世界模型流派下，卓驭如何调整智能辅助驾驶的成本结构

来源：市场资讯

（来源：芝能汽车）

2026年的中国智能辅助驾驶的竞争越发激烈，从头部新势力自研，到华为、Momenta、地平线、卓驭、轻舟和元戎等辅助驾驶第三方企业来拓展市场。

从技术层面正在从端到端的大力出奇迹，“依赖数据覆盖的工程问题”，转向“基于物理世界建模的基础模型问题”。

对于第三方企业，如何在技术方向和成本结构上找到自己的路，很重要。

卓驭通过原生多模态基础模型，试图用一套统一的移动智能基座打穿跨车型、跨场景、跨垂类、跨国家的智能移动能力，来找到自己的前路。

01

智能辅助驾驶

从工程问题走向世界建模问题

智能辅助驾驶过去十年的技术路径，本质可以分为三代：

◎ 第一代是基于规则与高精地图的小模型体系，本质是专家系统，通过人为编码与规则约束实现安全与可控，但泛化能力极弱，必须依赖“开城”逐步适配；

◎ 第二代是端到端中模型，通过数据驱动将感知、预测与决策部分融合，通用能力显著提升，但其本质仍是对驾驶行为的拟合，在跨地域、跨场景时依然高度依赖数据覆盖；

◎ 而当前正在发生的第三次技术变化，是以原生多模态基础模型为代表的大模型，核心变化从“更大”的模型转向更智能，建模对象从“驾驶行为”转向“物理世界本身”。

即通过统一表征学习物体运动、交互逻辑与空间约束，使智能辅助驾驶从一个依赖工程适配的问题，转变为一个世界建模问题。

中国智能辅助驾驶企业需要在竞争下拿到更多的载体，大规模出海拓展装机量。

面对东南亚、欧洲等复杂且差异化显著的交通系统，传统“逐城适配”的方式成本无法承受；

智能辅助驾驶从乘用车开始，向商用重卡、客车、无人物流车、Robotaxi等多垂类扩展，不同载体在动力学与使用场景上的差异，使得“为每一种车重做一遍”的模式不可持续；

随着行业进入规模化阶段，成本成为决定性因素，如果不能在底层实现统一建模，智能辅助驾驶将长期停留在“项目制行业”，无法形成真正的平台化能力。

02

原生多模态基础模型

改变了什么

从技术底层来看，原生多模态基础模型的变化并不是简单的“从V到A去掉语言”，而是发生在三个更深层的维度：

◎ 首先是在表征层，传统VLA体系需要将视觉信息转译为语言或语义token再进行推理，这一过程不可避免带来信息损耗与延迟，

而原生多模态模型通过地图等统一表征的输入，消除了语义翻译带来的延迟与信息损耗，实现语义与物理理解的高度统一，没有“拼接感”，从而拥有更高的性能天花板与更强的泛化能力。

◎ 其次是在学习目标上，从过去的“预测人类驾驶行为”转向“预测物理世界状态转移”，即模型不再只是模仿驾驶，而是理解物体如何在三维空间中运动与交互，从而直接输出可行的运动轨迹；

◎ 最后是在数据结构上，原生多模态基础模型的技术内核，是在底层完成对物理世界通用规律的预训练，支持视频、文本、动作、语音、地图等多模态信息的统一表征输入。

除智能驾驶专属数据外，还覆盖互联网数据及各类移动机器人数据，形成以移动传感器为中心的海量数据训练体系。

通过预训练阶段的海量跨领域、跨国家知识输入，使模型能够学习更通用物理规律，在不同垂类和地域中仅需简单激活即可高效运作。

这种变化带来的直接结果，是泛化能力的来源发生改变。

过去泛化依赖数据覆盖，即“见过才能做”，而在新的范式下，泛化更多依赖于对世界规律的抽象能力。

可以理解为“理解了就能做”，其本质可以概括为：泛化能力等于统一表征能力、数据多样性以及物理约束一致性的共同作用，这也是为什么行业开始强调“世界模型”和“物理AI”，因为只有在这个层面，跨场景、跨垂类的能力迁移才具备工程上的可行性。

在能力层面：

◎ 原生多模态基础模型首先改变的是跨城市泛化方式，传统方案需要针对每一个城市进行交通规则、道路结构与标识系统的适配，本质上是在“记忆环境”。

而新的模型通过学习交通行为的抽象规则，实现对不同城市交通系统的统一理解，使新城市部署从“重新训练”转变为“直接迁移”，尽管并非完全零成本，但泛化成本已经从线性下降到接近常数级；

◎ 其次是在跨垂类层面，卓驭强调同一套模型可覆盖乘用车、商用重卡、客车等不同载体。

这背后的关键并非简单复用，而是在模型中统一完成感知与决策，而将控制层进行参数化解耦，使模型学习的是“如何在物理空间中规划安全轨迹”，而不是“如何驾驶某一类车辆”，从而具备跨动力学系统的迁移能力；

◎ 最后是在跨国家与复杂场景层面，通过引入跨区域、多密度交通数据，模型能够在不同分布之间保持稳定表现，尽管极端长尾场景仍需少量校准，但整体泛化成本已经出现非线性下降趋势。

03

从项目制到平台化

的成本函数变化

技术的变化决定了能力上限，真正的价值体现在成本结构的重构上。

传统智能辅助驾驶本质是项目制逻辑，每进入一个新城市或新车型，都需要重新进行数据采集、规则适配与验证，其成本函数近似为“场景数量 × 车型数量”的线性增长。

而在原生多模态基础模型框架下，成本结构发生根本变化：前期需要投入巨大的固定成本用于预训练，包括算力、数据与算法，但一旦模型建立，其在不同场景、不同载体上的部署成本将迅速下降，边际成本趋近于零，从而形成类似操作系统或云平台的规模效应。

卓驭的策略也变得清晰，通过跨垂类（乘用车、商用重卡、客车、Robotaxi）、规模化量产（超过50款车型、130+项目），从而加速模型收敛，并在更短时间内摊薄基础模型的固定成本。

这种路径一旦成立，将形成明显的结构性优势，即后进入者不仅要追赶模型能力，还要追赶数据规模与成本曲线。

在产业层面，原生多模态基础模型并不能独立成立，其必须依赖真实场景中的规模化验证与数据回流。

因此卓驭在本次发布会中强调与34家客户的合作，通过多车型、多场景的量产验证，形成持续的数据飞轮，同时验证模型在不同工程条件下的稳定性。

这一点对于大模型路线尤为关键，因为只有在真实道路环境中持续运行，模型才能不断逼近物理世界的复杂性，从而完成从“技术闭环”到“产业闭环”的跃迁。

小结

如果说过去十年，智能辅助驾驶的竞争是“谁能把一个城市做好”，那么未来十年，竞争将变成“谁能用一套模型，在最多场景中稳定运行”。

在这个过程中，行业将逐渐分化为两类公司，一类仍停留在场景工程与局部优化层面，另一类则通过基础模型与数据飞轮演化为“移动物理AI基础设施”，而卓驭此次发布的原生多模态基础模型，也是一次重要的尝试。