輕舟智航，“自我革命”

“一家公司至少要干20年，不可能一成不變，必須不斷革自己的命。”

輕舟智航聯合創始人、董事長兼CEO于騫的這句話，解釋了輕舟智航在2026年北京車展上做出的所有決定。

4月24日，北京車展首日，于騫宣布，輕舟智航戰略重心從“無人駕駛”全面升級至“通用物理AI”；使命也從“將無人駕駛帶進現實”變更為“以安全和向善的智能，創造更美好的生活”。

在外界看來，這可能只是一次品牌包裝。

但更值得追問的是：為什么要在此時選擇“自我革命”？

答案并不復雜。于騫判斷，未來十年的主戰場是物理世界AI。而他們過去七年所做的一切，恰好是在為這個戰場做準備。

當數字世界的AI已經展現出驚人能力，輕舟智航正在嘗試回答一個問題：物理世界的AI應該如何走出一條屬于自己的路？

01

戰略升級，為什么是物理AI？

“成為全球領先的通用物理AI公司”——這是發布會上于騫給輕舟的新定位。他直言，這次升級是為下一個七年、乃至下下個七年指明方向。

至于為何要轉向通用物理AI，答案其實很簡單：他們已經在這個賽道里了。

搭載輕舟單征程6M的城市NOA方案上車理想

“我們的車要在路上跑，要和行人、各種交通參與者做交互——這件事本身就是物理AI。”于騫說。輕舟不是從零開始做一個“物理AI”的新業務，而是把自己做了七年的自動駕駛，放進了一個更大的框架里重新理解。這個框架叫“物理AI”，但內核不變：讓AI在真實世界里安全、高效地行動。

在于騫看來，“過去十年，數字世界AI取得突飛猛進的進展，已經達到甚至超過AGI的水平。未來十年則是物理世界AI的時代。”他在采訪中進一步指出：“在物理世界，一切才剛剛開始。別說是超人智能，我們連類人智能都沒達到。”而自動駕駛，恰恰是連接數字世界與物理世界的關鍵窗口。

面對大模型公司可能的“降維打擊”，于騫并不擔心。他認為，數字世界AI與物理世界AI在底層范式上“很大程度不是一回事”。大語言模型的訓練邏輯是“預測下一個Token”，數據勻質、問題單一；而物理世界模型需要同時完成感知、理解、預測、行動。

“OpenAI起步時也不是大公司，DeepSeek最早是做量化交易的，資源比Google少得多。如果這個世界只看資源就能決定發展趨勢，那會非常無趣。”于騫說。

在他看來，輕舟的優勢在于兩點：對物理世界的深度理解，以及已經具備的大規模量產工程化基礎。“如果你的世界模型連自動駕駛領域的問題都解決不了，你還想解決機器人領域的問題，那更不可能。”

輕舟的邏輯是：物理AI一定會有自己的“入口級應用”。就像ChatGPT是大語言模型的入口，游戲是DeepMind的入口，自動駕駛很有可能就是物理AI的入口。

因此，戰略升級不是“不做無人駕駛了”。恰恰相反，“無人駕駛是我們通往通用物理AI最重要的基石。如果連無人駕駛都做不到，更別提通用物理AI。”

02

物理AI模型完整架構，被披露

從愿景到落地，需要技術橋梁。輕舟選擇的這座橋，是“世界模型+強化學習”統一架構。

于騫打了個比方：AI能在圍棋上打敗人類冠軍，是因為在虛擬棋盤上可以無限“左右互搏”。但物理世界不一樣——得有車、有司機、有漫長的路測，迭代速度天然慢得多。

他的解法是：在數字世界里建立一個足夠真實的“世界模型”，讓AI在里面反復訓練、試錯、優化，再把能力遷移到物理世界。“這不是一次簡單的算法迭代，這是研發范式的根本轉移。”

具體來說，輕舟的物理AI模型分為云端和車端兩塊。

云端側，是基于運動模擬的世界模型升級版，集成了三大核心能力：高可控視頻生成、零樣本生成引擎、低成本閉環仿真。

于騫稱之為“輕舟AI超級工廠的核心引擎”。它能用自然語言一鍵生成極端天氣、逆行電瓶車、鬼探頭等長尾場景，讓AI在仿真中見到日常難以遇到的極端情況。

車端側，輕舟推出了采用同一架構的“世界行為模型”，以在線世界模型為骨干，融合VLA與強化學習算法，實現從感知到行動的全鏈路模型化打通。

這是輕舟物理AI模型的完整架構首次被系統披露。

關于世界模型的當前行業水平，CTO李棟給出了一個客觀的判斷：“在我們自動駕駛領域，世界模型已經處于應用階段，已經是做Demo接近量產這個階段了。車上的世界模型和云端世界模型已經用于生產，在生產各種數據幫我們做模型訓練。”

但在更廣闊的領域，李棟坦承：“在一些高自由度、高復雜度的環境里，世界模型還在一個偏Research的階段。現在還很難直接讓模型生成對未來比較復雜動作的操作，一些簡單動作可以，但泛化的動作還是比較難的。”

這也解釋了為什么輕舟堅持自動駕駛會是物理AI很好切入點的原因：它是目前條件最成熟的場景。數據量大、問題邊界相對清晰、有明確的安全標準和商業價值。

但于騫也強調，輕舟并沒有盲目跟風行業熱點。“去年大家都喊VLA的時候，我們其實沒怎么喊VLA。我們非常克制，不是什么新就用什么，我們要看到實際效果才會去做。”

對于世界模型能否帶智能駕駛走向終局，于騫給出了肯定的判斷：“我覺得應該是的，是很重要的技術方向。它會大大加速我們的研發進展。”

但同時他也承認，物理AI領域“還有兩到三個大的技術突破要完成”，現在遠沒到收斂的時候。這也意味著，這不是一場堆資源的游戲：誰能真正理解物理世界的問題，誰才有可能走到最后。

03

從L2到L4，產品矩陣落地

技術最終要服務于產品。在物理AI的大框架下，輕舟的產品矩陣正在加速落地。

乘用車方面，發布會上，輕舟正式推出“輕舟乘風MAX”輔助駕駛解決方案——在超500TOPS車端算力平臺上，實現基于世界模型+強化學習架構的極致城市NOA體驗。

于騫反復強調一個理念：“我們不卷參數，卷體驗。不卷噱頭，卷真實的用戶價值。”

乘風MAX的邏輯是用500+TOPS算力做出對標上千TOPS算力的體驗。方案可精準預判交通參與者意圖，從容應對復雜路權博弈，在城中村窄路、復雜路口等困難場景下，表現出更接近人類駕駛的“防御性本能”。

這套系統的底氣，來自于規模量產的驗證。截至目前，輕舟乘風輔助駕駛已搭載25款量產車型，2026年預計新增車型超50款。在安全維度，其AEB誤觸發率低至50萬公里<1次。

于騫算了一筆賬：“既然它能幫用戶提前剎停、避免刮蹭，那它是不是真的更安全？如果真的更安全，那用戶的保費是不是應該更便宜？”在他看來，這才是智駕創造社會價值的真實度量。

關于市場定位，他回答很直白：去年是高速NOA的普及年，今年100-200TOPS的城市NOA開始成為主流，明年500TOPS的方案會變成標配。“未來幾年所有車都會有智駕功能，包括油車。10萬、20萬的車也能有非常好的體驗。”

不止國內，輕舟也已在歐洲多國路測，覆蓋慕尼黑、巴黎等城市，加速全球化落地。

L4領域，輕舟則是多線并進。

Robovan方面，輕舟于今年初便發布了無人物流車解決方案及Robo-X開放平臺，目前已在多地落地。

面對“賽道擁擠”的疑問，于騫判斷清晰：“這個市場才剛剛開始，遠未進入大規模普及階段。目前所謂大規模實際只是萬量級，穩定性、可靠性、安全性仍有極大提升空間。輕舟的機會在于，把乘用車領域的大規模量產經驗，運用到物流領域。”

Robotaxi方面，輕舟也有布局思考。

于騫稱，輕舟的Robotaxi方案完全基于量產車配置，“從外觀上看不出任何差別，但大腦更強”。在節奏上，輕舟持謹慎態度：“一次事故就可能對整個行業產生不利影響。我們寧可小規模穩健推進，也不要過于激進。”

于騫認為Robotaxi在海外可能比國內落地更快。因為國內駕駛環境更復雜，人力成本結構也不同。

關于L2與L4的技術關系，于騫明確表示：“底層的核心能力都是一樣的，只是產品形態不一樣。L4要加各種安全冗余、硬件冗余、傳感器冗余，但算法同源。模型本質上沒區別，只是模型的capacity更大一些。”

至于機器人，發布會上輕舟給出了“最后一公里送貨上門”的想象空間。李棟表示：“怎么利用這個世界模型能力去操作一個有更多自由度的機器人去做特定或通用的事情，我們認為這一塊有非常廣闊的空間。”

從2019年成立至今，七年時間，輕舟顯然已經坐上了中國智駕市場牌桌。

如何一直留下來？于騫的回答是兩句話：“技術的進步非常重要，我們從來不會停下腳步。”“出貨量非常重要，不是靠PPT、靠Demo，真實的打通量產的基礎，你才敢說你是安全可靠的。”

李棟補充了一個更本質的觀點：“如果量很多，但是技術不進步，優勢也會減少。歸根到底，做得又快又好。”

至于市場份額的具體數字，于騫沒有給出明確答案，但他的態度很堅決：“我們不會停下來的。L4業務、物流業務、未來的Robotaxi業務，我們會持續地往前走，奔向更大的發展空間。”