0
作者 | 郑浩钧
编辑 | 王瑞昊
战略重心迈向物理AI的轻舟智航又获一笔融资。
3月23日，轻舟智航宣布完成D轮新一轮融资1亿美元，投资方不仅包括投资机构，还有产业投资方——某国内头部主机厂、宁波宁海兴泰合基金、梁溪科创产业母基金（博华资本管理）、华德科创、某头部汽车电子零部件公司。
拿到这一亿美元后，轻舟会加大世界模型+强化学习等前沿物理AI技术研发、加大公司组织人才建设。
关于公司对物理AI的转向，轻舟智航联合创始人、董事长兼CEO于骞早有预告，他在3月18日的德国慕尼黑“智能汽车与智能制造论坛”上表示：“轻舟不仅要做自动驾驶，还要做通用物理世界的AI。”
AI作为当今科技界的第一大关键词，大致可分为处理比特信息的数字AI、操控原子实体的物理AI。自从2022年11月ChatGPT横空出世后，AI在数字世界的发展如火如荼，对话、写作、编程、绘图等功能快速迭代，如今几乎能辅助所有“处理信息”的工作。AI带来的效率提升，一定程度上甚至影响了亚马逊、Meta等互联网巨头裁员上万人。
可以说，数字AI已趋于成熟，但物理AI仍处于蓬勃发展的早期阶段——不仅L4级自动驾驶仍未普及，具身智能创业公司更是层出不穷。
英伟达CEO黄仁勋明确指出，自动驾驶将成为物理AI最先实现规模化落地的应用场景，更是面向主流市场的第一个大规模物理AI系统。为此，英伟达布局全栈能力，不仅发布开源自动驾驶物理AI模型Alpamayo及配套工具链，还推出Cosmos AI世界模型，打通虚拟仿真到现实应用的关键链路，依托DRIVE芯片构建起车载计算与云端训练的完整生态。
而在国内，理想、小鹏等企业也早已在人型机器人、Robotaxi等业务上开展布局。
近期，轻舟智航CEO于骞在内部会上就表示，人类正处于AI发展的关键分水岭上，物理AI是未来5-10年最大机遇，自动驾驶是通向物理AI的最佳入口。同时，只有通过物理AI的方法论（如世界模型、强化学习），才能真正回头做好自动驾驶。
于骞在德国慕尼黑智能汽车与智能制造论坛
简单来说，自动驾驶就是AI操控汽车在一个二维平面上与道路、行人、障碍物等进行物理交互，而通用物理AI则更进一步，需要增加高度这一维度，在三维空间中与物体交互。
自动驾驶的优势在于数据。于骞分析道，自动驾驶领域的数据（特别是世界模型所需的结构化数据）非常充分，比非结构化的通用机器人领域更有机会率先突破。
回顾过去，轻舟将近20年的AI发展分为三个阶段——2004年到2025年，行业经历了机器智能的模仿与类人智能的探索，而2026年，行业将迈入超人智能阶段。
这一阶段最大的改变在于：AI不再仅仅复刻人类驾驶行为，而是依托世界模型与强化学习，开始真正理解物理世界的规律、意图与社会常识。
以往，自动驾驶进化面临一个重要难题——在无限不确定性的物理世界中，安全红线决定AI系统无法像AlphaGo那样完全在虚拟环境中迭代，必须通过实车测试验证，这严重制约了演进速度。
“世界模型+强化学习”则是解决这一难题的核心路径。于骞将其比喻为一座AI虚拟“驾校”——世界模型负责预演现实世界，如模拟出复杂路口博弈、极端天气干扰、突发路况变化等数百万种长尾场景；强化学习则像一个教练，持续优化AI的决策路径，让系统在虚拟试错中从模仿人类到超越人类。
这样的技术架构，让自动驾驶系统从“被动记忆”转向“主动思考”，真正具备了应对未知的能力。
整个智驾行业几乎都有类似的判断。今年3月下旬推送的小鹏第二代VLA，便结合强化学习和世界模型；长期使用世界模型的蔚来，2026年初在世界模型2.0中引入强化学习；极氪也宣布将在今年上半年推出具备自我反思和进化能力的WAM世界行为模型。
基于对AI技术路线的预演，轻舟决定将战略重心大幅向L4自动驾驶及通用物理AI倾斜，而那100万台搭载轻舟辅助驾驶系统的智能汽车，就是物理AI技术最宝贵的真实训练场。
如今，在年销2000余万辆的中国乘用车市场，L2级功能新车渗透率已超60%，城市NOA功能渗透率也已突破15%。
当边际成本极低的智能辅助驾驶系统逐渐走向大众，在评价一家智驾公司时，量产规模的重要性也逐渐提升——智驾公司是商业公司，而不是研究机构。李想在内部有一句常说的话：技术要服务产品，产品要服务商业。而商业成功与否，销量是一个重要指标。
从量产交付规模以及适配平台看，辅助驾驶搭载量突破100万辆的轻舟智航，已与华为、Momenta共同构成中国智驾行业的“量产第一梯队”——“华舟魔”。
目前，搭载轻舟辅助驾驶系统的已上市车型有近30款，覆盖理想、奇瑞等近10家主机厂。按照计划，2026年轻舟还将新增超过50款量产车型，且绝大部分支持城市NOA。
规模快速扩张的关键，在于轻舟的一次关键判断：2025年4月，他们宣布单颗地平线征程6M芯片（算力128TOPS）即可实现城市NOA。
这在当时几乎没人相信，包括不少合作伙伴。但2026年1月，基于该方案的城市NOA在理想L系列智能焕新版上通过OTA推送上车，轻舟成为行业里第一个将其量产的公司。内部测评显示，该方案与一些采用单颗甚至双颗英伟达Orin-X芯片的方案体验接近。
“首先，意识到‘单芯就能实现城市NOA’的可能性本身就不易，当初就像马斯克提出不用激光雷达一样备受质疑。”于骞曾对雷峰网(公众号：雷峰网)《新智驾》表示，“但我们是第一个将其发现并量产的中国公司。这没有捷径，靠的是实打实的创新。”
2026年，基于单地平线征程6M芯片的高性价比方案，轻舟甚至计划将城市NOA功能下探至10万元级车型上。同时，轻舟也在持续发力高阶方案，今年即将发布算力大于500TOPS的城市智驾方案。
华为、轻舟、Momenta的智驾量产三极，各有各的打法。华为走的是高端路线，以高配置和高冗余换取的定价权，来触达20-50万左右的中高端人群；Momenta以群狼策略深入市场，覆盖的车型种类、价位更为广泛。
而轻舟则是在单芯片上做到极致。2025 年乘联会测算显示，10-20万价格带新能源乘用车占比达43.4%，显著高于10万以下的 28.6%和20-30万的16.6%，是中国新能源市场规模最大的细分区间。
随着轻舟在这一主力价格带的深耕与渗透，其规模效应已从验证期步入爆发期。依托已突破百万台的量产搭载基数与平台化工程能力，轻舟正将高阶城市NOA等核心技术下探至国民车型。这不仅是对市场主流需求的精准回应，更通过与多家主流车企的深度合作，持续巩固在该价格带的技术与交付优势。
可以预见，伴随 10-20 万区间用户渗透率的稳步提升，轻舟的销量规模将水涨船高，营收与商业变现能力也将随之实现阶梯式增长。
轻舟能凭借百万量产跻身行业第一梯队，还能同步推进中阶、高阶城市智驾方案的研发，其坚实的技术积累与标准化的交付思维是重要推动力。
轻舟核心团队源自L4自动驾驶先驱Waymo，技术底蕴深厚。但在技术路线方面，轻舟更多学习特斯拉——一方面追求工程标准化，另一方面“L2+L4”双线并行。
从具体实践来看，特斯拉长期坚持精简车型阵容，以 Model 3/Y、Model S/X 等核心车型构建高度统一的硬件生态，这一策略并非局限于产品层面的降本增效，而是通过跨车型长期冻结传感器方案（如 HW3/HW4 平台长达 4-6 年的标准化布局），避免了行业常见的 “改款陷阱”—— 摄像头位置微调、传感器规格更换等行为都会造成数据分布紊乱，导致数据积累重置。
这种统一的感知系统，让全球数百万辆特斯拉成为输出完全一致视觉数据的“露天实验室”，每一辆车都在为 FSD 神经网络提供高质量、可复用的训练样本。这些数据，也成为特斯拉Robotaxi业务的核心护城河。当其他车企仍在为多车型、多传感器方案解决数据对齐与融合难题时，特斯拉已通过单一数据源实现了算法的高效迭代。
轻舟想要做的正是和特斯拉一样的事情。技术统一与工程标准化，是轻舟能快速覆盖多价位、多车型的重要原因。
基于同一套技术架构，轻舟完成了在高通、英伟达、地平线三大主流芯片平台上的城市 NOA 适配。在工程交付上，轻舟也做了大量平台化工作，将可变与不可变的部分拆解，大幅压缩了不同车型的适配周期。
于骞曾对新智驾表示，轻舟的方案已具备很强的泛化能力：无论是7颗或11颗摄像头，是否搭载激光雷达，车型大小如何，都无需大幅调整即可适配。“很多同行曾因传感器布局的微小变动，就要重新采集数据和训练模型，但我们依靠底层工具与模型解决了这个问题。”
轻舟CTO李栋认为，轻舟自首次量产起便推动交付标准化，将固定流程平台化，并压缩可变部分的开发周期，这使团队规模未大幅增长，却能支持车型从1款扩至23款。
关于L2与L4的关系，轻舟从创业初期就认为二者底层技术架构本质相同。两者共享AI模型底座，差异主要在产品逻辑层面。
产品逻辑上，L4需要传感器冗余、计算冗余、软件兜底策略甚至远程辅助；L2则需考虑成本，明确ODD范围。但底层都需要提升驾驶能力，追求安全、舒适、便捷。技术演进的方向都是数据驱动——从早期深度学习到BEV、VLA、世界模型，再到未来技术，L2和L4都走在这条路上。
如今，轻舟的L4无人物流车完全采用L2量产思路设计，车顶不再有旋转式机械雷达。于骞说，“今年将启动小范围试点的Robotaxi也会为量产而生，不会顶着夸张的激光雷达，外观会和普通量产车一样。”
除技术架构外，数据的兼容性也是L4与L2业务能相互促进的关键。李栋曾对新智驾透露，公司从创立起就注重数据前后兼容。“做L2时我们用了大量L4数据，因为此前有Robotaxi业务；现在做无人物流等L4产品，也可以复用L2数据，甚至直接使用L2模型。”
兼容性源于提前规划——轻舟规模量产L4产品的传感器布置、选型会与L2产品高度一致，数据标注规范也前后统一。这种技术、数据上的传承，使得轻舟将战略重心迈向L4自动驾驶及通用物理AI时，能很快拿出成果。
2026年4月，轻舟将在北京车展上发布最新的技术产品进展。不久，我们就能看到一家深耕技术突破的公司，是如何从L2辅助驾驶到L4自动驾驶，再到通用物理AI的清晰路径。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
