编者按：2025年3月28-30日，中国电动汽车百人会年会论坛在钓鱼台国宾馆举办。作为战略合作媒体，搜狐汽车对本次论坛进行全程视频直播，以及短视频报道和参与企业嘉宾采访等环节。本次受访嘉宾是元戎启行CEO周光。

元戎启行CEO周光

出品 丨 搜狐汽车·

作者 丨 李德辉

“我们元戎一直在智驾领域希望能够做出最好的AI，我们对自己的定义也不是一家智驾公司，我们是一家物理AI公司。”元戎启行CEO周光认为，实现物理AI才是解决完全自动驾驶的必经之路。

智能驾驶，只不过是物理AI在汽车这个垂类领域的一个具体应用。周光强调元戎启行的技术远景和商业考量：“我们衍生的第一个产品可能是智驾，智驾也许是物理AI第一个大规模落地的场景，我们不停地去做更好的AI，直到真正实现AGI，物理世界的AGI。”

这也就解释了国内企业推出的智驾方案与特斯拉FSD之间的差距所在。

此次百人会论坛及特斯拉FSD进入中国市场之后，不少业界人士纷纷认为，相对于国内现有的智驾方案，特斯拉FSD领先一代。

周光也认同这个差距：“我觉得特斯拉V13就是要领先一个代差，但我觉得可能对不同的公司来讲这个代差是不一样的。”

差距所在，周光解释：“V12是第一个端到端，过去一年我相信各家都在追赶，部分公司可能也做到了V12的效果。特斯拉出来V13了，的确是有一个代差。”

端到端与大模型的区别，“端到端就是指你所有东西都是靠神经网络来决策。大模型天生就是端到端的。”其实两者之间的关系，更像是端到端是大模型的一个子集。

周光强调，只有做好大模型才能更好的解决垂类场景里的问题。以汽车为例，没有通用的移动能力，“今天的这套专家系统，它离开了路就不行了”。

只有更好的理解物理世界，才能完美的解决现实问题。周光举例：“如果说你不能理解什么叫作火车路，什么叫火车，是不安全的。我有典型的一个例子，在红绿灯，大家都在等红绿灯，这边车子在排队，正好排队的时候在铁轨上也可以排，这个车就排在铁轨上了。如果你缺乏了对通用世界的理解，这是安全的吗？你在铁轨上等红灯，一等两分钟，你怎么办？我觉得实现自动驾驶的终极目标，你不可能对普遍的物理世界没有一个通用的认知，它需要对很多东西有个通用认知的。”

与此同时，周光认为，数据质量和数量，对于智驾领域端到端的训练与迭代固然重要，但是在没有进入大模型时代之前，则不具备有效甚至高效使用数据的能力。

以下是采访速记（经编辑）：

Q：在智能驾驶领域，各大车企现在在加大自研力度，作为第三方解决方案商，元戎启行如何应对这种趋势？咱们的核心竞争力在哪里？

周光：智驾各家都自研，这个趋势已经看到了。元戎的优势在于我们能够提供最头部的技术跟体验。目前来说自研趋势还是在中阶、低阶。在高阶，甚至在最新的VLA，我相信对于车厂来说还需要一定的时间。另外，这也并不是那么简单就可以自研出来的，有大量的人才knowhow、数据knowhow、训练knowhow。

我们元戎一直在智驾领域希望能够做出最好的AI，我们对自己的定义也不是一家智驾公司，我们是一家物理AI公司。我们希望元戎一直能在物理AI突破。我们衍生的第一个产品可能是智驾，智驾也许是物理AI第一个大规模落地的场景，我们不停地去做更好的AI，直到真正实现AGI，物理世界的AGI。这次我们也发布了自己的RoadAGI产品，希望我们的技术更从专家系统到通才系统这方面的转变。

Q：前段时间特斯拉入华，有自媒体文章写咱们国内智驾会落后于FSD一年以上。在您看来，真实的情况和特斯拉FSD相比是什么样子的？另外元戎相比特斯拉FSD我们的优势是什么？

周光：从技术层面，也不说什么太多商业话术，我觉得特斯拉V13就是要领先一个代差，但我觉得可能对不同的公司来讲这个代差是不一样的。V12是第一个端到端，过去一年我相信各家都在追赶，部分公司可能也做到了V12的效果。特斯拉出来V13了，的确是有一个代差。

但是优势在于你在中国，我们有中国特色的数据集，正常来说一个人工智能的学习应该是你发现有问题，你采集数据，再去数据闭环，这样可以让你的training set和test set尽量一致。特斯拉面对的问题是，他没办法在中国采集数据，就意味着他没有办法去更新他的training set，但是他每次在中国可以evaluate。你可以知道你test set的score，你去改变（英文），这是一个非常间接的方式去改善自己。这还是比较慢的，我觉得这个也就是仅此的优势。

我们开始也在做V13的架构，我们也希望我们能够快速地把V13这个架构推出来。

咱们都是做研究的人，工程师，说话还是要诚实一点，我们也许能够在中国率先把这个做出来，我们也希望我们可以，中国公司也有这个能力做出V13的这套效果。

Q：您觉得元戎今年的智驾方案还有没有降本空间？如果有的话大概是多少？

周光：智驾两个方向的发展，一个是追求AI的天花板，另外一个是把某一个表现的AI系统做极致降本，这是两个完全不同的方向。

之前元戎的形象一直在追求AI的天花板，比如我们走端到端，到无图。大家看到我们在国内第一个做的，去年我们提的是个新图，无图的时候更是对行业有一个冲击。我们2023年推无图，大家全都在说我们是假的，但是我觉得现在是一个时候了。我们既要追求AI的上限，同时也要追求规模化的商业化。我们今年也会有其他的一些solution出来，不同的芯片平台的支持，可以把成本进一步降低。

当然，还是要保证体验的情况之下去做降本。我们不是那种极致追求成本的概念，比如用一个非常低算力的芯片，可能你都不是按照AI的路径来做这个事。这个做法我们肯定是不喜欢的，因为有公司是这么做的。他也会找到自己的生态位置，总有一些客户会选择。因为他特别便宜，但是你可能会损失掉的是你持续的能力。我们还是追求AI上限，我们觉得做出来AGI，做出来物理世界AGI的意义对我们公司来讲使命更大，我觉得这是更有意思的。

同时，我们也要把商业化做好，不能商业化的AI也是没有价值的，我们也会把一些成熟的AI放到下一档的硬件里面去，也要做到好用。

Q：在您看来数据或者数据质量是不是制约端到端提升的核心瓶颈？您觉得算法、算力、数据里面哪个更重要？

周光：这个牵扯到你目前处于哪个阶段，我觉得都很重要。今天毕竟我们是在一个算力受限的平台上用的，我们不是大模型的，某公司钱多卡多，我参数是你的10倍，我也不在乎这个事。车上就是100瓦算力顶天了，功耗的限制，我觉得在未来三五年之内1000T就是极致了。在1000T下要做到这么多的事，你还要做大模型，我觉得这个对算法要求很高，不是大家想得那么简单，不是我的车多我就直接硬上就可以。

数据质量肯定非常重要，如何找到高质量的数据也是不容易的，不是拍脑袋，不是车多就出来的。高质量的数据怎么去训练，这其实都是跟着你的模型一步一步走过来的，甚至你不知道什么叫高质量的数据。

Q：第一个问题，咱们刚刚也发了一个VLA的视觉动作空间多模型，理想也发布了AD Pro，你们怎么对比？有什么评价？第二个问题，有供应商表示今年和主机厂可能会探讨一块谁来承担责任推出L3，今年L3很热，第一，咱们有没有在做这些准备，比如和保险公司；第二，有没有主机厂向咱们提出要求如何保障这一块？

周光：VLA是指一个上限问题，L3是指一个下限问题，这是两个截然不同的方向。

首先L3甚至都不需要端到端，都不需要这些先进的AI，你都可以做LG。我们也曾经看到，奔驰在德国有自己的L3，有很多限制，L3到底是限制你的功能场景，你极致的兜底。其实理论上来讲，你的AI越好，你需要兜的底就越少，你可释放的区间就越大，这两者虽然费用不同，但是你的AI能力上限提升会极大地简化你去做L3。我们也要看为什么特斯拉他没有强调自己要做L3，以及为什么特斯拉不强调自己要做车位到车位，这都是有深层次原因的。

我可以分享我的一些想法。目前来说，可能国内车位到车位都是建图到无图再到建图的过程，其实从技术层面来讲是没有价值的。前面后面都是靠高精度地图技术，通过工程能力去缝合起来，这是一个“缝合怪物”，AI能力没有长进。在AI的角度来说是没有什么作用的，但是在用户体验上来讲，可能用户觉得有一定的价值。我觉得像特斯拉这种公司他不做这个事，他不会为了取悦用户做这个。他们希望通过技术去解决，真正用AI的能力实现车位到车位，而不是通过用这种技术来实现，我相信我已经解释了。

但我认为这里面更重要的其实还是AI上限的提升，AI上限的提升我们觉得是更重要的。但我们也会迎合市场，我们也会为了这个市场而商业化，也会去做一些。比如我们也推出了车位到车位，也是“缝合怪物”，建个图，背下来，我们指的AI是不带这个东西的，但它也有商业价值。我们也不是一个轴的公司，我们也是要迎合商业的需求去做这样的产品。

Q：这个的核心是因为车企要转，想推出L3未来是一种竞争方式，比如现在有一种观点，深圳可能今年在9月份和6月份就会全城开辟L3试点，有的车企会不会要求，比如你是我的供应商，你就得给我承诺我也要达到L3。

周光：我觉得其实做L3之后就牵扯到保险理赔，到底多少钱能够赔得起来，这通过数学是可以算出来的，这也是保险公司的事，以及你的算法大概是在什么程度。你在深圳可以通过各种手段去提升你在这里MPCI的里程。如果说你所有的安全可能都没有交通责任，其实也是L3，比如说我就不管，我就怼上去，关我什么事，反正我也不担责。交给警察来讲，我一分责都不用担。L3更多还是工程问题，我觉得更多是工程问题，只不过AI能力做得越好，可能这个工程难度会降低。比如说以我们家的弱专家系统去做L3，你可能需要非常大量的工程，比如千人级的工程团队，比如说你用generalist。我们认为下一代的这套AI系统，可能你做这个兜底只需要百人，甚至你的体验可能也会更好。我觉得这是一个选择，但肯定是我们也会针对这个市场推出相应的产品。这还有商业上的考虑，也不能纯就是愿景。我觉得一个纯愿景的公司也不会成功，但你公司一定要有愿景，你要有你自己的AI追求，有自己的愿景，同时也是要去满足这个市场的需求。

Q：我有两个问题，有一种说法自从特斯拉不搞AI，国内厂商不知道怎么做了，你怎么看？另外，你刚才讲了下半年我们有能力达到类似V13的水平，我想知道是不是你已经看到了怎么追平的路径？还有一个问题，你觉得VLA到底能带来什么质的改变？

周光：我们去年也是第一个。我相信元戎还是很多国内的无图，或者端到端的启蒙老师。我们当时无图这套框架，各家公司现在用的跟我们第一代挺像的。怎么做无图，说实话，数据怎么生成，大家都是不知道的。因为我们做出来了，可能很多人都开始用类似的了，我肯定不能多说，还是给我们留点时间差。

Q：VLA呢？

周光：我觉得VLA是从specialist到generalist的。我认为是需要的，不是VLA无法做generalist，你无法做到通才。我觉得通才是实现L5的。如果我们不考虑商业化，我认为就不应该有L3，就应该是直接像特斯拉这样，从L2级尽可能追平L5。可能我限定一个区域，这是他们追求的。我说的是纯AI角度来讲是这样子的，但是商业角度上又不一样。我需要噱头，有了噱头才能卖更多的车，这又是另外一个考虑了。我觉得特斯拉在美国这么做也是因为他没有对手，也许他在中国这么卷，他可能也会搞一个车位到车位，实在是美国没有能打的，他想怎么玩怎么玩。

Q：去年底咱们的智驾上车数应该是3万，今年目标好像是20万，现在其实头部，比如华为和Momenta基本是百万辆级，对于包括您，包括中部、腰部企业共同的问题。你怎么看数量量级的差距对于算法迭代速度的影响？之后有没有什么具体的办法，比如扩大一下合作的速度和规模？

周光：我是这样子理解的，大家其实看过智驾数次的洗牌。我认为每次关键技术版本性的变化都会带来这个行业的变化，你一旦错失过某一代技术，现在有一句话叫作技术不能错过，可能一代技术错了，今天市场所谓的排位就荡然无存。今天的智驾远没有到大模型时代。

今天百人会上我也在说，我们现在是刚开始从specialist到generalist走，其实大家能理解，并不是你车多，今天还没有到那个时候。接下来我觉得会进入这个时代，我并没有看到像同行们，他们进入了这个架构。你不是这个架构何谈所谓的优势呢？它是不存在的。我们所谓的这种优势是指你已经全面进入了大模型时代，你又采用了更新的架构，你可以享受scaling law带来的优势，其实没有。你不在这个时代何谈这个？我觉得并没有进入这个时代，我认为这个还是很好玩的，接下来可能翻天覆地的变化还会出现。2024年其实有一波就是因为技术路线出了问题的公司，我觉得这根本不是问题，真的不是问题。

Q：您刚才说现在还没有进入真正的大模型时代，大概多长时间可以进入？并且您刚才提到的大模型时代的最大特点是什么？

周光：如果都还没有进入VLA何谈进入大模型时代呢？整个得以大模型的架构来做的自动驾驶才叫大模型时代，现在都是专家系统。你跟我说你讲规模效应，这不是很搞笑吗？

Q：今年春节期间大家感同身受的一件事就是DeepSeek的爆火，业内预期这个事情会对自动驾驶研发范式造成影响，比如昨天下午黑芝麻智能的CMO杨宇欣就说，他觉得云端训练的算力需求会下降，车端推理算力需求会增加。今天下午为旌科技CEO说云端和车端训练推理算力都会下降。您怎么看？比如我们以后是不是非得像特斯拉一样花100亿美元买英伟达芯片，是不是非得买英伟达“双芯”互联之后2000tops的智能驾驶芯片？

周光：还是刚才那个，其实是有sequence。今天的智驾还没进入大模型时代，我们就连大模型时期的scaling law都还没有享受到的时候，就要降低算力，我觉得算力接下来会涨得比较好。进入这个时代会涨得比较快的，谁先能够进入智驾大模型时代，谁可能就能享受这个红利，否则今天给你的数据，你的车辆都没有任何用处。

车端就看了，如果你想做更高安全等级，算力肯定是必需的，因为最终的目标我们还是希望做到L5级。L5级我觉得是强专家，像大模型的发展，我们先是很傻的专家系统，然后出现了GPT的通才，达到985、211的水平，接下来下一步在垂直领域快速达到博士级水平，发展是有这样一个倾向的。

Q：如果做到L4或者L5的话2000tops够吗？

周光：我觉得也不会像大模型那样子需要千张卡，那种级别倒不至于，之所以现在大家觉得scaling law没有用，还是因为大家根本就没进入那个时代，你今天这种就叫作machine learning base。

Q：你觉得特斯拉进入了您说的这个状态吗？

周光：他们V13是按大模型范式来做的。

Q：大模型和端到端是什么关系？

周光：端到端就是指你所有东西都是靠神经网络来决策。大模型天生就是端到端的。大模型有自己的预训练、后训练、alignment，它的数据偏好都不一样，它不是以前那个范式在做了。我觉得这个变化还蛮大的，大家现在喊口号都喊我叫智驾大模型。喊口号谁都能喊，我也喊我要做出GPT-6，喊口号谁不会喊。

Q：理想之前也说过，可能对于AGI早期两年商业不太看好，想问问你的观点，包括元戎在实现RoadAGI这条路上怎么平衡好短期内高昂的研发投入所带来的盈利波动问题？

周光：我们做RoadAGI更多是，我们觉得你在实现strong specialist之前，需要让你的系统能通用。我觉得这是不矛盾的。你如果没有GPT-4这样的通才系统，也很难做出来今天的o1这种专家系统。AI For Science，这是必须的。我们做通才系统的目的是提升AI的智商，我可以认为是这样，这个不冲突的。我认为只有做这个东西，大家一直瞄着车，一直瞄着这一个场景，我觉得是不够的，因为现实世界中你想开好车，你不可能对物理世界其他东西视而不见。

Q：有什么具体的例子？

周光：如果说你不能理解什么叫作火车路，什么叫火车，是不安全的。我有典型的一个例子，在红绿灯，大家都在等红绿灯，这边车子在排队，正好排队的时候在铁轨上也可以排，这个车就排在铁轨上了。如果你缺乏了对通用世界的理解，这是安全的吗？你在铁轨上等红灯，一等两分钟，你怎么办？我觉得实现自动驾驶的终极目标，你不可能对普遍的物理世界没有一个通用的认知，它需要对很多东西有个通用认知的。如果你只在车这个场景堆是不够的。我认为要做出来一个，我们也不像大模型这样追求985的专家系统，我们追求一个幼儿园级的专家系统。说实话，真正的智驾系统对其他场景理解是0，是0理解。我们对物理世界除了路上的车道线，几辆车、人，一些障碍物的理解，我们是0理解，塑料口袋跟一个石头能一样吗？这些我们是什么做法呢？我们的专家系统就是雇一堆专家专门标一下塑料袋，标一下箱子，再标一下石头。你按照这个做法永远是不行的，一定得让你的系统通用化。今天大模型表现出来的对各类场景都能理解，这个通用的能力让我们觉得这是实现L5级自动驾驶必需的，也不是你一直堆就堆得出来的，不是的，一定是要有一个由专到广的过程，最后才能实现L5。

这是我们对AI的认知，不冲突的，没有任何冲突。因为你不这么做，我认为你是做不出来的，你绕不开一个通用的东西。

Q：您的意思是RoadAGI本来就是要做这些东西，不用增加额外的成本？

周光：对，不用增加什么额外成本。如果我们做的东西是需要增加非常多额外成本，说明我们做错了，只能说明我们走错了。

Q：它只增加一点点额外成本，能增加的商业化场景你有想过吗？

周光：我们做这个还是觉得，最终的机器人，我认为手可能占了它80%、 70%的作用，腿也是剩下20%、30%，你不可能扫个图过去，SLAM一下过去，这也不现实，它也不叫AI。你觉得一个SLAM的东西，它有AI吗？它没有AI，它没有任何读取的能力，如果说我们真的会花特别大量的成本在这种场景，只能说明这是一个错误的走向。你应该做到一个通才系统，你可能会增加一些数据的成本，但绝对不是大量的成本，你做到了这个，相信才有可能做出L5级，这说明你对物理世界有一个广泛普遍的认知，然后你再收敛到这个垂类场景。我们对这个垂类场景最终进行一个对齐，我觉得那个时候可能才是真正的L5到来的时候。

Q：现在除了汽车，你还有规划其他的垂类场景吗？

周光：没有，我们只是移动能力，我们指的是移动能力，所有的moving object，我觉得都应该有一个通用的移动能力。比如人，我们就有一个通用的移动能力，哪怕把你头接到马上，你也知道怎么走，这不存在的，你骑自行车也会，你各种都应该会。你没有一个通用的能力是做不到的，今天的这套专家系统，它离开了路就不行了，它不是一个通才系统。

Q：你现在在往大模型时代去的过程当中有没有可能会路走错的情况？

周光：当然会走错了，没有人是能够100%对的。我只是说大模型经历了一个专家系统到通才系统，到真正强专家系统的阶段。我认为这是一个AI发展的阶段。我觉得智驾、机器人会经历同样的阶段，它也是弱的到通用的，再到强的，强的才是我们人类需要的。现在还是在弱阶段，我认为接下来要做通才，不做这个也实现不了最后的。

你要跳出来车的领域看这个事，现在至少语言这一块已经证明了就是这么过来的。今天的车子是不是要走同样的范式？我们现在从端到端开始做大模型，不应该follow同样的范式吗？还是回到那句话，都还没有进入那个时代，规模没有任何用，你不是在这个时代的。

Q：您认同waymo吗？

周光：waymo属于是专家系统。大家知道，其实就是有轨电车，等于那个轨道是invisible，invisible train。大家都知道火车早就实现自动驾驶了，它就是invisible的轨道，路线是在你的图里面，只不过这个汽车是一个基于图的汽车属于是有invisible real，但是还有人在走，只是它是开放世界，但是它invisible的轨道在里面，真正的火车是一个封闭世界，有一个轨道在里面的，真正物理世界做的都得是开放世界，没有预埋的轨道，我觉得这才是一个正常的做法。

Q：通用不仅仅是适应汽车，机器人？咱们这套系统VLA。

周光：我们只是对移动能力的通才。我觉得手跟腿差距还是很大的。我认为手才是机器人的灵魂，毕竟你干活，光走过去，一个没有手的人他能干什么，他只能给你送东西，他什么也干不了。就是一个狗，它咬东西给你递过来，什么也干不了。能拧螺丝吗？能送衣服吗？手才是精华，80%我认为都是在手上，手的突破还有比较长的时间。像人手上，光是传感器，我们手上的感应器类型就三种，可能有上万个传感器在上面，非常精准，我觉得这个还挺难的。物理层面没有突破，很难去把手做到能够现实世界大量干活，现在都是抓钢体，大家知道，抓的都是硬的，抓软的怎么办？我们手能抓铅球，也能抓豆腐，我们能抓移动物理，你见过今天谁在抓移动物体？没有。