沈劭劼：轉型移動物理AI公司，卓馭要做基礎設施

版權聲明：本文版權為網易汽車所有，轉載請注明出處。 

網易汽車4月17日報道    隨著基礎模型的發展，智駕玩家們加速擁抱物理AI。

“智駕只是物理AI的初始形態，絕非終局”，在近日舉辦的2026智能電動汽車發展高層論壇上，卓馭科技CEO沈劭劼表示，“未來存活下來的智駕公司，都將轉型為移動物理AI公司。 ”

他強調，“這不僅是戰略判斷，更是生存判斷。”

沈劭劼將智駕方案的演進劃分為三個階段：第一階段，大家依靠小感知模型+高精地圖+規則堆砌，跑通了40分的基礎能力，但每到一個新城市就得“開城”重新刷題到80分，成本巨大，且永遠達不到滿分。到了端到端時代，行業通過數據驅動將通用基礎能力提升到70分，再加上少量泛化能達到90分好用水平，但如果要出海，面對歐洲與中國截然不同的路權文化和駕駛風格，各個國家一起的泛化成本仍然很高。

也因此，卓馭希望做出開箱即滿分或開箱即95分智駕方案。2025年末，卓馭提出了移動智能基座構想，其核心正是具備涌現能力的“原生多模態基礎模型”，技術內核是在最底層就完成對物理世界通用規律的預訓練。

這個被卓馭定義為移動物理AI技術底座的模型，是想打造一個從出生起就看過全世界如何開車、如何行走的“老司機”。它不再需要針對不同車型、不同國家做大量的后訓練，而是追求一種近乎“開箱即95分”的Zero Shot零數據遷移能力。“我們會在年內把該原生多模態基礎模型推送到乘用車和商用車重卡上。”

卓馭的愿景，是在移動物理AI時代成為其中重要的基礎設施。

在被問及“價格屠夫”這一行業標簽時，他直言，“（說我們）光賣便宜貨我不認，但供應鏈管控能力強，我認。”他提到，面對今年內存漲價潮，卓馭早在去年下半年就未雨綢繆囤貨，確保交付不斷鏈。

對于是否可以跳過L3直奔L4，他的回答也是肯定的。從技術層面講，基于具備涌現能力的原生多模態模型，可以達到L4技術的標準，從非技術層面看，L3事故責任劃分模糊，“L4責任劃分會干凈很多”。

以下是論壇采訪實錄：

問：原生多模態基礎模型與業內其他端到端模型的核心差異是什么？

沈劭劼：關于基礎模型以及跟現在端到端的區別，可能這個回答會稍微長一點點，也是早上那個演講，由于時間比較晚，也沒有講太多。

我說現在端到端本質上，首先，它是一個模型完成整個駕駛任務，但是這個模型的規模并不是很大，可能就是幾千萬到幾億參數之間的規模，這個模型需要大量專家數據，就是很好的駕駛數據進行訓練，當我這個駕駛數據足夠多，而且覆蓋場景足夠全，足夠好的時候，這個模型是能夠開得很好的，這沒有問題，這是現在端到端的技術。

但是這個技術會帶來一些問題，最典型的就是如果遇到一個場景，它的訓練駕駛數據缺失，中模型本身并不具備自動泛化到它完全沒覆蓋過的場景。我稍微舉個例子，在中國可能不是太明顯，例如說我拿去出海，比如中國跟德國最大區別是什么？不是交通規則、標志這些都不同，最大區別叫作路權觀，中國開車的路權觀是極弱的，基本就是誰能擠誰上，但是德國的路權觀很強，規則感很強，當我們直接把中國模型拿去德國用的時候能不能用？能用，會被罵死，這就是所謂的中模型出國，進行出海泛化帶來的問題，交通燈這些都是小事，駕駛風格是大事。

我如何適配國外駕駛風格呢？能，我在國外弄30個人采一年數據重新訓練一遍就能解決，一定能解決，但這是有代價的，接下來我如果去全球各個國家訓練，是不是每個地方都得這么來一遍？這個成本有點受不了，畢竟不是全世界每個地方都像中國這種統一大市場的，統一大市場就是駕駛風格也類似，一次性就解決了，這是目前所遇到的限制。

再往后，原生多模態大模型的核心理念在于，首先它模型足夠大，大到假如數據足夠多的情況下，它能具備出現涌現能力，也就是像現在數字AI的語言大模型涌現能力，并不是它能做的東西全部是數據里面必須精準覆蓋，它具備自己產生一些新東西的能力，具備涌現能力。

同時，這個模型能夠吃進除了專家數據之外的別的數據，我們現在訓練的除了專門智駕場景數據，我們也會把互聯網數據，甚至移動機器人的數據，甚至一個人扛著相機在路上走的數據都OK，把這些數據都喂進去，這個模型預訓練階段把盡量多的知識灌進這個模型里面，這個知識不一定是在中國的路上，也可能在外國的路上，反正從互聯網扒，把盡量多的知識灌進去，讓這個模型原生就把這些東西學會了，后面到每個場景只需要用一些很小的后訓練數據，相當于是激活它一下，它就能夠用得了，這是本質的區別，模型規模也會大很多。

當然你說這個東西是不是卓馭發明的？我也很老實地說，不是，特斯拉肯定走在前面，現在業界內已經完成了這種狀態，但是至少在車里面完成了這種狀態的是特斯拉FSD V14以及小鵬VLA2.0，但是跨垂類好像暫時還沒有。

問：中國智駕Tier1在歐洲立足的最大挑戰是什么？卓馭歐洲總部啟用后全球化路徑是怎樣的？

沈劭劼：這個和剛剛問題的回答，比較相關，首先，有一些是目前已知而且很顯然必須要解決的，但其實好解決的，第一個，特殊交通標志，但這個好辦，稍微采點數據就能解決，第二個，數據合規，說穿了就是這里有個還不錯的模型出去，各種后訓練數據就別傳回來了，這個東西有點麻煩，但是有現成路徑能解決，對應的歐洲那邊像主動安全這些要求，既然有標準就能做，而且也不一定要在外面做，在國內只要標準相同都能做，真正麻煩的就是剛剛說的路權觀，這是駕駛風格的區別，當然有兩種，一種是用現在的模型，比如我們現在高悟性端到端4.0拿出去，在海外采數據進行后訓練，目前我們至少在歐洲某些國家也的確跑得通，但是有一點點不可持續，所以用后面的技術范式，用一個大預訓練模型直接拿出去激活就行了。

問：您提到目前落地原生多模態大模型的廠商有特斯拉FSD V14和小鵬VLA2.0，您對原生多模態大模型的具體定義是什么？馬斯克說V14可能還是小模型，V15才是更大模型，您怎么看？

沈劭劼：首先模型本身一定是在越來越大的過程中，任何下一代描述前一代其實都叫小。 我這么理解，如果這個模型本身只能夠依靠專家數據，例如說只能夠依靠乘用車單一領域專家數據，別的數據它都沒有辦法用進去，或者一用就會變得更差，這時候應該還沒有到原生多模態大模型的特質，當然，可能馬斯克覺得v14還不夠好，還有v15，這肯定，但至少v14目前來看應該是具備了這個特質的。 另外，一方面它能不能吃進各種各樣的包括非專家數據之外的數據，以及它能不能原生去吃進各種各樣的模態，包括視頻、語音、文字方方面面的東西，把這些數據都吃進去，來進行預訓練。 這里可能更跳出原來的VLA范式，大部分這些原生多模態大模型里面其實并沒有一個顯性的L的輸出，換句話說，車的決策其實并不依賴這個顯性的L，當然里面會有對應的模型，會體現出場景的理解，但它其實是會在前空間里面隱性地做，當然你說如果他要看L行不行？可以，我專門訓練另外一個解析出來給人看就好了。

問：引用無人機、機器人等跨場景數據訓練移動基座模型，對乘用車來說安全嗎？基礎模型對數據精度的要求是怎樣的？

沈劭劼：首先，安不安全這個東西最后模型有自己的準出體系，目前每個做端到端方案公司都已經建立一個準出體系，只要這個模型能過就是安全的。

另外，跟原來想的稍微不一樣的是，這個模型本身隨著變大以后，它應該對于絕對的精度變得越來越不敏感，我稍微舉個例子，不一定合適，像教不同孩子做作業。

如果是一個學習不是太好，腦子可能不是太聰明的孩子做作業，這時候應該怎么做？孩子做完了我幫他改，這時候叫作規則兜底，我是那個規則；中等聰明的，或者中模型的樣子，應該叫作他可以做作業，我也可以刷題，但是我得給他不錯的這些題讓他一個一個刷，最后考試的時候如果這個題剛好跟他刷過的差不多，他也能夠考出很好的成績，我不斷刷題是能夠考上985的，一旦題沒刷對，他可能發揮就會出問題，這更像是當前狀態的端到端的樣子，對數據要求非常高；

對于真正的學霸，總會出現一些神人，我也不需要刷題，就給他幾本書，給他幾本教材，或者各種書他自己就悟出來了，這時候你問這些天才的訓練數據干不干凈，安不安全，他訓練數據一點都不安全，他什么都看，但是人家通過各種東西都看完之后就是能悟出來，最后能讓他很輕松考進985，考出好成績，甚至做到很多別人不能做的事情的能力，對于模型也是一樣，第二檔狀態應該大家都差不多做得到，接下來大家肯定都追求下一個。

問：您有關注過理想的基座模型嗎？

沈劭劼：現在應該說，我剛剛說包括特斯拉FSDv14、小鵬VLA2.0這是屬于已經做出來的，當然，我們絕對不是唯一一家想到做這個，您可以理解為現在大家所說的基座模型概念是類似的，更多是一個進度的問題而已。

問：2024年從大疆獨立出來，是想做什么不一樣的？另外，行業內說卓馭是價格屠夫，您認可嗎？底氣是什么？

沈劭劼：首先，為什么要從大疆拆出來？本來就是因為它有點不一樣，它本身就是一個B2C和B2B的區別，本身是偏向消費級的周期短一點，以及偏向汽車的高安全性，而且周期也比較長，對供應鏈穩定性，以及受國際地緣的影響會有這么大的東西，本身就是因為不一樣所以才會發生獨立運營。

當然一樣的東西也要保留，比如大疆的“激極盡志，求真品誠”的價值觀也是一直繼承下去，內部看起來整個公司運行氛圍還是很像原來的樣子，還是追求極致產品的風格，這應該算是第一個，當然后面你說，包括我們拆分之后會獨立進行融資，往后可能會有一些上市計劃，顯然跟大疆不一樣的是，我理解這其實是一個很順理成章的東西，任何一個公司差不多都是這樣子的。

第二個，價格屠夫。這個我可能會稍微展開講長一點，第一個，理解價格屠夫這四個字到底是什么意思？是光賣便宜東西，還是你的成本控制能夠很好？這兩個其實不是一件事。

光賣便宜的東西的意思就是不能賣貴東西，只能賣低端貨，不能賣高端貨，這個我肯定不認，要做好的產品肯定是全矩陣的，不同價位的車，不同場景需要用不同方案，現在很顯然的一個趨勢是隨著模型能力越來越強，需要的硬件也會越來越多，但是性能提升比價格提升更快，毫無疑問，對于第一個是不是光賣便宜東西這件事，我直接否認了，以后我們賣的東西會越來越貴，但是性能上升的速度一定會大于價格上升的速度。

關于第二個價格屠夫應該叫供應鏈管控能力，這個我認，畢竟作為業界比較少有的，新生代智能駕駛公司具備軟硬件一體能力，真正具有供應鏈管控能力的公司是比較少見的，由于各種各樣原因造成的供應鏈波動我們也有一些抵抗措施，比如現在這一波內存漲價，我們也是在去年下半年未雨綢繆囤了一大堆，保證我們今年交付不會出現問題，我覺得這些也是某種程度上作為價格屠夫的一個體現，畢竟純軟件公司對這種情況，除了讓合作伙伴加價買之外，好像沒有其他方法，但我們有辦法去解決。

問：這也是卓馭的底氣嗎？

沈劭劼：對，今年我能供得上貨。

問：面對智駕平權趨勢（比亞迪、小鵬、零跑等將智駕下探到8-15萬級），卓馭如何保護自己的護城河？

沈劭劼：我覺得智駕平權本質上并不是把智駕做得越來越便宜，或者把車做得越來越便宜，它的本質是智能化在整車成本里面的比重越來越大，從而一個車，例如都是10萬塊錢的車，原本10萬塊錢只愿意給智駕分2000塊，給別的什么東西分更高的成本，現在由于智能化以及大家接受度越來越高這個比例產生了變化，從而產生了智駕平權，但是真的看現在車上面用的智駕硬件是越來越多的，這個東西是基本物理規律，你用的東西多了就不可能便宜。

問：卓馭未來是否有自研芯片的計劃？如果不自研，如何保證供應鏈穩定？

沈劭劼：首先，供應鏈管控的核心并不在于某個特定零部件，而是在于不能缺，這個系統只要缺了一個零件就造不出來，它是一個完整性考慮，不是單點的，我理解建立供應鏈能力就是得用各種各樣的方法未雨綢繆地保證這個東西不會由于某個東西缺而供不上，當然芯片是最重要的，可能今年不是，今年更重要的是內存，我們自己提前囤了不少。

我們肯定不會自制芯片，就是自研自制芯片，現在市面上有這么多芯片合作伙伴，具體名字我不點了，我還是那個想法，靠譜的端側芯片供應商的數量大于靠譜的智駕方案供應商的數量，通過去找合作伙伴一起做這件事是能夠有一個比較好的解決，當然可以不單指是單純買賣關系，也可以是深度定制關系。

問：目前，除了乘用車，其他領域如商用車業務進度如何？

沈劭劼：首先，乘用車肯定還是我們的基本盤，除了去年已經公布9個客戶之外，目前我們又多加了3個新的客戶主體，不是3個新的品牌，是更大的（規模），但暫時可能還沒到具體公布logo的時候，這個就留點懸念。

重卡方面，目前中國排名前6的商用車公司全部是我們的客戶，第一個重卡車型會在6月份開始量產，總共有小幾十個車型，今年6月到明年上半年之間陸續量產。也是基于原生多模態基礎模型，也在Robotaxi和物流車方面也有布局，上面跑的都是同一個模型，當然會加上很多L4需要的安全冗余相關的東西，對應也有合作伙伴，這些會在7月份試運營。

乘用車和商用車的商業模式有點不同，乘用車是基本盤，要不就是Tier1，要不就是跟合作伙伴加起來是個Tier1的推進；商用車基本就是當Tier1，商業模式和乘用車是一樣的，但是對于Robotaxi和物流車來說，就是一個合作伙伴，一起開發運營分利潤的方式進行，目前業務是這樣。

整體的發展，包括拿新的客戶來說，新的車型定點速度是超過我想象的。

問：卓馭如何通過通用智能能力實現“移動智能基座”的跨場景復用？

沈劭劼：首先，應該說我們的證據也是比較多的，其中最重要的，我最近一直在拿出來說的重卡，雖然都是鋪裝路面，但是畢竟一個滿載的重卡重量是乘用車的幾十倍，車長是乘用車的幾倍，行駛的風格也有非常多的不一樣，我們能把這個東西遷移，事實上能夠獲得這個行業里面絕大多數TOP客戶的認同，我覺得這本身是一個證據，有了證據，所以說這個怎么完成，應該我不太需要去質證為什么行了。

再往后，具體是怎么做到呢？其實是一個比較偏體系化的能力，首先模型本身的基礎能力得夠強，得能夠達到一個足夠擬人化駕駛的程度。為什么這么說呢？首先第一步，人類駕駛，一個好的司機，他本身的加減速是傾向于比較平緩，甚至對于很多危險的東西會傾向于一種預判，而不是最后來一腳急剎的方式去解決，這個在乘用車方面可能是見仁見智，是不同的駕駛風格，都可以，但是一旦到了重卡的領域，這反而會變成一個非常非常重要的東西，因為重卡不能急剎車，本身這個模型的特性就已經從第一天開始比較適應這種遷移。

另外，除了模型之外，它有很多上下游車型適配的東西需要極強的工程能力，第一個，幾十倍的車重，而且幾十倍車重隨著有沒有拖頭，有沒有后面的掛廂，以及掛廂的重量它會產生很大的變化，我的控制算法怎么進行適配，控制算法現在可沒有太多辦法用模型，這個就是靠控制算法工程師的硬實力去做，這也是從之前這一路下來的積累，是一個比較有優勢的，我們本質上還是一個非常懂怎么去控制機器人的機器人背景的公司。

另外一個，對于其他垂類的硬件要求會或多或少都會有點不一樣，比如說在商用車走的電子電氣架構是24V，乘用車是12V，這中間改動并不大，也不算小，反正是有改動，而且壽命要求不一樣，商用車基本要求的是完整持續運作的壽命周期，而不是乘用車這種用一下停一下的壽命周期，這些都對硬件帶來很大的不同，這時候我們自己是具備，你有不同我直接做了就行了，反正有標準我就對應著進行開發，而且開發速度很快，但是對于一些可能相對硬件能力比較缺失的公司來說，要不就說服另外一個合作伙伴跟他做，要不還沒開始干活先進行扯皮，至少這個在我們這是不存在的。

所有這些加起來，它是個比較體系化的能力，最終決定了一旦這個新的垂類有機會我們能比較快地切入，當然，在各種垂類里面，我們也并不是什么都走得最快，比如Robotaxi我們就是后來者，但是后來者也有后來者的好處，因為我們在某種程度上我們跳過很開始需要很重的高精地圖開城的階段，我們直接跳到用原生多模態基礎模型，能夠以比較低的代價進行部署的階段，后有后的優勢和劣勢。

問：重卡方案與乘用車能復用的部分和不能復用的部分有哪些？

沈劭劼：首先，基礎模型其實是同一個，但是對于一些具體駕駛場景的應對會有強制約束，或者用現在AI Agent的模式，應該叫作不同的Harness Engineering ，也可以這么說，比如像乘用車，首先重卡只在高速上跑，不會做城市領航，但是高速上比如乘用車遇到加塞，我的第一反應是要減速，來確保不會撞上，重卡不是這樣的，重卡停不下來的，遇到加塞是不能停的，你能做的只是知道別人有可能加塞的時候按喇叭，因為它的減速度有一定的限制，不能減下去，按喇叭，萬一真的最后遇到危險，其實就會變成一個類似控制的問題，但是這時候它的難點就變成，這個模型如何具備一個防御性駕駛的能力，能夠很早地預判到會不會有加塞，我變道也好，響喇叭也好，反正不能用急剎車的方式解決這個問題。

我再舉一個例子，重卡其實做智駕除了安全之外，還有一個很重要的東西是省油，這個怎么省呢？路都有上坡下坡，我如果上坡的時候一路猛加速，下坡的時候速度很快一路猛剎車，這個就是又費油又費剎車，老司機的做法一般就是上坡的時候慢慢上，剛好上到坡頂的時候速度是最慢的，下坡的時候用最慢的速度往下，又省油又省剎車，這個并不難做，因為地圖里面有高清路況信息的，我把這個高清路況信息通過一定的曲線變成我的速度規劃，寫進這個車里面就能做，所以整體來說，在軟件端對它有很多不同，但是萬變不離其宗，像剛剛說的這些特殊場景它都是能適配的。

另外它對于感知距離的要求會高很多很多，所以重卡上面我們目前所有的方案都是帶激目系統，就是可變焦激光雷達，取決于不同的安裝模式，如果裝艙外能夠做到400米左右，艙內也300多米左右，它就是一個長距離的感知，看得見，你才有可能制動。

還有剛剛所說的它的基礎芯片跟乘用車用的是一樣的，但是對于一些電子電氣架構的電壓會有不同的，這樣一些比較小的，二次再開發就好了。

問：7月份L4試運營處在什么階段？是商業合作還是樣車試點？

沈劭劼：我們有跟運營合作伙伴一起合作，早上PPT里應該大家也看到logo了，當然對應的發布可能再往后，可能車展的時候我們進行發布，我可以明確說的是我自己不做運營，我們會做L4的智能化能力，但是我不做運營，術業有專攻。

問：有一種聲音要簡化掉L3，從L2直接跨越到L4，卓馭怎么看？

沈劭劼：我同意，就是跳過L3。

問：能展開說一下嗎？包括規劃和部署。

沈劭劼：首先，L3這個產品形態規劃本身并沒有錯，它更多是在實際運營過程中會出現一些比較難明白的東西，比如給消費者10秒鐘進行接管，萬一我睡著了，接不了管，這個責任到底歸誰，有一些實操狀態下比較難說清楚的東西，但是如果一個系統真的能夠做到10秒鐘不接管，實際上離L4也沒有多遠了，但是L4責任劃分會干凈很多，這是非技術層面的。

在技術層面，原來大家會說L2、L3、L4對應用的技術會不一樣，畢竟發明L2、L3、L4描述時候是幾十年前的事，那時候還沒有大模型存在，但現在大家已經非常確認，用更厲害的具備原生多模態，具備涌現能力的這些模型，通過一些合適的遠程運營、安全兜底、傳感器冗余、車的冗余，以及模型周圍的東西加一些能夠做到L2、L3、L4基本同源的技術，在這個同源的技術下，那我肯定就用一個同源的技術去做兩個狀態，一個是L2，這個當前已經有的，另外一個就是所有做智能駕駛公司的夢想，就是L4，把它給做出來就好了。

問：L4的實現需要很多條件，展望一下什么時候能實現？

沈劭劼：現在L4是一個已實現的東西，大家在路上也能夠打到無人Robotaxi，這個也看怎么進行普及，現在路上是有無人出租車的，無人出租車現在的確需要每個城進行開城，需要進行部署，需要進行驗證，確保事故率低于一定的值才能夠上去，但是這個東西是一個現實存在的，你說普不普及本質上是成本考慮的問題而已，剩下就是基于更重高精地圖的技術有某一個成本線，這個成本線決定了這個普及度可能以某個曲線來進行普及.

再往后，隨著基礎能力的提升，需要的后續泛化的降低，我理解它的成本線就會降低，普及度自然會更快。但是無論如何并不是一個0或者1能不能實現的問題，甚至我們預想以后，當然這只是猜想，以后應該會出現比如乘用車，我平時買回來，這個車上各種傳感器，這些模型都是滿足L4能力的，但是它在一個沒有被L4認證過的區域里面就是以L2+形式運行，一旦進入這個區域之后，消費者可以選擇讓這個車接管，但接管并不是完全讓車接管，這時候得有云端監控平臺來進行，相當于是由云端監控平臺進行接管，這個時候這個車進入L4模式，在L4模式下每用一定距離就需要給一定的錢，變成自己擁有的出租車，可能會是這么一個模式，一臺車可能會同時具備幾種運行模式，我覺得不一定是完全以Robotaxi方式進行。