“如果你不能变成一家大模型公司，我认为是没有机会的。”不久前，元戎启行CEO周光在接受采访时再次强调了这个判断。

这不是他第一次讲。

2024年，他就预判过智驾行业必须向大模型驱动转型，否则将遭遇降维打击。只是当时，台下多半将信将疑。

“当时我出来讲的时候，大家可能还不认为这会发生。GPT-6之后，所有人应该都意识到了：这件事正在发生。”

让这番判断重获得关注的，是此前GPT-6 Astra完成的那次真车测试：它第一次用肉眼可见的方式，验证了“通用大模型能够控制真车完成驾驶任务”这件事正在发生。

周光给出的窗口期是两三年。

在这个时间点之前，没有完成向大模型范式转型的智驾公司，将面临出局风险。

这番话有人视之为警钟，也有人觉得是同行之间的过度焦虑。

一场134米的慢动作，照出了两个坐标系

9月，在独立评测机构DrivingBench的一次公开测试中，DrivingBench让GPT-6 Astra、Claude Fable 5.1、Grok 4.6、GPT-5.6 Sol四款通用大模型，通过工具接口直接控制一辆2022款丰田卡罗拉，完成一条封闭场地路线：起步、绕锥桶、倒车、入位，全程 134.7 米。

最终，GPT-6 Astra在第二次尝试时花5分22秒跑完，平均时速约1.5公里；其他模型的完成率在6%到45%之间。

同一时期，在机器人仿真榜单RoboDojo上，未经专门机器人训练的GPT-6 Astra也排到了第一。

它完成任务的方式1.5km/h的时速、封闭场地、简单路线、需要多次尝试，放在真实道路场景里几乎没有参考价值。DrivingBench自己也承认，这些任务“都非常简单”，没有处理复杂交通流、没有应对随机行人、没有在城市道路上连续行驶。

然而，它的象征意义在于：一个没有针对驾驶做过专门训练的通用大模型，第一次通过工具接口控制真车完成了一套完整动作。

这是2026年9月之前没有发生过的事，也让周光2024年那个判断，第一次有了肉眼可见的注脚。

把这件事放回中国智驾的真实路面，两个坐标系的差异立刻显现。

通用大模型的当前能力：封闭场地、低速、简单路线、需要多次尝试。而中国量产智驾系统的当前水平：城市道路、二三十km/h平均车速、头部玩家已做到百公里级MPI（平均接管里程）、每天被数百万用户用于日常通勤。

不过，市场格局的另一面同样值得注意。

2026年上半年，中国高阶智驾市场份额中，华为18.1%、特斯拉13.2%、Momenta12.2%，其余份额由十多家玩家分食。

这是一个尚未集中的市场。如果“未来只剩少数几家”的判断成立，意味着行业洗牌才刚刚开始；但反过来，也没有任何一家形成了绝对统治，新进入者和转型者仍然有空间。

周光给出的判断则是，更多基于对技术演进斜率的判断，而非当前能力对比。

周光解释说，GPT-2和GPT-3刚出来时，外界也觉得不过如此，但仅仅两年后局面就完全不同了。这种演进模式，和以往是不一样的。

这也意味着，通用大模型在驾驶任务上的起点很低，但进步速度曲线是否会超过传统智驾路线，正是行业分歧的核心所在。

没有一家智驾公司，还停在原地

要理解“传统智驾公司”这个说法是否准确，先看看2026年各家公开披露的技术路线。

华为乾崑的选择是WEWA 2.0架构。2026年4月的华为乾崑技术大会上，ADS 5正式发布，官方表述是“从规则驱动全面升级为面向自动驾驶的AI智能体”。云端世界引擎引入“多智能体博弈”机制，在线强化学习实现“边生成、边学习、边验证”，训练效率提升10倍；车端世界行为模型引入安全风险场理论，实时生成风险热力图。

9月，靳玉志披露乾崑全年研发预算从年初的180亿上调到190多亿。截至8月，华为乾崑智驾总搭载量突破200万台。

Momenta的公开路线是“一个飞轮、两条腿”叠加世界模型。2026 年4月发布R7世界模型，曹旭东在发布会上的公开表述是：“预测是智能进化的基石，物理AI的核心在于对世界基础物理规律的深度认知。”

根据招股书和公开披露，Momenta已积累超130亿公里实车里程、1亿多段黄金训练数据，基于80万台量产车的真实数据做世界模型预训练与后训练。

10月底，曹旭东在公开场合给出一个判断：规模化L4需要约1000亿公里数据。2026年7月，Momenta在港交所上市。

图片来源：特斯拉

特斯拉的路径是数据规模与端到端模型并行。2026年5月21日，监督版FSD正式在中国可用；海外市场自2月起转向99美元/月订阅制，中国内地目前仍执行6.4万元买断方案，订阅模式上线时间未公布。

元戎启行的选择是转向基座模型。元戎没有选择World Model路线，而是做Foundation Model，周光的解释是，“生成类任务的参数量没有那么大的必要”。同时他举了一个很形象的例子：人可能进化了很久才有语言，才需要1500cc的脑容量；多数动物两毫升可能就够了，照样在世界模型里运作。

他认为VLA是基座模型的子任务，而非终点；真正需要突破的是“智能上限”，遇到需要因果推理的长尾场景时，简单模型会失效。公开数据显示，元戎2026年8月第三方上险量排名行业第二。

把这四条路线放在一起看，一个共同点很明显：2026年的头部智驾玩家，没有一家停留在传统的模块化/规则驱动架构上。无论是华为的WEWA、Momenta的R7世界模型、特斯拉的端到端FSD，还是元戎的基座模型，公开表述都指向大模型方向。

真正的分歧不在于“要不要做”，而在于三个问题：

参数量与架构：是通用基座、垂直世界模型，还是 VLA 极致路线，哪种效率更高？数据飞轮的权重：数据规模到什么程度能自然涌现智能，还是必须先有正确的范式？商业化节奏：是先规模装车、再迭代能力，还是先把模型做到位、再追求规模？

这些都是行业层面的开放问题，目前没有公开答案。

窗口期的终点，2027年是关键年份

周光提到的“两三年窗口期”，恰好和几个已经确定的行业时间节点重合。

第一个节点是L3强制国标。2026年7月30日，GB 44721-2026《智能网联汽车自动驾驶系统安全要求》强制性国标发布，将于2027年7月1日正式实施，适用于L3/L4级车辆。这是中国第一部针对L3/L4的强制性安全标准，意味着合规门槛从此前的鼓励性政策变成硬性准入。

第二个节点是Robotaxi的规模化部署。周光提到了一个现象：“scalable Robotaxi还是很快的，像Tesla铺的速度。有些公司干了10年才搞一两千台，人家刚开始搞Robotaxi就下饺子。”他判断，MPI从百公里到千公里、再到万公里级，是L4规模化部署的几个关键台阶；“今天不管什么L4，后台都有人，再通过云端各种安全策略层层strategy，万级的时候基本上可以开始规模化部署”。

图片来源：岚图

第三个节点是智驾付费模式的验证。FSD在海外的75%订阅率、中国市场6.4万买断方案的实际转化情况、国内车企智驾选装率的数据，这些数字正在回答一个根本问题：消费者到底愿不愿意为高阶智驾持续付费。这个答案直接影响所有智驾公司的商业模型。

把这些节点放在一起，2027年是关键年份，这一点行业共识很清楚。

至于“传统智驾公司还有几年活路”这个问题，可能要等到 2027年年中才能看到初步答案，届时L3合规车型上市、Robotaxi运营城市扩展、各家新一代模型的量产效果、以及GPT下一代版本在驾驶任务上的表现，会共同给出一个比今天更清晰的行业格局。

过去两年，智驾行业最常见的话题是“谁的端到端更先进”“谁的城市NOA开得更丝滑”，这些比拼本质上还是在同一套技术范式里内卷。但周光这次抛出的判断，把行业视线从“谁做得更好”拉回到了“我们是不是该换一条赛道 ”。

有意思的是，华为在升级WEWA、Momenta在做R7世界模型、特斯拉的FSD本身就是端到端大模型、元戎在押基座，大家都在换，只是换的姿势和节奏不同。

真正的分歧从来不是“要不要转大模型”，而是“用多大的模型、配多少数据、以多快的节奏推向市场”。

正如周光所言，自动驾驶的蒸汽机时代已经来临。

行业正在等待一个新的答案。值得注意的是，在那之前，所有坐在牌桌上的人，都已经在重新码筹码了。

返回第一电动网首页 >