圖片系AI 生成
英偉達GTC大會再次把“物理AI”推到了臺前。
3月17日，英偉達GTC 2026在美國舉行，和往年相比，這屆GTC對外釋放的信號更直接：英偉達已經(jīng)不滿足于把AI停留在數(shù)字世界，而是把“Physical AI”推到了舞臺中央。
官方議程把 physical AI 與 agentic AI、AI factories 并列為大會主線；黃仁勛在相關發(fā)布中也把重點放在機器人、仿真、世界模型和開放數(shù)據(jù)工廠上，試圖把“會算”的AI，進一步推進到“會感知、會判斷、會行動”的AI。
在這個背景下，元戎啟行CTO曹通易在GTC上介紹了Foundation Model（基座模型）為核心重構(gòu)的輔助駕駛技術體系。 這家公司試圖把輔助駕駛從一個單點產(chǎn)品，重新定義為物理世界AI的一種落地形態(tài)。換句話說，車不再只是終點，而是起點。
英偉達這次發(fā)布的新內(nèi)容里，既有面向機器人和工業(yè)場景的 Isaac 仿真框架、GR00T 模型，也有面向 physical AI 訓練的數(shù)據(jù)工廠藍圖；官方甚至明確提到，這套體系將用于機器人、視覺AI代理和自動駕駛開發(fā)。
這背后其實是一個比較明顯的產(chǎn)業(yè)判斷：過去幾年，AI主要解決的是“理解文本、生成內(nèi)容、輔助決策”的問題；接下來要解決的，是如何讓系統(tǒng)進入現(xiàn)實空間，在復雜環(huán)境里感知、推理、行動，并且承擔結(jié)果。
對汽車行業(yè)來說，這件事并不抽象。輔助駕駛本質(zhì)上就是最早、最成熟、也是最嚴苛的 physical AI 試驗場之一。因為車每天都在真實道路中運行，場景開放、變量密集、容錯極低，遠比很多封閉環(huán)境里的機器人更難。
所以，元戎啟行選擇在GTC這個時間點，把自己的技術體系和“物理世界AI基座”綁定，并不是在追熱點，而是在順著英偉達定義的新敘事往前走。問題不在于它會不會講故事，而在于這個故事有沒有產(chǎn)業(yè)基礎。
按照曹通易在GTC上的表述，元戎啟行正在用 Foundation Model 重構(gòu)下一代輔助駕駛技術體系，并將其定義為面向物理世界的AI基座模型。公開信息顯示，這套系統(tǒng)以 400 億參數(shù)規(guī)模的 VLA（視覺—語言—動作）基座模型為核心，試圖把場景理解、駕駛決策和安全評估統(tǒng)一到同一套模型架構(gòu)里，而不是像過去那樣，把感知、規(guī)劃、控制拆成多個相互耦合但并不真正統(tǒng)一的模塊。
這件事為什么重要？因為過去一代輔助駕駛系統(tǒng)最大的問題，不是功能做不出來，而是系統(tǒng)天然是“拼接式”的?？匆娛且粋€模塊，理解是一個模塊，決策又是一個模塊，最后靠規(guī)則、工程經(jīng)驗和大量人工調(diào)參，把它們盡量焊在一起。
這種架構(gòu)在高速和標準化道路上還能工作，一旦進入城市、施工、混行、博弈密集的復雜場景，就容易出現(xiàn)兩個老問題：第一，系統(tǒng)知道“看到了什么”，但不一定真正理解發(fā)生了什么；第二，系統(tǒng)能完成動作，但不一定讓用戶敢持續(xù)使用。
元戎啟行現(xiàn)在想做的，是把“駕駛員”、“分析師”、“裁判員”三種能力塞進同一個基礎模型里。說白了，就是讓系統(tǒng)不只是執(zhí)行，而是先形成對物理場景的統(tǒng)一理解，再輸出動作。這種路徑和行業(yè)過去的“規(guī)則+模塊堆疊”相比，核心變化不在架構(gòu)邏輯：它希望系統(tǒng)先長出一個統(tǒng)一認知，再去調(diào)用不同能力，而不是讓不同能力各干各的。
這也是為什么曹通易會把輔助駕駛稱為基座模型的第一個“身體”。這句話聽上去很像技術圈常見的大詞，但放到產(chǎn)業(yè)邏輯里并不難理解：今天先讓模型在車上學會感知道路、處理風險、完成動作，明天同樣的認知底座，就有可能遷移到 Robotaxi，甚至更廣義的具身智能系統(tǒng)。
如果只把這套邏輯當成概念包裝，其實會低估它。元戎啟行這次最現(xiàn)實的一點，是它給終局找到了一條當前可走的路徑：先從量產(chǎn)車開始，把真實世界的數(shù)據(jù)、反饋和訓練閉環(huán)做出來。
公開報道顯示，搭載元戎啟行方案的量產(chǎn)車累計交付已超過25萬輛；公司方面同時強調(diào)，這些車輛在復雜道路中的場景理解能力，可以遷移到 Robotaxi 研發(fā)中。其面向量產(chǎn)輔助駕駛的數(shù)據(jù)閉環(huán)周期已壓縮到12小時。無論這些數(shù)字最終效果如何，至少說明一件事：它不是先去做人形機器人，再倒推通用模型，而是先在車這個高頻、高風險、高反饋密度的場景里，把模型打磨出來。
這條路徑的現(xiàn)實性，恰恰在于汽車行業(yè)的特殊性。車是少數(shù)已經(jīng)具備規(guī)?；布d體、持續(xù)在線運行環(huán)境、海量真實場景數(shù)據(jù)，以及明確安全邊界要求的行業(yè)。
換句話說，汽車很可能是離物理AI最近的訓練場。英偉達對 physical AI 的最新布局里，也一再把自動駕駛和機器人并列：從 Cosmos 世界模型，到開放數(shù)據(jù)工廠藍圖，再到面向自動駕駛長尾場景的開放模型家族，底層思路都指向同一個方向——用更統(tǒng)一的世界建模和仿真能力，處理真實世界里最昂貴的長尾問題。
所以，汽車行業(yè)積累的數(shù)據(jù)、算力和工程體系，不只能服務于賣車，也可能反過來成為物理AI時代最先成型的一塊底座，因為車是最貴也最有效的數(shù)據(jù)源。
當然，這條路線還遠沒到可以下結(jié)論的時候。Foundation Model 能不能真正解決輔助駕駛里的安全一致性、責任邊界和長尾穩(wěn)定性，最終還要看量產(chǎn)表現(xiàn)，而不是技術演講。尤其在智能駕駛領域，所有宏大敘事最后都要落到一個最樸素的問題上：用戶敢不敢開，車企敢不敢上，監(jiān)管敢不敢放。
但從行業(yè)競爭的角度看，元戎啟行在GTC釋放這個信號，仍然值得重視。因為過去兩年，汽車AI的主導敘事，基本掌握在特斯拉、英偉達這樣的平臺型巨頭手里。中國智駕公司更多是在做應用落地、性能追趕和成本優(yōu)化，很少有人試圖從“底層范式”層面重新定義自己。
元戎啟行這次的動作，本質(zhì)上是在爭奪一個新的解釋權(quán)：它不滿足于被理解成一家輔助駕駛供應商，而是試圖把自己放進物理AI的更大坐標系里。
這件事能不能成功，現(xiàn)在還言之過早。但有一點已經(jīng)越來越清楚：輔助駕駛行業(yè)正在進入一個新階段。過去比的是有沒有功能、有沒有地圖、能不能開；接下來比的，是誰能先做出一個足夠統(tǒng)一、足夠可遷移、足夠能在真實世界里持續(xù)學習的“大腦”，只有這個才能拉開差距。（作者｜李玉鵬，編輯｜李程程）
快報
根據(jù)《網(wǎng)絡安全法》實名制要求，請綁定手機號后發(fā)表評論