物理AI来袭，终结不安全自动驾驶，元戎要做AI界的水电公司

4月25日，北京车展E2馆，元戎启行的展台被围了三层。没有新车发布，没有概念车亮相，甚至没有常见的灯光秀。但人群的躁动从半小时前就开始了——因为今天，前DeepSeek研发负责人、多模态技术核心研究员阮翀，将首次以元戎首席科学家的身份站上演讲台。“我知道很多人是冲着他来的。”元戎CEO周光走上台，笑着指了指后台方向。他顿了顿，话锋一转：“但我想先讲一个故事。”

“那场事故，让我想了8年”

2016年，周光身边发生了一起严重的交通事故。他回忆那一刻时语速明显放缓：“当时我就在想，能不能用AI去解救更多的生命？”

这个念头在当时近乎异想天开。8年前，自动驾驶还停留在高速封闭路测阶段，MPI（平均接管里程）在城市道路上只有可怜的几公里。而今天，周光在现场给出了一组数据：搭载元戎城市NOA方案的量产车，安全性已经是纯人类驾驶的数倍。

“尽管现在城市MPI只有几十公里，不够完美，但统计学不会骗人。”周光的语气更像在跟同行对话，而不是做企业宣讲，“我们相信，未来2到3年内，随着大模型对理解能力的持续增强，真正安全的自动驾驶会变成现实。”

随后他说了一句让现场许多人掏出手机拍照的话：“我希望元戎未来能成为物理世界的AI基础设施。就像通信、电力一样，成为支撑现实世界运行的基础能力。当人们谈论物理世界的智能时，元戎能成为那个基础设施体系中的重要一环。”

台下有人小声嘀咕：“这是要当AI界的国家电网啊。”

阮翀首秀：不谈论文，只讲“痛苦的5天”

如果说周光的演讲是定调，那阮翀的登场就是全场真正的技术时刻。

这位前DeepSeek研发负责人穿着深色衬衫，没有领带，PPT的每一页都塞满了架构图。他开口第一句就捅破了行业窗户纸：“过去依赖小模型的路子，走不通了。”

阮翀没有绕弯子。他指出目前辅助驾驶最大的问题——不是不能开，而是“开得让人不放心”。小模型在90%的场景表现不错，但剩下的10%长尾场景里，稳定性像开盲盒。“这就导致用户高频使用率一直上不去，系统再安全，用户不信任就是零。”

如何解决？元戎的方案是用一个基座模型，把驾驶决策、场景理解、行为评估全部塞进同一套架构里。更大的模型规模，更高质量的数据，更快的闭环迭代。

“过去，我们跑完一次数据闭环需要大约5天。”阮翀在现场调出一张对比图，“现在，这个周期被压缩到了12小时。”

台下响起一阵低呼。5天到12小时，这不是渐进式改良，是量级上的跳变。

阮翀还首次披露，这套基座模型正在改变元戎的内部运作方式。“从知识库问答到代码自动生成，从跨部门协作到实验分析自主完成，AI已经在重塑我们的研发与管理流程。”他顿了顿，补了一句：“这不是未来，这是上周就已经在发生的事情。”

30万辆、13亿公里、12小时：数据飞轮转起来了

发布会进行到中段，周光再次上台，用一组数据打断了所有人的笔记。

截至目前，搭载元戎启行城市NOA方案的量产车已突破30万辆。过去一年，搭载元戎主动安全系统的车辆，累计真实道路运行里程超过13亿公里，陪伴用户驾驶时长4480万小时。

“这些不是实验室里的仿真数据，是车在暴雨、修路、鬼探头、加塞中一公里一公里跑出来的。”周光说这话时，大屏幕上滚动着各种极端场景的实时记录画面。

13亿公里的路测数据，配合12小时的数据闭环，元戎构建了一个业内罕见的速度优势。用阮翀的话说：“数据越多，模型越强；模型越强，用户越愿意用；用户越用，数据越多。这个飞轮一旦启动，竞争对手很难复制。”

周光随后公布了2026年的三个硬指标：量产交付突破100万辆，MPCI（平均关键接管里程）提升至1000公里以上，用户高频使用率超过50%。

“50%的使用率是分水岭，”现场一位来自某主机厂的工程师对记者分析，“这意味着用户真的把命交给系统了，而不是偶尔尝鲜。”

舱驾一体Agent：它不是一个语音助手

发布会还留了一个彩蛋：舱驾一体Agent功能的预告片。

视频里，驾驶员说了一句“我有点累了”，系统自动调整座椅角度、空调温度、播放舒缓音乐，同时规划了最近的服务区并降低自动驾驶激进程度。全程没有任何唤醒词，没有二次确认。

“这不是传统的语音助手，也不是车载娱乐系统。”元戎的产品负责人强调，“它的核心是理解意图，主动响应。系统要在你开口之前，就隐约猜到你要什么。”

这个“AI大脑”被设计成从驾驶到座舱的全链路智能中枢。虽然现场没有开放体验，但预告片已经让不少观众伸长脖子。

AI Talk：四位跨界者的“灵魂拷问”

整场发布会最特别的环节，是一场以“AI for what”为主题的圆桌对话。

复旦大学教授张力担任主持，阿里云AI汽车行业总经理霍健、蚂蚁灵波科技世界模型负责人徐英豪、童行书院创始人郝景芳，以及阮翀坐在了一起。

没有产品宣发，没有合作站台。张力一上来就抛出了尖锐问题：“大模型在现实世界的能力边界到底在哪？世界模型和VLA模型的技术路线，谁更有未来？”

霍健从云计算角度回应：“模型再强，落不了地就是空中楼阁。”徐英豪则更激进：“物理AI不是把大模型塞进车里就完事了，需要重新思考感知-决策-执行的整个链条。”

郝景芳的视角更人文：“当AI能主动理解并响应人类需求，我们会不会产生新的依赖？甚至，对‘智能’的定义会不会被重构？”

阮翀的总结很干脆：“技术路线之争最终会由数据和场景来裁决。元戎不做选择题，我们全都要。因为物理世界的复杂性，不允许你偏科。”

这场对话持续了40分钟，没有标准答案，但气氛热烈得不像一个企业发布会。一位媒体同行小声对记者说：“这才是科技发布会该有的样子，不是念通稿，是真在讨论问题。”

尾声：物理AI的终局想象

发布会结束后，周光被媒体围了20分钟。人群中有人问他：“你说要做物理世界的AI基础设施，但今天连真正的L4还没实现，是不是太早了？”

周光的回答很直接：“通信基础设施也不是一天建成的。我们现在有30万辆车在路上跑，13亿公里的真实数据，12小时的闭环迭代速度。这些数字就是地基。楼还没出地面，不代表地基不重要。”

他又补了一句：“两年后你再看。”

彼时，北京车展展馆外，夕阳西下。4月的北京还有凉意，但展馆内关于物理AI的热议，才刚刚开始。