作者 | 郑浩钧

编辑 | 王瑞昊

战略重心迈向物理 AI 的轻舟智航又获一笔融资。

3 月 23 日，轻舟智航宣布完成 D 轮新一轮融资 1 亿美元，投资方不仅包括投资机构，还有产业投资方——某国内头部主机厂、宁波宁海兴泰合基金、梁溪科创产业母基金（博华资本管理）、华德科创、某头部汽车电子零部件公司。

拿到这一亿美元后，轻舟会加大世界模型 + 强化学习等前沿物理 AI 技术研发、加大公司组织人才建设。

关于公司对物理 AI 的转向，轻舟智航联合创始人、董事长兼 CEO 于骞早有预告，他在 3 月 18 日的德国慕尼黑 " 智能汽车与智能制造论坛 " 上表示：" 轻舟不仅要做自动驾驶，还要做通用物理世界的 AI。"

PART 1

自动驾驶是物理 AI 的最佳入口

AI 作为当今科技界的第一大关键词，大致可分为处理比特信息的数字 AI、操控原子实体的物理 AI。自从 2022 年 11 月 ChatGPT 横空出世后，AI 在数字世界的发展如火如荼，对话、写作、编程、绘图等功能快速迭代，如今几乎能辅助所有 " 处理信息 " 的工作。AI 带来的效率提升，一定程度上甚至影响了亚马逊、Meta 等互联网巨头裁员上万人。

可以说，数字 AI 已趋于成熟，但物理 AI 仍处于蓬勃发展的早期阶段——不仅 L4 级自动驾驶仍未普及，具身智能创业公司更是层出不穷。

英伟达 CEO 黄仁勋明确指出，自动驾驶将成为物理 AI 最先实现规模化落地的应用场景，更是面向主流市场的第一个大规模物理 AI 系统。为此，英伟达布局全栈能力，不仅发布开源自动驾驶物理 AI 模型 Alpamayo 及配套工具链，还推出 Cosmos AI 世界模型，打通虚拟仿真到现实应用的关键链路，依托 DRIVE 芯片构建起车载计算与云端训练的完整生态。

而在国内，理想、小鹏等企业也早已在人型机器人、Robotaxi 等业务上开展布局。

近期，轻舟智航 CEO 于骞在内部会上就表示，人类正处于 AI 发展的关键分水岭上，物理 AI 是未来 5-10 年最大机遇，自动驾驶是通向物理 AI 的最佳入口。同时，只有通过物理 AI 的方法论（如世界模型、强化学习），才能真正回头做好自动驾驶。

于骞在德国慕尼黑智能汽车与智能制造论坛

简单来说，自动驾驶就是 AI 操控汽车在一个二维平面上与道路、行人、障碍物等进行物理交互，而通用物理 AI 则更进一步，需要增加高度这一维度，在三维空间中与物体交互。

自动驾驶的优势在于数据。于骞分析道，自动驾驶领域的数据（特别是世界模型所需的结构化数据）非常充分，比非结构化的通用机器人领域更有机会率先突破。

回顾过去，轻舟将近 20 年的 AI 发展分为三个阶段—— 2004 年到 2025 年，行业经历了机器智能的模仿与类人智能的探索，而 2026 年，行业将迈入超人智能阶段。

这一阶段最大的改变在于：AI 不再仅仅复刻人类驾驶行为，而是依托世界模型与强化学习，开始真正理解物理世界的规律、意图与社会常识。

以往，自动驾驶进化面临一个重要难题——在无限不确定性的物理世界中，安全红线决定 AI 系统无法像 AlphaGo 那样完全在虚拟环境中迭代，必须通过实车测试验证，这严重制约了演进速度。

" 世界模型 + 强化学习 " 则是解决这一难题的核心路径。于骞将其比喻为一座 AI 虚拟 " 驾校 " ——世界模型负责预演现实世界，如模拟出复杂路口博弈、极端天气干扰、突发路况变化等数百万种长尾场景；强化学习则像一个教练，持续优化 AI 的决策路径，让系统在虚拟试错中从模仿人类到超越人类。

这样的技术架构，让自动驾驶系统从 " 被动记忆 " 转向 " 主动思考 "，真正具备了应对未知的能力。

整个智驾行业几乎都有类似的判断。今年 3 月下旬推送的小鹏第二代 VLA，便结合强化学习和世界模型；长期使用世界模型的蔚来，2026 年初在世界模型 2.0 中引入强化学习；极氪也宣布将在今年上半年推出具备自我反思和进化能力的 WAM 世界行为模型。

基于对 AI 技术路线的预演，轻舟决定将战略重心大幅向 L4 自动驾驶及通用物理 AI 倾斜，而那 100 万台搭载轻舟辅助驾驶系统的智能汽车，就是物理 AI 技术最宝贵的真实训练场。

PART 2

百万量产，跻身 " 华舟魔 " 智驾三强

如今，在年销 2000 余万辆的中国乘用车市场，L2 级功能新车渗透率已超 60%，城市 NOA 功能渗透率也已突破 15%。

当边际成本极低的智能辅助驾驶系统逐渐走向大众，在评价一家智驾公司时，量产规模的重要性也逐渐提升——智驾公司是商业公司，而不是研究机构。李想在内部有一句常说的话：技术要服务产品，产品要服务商业。而商业成功与否，销量是一个重要指标。

从量产交付规模以及适配平台看，辅助驾驶搭载量突破 100 万辆的轻舟智航，已与华为、Momenta 共同构成中国智驾行业的 " 量产第一梯队 " —— " 华舟魔 "。

目前，搭载轻舟辅助驾驶系统的已上市车型有近 30 款，覆盖理想、奇瑞等近 10 家主机厂。按照计划，2026 年轻舟还将新增超过 50 款量产车型，且绝大部分支持城市 NOA。

规模快速扩张的关键，在于轻舟的一次关键判断：2025 年 4 月，他们宣布单颗地平线征程 6M 芯片（算力 128TOPS）即可实现城市 NOA。

这在当时几乎没人相信，包括不少合作伙伴。但 2026 年 1 月，基于该方案的城市 NOA 在理想 L 系列智能焕新版上通过 OTA 推送上车，轻舟成为行业里第一个将其量产的公司。内部测评显示，该方案与一些采用单颗甚至双颗英伟达 Orin-X 芯片的方案体验接近。

" 首先，意识到‘单芯就能实现城市 NOA ’的可能性本身就不易，当初就像马斯克提出不用激光雷达一样备受质疑。" 于骞曾对雷峰网《新智驾》表示，" 但我们是第一个将其发现并量产的中国公司。这没有捷径，靠的是实打实的创新。"

2026 年，基于单地平线征程 6M 芯片的高性价比方案，轻舟甚至计划将城市 NOA 功能下探至 10 万元级车型上。同时，轻舟也在持续发力高阶方案，今年即将发布算力大于 500TOPS 的城市智驾方案。

华为、轻舟、Momenta 的智驾量产三极，各有各的打法。华为走的是高端路线，以高配置和高冗余换取的定价权，来触达 20-50 万左右的中高端人群；Momenta 以群狼策略深入市场，覆盖的车型种类、价位更为广泛。

而轻舟则是在单芯片上做到极致。2025   年乘联会测算显示，10-20 万价格带新能源乘用车占比达 43.4%，显著高于 10 万以下的   28.6% 和 20-30 万的 16.6%，是中国新能源市场规模最大的细分区间。

随着轻舟在这一主力价格带的深耕与渗透，其规模效应已从验证期步入爆发期。依托已突破百万台的量产搭载基数与平台化工程能力，轻舟正将高阶城市 NOA 等核心技术下探至国民车型。这不仅是对市场主流需求的精准回应，更通过与多家主流车企的深度合作，持续巩固在该价格带的技术与交付优势。

可以预见，伴随   10-20   万区间用户渗透率的稳步提升，轻舟的销量规模将水涨船高，营收与商业变现能力也将随之实现阶梯式增长。

PART 3

从 L2、L4 到物理 AI 的厚积薄发

轻舟能凭借百万量产跻身行业第一梯队，还能同步推进中阶、高阶城市智驾方案的研发，其坚实的技术积累与标准化的交付思维是重要推动力。

轻舟核心团队源自 L4 自动驾驶先驱 Waymo，技术底蕴深厚。但在技术路线方面，轻舟更多学习特斯拉——一方面追求工程标准化，另一方面 "L2+L4" 双线并行。

从具体实践来看，特斯拉长期坚持精简车型阵容，以   Model 3/Y、Model S/X   等核心车型构建高度统一的硬件生态，这一策略并非局限于产品层面的降本增效，而是通过跨车型长期冻结传感器方案（如   HW3/HW4   平台长达   4-6   年的标准化布局），避免了行业常见的   " 改款陷阱 " ——   摄像头位置微调、传感器规格更换等行为都会造成数据分布紊乱，导致数据积累重置。

这种统一的感知系统，让全球数百万辆特斯拉成为输出完全一致视觉数据的 " 露天实验室 "，每一辆车都在为   FSD   神经网络提供高质量、可复用的训练样本。这些数据，也成为特斯拉 Robotaxi 业务的核心护城河。当其他车企仍在为多车型、多传感器方案解决数据对齐与融合难题时，特斯拉已通过单一数据源实现了算法的高效迭代。

轻舟想要做的正是和特斯拉一样的事情。技术统一与工程标准化，是轻舟能快速覆盖多价位、多车型的重要原因。

基于同一套技术架构，轻舟完成了在高通、英伟达、地平线三大主流芯片平台上的城市   NOA   适配。在工程交付上，轻舟也做了大量平台化工作，将可变与不可变的部分拆解，大幅压缩了不同车型的适配周期。

于骞曾对新智驾表示，轻舟的方案已具备很强的泛化能力：无论是 7 颗或 11 颗摄像头，是否搭载激光雷达，车型大小如何，都无需大幅调整即可适配。" 很多同行曾因传感器布局的微小变动，就要重新采集数据和训练模型，但我们依靠底层工具与模型解决了这个问题。"

轻舟 CTO 李栋认为，轻舟自首次量产起便推动交付标准化，将固定流程平台化，并压缩可变部分的开发周期，这使团队规模未大幅增长，却能支持车型从 1 款扩至 23 款。

关于 L2 与 L4 的关系，轻舟从创业初期就认为二者底层技术架构本质相同。两者共享 AI 模型底座，差异主要在产品逻辑层面。

产品逻辑上，L4 需要传感器冗余、计算冗余、软件兜底策略甚至远程辅助；L2 则需考虑成本，明确 ODD 范围。但底层都需要提升驾驶能力，追求安全、舒适、便捷。技术演进的方向都是数据驱动——从早期深度学习到 BEV、VLA、世界模型，再到未来技术，L2 和 L4 都走在这条路上。

如今，轻舟的 L4 无人物流车完全采用 L2 量产思路设计，车顶不再有旋转式机械雷达。于骞说，" 今年将启动小范围试点的 Robotaxi 也会为量产而生，不会顶着夸张的激光雷达，外观会和普通量产车一样。"

除技术架构外，数据的兼容性也是 L4 与 L2 业务能相互促进的关键。李栋曾对新智驾透露，公司从创立起就注重数据前后兼容。" 做 L2 时我们用了大量 L4 数据，因为此前有 Robotaxi 业务；现在做无人物流等 L4 产品，也可以复用 L2 数据，甚至直接使用 L2 模型。"

兼容性源于提前规划——轻舟规模量产 L4 产品的传感器布置、选型会与 L2 产品高度一致，数据标注规范也前后统一。这种技术、数据上的传承，使得轻舟将战略重心迈向 L4 自动驾驶及通用物理 AI 时，能很快拿出成果。

2026 年 4 月，轻舟将在北京车展上发布最新的技术产品进展。不久，我们就能看到一家深耕技术突破的公司，是如何从 L2 辅助驾驶到 L4 自动驾驶，再到通用物理 AI 的清晰路径。