這在過往的車展并不常見。

過去幾年，行業(yè)對智能輔助駕駛的討論重心，更多聚焦在乘用車領域。無論是城市NOA，還是端到端、VLA，主流敘事的核心始終圍繞乘用車展開。畢竟，乘用車擁有最大的市場規(guī)模、最活躍的用戶，以及最容易形成品牌聲量的消費場景。而無人物流車、無人配送等垂直賽道，雖然也已深耕多年，但各垂類之間相對割裂，尚未形成合力。

但卓馭這次明顯想表達另一件事。

卓馭科技正在打破傳統(tǒng)智能輔助駕駛公司的行業(yè)邊界，將技術能力從乘用車領域延伸至更廣闊的通用移動場景。

在卓馭科技CTO馬陸看來，無論是商用重卡、商用客車、物流車、Robotaxi，還是未來的巡檢機器人、割草機、掃地機，它們本質(zhì)上都屬于同一類問題：如何讓機器理解環(huán)境，并完成自主移動。

卓馭科技CTO馬陸

這正是卓馭在此次北京車展反復強調(diào)移動物理AI的原因。相比行業(yè)仍聚焦于乘用車智能化，卓馭開始將移動能力本身，當做一種通用AI能力來理解。

于是，一個很有意思的事情出現(xiàn)了：當很多智能輔助駕駛公司仍在圍繞乘用車向下卷價格時，卓馭已經(jīng)開始將乘用車、商用重卡、物流車、商用客車甚至未來更多移動機器人，放進同一個技術框架里思考，拓展到更多垂類場景，從向下內(nèi)卷進入到向上正循環(huán)。

卓馭真正想做的，是讓一切能夠移動的載體，都擁有從A點安全、高效地移動到B點的自主移動能力。

這正是卓馭提出“智能一切移動”背后真正的野心。

卓馭科技CTO馬陸在與雷峰網(wǎng)(公眾號：雷峰網(wǎng))的專訪中提到，目前在整個乘用車智能輔助駕駛行業(yè)中，高階智能輔助駕駛方案的商業(yè)化盈利已成為行業(yè)難題。特別是，當十萬級車型也開始要求標配城市NOA時，也意味著輔助駕駛行業(yè)議價能力在逐步降低。

即便暫時不談商業(yè)回報，僅從技術角度看，無論是早期依賴大量手寫規(guī)則的傳統(tǒng)方案，還是如今主流的端到端方案，每新增一座城市、每跨入一個新垂直品類，幾乎都要重新做一輪泛化與適配：重采數(shù)據(jù)、重調(diào)模型、重做驗證，像打一層又一層“補丁”。這種高度依賴場景適配的開發(fā)模式，成本極高、效率極低，本質(zhì)上很難支撐智能輔助駕駛真正走向大規(guī)模復制。

馬陸舉例稱，全球有兩百多個國家和地區(qū)，如果不使用通用模型，中國智能輔助駕駛技術出海會變得相當艱難，僅歐洲一個區(qū)域就需要投入至少三十人的團隊歷時近兩年時間做泛化，成本高、效率低。正因如此，卓馭更希望能做到“同一個技術模型，全球開箱即用，能夠少泛化乃至0泛化”。

此外，向大模型方向演進已是行業(yè)共識和必然趨勢。而向大模型方向邁進，意味著算力門檻和訓練成本的指數(shù)級飆升。馬陸透露，即便訓練一個中等規(guī)模的常見端到端模型，一年最起碼的訓練費就要十億元左右。一旦走上大模型這條路，資金投入只會更為驚人。

這筆巨額的研發(fā)投入，正迫使所有智能輔助駕駛玩家直面一個根本性的商業(yè)閉環(huán)問題：重金訓練出的通用大模型能力，必須在集中火力打透一個領域，與鋪開到多個領域攤薄成本間做出取舍。

如果只押注單一領域，能否攫取足夠的商業(yè)回報來閉環(huán)高昂投入，至今仍充滿巨大位置；而如果向多個領域鋪開，前提則是真能做出足夠強的通用大模型，并在每一個領域都實現(xiàn)高質(zhì)量落地——這同樣是一條少有人走通的路。

顯然，卓馭選擇了后者這條行業(yè)前沿的探索路徑。

因此，在乘用車輔助駕駛持續(xù)向下“卷價格”、行業(yè)長期受困于泛化能力不足與跨場景適配效率低等技術瓶頸，同時研發(fā)投入高、商業(yè)閉環(huán)壓力日益加大的背景下，卓馭正在嘗試尋找一條跳出當前競爭泥潭的新路徑——通過更通用的移動物理AI能力與原生多模態(tài)基礎模型，打通不同垂類、不同場景之間的數(shù)據(jù)與模型復用，建立能夠持續(xù)自我強化、向上演進的技術與商業(yè)正循環(huán)。

目前在乘用車領域，卓馭已實現(xiàn)超過50款車型量產(chǎn)落地，累計定點車型突破100款。“油電同智、中外同頻、艙駕同芯、行泊同優(yōu)”這四個關鍵詞，也逐漸成為卓馭區(qū)別于其他智能輔助駕駛公司的鮮明標簽。

在馬陸看來，物理AI本質(zhì)上可以分成兩種能力：對環(huán)境的理解和對物理世界的行動；而行動又可以拆成移動能力和操作抓取能力。

卓馭選擇的方向，是最容易落地的“移動能力”，這也是“移動物理AI”名字的來源。換句話說，卓馭想做的，是讓一切能夠移動的機器，都具備自主移動能力。

因此，這次北京車展，卓馭展示的不只是乘用車方案，還有商用重卡、無人物流車、Robotaxi。

按照規(guī)劃，其面向商用重卡打造的智能輔助駕駛方案將于今年6月起陸續(xù)量產(chǎn)；與宇通客車聯(lián)合開發(fā)的客車NOA方案，將于今年9月實現(xiàn)量產(chǎn)交付；面向城配場景的全鏈路無人物流解決方案，也將在今年7月開啟試運營；而Robotaxi方案則計劃于今年下半年正式啟動試運營。

深耕智能輔助駕駛十余年后，卓馭已經(jīng)在激烈的行業(yè)競爭中逐漸建立起自身的不可替代性。卓馭科技CEO沈劭劼認為，這種不可替代性主要來自三個方面：長期專注所形成的技術積累、持續(xù)沉淀的數(shù)據(jù)豐富度，以及對跨垂類智能化趨勢的前瞻判斷。

進入更多垂直品類，不僅意味著更廣闊的商業(yè)空間，也意味著能夠持續(xù)獲取更豐富、更高質(zhì)量的數(shù)據(jù)，再進一步反哺模型訓練與算力投入，最終形成“更多場景—更多數(shù)據(jù)—更強模型—更大商業(yè)化”的向上正循環(huán)，而不再陷入單一乘用車市場不斷向下的價格內(nèi)卷。

而一旦真正掌握這種跨場景、跨載具復用的移動物理AI能力，卓馭在行業(yè)中的定位，也將不再只是傳統(tǒng)意義上的智能輔助駕駛供應商，而是具備底層技術平臺屬性的AI公司，并由此建立起難以替代的競爭壁壘與生存空間。

如果說“移動物理AI”是卓馭今后前進的方向，那么“原生多模態(tài)基礎模型”就是通往這個方向的路徑。馬陸指出，“原生”并不是一個用于包裝概念的技術名詞，而是對過去拼接式VLA模型的一次技術范式重構(gòu)。

原生多模態(tài)基礎模型的演進，是建立在卓馭前幾代技術積累之上的。

過去幾年，行業(yè)已經(jīng)經(jīng)歷了兩代技術路線。

第一代是規(guī)則算法，它的核心邏輯是：人為定義場景、制定規(guī)則，再讓系統(tǒng)執(zhí)行。這種方案的問題在于，一旦場景復雜度提升，規(guī)則會指數(shù)級膨脹。每新增一個城市、每增加一種道路形態(tài)、每切換一個垂類車型，都要重新適配。

馬陸指出，本質(zhì)上，規(guī)則算法方案不是“理解世界”，而是在“窮舉世界”。

后來行業(yè)進入第二階段：端到端。端到端最大的變化，是從“人寫規(guī)則”變成“數(shù)據(jù)驅(qū)動模型”。它確實解決了很多問題。按照沈劭劼的說法，當前行業(yè)主流端到端模型，即便不做適配，也已經(jīng)能達到“70分”；經(jīng)過泛化和調(diào)優(yōu)之后，可以達到“90分”。

但問題也隨之出現(xiàn)。第一，模型越來越大；第二，訓練成本越來越高；第三，泛化能力依然有限——即便是現(xiàn)階段的端到端方案，每擴展一個城市、每跨一個垂類，依舊需要打一套補丁、做一輪適配。這意味著，整個行業(yè)仍然沒有擺脫“項目制交付”的邏輯。

而卓馭提出的原生多模態(tài)基礎模型，屬于端到端模型再向前一步的第三代技術范式，其目標是做到開箱即滿分的水平。

現(xiàn)在行業(yè)里，很多公司也在談多模態(tài)。但卓馭反復強調(diào)一個詞：原生。這兩個字，決定了它和過去“外掛式AI”的根本區(qū)別。

馬陸告訴雷峰網(wǎng)，過去很多VLA或者VLM方案，本質(zhì)上是“拼接”。比如先拿一個通用視覺語言模型，再外掛到智能輔助駕駛系統(tǒng)上。它確實能“看見”，比如它知道前方是丁字路口，也知道有“鬼探頭”風險。但問題在于，它知道，不代表它真的能開。

因為其“看”和“開”是分離的。中間仍然需要大量人工規(guī)則、規(guī)劃邏輯和工程翻譯。所以會出現(xiàn)一個典型問題：“看到了，但做不到；做到了，也做不好。”

而卓馭所說的“原生多模態(tài)”，核心恰恰是取消中間翻譯層。它不是先“理解”，再“轉(zhuǎn)譯”，最后“執(zhí)行”。

而是讓視覺、語言、動作、激光雷達、導航信息等所有數(shù)據(jù)，在預訓練階段就統(tǒng)一進入同一個模型，最終形成真正的“知行合一”。

也就是說，它看到，就代表它知道；它知道，就代表它能做到，這是原生多模態(tài)和外掛式AI最大的區(qū)別。

這會帶來兩個變化。

第一個變化，是響應速度大幅提升。原生多模態(tài)基礎模型取消了很多中間處理環(huán)節(jié)后，系統(tǒng)響應速度已經(jīng)從原來的百毫秒級，降低到十毫秒級。

別小看這0.1秒，在高速場景里，它意味著更早的風險感知、更自然的剎車、更絲滑的避讓。很多時候，人還沒意識到危險，系統(tǒng)已經(jīng)提前做出了微調(diào)。而且這種動作不是“急剎”，而是類似老司機那種很輕微的提前修正。

第二個變化，則是泛化能力。

過去行業(yè)做智能輔助駕駛，很像“專項訓練”——做乘用車是一套邏輯；做商用重卡，又是另一套邏輯；做物流車，還得重新適配。

但卓馭現(xiàn)在希望做的，是類似“大語言模型”的邏輯。不是給模型預設“你只能開乘用車”，而是把各種移動場景的數(shù)據(jù)統(tǒng)一混合訓練。

包括：乘用車、商用重卡、物流車；室內(nèi)、室外、園區(qū)、城市；視覺、語言、動作、導航、激光雷達。最終目標是讓模型天然具備跨場景遷移能力。

用馬陸的話說：“最好希望它不需要再去做專門的泛化，最好是開箱即用。”

但卓馭也很清楚，物理AI和數(shù)字AI有本質(zhì)區(qū)別。數(shù)字AI答錯一道題，可以重來；物理AI一旦出錯，后果是不可逆的。尤其是商用重卡、商用客車這種高載重場景，一次失誤就可能造成巨大事故。

所以相比互聯(lián)網(wǎng)行業(yè)強調(diào)“刷榜”、“參數(shù)量”，卓馭反復提到一個詞：底線思維。

在他們看來，智能輔助駕駛最終比拼的，不只是模型能力，還有安全文化。因為物理世界不允許“試錯式成長”。

這也是為什么卓馭一直強調(diào)，真正的挑戰(zhàn)，不只是“能不能跑”，而是“能不能規(guī)?；?/span>”。

如果每擴展一個國家、一個城市、一個垂類，都需要幾十人的團隊重新適配半年甚至一年，那么整個行業(yè)最終仍然無法擺脫高成本交付模式。

所以，卓馭現(xiàn)在真正想解決的問題，其實只有一個：如何讓模型強到不再依賴補丁。這也是他們提出“開箱即滿分”的原因。

最終，真正成熟的智能輔助駕駛，不應該是一輛“會開車的機器”，而更像一個自然參與交通的人類司機。而這背后，需要的已經(jīng)不再只是傳統(tǒng)智能輔助駕駛能力。而是一個真正理解物理世界、具備通用遷移能力的原生多模態(tài)基礎模型。

這也是沈劭劼為什么說，未來存活下來的智能輔助駕駛公司，都將是移動物理AI公司。

行業(yè)普遍討論的是物理AI，只有卓馭將移動能力單獨抽象出來，將自身定位為“移動物理AI”。

在卓馭的原生多模態(tài)基礎模型里，移動不是乘用車的專有屬性，而是一種可遷移能力。商用重卡、商用客車、物流車、Robotaxi，甚至未來的巡檢設備、農(nóng)業(yè)設備，本質(zhì)上都在解決同一個問題：如何從A點安全、高效地到達B點。

當這一技術形成閉環(huán)時，車型這一概念將不再是不可逾越的技術邊界，而更多是物理形態(tài)和應用場景的差異。

于是，一個更底層的競爭邏輯開始顯現(xiàn)：如果所有移動問題可以被統(tǒng)一建模，那么數(shù)據(jù)可以共享，模型可以復用，能力可以遷移，成本結(jié)構(gòu)也會隨之重構(gòu)。行業(yè)競爭的焦點，不再是單點能力，而是跨場景的統(tǒng)一表達能力。

這也是卓馭提出“智能一切移動”這一使命的真正含義。

聽起來像是一個愿景，但如果拆解到技術路徑，其實卓馭是在做最重要的一件事：把移動物理AI的原生能力做到足夠好。

行業(yè)的競爭方式正在發(fā)生變化，過去比的是誰在某個城市做得更好，誰在某個車型上體驗更優(yōu)；未來比的是誰能在更多移動形態(tài)中保持一致的智能能力，并且還能持續(xù)進化。

換句話說，堅守安全底線之上，卓馭不止致力于解決智能輔助駕駛的表層問題，更在探尋全域移動智能的本質(zhì)內(nèi)核。

而原生多模態(tài)基礎模型，正是支撐這一體系的核心底座。

從這個角度看，移動物理AI不是一個新賽道，而是一種重新定義賽道的方式；而“智能一切移動”，也不是簡單的口號，而是把智能輔助駕駛從交通工具層面，推向物理世界基礎能力層的一次嘗試。

當移動不再被當作產(chǎn)品功能，而被當作AI能力本身來理解，這個行業(yè)的分水嶺才真正開始清晰。智能輔助駕駛行業(yè)的競爭，已經(jīng)不再只是“誰更會開車”，而是誰能把AI能力，真正變成一種可復制的“移動能力”。