主零桥梁，进步阶梯

撰文 | 温   莎

编辑 | 黄大路

设计 | 甄尤美

"我希望公司以后可以成为基础设施，我特别喜欢拿中国移动来举例，它已经不是一个公司的名字了，而是成为一个名词了。"

2026年5月16日上午，广州，元戎CEO周光在第十八届轩辕汽车蓝皮书论坛与贾可的尖峰对话JackTok上，说出这段话。

在他之前，是地平线创始人兼CEO余凯、卓驭科技CEO沈劭劼的对话，周光在台下认真听了一个多小时。贾可的第一个问题，这些智能驾驶公司的负责人已经回答过很多遍了，但能有机会回答的人，每年都在减少。

"未来，智能驾驶公司还能留几家？"贾可问到。周光没给数字，他给了两个时间点。

2020年，元戎决定不做高精度地图，"我们应该是第一个放弃掉高精度地图线路的曾经顶尖的L4公司。"

2023年，元戎决定不做自研芯片，"我们应该在2023年的时候就断了芯片的念头，当时我们是想做芯片的。"

在做了两次减法之后，元戎还有留下来的资格。

两次减法

2019年2月，元戎成立于深圳。周光是创始人，清华基科班毕业，后赴德州大学达拉斯分校读人工智能博士，公司成立时，国内L4赛道的主流路径是"高精度地图+规则"，周光在JackTok对话时把这条路形容为"开火车"，"开火车是不需要靠太多人工智能的。"他说。

2019年CVPR（Conference on Computer Vision and Pattern Recognition，IEEE国际计算机视觉与模式识别会议）大会之后，周光写下了公司发展：靠人工智能能解决静态感知。一年后，元戎放弃了高精度地图。

放弃的逻辑是反向的，不是高精地图贵，是高精地图不能泛化。"我们之前做过高清地图，知道那个方案是没有办法泛化的。"周光的算法是："买两台车，配两个懂传统机器人技术的工程师，基本上两个月就可以串一个Demo，再花点时间打磨，能做出一条固定线路的全无人方案。"

但这条路没那么好走。无图选定之后，端到端是自然落点。"有图就是规则配规则……无图之后有很多的不确定性在现实世界当中不完美、不连续，通过神经网络处理会比较好。"

第二次减法发生在2023年。当年底ChatGPT之后大模型范式确立，周光把自研芯片的计划终止。

终止的逻辑也是反向的。在小模型范式下，端到端模型大约200T算力够用。"你都200T了，自研芯片或者是外面芯片比的就是‘我便宜’，最终你是要靠价格去拿订单。但大模型出来之后，未来几年的算力斜率是很陡峭的。"

周光认为，在陡峭曲线上做芯片的公司，会被下一代芯片厂商的下一代产品超过。还有一个更长期的逻辑，让元戎不再执着于自研芯片，"只有分工才能做到极致。"

与之相相对应的，头部造车新势力蔚小理也都在做芯片。"他们为什么要自研芯片"贾可问道，周光巧妙的借用了上一场对谈中余凯的一句话，"他们可能都想当马斯克。"

从2016年开始，特斯拉就已经开始组建团队自研芯片，截至2026年已推进至AI5（第五代）流片完成，计划2027年量产，算力达2000–2500TOPS，并布局自建晶圆厂（Terafab）以实现全栈掌控。

马斯克的芯片自研路线很成功。在周光看来，在自动驾驶芯片领域，英伟达是特斯拉的追随者。

"特斯拉所有物理端侧推理芯片，第一代是特斯拉做，第二代英伟达做，因为它快，第三代是其他的芯片厂商，英伟达的Drive Thor在跟特斯拉的HW4，下一代芯片在跟HW5，都是特斯拉在前面。"

一次豪赌‌

周光说自己不想当马斯克。两次断舍离的减法之后，周光不再做"看起来该做的事"，剩下的是他不得不做的事情，也是要赌的事。

他赌的是一次范式转换。"智驾在2026年以前完全不是大模型的范式，都是小模型的范式，也不太需要那么多钱。"周光说。"但我认为从今年开始，自动驾驶会进入大模型的竞争节奏。"

2026年，大模型批量上车。小鹏、理想，还是吉利、智己，乃至大众等车企，纷纷推出了自己的方案；地平线、Momenta等智驾供应商，以及火山引擎、腾讯等玩家也悉数登场，元戎的转折来得更早。

让他笃定转型的是多模态视频生成。"我们就在想视频生成的本质任务是什么，你为了预测视频未来的几秒钟，隐藏空间就是预测视频里人物的行为。换到车端，如果能预测车的行为，等价于自动驾驶。"

智驾的下一站不是更精细的规则，而是更大的模型，周光意识到了这一点。

元戎启行2025年初开始做VLA，视觉-语言-动作模型。"去年一年不仅我们在尝试，小鹏、理想都有在做大模型的尝试。"周光承认走过弯路："理论上来讲出来了之后，抄是最快的……但我觉得永远需要有人去Do Something Different。"

不止元戎，Waymo也走过这一步。"Waymo已经成功切换到大模型范式了，不是大家想象中的还在死磕高清地图。Waymo的CTO公开讲过他们成功切到端到端大模型、基座模型。"

大模型也有天花板。行业讨论自动驾驶进度，各大智能驾驶创始人最经常被问的问题就是，"什么时候能到L4"。周光用另一个单位：MPCI（‌Miles Per Critical Intervention‌，即‌每多少公里发生一次安全性接管‌，数值越大代表系统越安全）回答了这个问题。

"千公里MPCI自动驾驶还是辅助驾驶，还是一个L2.9。"周光认为，大模型的天花板是万公里MPCI，"千公里到万公里这一段，正是特斯拉V14到V15想突破的，特斯拉V14达到千公里安全接管，这是10倍于目前所有小模型的结果。"

行业都在猜测智能驾驶的终局，周光认为，智驾会分叉成两条路。

一条卷成本。用100T的小芯片做小模型，"毕竟很多车不可能装一个几万元的芯片。这条路的智驾成本占整车的比例继续压低，还是维持几个点吧，小几个点的那种"。

另一条做极致安全。算力从1000T推到10000T，"到干掉人"，这条路的智驾成本占整车的比例会继续往上走。

两条路径，两类公司，两种结局。

周光的落点清楚，元戎不在卷成本那条上，"更大的算力真正是把人从简单的、重复的劳动中解放出来，这是我们的愿景。"

成为基础设施

走第二条路，靠的不是算力账，是人。

2026年4月，元戎首次对外确认：前DeepSeek研发负责人、多模态技术核心研究员阮翀已加盟元戎，出任首席科学家。阮翀此前与梁文锋共同署名论文9篇，深度参与DeepSeekMoE、DeepSeek-V3、Native Sparse Attention和Janus系列等底层研究，是2025年9月《Nature》收录论文《DeepSeek-R1》的作者之一。

技术大神的加入让元戎的未来有多了一些确定性，贾可在JackTok上问周光：智能驾驶还能从哪些公司挖人？

周光说挖人不只是钱的事，阮翀的加入"挺有偶然"，"本来是十多年的朋友才来的"。

他承认，事实上大模型人才不太容易流通。

不容易流通的方向是双向的。一个方向，是AI公司不愿意来智驾。"OpenAI也好，在Anthropic也好，我只知道Waymo的人往那边跑，最近Waymo两个负责人刚刚去了OpenAI。"

另一个方向，是智驾公司不容易把人挖到通用AI的工资水平。贾可转述余凯和沈劭劼在前一场对话里的判断，"他们看不上咱们搞自动驾驶的。"

周光没有接这个话，"也都不是钱能搞定的。"他说，也要有好的股权激励体系，公司愿景和价值观相符，文化很关键。

元戎启行的愿景很清晰，成为基础设施，像中国移动那样的名词。

周光不是第一次这样说。2024年11月，元戎启行获得长城汽车1亿美元C1轮战略融资。融资发布会上，周光说过同一句话："我相信，通用人工智能时代，AI会成为基础设施，也坚信元戎启行会是AI 3.0时代的主要参与者。"

"你的目标就是要把元戎从现在的聚光灯上干到聚光灯下去？"贾可问到。"差不多吧。"他回答。

成为基础设施的前提是先被广泛地用。

元戎启行在2026年的KPI是三个数：辅助驾驶系统交付规模突破100万辆，MPCI提升到1000公里以上，用户高频使用率达到50%。截至2026年3月，元戎启行累计交付近30万台搭载城市NOA的车型，累计行驶里程超13亿公里，系统成功避免前向碰撞14.1万次、后向碰撞4.7万次。

从30万到100万，是元戎2026年要走的路；从聚光灯下到名词，是元戎下一个十几年要走的路。

以下为贾可与周光的对话实录，《汽车商业评论》整理，此处略有删节。

贾可：第十八届轩辕汽车蓝皮书论坛JackTOK继续TOK，接下来我们请到的是元戎CEO周光先生上来跟我一起对谈。

刚才和余凯、沈劭劼就自动驾驶已经进行了一个小时的TOK，接下来和周光进一步把话题延伸，他也认真听了上面两位的分享。我问刚才那两位，不叫留下谁，我想问还能留几家，有一个大概数。

我知道中国自动驾驶第三方公司舞台上活跃的几家，大家都很清楚；但元戎在这方面一直走在技术的前沿，比如端到端，在中国可能你是最早干这个事情的，是不是这样？

周光：对的，我们应该是在2020年开始做无图，端到端是从这套无图演进过来的。

贾可：也就是说你们一直走在时代的前列，走到今天发展这个过程，越来越被主机厂、媒体发现你们的力量。你说一下，你们为什么能够从无图开始？以前我们都知道做高清地图，但是没有想到技术范式在转移，你们当时转向无图的转折是什么契机？

周光：智驾这个行业是比较早就有的，2016、2017年，当时智驾行业从业人员各种都有，但我们团队一直都是做AI出来的，第一天就开始做深度学习的。

2019年CVPR的时候我们就感觉通过人工智能应该是可以解决静态感知的问题，所以2020年就决定要做无图。其实也没有管行业里面怎么看，因为我们之前做过高清地图，知道那个方案是没有办法泛化的。

可能做Demo非常快。我记得当时买两台车，只要有人懂传统机器人那些技术，基本上两个月就可以串一个Demo，再花点时间打磨一下可能也能做到一条固定线路的全无人，但是从AI来讲知道这个玩意肯定是不泛化的，所以很早就决定了做静态感知，就是无图。

做完了无图之后自然而然你会发现无图的智驾一定要配合端到端，有图的时候不是端到端，有图就是规则配规则，有图的自动驾驶就像开火车，开火车不需要靠太多人工智能；但是无图之后在现实世界中有很多的不确定性。

不确定、不完美、不连续，通过神经网络处理会比较好，就有了后面的端到端，端到端也是我们当时最先推出来的。

贾可：你刚才说你的转折，从高清地图到无图到做端到端，因为你是搞AI的。

周光：对。我们公司核心成员基本上都是做人工智能出来的，也不是其他行业转行过来的，这是我们一个比较不同的点，今天做大模型的全都是做人工智能出来的，很少有跨行业的。

贾可：你觉得余凯和沈劭劼都是做AI的吗？

周光：他们都是大AI行业的。

贾可：还不是你说的AI行业？

周光：都是AI行业的。

1

 大模型的天花板

贾可：刚才他们讲，现在国外的数字AI公司、包括做物理AI的都是大公司巨头，每年要很多钱；中国公司本质上大部分搞智驾的没有那么多钱，大模型大力出奇迹，你怎么看？

周光：智驾去年以前完全不是大模型的范式，都是小模型的范式，也不太需要那么多钱，通过精细化的数据采集、通过传统小模型的训练范式就能做，但我从今年开始，自动驾驶会进入大模型的竞争节奏。

不仅自动驾驶，今年尤其是在多模态技术突破以后，这种大厂对自动驾驶也感兴趣了，尤其是多模态视频生成，我们就在想视频生成的本质任务是什么，是你预测这个视频的下一秒或者下10秒，你为了预测视频未来的几秒钟，隐藏的空间就是预测视频里面人物的行为。行为如果换在车端，如果我能预测车的行为，是不是就等于自动驾驶了。

贾可：他们说预测车的行为不需要预测10秒，只要3—5秒就够了？

周光：AI从任务本质来讲，其实预测行为跟预测未来几秒钟视频是高度类似的，尤其是在视频生成有了这么多突破之后，今年初视频生成的模型越来越真实了，也符合物理了。这个其实是Trigger向大模型、尤其是多模态视频生成领域专家进入这个行业的原因。

说实话，预测视频远远没有在物理世界里预测机器人应该做什么更好玩，而且我觉得产生的价值是不一样的：视频生成能干啥，就是弄点电影、小视频；如果你能够预测所有的物理运动，其实你就等于是具身，百倍、千倍大于视频生成。这是不奇怪的，而且我觉得这些人一定会进入这个行业的。

贾可：现在元戎启行的大模型能力到什么程度了？刚才两位都说90分了，多模态原生基座模型包括强化学习+世界模型也好，大模型到90分了，但是我觉得似乎好像有点乐观，你准确评价元戎启行现在大模型能力到底多少。你说过现在彻底从小模型到大模型，但现在很多还只是中模型。

周光：这么来说吧。2025年年初就开始尝试做大模型，当时叫VLA。去年一年不仅我们在尝试，小鹏、理想都有在做大模型的尝试。到今年突然之间我感觉行业整个都在说Physical AI，我们去年年初的时候就提了Physical AI这个事了，所以才有了后面的VLA，通过一年的迭代发现还是走了一些弯路的。

直到今年年初，一个是多模态生成带来行业预训练整体的提升，我觉得在年初的时候还是比较关键的；国内有一家公司已经在这方面有一些进展了，我觉得这个还是挺欣慰的。

贾可：去年的时候？

周光：今年年初的时候。

贾可：不是自动驾驶公司吧？

周光：是自动驾驶公司。我觉得这是一个好事，你看到这个方向能够有进展其实蛮好的。在去年经过一年大模型方向的尝试，还是发现了一些问题，比如真正想在自动驾驶物理世界做好大模型，你需要大模型的人，这也是我们通过一年的试验发现需要大模型的人过来，大模型的人更有经验处理海量的数据。

不只是我们，最近和Waymo朋友的交流，Waymo已经成功切换到大模型范式了，不是大家想象的Waymo还是死磕高清地图。最后Waymo的CTO讲话也讲了他们成功切换到端到端大模型、切换到基座模型了。它可能是目前上车效果最好的，因为它毕竟还是一个工控机，提前可以上7B、10B的模型，今天所谓量产车里面都还没有那么大的模型。

贾可：刚才余凯和沈劭劼都讲了，他们实际上都是端到端+基座模型。但这一块你刚才说去年也走了一些弯路，弯路主要是指什么？

周光：大模型擅长的是什么，大模型擅长的是场景的理解、长时序、长场景的理解；像小模型、端到端擅长的是规则，擅长处理即时信息，处理1秒以内的信息，这可能是规则最擅长的；再往下做，小模型可能处理2秒、3秒，但是3秒以后对场景的理解、对时序的理解就不是小模型和规则擅长的了，肯定还是需要大模型的能力。

目前看到大模型在即时响应上有它的问题。

贾可：什么问题？

周光：大模型目前需要即时响应有它的弊端，不能很快地响应需要马上反应的情况，所以怎么训好这个大模型，让它对即时响应也能够产生效果，我觉得还是蛮难的，需要有真正大模型经验的人来。

贾可：这里面我有两个问题，把大模型即时响应能力训练好，一方面需要做大模型的人来干这个事情，也就相当于人才有点迭代、或者转折了？

周光：也不只是我们，哪怕Waymo、特斯拉也有这种感受。大模型有它的天花板。今天的智驾也没有摸到这个天花板，我们今天还讨论50、100公里一次的接管；大模型的范式上了就是千公里起，当你到了之后并不是说可以快速到1万、10万，发现到了一个点上也是有天花板的。

贾可：这取决于有更多做大模型的人来干这个事情，就跟刚才他们讲的搞数字AI的人来干这个事情可能会更顺利一些、更顺畅一些，还是取决于AI芯片算力能到多少TOPS？我看现在整个AI芯片本身还不具备这么高的算力。

周光：我觉得芯片是肯定的，我们也不可能拿着10年前的显卡跑大模型，也不现实。我觉得芯片是本质的，目前来说500T以上的芯片是可以作为大模型最低的要求。

贾可：500T能做多少参数？

周光：500T是比较小的大模型，1B到2B左右。

贾可：1B到2B大模型能达成的自动驾驶效果怎么样？

周光：我们直接看特斯拉。特斯拉FSD V14已经做到千公里安全接管，这是10倍于目前所有小模型的结果。

贾可：它的算力也就是500TOPS。

周光：从英伟达这个Orin-X算力芯片级别切换到Thor这个算力级别，目前来说在国内并没有体现出来Thor明显强于英伟达Orin-X，但我们看到的是特斯拉从V13到V14，就是所谓的算力从100T、200T切换到500T以上有明显的提升，其实就在于你上了这种大模型的架构、用大模型的范式来做，这一步的增幅是确定的，从100到1000这一步增幅是确定性有的。

当你切换大模型、以及到500T以上的芯片，毕竟有人跑通了，我觉得没有人跑通是最让人最难受的。

贾可：如果做到L3级别的话，需要多少算力的芯片来匹配这个大模型？

周光：如果说我们讨论的L3是一个受限制场景的话，它可能跟算力要求并不大。

贾可：那L4，直接L4吧。

周光：如果说全域的，具备泛化能力的全无人，我觉得才会对模型的本身有要求，如果只是这几条路能开。

贾可：那个不算。

周光：5年前就已经全无人了。

贾可：那L4，直接说L4。

周光：对，规模化的，我觉得是5000T以上吧，因为1000T以上的接管我们也是看到了的，对吧，500T的芯片能做到，毕竟V14已经交答案了，但现在你看V15的芯片算力已经是一个质变，最新流片的信息来看，特斯拉的AI 5芯片是接近于3000T的算力，144GB的高带宽内存，这个在基层方面的成本都是非常昂贵的。这一代，我觉得是寄希望于能够从1000T到10000T吧，我相信对10000T的期待应该是在10倍的提升。

贾可：那你觉得这样的芯片会什么时候出来呢？比如说5000TOPS的芯片会什么时候出来？

周光：我觉得在明年下半年应该就会有，今年可能会有一些缝合的芯片，比如说小鹏的图灵芯片就是几个拼在一起的，通过一些技术手段，真正单颗单芯片会在明年出来，应该都有规划。

贾可：英伟达的吗？

周光：不止一家，都有这个规划了，当马斯克开始跑的时候，所有人都需要跟上的。

贾可：那只要两颗就能到1万TOPS了？

周光：对。

贾可：可以串在一起吧？

周光：对，所以说未来智驾还是可以卷成本的，还是可以用100T小芯片做小模型，毕竟很多车不可能装几万元的芯片。另外一条路就是极致的安全，1000到10000再到干掉人，这是一条路，可能这条路的智驾成本会在整车上继续上升，另外一条路可能还是维持几个点吧，小几个点的那种，我认为是两条路径的。

贾可：元戎启行是追求大算力做L4、L5吗？

周光：我们整体研发方向是往基座模型走的，毕竟之前我们做的小模型也是在2024年、2025年都交了版本，这个更多还是降本，是不是可以用更便宜的芯片去做这件事，更大的算力真正把人从简单的、重复的劳动中解放出来，这是我们的愿景。

贾可：5000TOPS或者10000TOPS是匹配你说的大模型是400亿参数（40B）的大模型，如果达到那样的一个大模型，也就说不是完全无人驾驶了？

周光：也不是。其实你要看像Tesla，哪怕今天的Waymo，它是一个不受算力限制的公司，他们切换了大模型范式，但其实还是会有问题的，只不过你面对的Corner Case也许到1万的时候会面临这代技术架构的天花板，我觉得可能到万公里级的，其实大模型也会有一个天花板的。

贾可：这个天花板到底能不能捅破？

周光：我不知道，每一代技术架构都有自己的天花板，像小模型的天花板，我觉得是百公里的MPCI，在城市里面，因为到高速上面都到几百、千公里了，这没有什么好说的。

贾可：千公里日常根本就不需要接管了。

周光：对。千公里MPCI的自动驾驶还是辅助驾驶，还是一个L2.9，那你为什么要买一个一千公里MPCI的自动驾驶？为什么不买一个一百公里的呢？你要回答这个问题，我都干不掉人，对不对？

2

 自动驾驶是一种信仰

贾可：你们是找了DeepSeek的阮翀来做你们的CTO，是吧？

周光：不是，是首席科学家。

贾可：首席科学家说过一句话，好像说自动驾驶系统是一种信仰。

周光：是的。

元戎启行首席科学家阮翀演讲

贾可：信仰的话，某种意义上就跟你刚才的话是匹配的，是总归有一个天花板，那是不是永远都达不到？

周光：也不是，就像今天我们已经运行的Robotaxi其实就是几千公里、一千公里的MPCI，通过运营手段可以实现商业化，现在一些运营能力很强的公司看似布局Robotaxi了，不是因为技术方面。

1万公里，我觉得是摸得到的，是没问题的，但1万公里肯定做不到。如果你没有运营、后台没有人，我觉得也不行。现在有1万公里，你可以做到人车比1:20，高峰期你可以把这个东西拿出来，然后通过地勤、通过云端运营做全维度运营的，这个今天也验证了，今天Robotaxi都已经验证了万公里级的。

但真实数据，我最近也知道他们MPCI的数据还没有到这个级别，还少一些的，就已经可以了，这是一个运营问题。只不过说一个100万公里MPCI不需要运营了，这可能跟人是一样的。

贾可：所以现在元戎启行在Robotaxi这一块也是在投入的？

周光：我觉得自动驾驶的终局一定是把人给去掉的，问题是你以什么样的角色去参与这个行业。为什么说我们在2020年的时候决定不去做高精度地图了，2021年的时候已经证明了这不是一条正确的路，我们应该是第一个放弃掉高精度地图线路的曾经顶尖的L4公司。

贾可：对。所以现在你觉得是一条正确的路，你找到了可以做Robotaxi运营这方面能够？

周光：人车比嘛，其实通过云端、地勤种种手段去做。

贾可：未来，你觉得家庭无人驾驶汽车，因为它没有运营，自己开、自己做，你觉得这方面未来会消失吗？还是说会给他们提供？

周光：我觉得还是得有。我们假设来说，如果技术不能从1万突破100万，那就是说这个车只能靠运营能力很强的团队或者公司去做，那你家庭用肯定也得有。

贾可：也有？

周光：对，你也得有。很难说一个家庭的车交给第三方帮你运营，牵涉到隐私，牵涉到很多问题在里面。

3

 L4什么时候能到

贾可：按照你现在大模型的能力，加上芯片现在的能力，你觉得L4什么时候能到？就是刚刚余凯讲到的"闭眼开"。

周光：我觉得千公里是看得见的，千公里到万公里其实正是特斯拉想突破的。Waymo今天的万公里级是端到端，还是配合了一些传统的高精度地图的辅助信息，只不过已经不是传统那套以规则驱动的线路了，是一个端到端的大模型线路，但高精地图会作为提示词存在，这还是有范式的区别。

我觉得很快的，今年马斯克就会给出一个答案，如果说是无图、轻图的模式，大规模量产的模式是不是能跑通到万公里级。

贾可：你说现在Waymo还有高清地图，现在主流不都是轻图了吗？

周光：今天是指这些Robotaxi公司，这么说吧，还是会用一些地图元素，可能不再是曾经高清地图的模式了，是轻地图模式的存在了。

贾可：如果是这样，对于家庭自动驾驶技术、用到家庭车上几年能到L4，因为小鹏讲也是很快，5年之内可能就到了，有那么乐观吗？

周光：我觉得一年左右到千公里，可能两年左右到万公里级别，两三年吧，我觉得这是确定性的。再往后走，其实还是不确定的。

贾可：是的。现在我们元戎启行的MPCI现在大概是多少了？

周光：今天就是几十到百级别，我觉得基于小模型的自动驾驶基本都在这个区间里，可能各有优劣势，这个场景你好一点、那个场景我好一点，换个城市我好一点，小模型就这样，大家平均分都是60—70，这是小模型的现状是没有谁是断代、领先的。

贾可：现在大家不都号称大模型了吗？

周光：你想跑100T、200T算力芯片，怎么能是号称大模型呢？

贾可：是大模型的思路，是吧？

周光：你也跑不了，说实话，那种芯片要跑大模型的参数确实挺难的。

贾可：你刚才说特斯拉500TOPS也能到千公里，你觉得今年我们能到千公里吗？

周光：我们的目标是今年希望到千公里。一年的时间内是问题不大的，其实牵涉到范式切换之后的验证迭代和稳定提升，这肯定要一定时间，但我觉得一年左右问题不大，是比较确定性的。

贾可：千公里达到以后算哪个级别，是L3还是？

周光：L3，到底你是基于什么样的模型能力去兜底，更多时候是运营概念。比如我虽然是普域的1000公里，可能在广州的花城大道和其他几个道上，我就通过电子围栏在这几个区间之内实现更高级别的安全性，甚至不排除也都有人在后台运营，毕竟模型提升是一回事，兜底又是一回事，两者的技术还是不太一样。

大模型里的人也会做AI Safety，也要解决幻觉的问题，还要解决一些关键词不能问，这可能也是由小模型规则来驱动的。

4

 元戎为什么不做芯片

贾可：元戎不做芯片，你想过要做芯片吗，还是依靠外部？

周光：我们应该在2023年的时候就断了芯片的念头，我们是想做芯片的。

贾可：为什么断了这个念头？

周光：因为看到大模型出来了，觉得不适合搞芯片了。如果大模型没出来，你就会觉得技术就是这样子的，小模型的端到端就是200T，如果200T是这个赛道的终极目标，那做个芯片是有明显的降本可能。

大家都是200T，自研的芯片或者是外面的芯片比的就是"我便宜"，最终还是要靠这个去拿订单，但是你看到大模型这么Powerful，而且预判未来几年的技术斜率是很陡峭的，我觉得做芯片是不明智的。

当然，我们还有一点长期的想法，是觉得这个可能还是得分工的，只有分工才能做到极致。

贾可：蔚小理他们做芯片明智吗？他们也做芯片。

周光：可能都想当马斯克嘛，这也不是我说的，我只是借鉴一下刚才凯哥（余凯）的那句话。

贾可：对，你看特斯拉也做芯片，马斯克明智吗？

周光：我是这么看芯片公司在自动驾驶和机器人领域的地位。第一是特斯拉，因为本质上来讲车端的芯片是推理芯片，不是一个训练芯片，一定是特斯拉在最前面，然后才是英伟达，因为它跟得快。

贾可：跟得快，英伟达在跟？

周光：那肯定是英伟达在跟特斯拉，这毫无疑问的。你看那个Thor（英伟达DRIVE Thor）不就是在跟HW49（特斯拉Hardware 4.0）吗？下一代的芯片就跟HW5了，都是特斯拉在前面。

贾可：主要特斯拉走在前面了，没有人给它做这个芯片，它只能自己做。

周光：对。我觉得特斯拉所有物理端侧推理芯片，第一代是特斯拉做，第二代英伟达做，因为它快，第三代是其他的芯片厂商。这是我心里的看法，不是特斯拉第二个、英伟达第一个，是特斯拉第一个。

贾可：这个逻辑就通了。我们现在用的是高通的8797？

周光：对

贾可：英伟达我们也用？

周光：对，Thor。

贾可：但国际地缘政治形势，会导致我们未来用芯片、自动驾驶的芯片受限吗？

周光：今天来芯片，我反而觉得训练端还好，因为训练端的芯片哪怕工艺制程差一点，电费便宜；推理端说实话还是没有先进制程，挺危险的，毕竟（要）接电池。

比如说人家按照每瓦TOPS算，现在顶尖的可以做到每瓦15、20TOPS，如果说你用传统工艺可能就1瓦1TOPS，电池就扛不住，倒不是说造不出来，就是电池扛不住。如果你需要500T的算力，你是1瓦1TOPS的制程，那500瓦的散热器都烧化了。

我觉得车端能接受的估计是三五百瓦的芯片，顶天了；三五百瓦估计都是用非常好的液冷才能够处理的，100瓦以下可以靠风冷，5000瓦我不知道怎么搞。

贾可：今年黑芝麻华山A2000也是AI芯片，它的算力也算国内比较高的了。

周光：对。

贾可：这样的芯片能匹配大模型吗？

周光：其实只要是为大模型设计的芯片，同时算力满足要求，工具链跟上都行的，只是说，第一代在英伟达上去验证是最快的，因为它的生态稳定性高，但我相信这都可以跟上的，就像今天国内小模型的芯片，说实话，国内都造得没毛病了。

贾可：华山A2000已经算是大模型的AI芯片了吗，往这个方向去了？

周光：感觉是这样的一个目标，应该是属于摸到门槛了。

5

 要做基础设施

贾可：自动驾驶取决于芯片算力和大模型进一步模型能力的提升，模型能力进一步提升还取决于未来更多搞大模型的人才，你们挖来了DeepSeek的阮翀，那未来自动驾驶公司还能从哪些公司挖人，从Waymo这些AI公司？

周光：其实阮翀来这个行业，或者说来我们公司还是挺偶然的，有各种机遇的原因，本来是十多年的朋友才来的，其实不太容易流通的。

贾可：不太容易从那个方向流？

周光：对，不太容易流通。其实你的底层逻辑还是我讲的，多模态的突破，目前来说多模态是视频生成的突破。

下一个阶段，如果这个人对做事情本身更有追求，我觉得他来这个行业挺有意思的，因为你能预测视频，下一步你能预测动作、预测行为，其实这就是在物理世界里面进行操控，这是一个高度相关的任务。

但是你也知道在OpenAI也好，Anthropic也好，我只知道Waymo的人是往那边跑的，最近Waymo两个负责人刚刚去了OpenAI。

贾可：是的，因为刚才沈先生和余凯也讲了，他们看不上咱们搞自动驾驶的。

周光：那也不是。我觉得第一个是你有一个很好的股权激励体系，这也蛮重要的。

贾可：所以阮翀过来的话，一方面你有很好的股权激励体系。

周光：还有就是我们的愿景。我觉得你吸引这样的人才，公司得有一个愿景，你得有长期思维，有技术Taste，文化原因很关键。

贾可：不单单只是钱的问题，是吧？

周光：对，都不是钱能搞定的。

贾可：你觉得元戎启行的愿景是什么，什么样的文化吸引了像阮翀这样的人来？

周光：我其实特别希望我们公司以后可以成为基础设施。

贾可：AI的基础设施？

周光：对。我特别喜欢拿中国移动来举例，我们今天提"中国移动"是说你是手机信号、是手机这个事儿，其实它已经不是一个公司的名字了，它已经成为一个名词了。我觉得其实任何吊的技术过了20年，这应该是你最好的归宿了。

贾可：20年以后我就不跟你对谈了，因为你已经是基础设施了。

周光：对。20年之后你变成了一个很厉害的公司，而且还被广泛地讨论，这已经是最大的成功，这就是我们的愿景。我小时候看到亲戚拿一个大哥大出来，中国移动的，觉得特别厉害，当时去移动工作都是特别厉害的。

贾可：对。所以你的目标就是要把元戎从现在的聚光灯上干到聚光灯下去，差不多这个意思，是吧？

周光：对，我觉得差不多这个意思。

贾可：现在元戎启行的目标也很远大，物理AI世界的基础设施，不光是做自动驾驶，做机器人这方面，我们也要做吗？

周光：车子是第一个能大规模提供数据级的场景，很多时候你要做机器人，我觉得从车入手是最理性的。就像大厂，目前来说多模态的负责人下场第一个选择的都是车，而不是直接进入机器人市场。

是因为汽车提供的数据足够验证你的基模、验证你的体系、验证你的各种实验，你今天选择一个机器人还在讨论摄像头装哪儿、传感器怎么搞，天天还在搞那个，我觉得对做模型本身来讲可能稍微早了点。

从车端出发去验证物理世界的基模，再到机器人端去验证整个链路，我觉得从技术层面是比较好的。

贾可：我问一个有点弱智的问题，大模型的人才，他如果考大学，他学什么专业才能往这个方向上去？

周光：我觉得数学和物理专业是最好的。因为底层也不是编程的事儿，你非要说什么IOI （国际信息学奥林匹克竞赛），NOI（全国青少年信息学奥林匹克竞赛）‌，感觉也不是。

我觉得不管是Anthropic，还是OpenAI都特别喜欢招数学家和物理学家，哪怕这些人不会编程，就像我们计科班的姚顺宇就是物理专家，之前他也是做高能物理的，博士也是做高能物理的，之后又从Anthropic离职去了DeepMind，我觉得数学、物理的背景会比较好，其实就在于你对逻辑，数学物理是世界最本质的东西，你对最本质的东西的思考可能才是最有意义的。

6

  现实与浪漫

贾可：我觉得你带领的元戎启行，你们做的很多方向都是开风气之先的，你愿意做一些很领先的事情，而不是跟随，实际上这是很难的，有时候很容易成为先烈。

周光：对，要Take the Risk。就像去年一年尝试的VLA，其实就是大模型的尝试，说实话，也不是说没走弯路的，这肯定是有的。理论上来讲出来了之后，抄是最快的，基本上都是告诉你这怎么抄，但我觉得永远需要有人去Do Something Different。

就是一句话来说，谁都能做，那要你来干什么呢？

贾可：所以你还是追求这种价值的。

周光：那也不是，还是要脚踏实地优先。

贾可：商业？

周光：对，没有商业基础的追求是没有意义的，所以首先都是脚踏实地。

贾可：商业跟价值相结合嘛。

周光：对，叫做务实浪漫主义或者浪漫务实主义。务实上面是你的商业有闭环，我们做得也并不差，我们公司在业务上做得还可以，现在在商业上的交付都有很好的成绩，在交付面也是非常领先的，市占率是非常领先的。

贾可：你是浪漫的现实主义还是现实的浪漫主义者？

周光：我觉得是看，如果是大方向可能得是浪漫优先，但具体做事还是务实优先。比如我们目前就是毅然决然不做高精度地图，那一定是浪漫在前面的；我们率先决定要去做基模、做大模型，这是浪漫优先，但是这个大方向定了之后我要干嘛，还是务实。

贾可：浪漫的现实主义在先，还是现实的浪漫主义在先？

周光：我觉得大方向上的浪漫，具体落地得现实。

贾可：那还是现实的浪漫主义。

贾可：帮我们解释一下这两个玩偶。

周光：选择这两个玩偶也是因为我们公司做智驾，我们一定要选择路。我觉得第一要憨厚老实，而且圆乎乎的，感觉很憨厚老实，如果你选一个大长腿，那感觉不算憨厚老实，再有一些科技元素，比如头顶上戴两条天线，可能就代表了脑机接口、远程遥控。

其实是憨厚老实同时有科技感，我们的吉祥物一定是给人憨厚老实的形象，而不是Aggressive的。

贾可：这两个是一样的是吧，还是一公一母？

周光：不是一公一母，是两个版本。这是三周年，这个是五周年。

贾可：好的。我们希望20周年以后，我们在线下解耦，不是在线上讨论。感谢周光总给我们分享了关于自动驾驶现实和浪漫两个方面的见解。

AI改变时代,她关注改变

请关注《汽车商业评论》兄弟媒体

申报铃轩奖请认准官方唯一申报通道

铃轩奖官方网站

点击下图 扫码报名

点击阅读原文报名

▼