物理AI重构智驾，千里科技如何定义“第二增长曲线”

物理AI，已是智驾行业的下一个关键战场。

7月19日，在2026世界人工智能大会（WAIC）高级别自动驾驶创新发展论坛上，千里智驾CEO陈奇抛出的判断相当明确，AI+车，分水岭时刻到了。

“我们的判断是，未来自动驾驶要想继续突破，肯定绕不开物理AI。自动驾驶，就是物理AI目前最核心、最成熟的落地场景。”陈奇表示。

关于智驾的技术路线之争，热词很多，包括端到端、VLA、世界模型等。当行业还在争论什么是自动驾驶的终极答案时，千里科技已经用超过50万辆ASD装车量、93%的辅助驾驶激活率、同比增长2倍多的智驾里程，以及一套与阶跃星辰深度共建的原生智驾基座模型，给出了自己的回答：

物理AI不是空泛概念，而是正在发生、重构智驾的产业现实。

范式跃迁，从模仿学习到理解世界

智驾行业，从不缺时髦词汇，各种流行词每隔几个月就出现，但核心的命题，其实一直没变过——不是“这个技术能不能做”，而是“到底往哪条路走”。

在WAIC的演讲里，陈奇开宗明义地指出，物理AI不是营销造出来的概念，对智驾而言，物理AI就像AGI之于大模型公司，是绕不开的目标。

这一判断的底层逻辑在于，过去的智驾系统，本质上是在教机器“看路”——识别车道线、红绿灯、前车距离，做的是图形识别。

这种“感知+规控”的范式，对目标的识别很好，但对规则以外的事物，比如突然跑出来的动物、路边的水坑等，避障能力很弱。

L3及以上高阶自动驾驶，要求的是教机器“理解”：理解三维物理空间的布局，而不是跟着标线走；识别周围物体的动作意图，而不是把周围一切都抽象成“方块”；读懂交警手势、听懂乘客指令、理解临时路牌，而不是在图形层面做模式匹配。

这正是物理AI的核心能力边界。

它要求AI具备对真实世界三维空间、动力学规律和交互规则的深度理解，能在真实物理环境中，自主感知、规划、决策、执行。

过去几年，行业主流已经从高精地图转向端到端，覆盖大部分L2场景，但目前的端到端，本质上还是模仿学习。陈奇打了个比方，“就像在驾校训练后，考试拿到了高分，却不能保证能上路，迈不过L3、L4那道鸿沟。”

千里认为，跨越鸿沟的关键，在于通用智能。引入具有“通用表征”能力的世界模型，建立“万物通识”；同时依靠大语言模型，来提升系统的因果逻辑和主动决策能力。

具体解法上，千里采用的是“数据+认知”双轮驱动的做法。即在已有端到端数据飞轮的基础上，再构建一个通用智能的认知飞轮。当两个飞轮一起转起来，全链路模型化，才是真正面向L3、L4的解法。

某种程度上，基础模型的质量，决定了汽车智能化的上限，也将直接影响企业的长期竞争位次。

在物理AI的技术路径上，行业分化出两条截然不同的路线。

一种是“外挂微调”，以通用大语言模型为底座，往上堆驾驶数据，做后训练、微调。

这条路线的优势是成本低、见效快，可凭借现有开源模型，快速抢占中低端市场。但其天花板也显而易见，模型底层对物理世界的理解能力先天受限，缺乏对三维空间、时间序列和车辆动力学的深刻认知，难以应对真正的长尾场景和复杂博弈，一旦灌入海量智驾专业数据，模型能力可能会发生剧烈退化。

另一种是“原生基座”，在基座模型预训练阶段，就把通用语料与智驾数据深度融合，让模型一开始就建立对物理世界的认知，后训练阶段再针对驾驶场景做专项特训，同时保留基座模型的通用推理能力。

千里坚定选择了后者，与阶跃星辰联手，形成生态组合，打造原生的智驾基座模型——它一出生就“懂行”，天生就具备对物理世界的理解力。

All in L4，以飞轮效应形成降维打击

千里在物理AI落地上的另一项关键战略判断是，L2、L3、L4划分的是责任的边界，不是模型的边界。

“不存在所谓的L2模型或L4模型，本质上应该是同一套技术架构，在持续不断进化。”陈奇说。

因此，千里的战略是，基于面向L4的统一技术架构，两条线同步推进。

一方面，把L4的核心技术逐步释放到量产车，让用户能提前享受L4体验；另一方面，量产车产生海量真实的数据，回流到L4系统训练体系，持续喂养模型，加速迭代。

这一“量产车越多，开得越多，系统就越强；系统越强，用户体验就越好”的飞轮效应，正通过ASD系统的快速迭代得到验证。

2026年初，千里科技发布ASD 3.0版本，搭载量很快突破30万台，方案底层是端到端模型架构，把多模态模型、VLM、VLA、世界模型等都融合到一套系统。

紧接着推出的ASD 4.0，于4月率先落地极氪8X，成为行业第一款打通舱驾融合的量产车型。 在30万元级SUV里，极氪8X的用户口碑稳居第一。

从ASD 4.0所带来的硬核智驾体验来看，横纵一体的平顺控车，让城中村、窄小路段、人车混行路段的绕行聪明且丝滑；更强的物理世界通识能力，让车辆能读懂道路环境的真实逻辑，自主判断ETC和人工收费站、精确识别潮汐车道；防御性驾驶能力，复刻老司机习惯，提前预判风险，而不只是处理“已发生”的情况。

真实的装车量与用户体验，就是衡量智能化企业产业化落地能力的核心标准。目前，ASD 4.0已在极氪、领克、银河等品牌数十万台车上完成OTA，持续接受现实场景检验。

除了正在大规模推送阶段的ASD 4.0，千里还在规划4.1、4.2以及5.0版本。

据陈奇透露，即将推出的ASD 4.1版本，将实现无限制全场景D2D（Door to Door）零断点通行，物理AI大模型加持下的识别能力全面升级，以及舱驾深度融合的语音直接控车。而年底的ASD 5.0版本，陈奇卖了个关子，称“会将物理AI的潜力完全释放，带来颠覆性的体验。”

估值重构，从“辅助驾驶”走向“具身驾驶”

陈奇的WAIC演讲中，最具想象力的部分，是对“具身驾驶”终极形态的描绘。

他勾勒了这样一幅画面：清晨你上车打了两个喷嚏，车记住了。等你到达公司，下车后，它会自己规划路线，去药店买感冒药，顺路洗车、充电。快下班时，它准时开到楼下等你。你拉开车门，空调已经调好。

“这就是我们对具身驾驶的想象——车不再等指令，而是主动理解、主动服务、主动行动。”陈奇表示。

走到这一步，还需要很多技术储备，落地周期仍很长。现阶段整体来看，高阶自动驾驶走向真实道路，正迎来政策落地、技术迭代、产品量产、商业运营的四重共振。

2026年6月，工信部公示《智能网联汽车自动驾驶系统安全要求》强制性国家标准（报批稿），这是国内首部针对L3/L4级自动驾驶的强制性国标，推动高阶智驾走向实用合规。

与此同时，工信部数据显示，2026年以来，我国搭载组合驾驶辅助功能的乘用车新车市场渗透率已达70%，其中配备领航驾驶辅助功能（NOA）的车型渗透率已超30%。

高阶智驾正从“选配”变为“标配”，市场空间快速打开。

往后走，“AI+车”会走到哪里？陈奇提到三个阶段的判断：

首先是当前正在经历的汽车智能化阶段，L2+、L3辅助驾驶+智能体座舱；然后是L4规模化落地后的汽车共享化阶段，车辆从私人消费品变成“移动出行服务载体”；最终走向具身化的汽车，真正具备主动服务能力的智能体。

这个演进过程中，智驾行业将经历一场深刻的估值逻辑重构。

过去数年，资本市场对智驾企业的定价遵循的是制造业逻辑，装车量决定规模，硬件渗透率决定收入，BOM成本决定毛利，对应的是“卖硬件、卖方案”的一次性收入，智驾方案的提供商是按人头收费的项目公司。这种模式下，企业的天花板清晰可见，估值锚点牢牢锁定在制造业PE区间。

物理AI的崛起，彻底改写这一规则，推动智驾行业的估值逻辑转向科技公司，企业的核心价值不再仅仅是硬件出货量，而是看模型能力、数据资产、软件订阅与服务收入的持续性。

这与云计算、SaaS企业的估值逻辑高度趋同——看的是用户活跃度、数据飞轮效应和长期订阅价值。

当物理AI成为智驾行业的“第二增长曲线”，那些掌握原生基座、拥有数据飞轮、打通商业闭环的企业，将迎来估值逻辑的重估。

千里科技，希望成为这一浪潮中的定义者。

在演讲最后，陈奇谈了谈个人感受，多年后，当人类真的创造出了一个，能服务所有人的通用人工智能。它的底层意识里，一定藏着早期探索者，对于如何让人类生活更美好的尝试。

“我们今天教它拐过的每个弯，对待的每一条生命，每一次的让行，最后都会变成数据和权重，刻进它的记忆系统里。

我们写下的每一行代码、打磨的每一次调优、跑完的每一次路测，全都是铺向物理AI理想的坚实砖石。我们必将在物理AI的终极理想的探索史上，留下千里智驾不可磨灭的印记。”

这段话，或许道出了智驾企业的真正价值，他们不仅在卖方案、卖服务，更在参与定义下一代AI与物理世界交互的底层逻辑。