北京
10月23日，元戎启行CEO周光受邀出席2026世界智能网联汽车大会，并在主题演讲中谈到了自动驾驶行业正在面临新的挑战。
随着通用AI开始尝试控制真实汽车，并在机器人任务中展现出新的能力，自动驾驶与具身智能领域正面临来自行业之外的技术冲击，原有的竞争边界正在发生变化。
面对通用AI带来的行业焦虑，周光认为，自动驾驶企业需要重新思考下一阶段的核心竞争力。元戎启行选择以基座模型为核心，通过更大规模的训练、更完整的训练体系，以及持续积累的真实世界数据，探索推动自动驾驶能力实现数量级提升的新路径。
通用多模态模型冲击行业壁垒，元戎以基座模型应对挑战
近期，DrivingBench开展了一项实验，让GPT-6 Astra等通用多模态大模型尝试直接控制真实汽车。在封闭场地的低速测试中，GPT-6 Astra第二次尝试完成全部指定路线。
尽管这一实验距离复杂开放道路上的实际自动驾驶仍有明显差距，但值得关注的是，尝试完成驾驶任务的并非专门针对自动驾驶训练的模型，而是通用AI模型，而类似的变化也开始出现在机器人领域。这意味着，自动驾驶行业未来面临的技术挑战，可能不再仅仅来自行业内部。
在周光看来，面对通用AI带来的挑战，自动驾驶企业需要探索具备更强基础理解、决策和跨场景迁移能力的新一代技术体系，而基座模型有望成为推动下一阶段技术跃迁的重要技术方向。
目前，元戎启行正在围绕大模型范式开展相关探索。在模型层面，元戎基座模型将驾驶决策、场景理解和行为评估能力统一在同一架构中；在数据层面，元戎启行利用递归式自我改进（Recursive Self-Improvement，RSI）技术，推动基座模型的训练流程向更高程度的自动化演进。
传统模型研发高度依赖人工完成数据分析、训练策略调整和模型评估等工作，而RSI的核心思路，是让AI参与自身能力的持续优化。在元戎的探索中，基座模型可以参与后训练过程中的数据分析、数据配比优化和训练策略调整，并通过模型评估反馈，形成持续迭代循环。
面向更长期的技术竞争，元戎启行还成立了Superfluid Lab，围绕基座模型、VLA模型及世界模型开展前沿研究，探索自动驾驶技术向更广泛物理AI场景迁移的可能性。
城市NOA装机量跃居第二，基座模型将推动驾驶能力进阶
今年以来，元戎启行的城市NOA装机量持续增长。根据第一电动网提供的数据显示，从2026年1月至8月，元戎启行城市NOA月装机量从1.76 万辆提升至6.21万辆，市场份额达到14.5%，跃居行业第二。
此外，亿欧智库近期发布的专项研究统计，基于2026年1—9月公开车型销量数据，元戎启行在中国自主品牌乘用车前装标配城区NOA全栈方案商样本份额测算中，以23.8%的占比位居第二。
截至目前，元戎启行辅助驾驶方案累计量产搭载已超过55万辆。持续扩大的量产规模，不仅体现了元戎启行的商业化落地能力，也反映出其辅助驾驶方案正在获得更广泛的市场认可。
与此同时，相关研究也开始反哺实际辅助驾驶产品。以DeepRoute IO 4.0为例，元戎进一步强化复杂空间理解与动作规划能力，覆盖倒车脱困、倒车礼让、多把掉头等场景，推动辅助驾驶从理解空间向驾驭空间演进。
周光表示，基座模型带来的变化，不应仅体现在模型规模或单项能力提升上，更重要的是推动驾驶能力实现数量级突破。以MPCI（关键接管间隔里程）为衡量指标，当前城市辅助驾驶仍面临复杂场景与长尾问题的挑战，基座模型有望推动MPCI指标从百公里级向千公里级提升，并进一步探索万公里级能力的可能性。
通用大模型带来的行业焦虑，正折射出自动驾驶竞争逻辑的深层变化。随着基座模型成为新一轮技术竞争的关键变量，如何突破现有技术瓶颈、推动驾驶能力实现数量级跃迁，将成为元戎启行等头部智驾企业面临的重要命题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
