行业现状与技术趋势 - 自动驾驶技术演进进入相对平缓的收敛期，颠覆性创新变得困难，行业紧迫感加剧，厂商将破局希望寄托于AI大模型 [3] - AI大模型正在重塑自动驾驶行业竞争格局，行业共识是必须在车端部署更大规模模型才能实现智驾体验的进一步跨越 [4] - 技术范式经历了两次关键跃迁：先是“端到端”大模型兴起，随后是以VLA为代表的原生多模态大模型崭露头角 [5] - 传统智驾小模型方案遭遇性能瓶颈，存在“跷跷板效应”，同一系统在不同时间或地点表现不稳定，提升变得愈发困难 [6] - 行业内量产的智驾小模型参数量多在10亿甚至1亿以下，运行算力为100至200 TOPS，以卷积神经网络为主，导致方案迭代缺乏本质提升 [7] 技术路径与核心挑战 - 原生多模态AI大模型被视为泛化性更强的终极解法，其核心特征是模型规模足够大并能够处理各种非专家数据 [5] - AI模型通过庞大的参数量扩大搜索空间，是解决复杂驾驶问题的直接路径，与传统方案做减法的思路完全相反 [6] - 当前行业挑战在于大模型自身能力提升遇到瓶颈，即使投入三倍算力、增加三倍参数量，模型性能也未出现预期质变 [8] - 突破的关键在于整体认知能力的进化，而非感知能力或简单的端到端，核心是打造更强的大模型 [7] - 模型蒸馏技术已成熟，可将强大大模型适配到小算力平台，但任务要求超出小模型容量时表现会急剧下降 [7] 公司战略与布局（以元戎启行为例） - 元戎启行坚定选择AI大模型路线，早在2023年8月就启动了端到端方案的道路测试，布局早于国内绝大部分厂商 [8] - 公司提出自动驾驶“三阶段论”，预判其将从弱专家系统向强专家系统演变 [8] - 元戎启行不将自己定位为智驾公司，而是一家AI公司，智驾是实现物理AI的商业化选择 [15] - 公司战略目标是成为物理AI的基础设施，并希望成为中国第一家实现物理AI的公司 [15][16] - 公司计划在2026年实现超过100万辆城市NOA的量产交付，并挑战万公里级的MPCI，最终实现Robotaxi大规模商业化 [16] 技术架构与产品进展 - 元戎启行通过模型Scaling和数据Scaling同步推进，打造了400亿参数规模的基座模型 [13] - 基座模型统一了驾驶系统的三种角色：Driver（驾驶者）、Analyst（分析者）和Critic（评估者），重构了传统自动驾驶范式 [13][14] - 基座模型展现出强向下兼容与向上拓展能力，可同时支持从100 TOPS的经济型方案到上千TOPS的Robotaxi场景 [15] - 基座模型重构了数据闭环，通过AI编排器将传统需5天以上的问题处理周期缩短至约12小时，效率提升近10倍 [15] - 小鹏计划将其车端模型参数量提升至200亿规模 [3] 人才竞争与行业影响 - 行业核心人才需求从感知、规控算法工程师转向具备多模态、基座模型研发经验的AI人才 [9] - 元戎启行今年初首次设立“首席科学家”一职，由大模型领域顶尖专家阮翀出任，以引领AI前沿技术探索 [9] - 头部互联网大厂的大模型团队开始布局自动驾驶，由多模态负责人带队，与传统智驾供应商的交锋在所难免 [4] - 头部国产智驾供应商CEO密集约见硅谷高级别AI人才，约见名单已排到当年六月，反映出行业对AI大模型前沿信息的迫切需求 [3] - 大模型人才与智驾场景的深度融合已在工程端完成闭环 [15] 商业化成果与数据 - 元戎启行累计交付近30万台搭载城市NOA功能的量产车 [10] - 过去一年，系统累计行驶里程超过13亿公里，用户使用时长超4480万小时 [10] - 系统避免前向潜在碰撞事故14.1万次，避免后向潜在碰撞事故4.7万次 [10] - 公司计划将MPCI指标提升至1000公里以上，并将用户高频使用率提升至50%以上 [16]