成，大家都是不知道的。因為我們做出來了，可能很多人都開始用類似的了，我肯定不能多說，還是給我們留點時間差。

Q：VLA呢？

周光：我覺得VLA是從specialist到generalist的。我認為是需要的，不是VLA無法做generalist，你無法做到通才。我覺得通才是實現L5的。如果我們不考慮商業化，我認為就不應該有L3，就應該是直接像特斯拉這樣，從L2級盡可能追平L5。可能我限定一個區域，這是他們追求的。我說的是純AI角度來講是這樣子的，但是商業角度上又不一樣。我需要噱頭，有了噱頭才能賣更多的車，這又是另外一個考慮了。我覺得特斯拉在美國這么做也是因為他沒有對手，也許他在中國這么卷，他可能也會搞一個車位到車位，實在是美國沒有能打的，他想怎么玩怎么玩。

Q：去年底咱們的智駕上車數應該是3萬，今年目標好像是20萬，現在其實頭部，比如華為和Momenta基本是百萬輛級，對于包括您，包括中部、腰部企業共同的問題。你怎么看數量量級的差距對于算法迭代速度的影響？之后有沒有什么具體的辦法，比如擴大一下合作的速度和規模？

周光：我是這樣子理解的，大家其實看過智駕數次的洗牌。我認為每次關鍵技術版本性的變化都會帶來這個行業的變化，你一旦錯失過某一代技術，現在有一句話叫作技術不能錯過，可能一代技術錯了，今天市場所謂的排位就蕩然無存。今天的智駕遠沒有到大模型時代。

今天百人會上我也在說，我們現在是剛開始從specialist到generalist走，其實大家能理解，并不是你車多，今天還沒有到那個時候。接下來我覺得會進入這個時代，我并沒有看到像同行們，他們進入了這個架構。你不是這個架構何談所謂的優勢呢？它是不存在的。我們所謂的這種優勢是指你已經全面進入了大模型時代，你又采用了更新的架構，你可以享受scaling law帶來的優勢，其實沒有。你不在這個時代何談這個？我覺得并沒有進入這個時代，我認為這個還是很好玩的，接下來可能翻天覆地的變化還會出現。2024年其實有一波就是因為技術路線出了問題的公司，我覺得這根本不是問題，真的不是問題。

Q：您剛才說現在還沒有進入真正的大模型時代，大概多長時間可以進入？并且您剛才提到的大模型時代的最大特點是什么？

周光：如果都還沒有進入VLA何談進入大模型時代呢？整個得以大模型的架構來做的自動駕駛才叫大模型時代，現在都是專家系統。你跟我說你講規模效應，這不是很搞笑嗎？

Q：今年春節期間大家感同身受的一件事就是DeepSeek的爆火，業內預期這個事情會對自動駕駛研發范式造成影響，比如昨天下午黑芝麻智能的CMO楊宇欣就說，他覺得云端訓練的算力需求會下降，車端推理算力需求會增加。今天下午為旌科技CEO說云端和車端訓練推理算力都會下降。您怎么看？比如我們以后是不是非得像特斯拉一樣花100億美元買英偉達芯片，是不是非得買英偉達“雙芯”互聯之后2000tops的智能駕駛芯片？

周光：還是剛才那個，其實是有sequence。今天的智駕還沒進入大模型時代，我們就連大模型時期的scaling law都還沒有享受到的時候，就要降低算力，我覺得算力接下來會漲得比較好。進入這個時代會漲得比較快的，誰先能夠進入智駕大模型時代，誰可能就能享受這個紅利，否則今天給你的數據，你的車輛都沒有任何用處。

車端就看了，如果你想做更高安全等級，算力肯定是必需的，因為最終的目標我們還是希望做到L5級。L5級我覺得是強專家，像大模型的發展，我們先是很傻的專家系統，然后出現了GPT的通才，達到985、211的水平，接下來下一步在垂直領域快速達到博士級水平，發展是有這樣一個傾向的。

Q：如果做到L4或者L5的話2000tops夠嗎？

周光：我覺得也不會像大模型那樣子需要千張卡，那種級別倒不至于，之所以現在大家覺得scaling law沒有用，還是因為大家根本就沒進入那個時代，你今天這種就叫作machine learning base。

Q：你覺得特斯拉進入了您說的這個狀態嗎？

周光：他們V13是按大模型范式來做的。

Q：大模型和端到端是什么關系？

周光：端到端就是指你所有東西都是靠神經網絡來決策。大模型天生就是端到端的。大模型有自己的預訓練、后訓練、alignment，它的數據偏好都不一樣，它不是以前那個范式在做了。我覺得這個變化還蠻大的，大家現在喊口號都喊我叫智駕大模型。喊口號誰都能喊，我也喊我要做出GPT-6，喊口號誰不會喊。

Q：理想之前也說過，可能對于AGI早期兩年商業不太看好，想問問你的觀點，包括元戎在實現RoadAGI這條路上怎么平衡好短期內高昂的研發投入所帶來的盈利波動問題？

周光：我們做RoadAGI更多是，我們覺得你在實現strong specialist之前，需要讓你的系統能通用。我覺得這是不矛盾的。你如果沒有GPT-4這樣的通才系統，也很難做出來今天的o1這種專家系統。AI For Science，這是必須的。我們做通才系統的目的是提升AI的智商，我可以認為是這樣，這個不沖突的。我認為只有做這個東西，大家一直瞄著車，一直瞄著這一個場景，我覺得是不夠的，因為現實世界中你想開好車，你不可能對物理世界其他東西視而不見。

Q：有什么具體的例子？

周光：如果說你不能理解什么叫作火車路，什么叫火車，是不安全的。我有典型的一個例子，在紅綠燈，大家都在等紅綠燈，這邊車子在排隊，正好排隊的時候在鐵軌上也可以排，這個車就排在鐵軌上了。如果你缺乏了對通用世界的理解，這是安全的嗎？你在鐵軌上等紅燈，一等兩分鐘，你怎么辦？我覺得實現自動駕駛的終極目標，你不可能對普遍的物理世界沒有一個通用的認知，它需要對很多東西有個通用認知的。如果你只在車這個場景堆是不夠的。我認為要做出來一個，我們也不像大模型這樣追求985的專家系統，我們追求一個幼兒園級的專家系統。說實話，真正的智駕系統對其他場景理解是0，是0理解。我們對物理世界除了路上的車道線，幾輛車、人，一些障礙物的理解，我們是0理解，塑料口袋跟一個石頭能一樣嗎？這些我們是什么做法呢？我們的專家系統就是雇一堆專家專門標一下塑料袋，標一下箱子，再標一下石頭。你按照這個做法永遠是不行的，一定得讓你的系統通用化。今天大模型表現出來的對各類場景都能理解，這個通用的能力讓我們覺得這是實現L5級自動駕駛必需的，也不是你一直堆就堆得出來的，不是的，一定是要有一個由專到廣的過程，最后才能實現L5。

這是我們對AI的認知，不沖突的，沒有任何沖突。因為你不這么做，我認為你是做不出來的，你繞不開一個通用的東西。

Q：您的意思是RoadAGI本來就是要做這些東西，不用增加額外的成本？

周光：對，不用增加什么額外成本。如果我們做的東西是需要增加非常多額外成本，說明我們做錯了，只能說明我們走錯了。

Q：它只增加一點點額外成本，能增加的商業化場景你有想過嗎？

周光：我們做這個還是覺得，最終的機器人，我認為手可能占了它80%、 70%的作用，腿也是剩下20%、30%，你不可能掃個圖過去，SLAM一下過去，這也不現實，它也不叫AI。你覺得一個SLAM的東西，它有AI嗎？它沒有AI，它沒有任何讀取的能力，如果說我們真的會花特別大量的成本在這種場景，只能說明這是一個錯誤的走向。你應該做到一個通才系統，你可能會增加一些數據的成本，但絕對不是大量的成本，你做到了這個，相信才有可能做出L5級，這說明你對物理世界有一個廣泛普遍的認知，然后你再收斂到這個垂類場景。我們對這個垂類場景最終進行一個對齊，我覺得那個時候可能才是真正的L5到來的時候。

Q：現在除了汽車，你還有規劃其他的垂類場景嗎？

周光：沒有，我們只是移動能力，我們指的是移動能力，所有的moving object，我覺得都應該有一個通用的移動能力。比如人，我們就有一個通用的移動能力，哪怕把你頭接到馬上，你也知道怎么走，這不存在的，你騎自行車也會，你各種都應該會。你沒有一個通用的能力是做不到的，今天的這套專家系統，它離開了路就不行了，它不是一個通才系統。

Q：你現在在往大模型時代去的過程當中有沒有可能會路走錯的情況？

周光：當然會走錯了，沒有人是能夠100%對的。我只是說大模型經歷了一個專家系統到通才系統，到真正強專家系統的階段。我認為這是一個AI發展的階段。我覺得智駕、機器人會經歷同樣的階段，它也是弱的到通用的，再到強的，強的才是我們人類需要的。現在還是在弱階段，我認為接下來要做通才，不做這個也實現不了最后的。

你要跳出來車的領域看這個事，現在至少語言這一塊已經證明了就是這么過來的。今天的車子是不是要走同樣的范式？我們現在從端到端開始做大模型，不應該follow同樣的范式嗎？還是回到那句話，都還沒有進入那個時代，規模沒有任何用，你不是在這個時代的。

Q：您認同waymo嗎？

周光：waymo屬于是專家系統。大家知道，其實就是有軌電車，等于那個軌道是invisible，invisible train。大家都知道火車早就實現自動駕駛了，它就是invisible的軌道，路線是在你的圖里面，只不過這個汽車是一個基于圖的汽車屬于是有invisible real，但是還有人在走，只是它是開放世界，但是它invisible的軌道在里面，真正的火車是一個封閉世界，有一個軌道在里面的，真正物理世界做的都得是開放世界，沒有預埋的軌道，我覺得這才是一個正常的做法。

Q：通用不僅僅是適應汽車，機器人？咱們這套系統VLA。

周光：我們只是對移動能力的通才。我覺得手跟腿差距還是很大的。我認為手才是機器人的靈魂，畢竟你干活，光走過去，一個沒有手的人他能干什么，他只能給你送東西，他什么也干不了。就是一個狗，它咬東西給你遞過來，什么也干不了。能擰螺絲嗎？能送衣服嗎？手才是精華，80%我認為都是在手上，手的突破還有比較長的時間。像人手上，光是傳感器，我們手上的感應器類型就三種，可能有上萬個傳感器在上面，非常精準，我覺得這個還挺難的。物理層面沒有突破，很難去把手做到能夠現實世界大量干活，現在都是抓鋼體，大家知道，抓的都是硬的，抓軟的怎么辦？我們手能抓鉛球，也能抓豆腐，我們能抓移動物理，你見過今天誰在抓移動物體？沒有。