刚结束的北京车展，声量是被物理 AI 撑起来的。

1451 台展车、181 台全球首发、38 万平方米展区，构成规模层面的新纪录，却不再构成核心价值。

过去新车、智驾开城数量、产品参数是发布会叙事主角，但这届车展，物理 AI 几乎统一行业语境。

小鹏、理想展露具身智能业务，将自身定义为 AI/具身智能公司，吉利首次以独立科技生态展台呈现全域 AI 2.0 能力。

而以元戎、Momenta、卓驭、轻舟智航等头部智驾玩家，都心照不宣得把发布会内容收敛为物理 AI。

元戎 CEO 周光直言，公司目标是要成为物理世界的 AI 基础设施。

只不过，物理 AI 的共识之下，分歧同样存在。所有人都在谈物理 AI，但谈论得似乎并不是同一件事。

一条新的竞争规则浮出水面——如何定义物理 AI 本身，构成了新的分水岭。

01、物理 AI，抵达技术与战略分岔口

车展上看似热闹的「物理 AI」表态，实际叙事角度各异：

一种是边界叙事。

如卓驭、轻舟智航都强调以通用物理 AI 为底座，布局乘用车、商用车和多垂类场景。

一种则是模型叙事。

如元戎、Momenta，则聚焦基座模型与世界模型，试图重构自动驾驶能力上限。

但这还只是浅层差异。

如果进一步深究物理 AI 模型的构建路线，还能看到两种战略站位：

路径一：AI 作为工程体系的增强层。

以「工程主导+AI 增强」为核心，将 AI 嵌入既有体系，用于提升感知、决策与数据效率，本质仍是工程优化问题。

尽管 AI 的确成为影响性能的关键标尺，但作用程度依然有限。

路径二：AI 就是系统本身。

直接以大模型重构架构，实现感知—推理—决策一体化。相比传统 CNN、BEV+Transformer 拼接方案，这一路径更接近「类人驾驶」，在语义理解与防御性决策上具备更高上限。

比如卓驭。在经历「删库重练」后，发布首个原生多模态基础模型，宣称 100% 含模量。

以及元戎。其基座模型由三大核心角色构成：

• Driver 模型：根据视觉输入，实时执行驾驶操作。
• Analyst 模型：通过因果推理来解释其决策，实现高度可解释性。
• Critic 模型：评估自身的驾驶轨迹，系统自我评估与改进。

最大特征是，分析和评估能力在传统架构中算「事后补救」，现在成了「实时反馈」。

要容纳三重角色，元戎大模型参数量达到了 400 亿（40B），可以将海量高质量数据彻底运转起来，实现近 100% 的数据利用率。

这就好比，传统方案是完全依赖后勤团队远程指挥的赛车手；元戎的基座模型，则是拥有自我意识和顶级教练大脑的六边形赛车手。

这种「AI 原生」大模型风格，也在深入渗透组织架构。

没有向组织动刀的技术变革都不够彻底。过去半年间，以小鹏、理想为首的新势力相继开启一系列刀刃向内的组织重塑。

但智驾领域从未将「AI 如何影响组织」这件事讲清楚，反倒是阮翀，这位从大模型领域跨界的大神首次将这点摆在台面上。

阮翀称，模型必须内化为组织的基础设施，从知识库的内容问答、编程代码的自动生成，跨部门的人际协作等，AI 都可以参与进来。

由此进化的组织形态，会是「人+Skill」的集合。

这意味着，传统车企、智驾企业的人力压强战术，效果远不如少量高密度 AI 人才+充足 Token 的组合。

上至 AI 基座模型层构建，下至组织管理策略，元戎「物理 AI 原生」的影响力正逐步彰显。

研发效率构成一道标尺，元戎模型的数据闭环周期已经从 5 天大幅缩短至 12 小时。

在模型竞赛中，对于仍以周、天为迭代周期的模型体，效率差距将被持续放大，并最终转化为产品竞争力。

02、基座模型为何成最优解？

物理 AI 的火焰，并非被某一个人独自点燃。

在 CES 2026 上，黄仁勋判断，自动驾驶将成为首个大规模落地的物理 AI 系统。

表面上看，是黄仁勋揭开了物理 AI 的序幕，但实际上，他只是一位站在干柴堆旁划下火柴的人。真正让火焰不可遏制的，是一个旧技术体系全面失效后的必然结果。

过去一年，整个智驾行业在频繁的 OTA 迭代中，轨迹却极其反直觉。

系统并没有随着升级变得更可靠，反而变得更复杂、更脆弱。这种状态像极了跷跷板。

工程师们好不容易驯服了一个极端场景，安全与效率的另一头又会应声失衡。

困境源自低算力、小模型的长期资源紧缺。

尤其是在多模型拼接的架构下，尽管每个单一模块可以借助摩尔定律持续进化，但模块之间的衔接处极易出现逻辑断裂。那些不容忽视的接口损耗，反复将系统的稳定性压制在低水位。

以至于，智驾第一梯队越难拉开差距。端到端路线亮相之后，大家只能目送越来越多的玩家涌入同一条水平线。

而从用户端看，今天的城市 NOA 渗透率仍徘徊在 15% 左右，MPCI（关键接管次数）停留在百公里接管级别的体验门槛之上。

「能用到好用、爱用」之间的那道心理门槛，始终没能被真正跨越。

行业迫切需要大模型进场。

它提供了新的解法：

以统一架构替代碎片化系统，在单一模型空间内完成从世界理解到行为生成的全链路闭环，使系统首次具备真正的「可进化性」。

由此，围绕物理 AI 打造的原生基座模型，极有可能是继「端到端」之后，又一股直指物理 AI 终局的最优解。

往更上一层看，技术跃迁还直接改变供应商的价值属性。

过去智驾供应商的角色相对明确，不外乎提供一套软件方案，而后负责持续的 OTA 升级。

但如今，智驾公司对 AI 基座模型的构建能力，正在让它们更像物理世界中的 AI 基础设施提供者。

这届北京车展已经是一个清晰信号。

供应商历史上首次大规模进入整车馆，与车企同台而立，用「物理 AI」与车企争夺属于自己的一份品牌定义权。

以元戎为例，它将展台放置整车馆的核心区域，正对小米汽车。

大幅扩容的展台上，没有概念车，没有待交付的新品，所有空间与视觉重心都让渡给了抽象的基座模型架构和 AI 解决方案。

无形之中形成了一种角色宣告，元戎已经脱离依附车企产品目录的二级供应商身份，成为一个独立输出完整能力体系的物理 AI 基础设施角色。

很明显，物理 AI 叙事框架下，以元戎为代表的智驾公司的核心竞争力已从适配某款车，位移到定义一整套物理世界理解与交互范式的模型能力。

03、大模型人才，决定物理 AI 胜负手

在这个智驾企业全新赛段，人才迁徙也在反应胜率变化。

智驾大模型的战争，本质也是人才的战争。

原 DeepSeek 研发负责人、多模态技术核心研究员阮翀成为元戎首席科学家。

大模型人才从语言模型、视觉模型领域流向智驾赛道，带来的不仅是技术经验，还有一套不同的研发范式，恰好与物理 AI 形成共振。这也是元戎率先构造 AI 原生基座模型的原因。

如果说，物理 AI 这盘棋，对模型能力的要求正在抬高。

考验谁能在模型架构、数据体系和人才密度上率先形成组合能力，那么元戎显然处于一个特殊卡点。

一方面，技术维度。

一轮又一轮技术潮更替，从无图到端到端，再到 VLA 和现在的物理 AI 模型，元戎每次都能拿到「预言家」牌，并始终留在牌桌上。

另一面，量产维度。

4 月城市 NOA 突破 30 万后，随着魏牌蓝山、高山等爆款定点车型继续增量，今年元戎将冲刺城市 NOA 百万台。

这家企业的长期愿景是超越「自动驾驶解决方案商」，成为像通信、电力一样支撑现实世界运行的基础能力。

从「量」到「质」，再到试图「定义标准」，元戎启行的跃迁仍在持续。

这个目标最终能否兑现，当然需要更长时间维度的验证。

但至少在当下，元戎已经为自己赢得了一个极具想象空间的关键身位。

阮翀谈到为什么进入物理 AI 赛道、为什么选择元戎时，给出的理由是，「没有考虑太久，自己不想做边际效益递减的事。」

在物理 AI 的叙事仍处于爬坡期的当下，这种人才流向本身就是一组沉默的证词。

物理 AI 才是眼下技术版图中，少有的边际收益曲线仍在陡峭上升的方向。

而当大模型领域最敏锐的一批头脑开始沿着这条线索汇聚，他们所投注的那个标的，自然值得被赋予更高权重。

元戎，大概率会是物理 AI 赛道上跑得最远的样本。