每一年的NVIDIA GTC，都是AI技能线路的风向标。

于这个舞台上，芯片、呆板人、主动驾驶、AI模子交叉于一路，会商的往往不是某个产物，而是下一代技能范式。

已往一年，主动驾驶行业实在不缺新观点：VLA不停迭代，“世界模子”轮替登场。但真正稀缺的，从来不是造新词，而是能落地的系统。

于如许的配景下，元戎启行此次于GTC上没有夸大某个详细功效，而是试图讲清一件更底层的工作：用基座模子重构辅助驾驶体系。

这件事，值患上行业当真看看。

由于假如这条路径建立，转变的就不只是机能，而是整个主动驾驶的研发方式

PART 1主动驾驶，正于进入“第二阶段”

已往几年，都会NOA最先年夜范围落地。

到2025年，中国搭载都会NOA的乘用车销量已经经跨越300万辆，渗入率冲破15%。

但行业很快碰到了一个更实际的问题，功效有了，用户却未必愿意用。

不罕用户的真实反馈很一致：体系不是不克不及开，而是不敷让人安心。

繁杂路况下的夷由、突兀的减速、不敷天然的决议计划，这些问题不会让体系掉效，但会让人抛却利用。

这暗地里的抵牾于在，都会场景繁杂度远超预期，长尾问题险些没有界限，依靠人工的数据闭环，最先跟不上车队范围。换句话说，主动驾驶正于从一个工程问题，酿成一个AI问题。

于GTC的分享中，元戎启行CTO曹通易没有过量展示功效，而是重点讲了一套新的技能框架，其焦点是一套约40B参数范围的VLA基座模子。

以是元戎的思绪，不是加模块，而是“换年夜脑”。

根据设计，这个模子能尽可能同一感知、理解、决议计划甚至评估能力。它既于“开车”，也于“理解场景”，同时还有于判定本身开患上好欠好。

这类思绪，素质上是于收敛体系布局，把已往拆分的能力，从头压回一个可以连续进化的模子里。

这也是近来两年，主动驾驶逐渐闪现的一条分水岭：继承优化模块，还有是构建同一模子。

PART 2真实的变量，不是模子，而是“迭代速率”

假如只看40B参数，这件事很轻易被理解成又一次模子武备竞赛。更值患上存眷的，实在是它对于研发系统的影响。

传统主动驾驶的迭代，很年夜水平依靠人工介入的数据闭环，周期凡是以天为单元。而元戎给出的说法是，于引入基座模子以后，这个周期可以被压缩到约12小时。

这件事假如建立，象征着竞争逻辑于发生变化。已往比的是谁做患上更好，将酿成比谁改患上更快。

主动驾驶最先从功效工程，走向一种更靠近AI练习的节拍。

技能路径以外，元戎也给出了一些市场数据，累计交付跨越25万辆搭载都会NOA的量产车，于第三方供给商市场，单月市占率靠近40%。202年，其方针是冲破100万辆。

这些数字的意义于在数据范围。

当主动驾驶进入模子驱动阶段以后，车辆数目自己就酿成了练习资源的一部门。模子、数据、算力，这三件事最先从头绑定于一路。

于演讲中，元戎对于这套模子有一个更年夜的界说，它不仅是辅助驾驶的基座模子，也是面向物理世界的AI基座模子。他们的方针，显然不只是汽车。

可以理解为，假如一个模子可以或许同时处置惩罚感知、理解、决议计划及步履，那末它的运用界限就纷歧定局限于汽车。

Robotaxi、呆板人，甚至更广义的具身智能，素质上都于解决近似的问题。

这也是为何，这种叙事更合适呈现于GTC，而不是传统车展。

固然，这条路其实不轻松，基座模子的标的目的很清楚，但问题一样严重。

起首是算力与成本。

40B参数模子的练习，素质上是重资产游戏。即便经由过程蒸馏压缩后部署到车端，对于算力及成本的要求依然不低。而汽车行业，偏偏是对于成本最敏感的行业之一。

其次是安全与验证。

当模子最先负担自我评估的脚色，一个更深的问题是评估尺度从哪里来？

假如尺度自己也内生在模子，那末怎样防止体系于繁杂逻辑中自洽，而不是真正靠得住？

末了是一个更持久的问题，范围，是否真的能解决长尾？

年夜模子可以极年夜优化常见场景，但对于在真正极度、稀有的环境，是否可以或许靠继承做年夜来解决，行业实在还有没有谜底。

PART 3主动驾驶，正于进入“模子时代”

不管怎样，元戎启行此次于GTC开释的信息已经经很明确，主动驾驶的竞争逻辑，正于发生转移。

初期行业比拼的是传感器、感知算法、规控能力。接下来，更可能比拼的是：模子范围、数据范围、练习效率。主动驾驶公司，也于逐渐酿成AI公司。

元戎启行显然已经经押注了这条线路。这是否是终极谜底，此刻还有很难判定。

但可以确定的是，当愈来愈多玩家最先用年夜模子从头界说主动驾驶体系时，行业的竞争核心，已经经再也不只是谁的车更会开，而是谁能造出一个真正靠得住的“年夜脑”。

雷峰网版权文章，未经授权禁止转载。详情见转载须知。

-710公海寰宇