AI 正在从 " 跨区域泛化 "，走向更颠覆性的 " 跨本体泛化 "。

作者 | 王蕊

编辑 | 西子

一个从未专门学过驾驶的通用 AI 大模型，能把车开成什么样？

GPT-6 Astra 给出的答案是：在封闭停车场，控制丰田卡罗拉低速行驶 134.7 米，耗时 5 分 22 秒，单推理成本 7.74 美元。

放在专业自动驾驶的标准下，这个成绩不值一提。但这场看似笨拙的实验，却让元戎启行 CEO 周光倍感焦虑。

在 2026 世界智能网联汽车大会上，他抛出预判：" 也许几年以后，真正做到全无人自动驾驶的，不是自动驾驶公司，会是 OpenAI，会是 Anthropic。"

数字世界训练出来的通用模型，正在展现跨区域、跨本体的泛化能力。当通用 AI 闯入物理世界，自动驾驶企业积累多年的技术壁垒，还守得住吗？

当造 "AI 司机 " 变成公共工具

这份焦虑并非空穴来风。自动驾驶行业早已见识过技术迭代的残酷洗牌：曾经占据泊车领域 90% 市场份额的玩家，在端到端无图技术兴起后迅速出局。

如今，端到端本身也面临新的挑战。

周光判断，现有小模型端到端的城市关键接管间隔里程（MPCI），可能在百公里级遭遇瓶颈，要向千公里级突破，需要依靠更大规模的基座模型。

而新的技术供给者，已经开始入场。

今年 8 月，英伟达开放 340 亿参数 Alpamayo 2 Super 基座模型，把场景理解、轨迹预测、自动标注打包一体，配套工具链可将标注周期从数月压缩至数天。

今年 2 月，Waymo 也开始复用 Google DeepMind 的 Genie 3 世界模型，生成暴风雪、逆行、路面突然出现大象等极端场景，用于自动驾驶仿真测试。

GPT-6 试着自己开车，英伟达们开始向全行业提供造 "AI 司机 " 的工具。过去需要智驾企业长期独立投入的技术能力，如今正在成为可获取、可复用的基础技术。

大模型与车企的全新 " 排列组合 "

今年 2 月，英国自动驾驶公司 Wayve 完成 12 亿美元 D 轮融资，估值达到 86 亿美元。投资方阵容豪华——微软、英伟达、Uber，以及奔驰、日产、Stellantis 等整车巨头齐聚一堂。

车企真金白银下注的，正是 Wayve 的 " 跨区域迁移 " 能力：其 AI Driver 此前在全球超过 500 座城市开展道路测试，累计行驶 145 万公里，其中 219 座城市未使用当地历史驾驶数据。

这种能力正在转化为新的合作模式。

3 月，Wayve、日产与 Uber 签署合作备忘录，计划 2026 年底前在东京开展 Robotaxi 试点——日产提供车辆，Wayve 提供驾驶 AI，Uber 负责出行平台。

三家公司分工明确，汽车制造商不再需要死磕自研完整驾驶技术，而是可以直接向 AI 公司采购驾驶能力。

与此同时，传统自动驾驶巨头也在反向跨界。

今年 2 月，Mobileye 以约 9 亿美元总对价收购人形机器人公司 Mentee Robotics，看中的正是自动驾驶与机器人在多模态感知、世界建模和复杂决策上的技术共通性。

英伟达向智驾企业提供基础模型，Wayve 向车企输出驾驶 AI，Mobileye 则试图将自动驾驶技术延伸至机器人。正如周光所说，AI 正在从 " 跨区域泛化 "，走向更颠覆性的 " 跨本体泛化 "。

技术可以复用，赚钱仍靠真功

然而，技术能够复用，不意味着无人驾驶就能轻易实现规模化盈利。

从 AI 学会开车，到真正把无人车变成一门生意，中间仍隔着车辆成本、安全验证、运营效率等多道门槛。

换句话说，当算法不再是独家壁垒，竞争的重心，就转向了低成本落地、车队运营与商业化闭环。

小马智行已经开始在这本账上寻找突破。

它定下目标，2027 年把全无人 Robotaxi 整车成本压到 23 万元以内；第七代车型已经在广州、深圳实现单车经济模型盈亏平衡，深圳市场今年 2 月单车日均订单达到 23 单。

百度萝卜快跑则持续扩大运营规模：业务覆盖全球 28 座城市，累计自动驾驶里程超过 3.5 亿公里，其中全无人驾驶里程超过 2.4 亿公里。

一边打磨单车经济性，一边积累大规模运营数据。相比模型参数，接单密度、单位里程成本、跨城复制效率，成为商业化新的评判标准。

而商业化的失利，早有前车之鉴。

2024 年 12 月，通用汽车宣布停止资助 Cruise 的 Robotaxi 开发业务，原因正是大规模商业化所需的时间与资金投入太过巨大，回报遥遥无期。

这也意味着，哪怕背靠整车巨头、拥有充足的技术积累，过不了规模化运营的成本关，一样会被淘汰。

由此，自动驾驶产业正在出现不同的商业路径：上游由 " 英伟达们 " 提供基础模型、算力和开发工具；中游由 "Wayve 们 " 向车企输出可迁移的驾驶 AI；下游则由 Waymo、萝卜快跑、小马智行等运营商，通过真实道路运营验证安全性和经济性。

至于谁能掌握更多利润，只能等时间给出答案。

回到周光的焦虑。

GPT-6 Astra 虽然只能在停车场慢吞吞地开出 134.7 米，但英伟达的工具箱已经敞开，Wayve 的订单已经签下，人形机器人的边界已被打破。

通用 AI 对自动驾驶的冲击，未必始于直接取代专业驾驶系统，而可能先改变整个行业的技术供给和价值分工。

上一轮端到端革命，洗牌了 90% 的传统市占公司。而即将到来的基座模型革命，将可能重写整个汽车与 AI 产业的价值分配法则。

当越来越多企业都能获得强大的基础模型，自动驾驶公司还有什么不可替代的竞争力？

最真诚的智能汽车报道