卓馭常州工廠落成投產, 當智能駕駛開始向「物理世界」擴張，工業能力也是核心競爭力

過去幾年中國汽車行業發展的主線之一，就是智能駕駛能力的進展，每一家車企和智能駕駛方案提供商都熱衷于講模型、算力和數據。

但技術密集型的行業里，工業能力決定了技術能否落地，本質上，汽車仍然是一個重資產的制造業。

企業發布新的端到端架構，強調更大的訓練規模、更高的接管里程，以及從 VLM 向 VLA、世界模型演進的技術路線。汽車也逐漸被視為一種在物理世界中持續感知、推理和行動的智能終端。

模型最終仍然需要通過域控制器、攝像頭、激光雷達和整車電子電氣架構進入現實世界。軟件能力能否穩定裝進數十款車型，能否適配乘用車、商用車和無人物流車，考驗的已經不只是算法，還包括硬件設計、工程驗證、供應鏈管理和制造質量。

7 月 23 日，卓馭科技常州工廠正式啟用，隨著這座工廠投產，卓馭形成深圳與常州兩座制造基地，開始擴大域控制器、視覺感知系統和激光雷達等產品的生產與交付能力。

這就是工業能力讓技術落地和普及的實際例子，常州能和蘇州無錫并列為蘇錫常，很大部分原因也是因為這里集群了汽車相關產業。

從單車方案走向智能移動基座

卓馭此前提出「移動物理 AI，智能一切移動」，希望將智能駕駛積累的感知、決策和控制能力，擴展到乘用車、商用車、物流車以及 Robotaxi 乃至具身智能機器人等不同形態的移動設備。

也就是說，智能駕駛技術正在從專車專用的項目制開發，逐漸轉向可復用的基礎模型和軟硬件平臺。

傳統智能駕駛系統通常圍繞車型和功能拆分模塊。感知、預測、規劃和控制分別開發，不同車型還需要重新進行數據采集、參數調整和工程適配。車型越多、市場越廣，研發和交付成本也會隨之增長。

基礎模型的價值，在于嘗試提取不同任務之間的共同規律。

卓馭的原生多模態基礎模型能夠統一處理視頻、文本、動作、語音和地圖等信息，訓練數據也從道路駕駛擴展到互聯網內容和移動機器人第一視角數據。他們希望借此提升模型在不同車型、場景和地區之間的遷移能力。

這與當前智能駕駛和具身智能的技術方向存在明顯交集。

汽車、機器人和無人運輸設備面對的任務不同，但都需要完成相似的閉環：通過傳感器理解環境，根據目標形成決策，再控制機器執行動作。隨著模型結構逐漸統一，智能駕駛積累的大規模視頻數據、空間理解能力和運動控制經驗，也開始被用于更廣泛的物理 AI 場景。

不同設備在運動學模型、安全標準和運行環境上存在巨大差異。一輛高速行駛的汽車、園區中的物流車和室內機器人，很難直接共享完整的控制系統。更現實的路徑，是先共享視覺表征、空間理解和行為預測等底層能力，再針對不同設備進行工程適配。

卓馭目前已經形成覆蓋約 200 至 1400 TOPS 的域控制器產品，并布局慣導雙目、慣導三目、長短焦視覺模組、激光視覺融合方案以及近距激光雷達。

這些產品共同承擔一種功能：把模型轉換為車輛和移動設備能夠調用的感知與計算能力。

過去，軟硬件協同更多用于解決性能和成本問題，例如通過定制算法提高芯片利用率，或者通過傳感器配置覆蓋不同價格區間。

基礎模型時代，硬件平臺還承擔了另一項任務：為模型的持續迭代提供相對統一的部署環境。

當一套模型需要服務十幾家車企、上百款車型時，硬件過度碎片化會顯著增加適配成本。不同芯片平臺、攝像頭規格和傳感器組合，都可能影響模型表現。統一的域控和感知硬件，可以減少算法與車型之間的接口數量，也更有利于后續 OTA 和數據閉環。

根據規劃，卓馭常州工廠建筑面積約 5565 平方米，初期將導入 3 款重卡產品和 1 款無人物流車產品的域控制器生產。2027 年進入穩定運營階段后，還計劃承接乘用車域控、補盲雷達和車載無人機等產品。

這座工廠和動輒數十萬平方米的汽車制造基地不太一樣，因為它并不是一座追求龐大產能的工廠。

智能駕駛硬件通常具有批量較小、型號較多、迭代頻繁的特點。域控制器需要滿足車規級可靠性要求，視覺模組涉及光學標定，激光雷達則包含更加復雜的測試和校準流程。產品從研發樣機進入量產，需要重新建立生產節拍、質量檢測、軟件燒錄和全流程追溯體系。

智能駕駛的競爭，也包括工業能力

卓馭表示，目前其乘用車量產車型超過 50 款，定點合作車型超過 130 款；商用重卡業務已經與多家頭部企業合作，高速 NOA 產品進入量產階段。公司與宇通合作的客車 NOA 計劃于 2026 年 9 月量產交付，無人物流和 Robotaxi 業務也在推進導入和試運營。

這些業務之間的差異很大，乘用車關注成本、體驗和車型迭代速度；商用車更加重視運營效率和全生命周期可靠性；無人物流車通常運行在限定區域，對遠程運營和故障處置提出了新的要求。所以卓馭需要面對的，和蔚來理想小鵬這些自研智能駕駛能力并且只針對自家少數車型的車企不同，他們面對的需求更復雜。

智能駕駛產業此前經歷過一輪從演示功能到規模量產的篩選。進入基礎模型階段后，類似的過程可能再次發生。發布模型、完成道路測試只是起點，真正困難的是將模型部署到不同車型和計算平臺，在復雜供應鏈中保持性能一致，并持續處理量產后的長尾問題。
具身智能領域也會面對相似挑戰。

今天的機器人行業仍然高度關注模型能力和訓練數據，但隨著產品逐漸進入工廠、倉儲和商業服務場景，硬件可靠性、制造一致性和維護成本將迅速變得重要。智能駕駛行業過去十年建立起來的車規級工程體系，可能成為物理 AI 向現實場景擴張時可供借鑒的一套方法。

常州工廠一個能體現我們工業能力的地方是它從開工到廠房交付用時 73 天，工廠未來將導入 IATF 16949、ISO 9001、VDA 6.X、TISAX 和 A-SPICE 等標準體系，覆蓋汽車質量、信息安全、軟件開發和供應鏈管理。

對卓馭而言，常州工廠補上了從模型、算法到硬件生產的一段鏈條，也讓「移動智能基座」有了產能保障，對于任何一個卓馭的客戶來說，需要獲取他們的信任，除了模型能力和硬件能力，制造能力同樣重要。