轻舟智航于骞：物理AI没有开源模型，自动驾驶才是最佳入口

2026年北京车展期间，轻舟智航联合创始人、董事长兼CEO于骞博士与CTO李栋接受媒体专 访。围绕公司向物理AI转型的战略选择，二人详细阐述了自动驾驶与世界模型的关系、轻舟在大算力方案与量产交付中的差异化路径，并回应了关于L3/L4、芯片带宽、Robotaxi商业化等热点问题。

以下为采 访实录精编。

▍转型物理AI，轻舟有什么优势

媒体提问：很多大模型公司也在提物理AI，他们有大量资金、算力和人才。轻舟的优势是什么？

于骞：数字世界的AI已经取得了很大进展，但物理世界AI才刚刚起步，连类人智能都没达到。自动驾驶是真正在跟物理世界做交互，这是物理AI最大规模、最快落地的场景。

物理AI的大范围普及，可能还需要两到三个重大技术突破，不是单纯堆资源就能解决的。OpenAI和DeepSeek起步时资源也很少，如果只看资源决定趋势，这个世界会很无趣。

我们基于对物理世界的理解判断，现在进入了面向通用物理AI的重要阶段。如果你的世界模型连自动驾驶都解决不了，更解决不了机器人。自动驾驶数据不成问题，工程化、产品形态已经比较完整。物理AI的大范围落地应该在自动驾驶领域，而不是其他领域。

媒体追问：大模型公司要做这个，跟我们是同一回事吗？

于骞：很大程度不是一回事。

李栋：语言模型的数据比较匀质，文字都能转成Token。但物理世界的本体数据非常稀缺，不同机器人数据不一样，自由度也不同。

自动驾驶数据量大、匀质，训练世界模型有天然优势。我们对世界几何的理解能力有一定通用性，至少先把路上的问题解决掉。

现在的新范式是从海量互联网视频中学物理知识，Research有进展，我们也在探索。这一块空间很大，不是单纯堆资源就能垄断的。

▍世界模型与量产：没有开源，用国产芯片做出越级体验

媒体提问：各家是自己做基座模型，还是基于开源模型？

于骞：现在没有开源的。

李栋：不存在一个统一的、拿来就能用的开源模型。大家会借用不同开源模型的能力补充特定环节，比如图像生成、自动驾驶场景，然后组合成最优解法。

媒体提问：世界模型现在处于什么水平？

李栋： 在自动驾驶领域，已经处于应用阶段，接近量产。车端和云端的世界模型已用于生产，生成稀缺数据辅助训练。但在高自由度、高复杂度的环境里，还在研究阶段。自动驾驶是物理AI落地最快的基础。

媒体提问：除了地平线J6芯片，还有哪些因素让轻舟的搭载量快速上升？领先窗口能维持多久？

于骞：市场竞争很激烈，我们不断革自己的命，推陈出新，满足消费者对安全、舒适、便捷的需求。

我们是所有L4智驾公司里第一个全力支持国产化芯片的。我们不是搞同质化芯片，而是用国产芯片做出越级体验。100多TOPS算力，之前大家觉得能把高速NOA做好就不错了，我们是第一个把它大规模量产、达到越级体验的企业。

国产芯片早期供应链不成熟，我们付出了比用海外芯片更大的努力。我们和地平线是战斗的友谊。

我们卷的是用户价值，不是算力。今天发布的500+TOPS方案，目标是达到1000-2000TOPS的体验。我们不会停下来，L4、物流、Robotaxi会持续往前走。

▍L2/L3/L4：别被标签绑架，用户价值才是关键

媒体提问：L3现在更像营销标签，还有实际意义吗？

于骞：L3有价值，但如果只能在某一段路开，价值不够。如果L2+产品足够安全可靠，事故少了，保费就会下降。现在没体现是因为渗透率太低，保有量大了以后保险上一定能体现出来。

不要纠结L2、L3、L4，关键是创造了多大的用户价值，而不是宣传。不是说L3就比L2强，L3就那么点路口，全社会范围内价值有限。

李栋：L2在L3适用场景的接管率已经很高。L3更多是责任转移，体验差异不明显，还要额外增加成本。L2能力不断增强，体验差距会更明显。

媒体提问：大模型公司想赋能千行百业。有人说连自动驾驶都做不好，更做不好机器人。你怎么看？

于骞： 大语言模型在数字世界很强，但物理世界的交互研发范式差异很大。我们拥抱技术，但创新要为消费者创造用户价值。

ChatGPT以聊天为入口，DeepMind以游戏为入口，都开启了各自的时代。自动驾驶很可能成为物理AI的入口——你连四个轮子的非接触交互都搞不定，更难搞定更高自由度的机器人。

▍技术突破与竞争壁垒：世界模型+强化学习，不怕大厂

媒体提问：那两三个技术突破具体是什么？VLA是必须的吗？

于骞：很大可能就是世界模型+强化学习，能让物理世界应用有非常大的提升。

媒体追问：不需要VLA？

于骞：VLA有利于端侧和语言经验融合，但不根本，和世界模型不矛盾。

李栋： 语言模型有独特的深度思考能力，特殊场景下能赋能整个系统。但当前最大卡点不是理解语言，而是理解物理世界的材质、运动规律。未来当物理理解成熟后，对语言和长深度思考的需求会更强。两者是一体的。

媒体提问：很多公司都说用世界模型+强化学习，还有什么非共识的地方？

于骞： 去年大家喊VLA时，我们没跟风。我们有自己的技术判断。世界模型的路线远未收敛，杨立昆、李飞飞等流派都在探索，学术上都没共识，更别说工程落地。轻舟很克制，不追新。

媒体追问：世界模型能带智能驾驶走向终局吗？

于骞： 是重要方向，会大大加速研发，但不是唯一的，后面还有很多工作。

媒体提问：物理AI可能同质化，轻舟面对字节、谷歌的独特性在哪？

于骞：字节、阿里不做自动驾驶。物理AI恰恰相反，数字大语言模型已经收敛到少数几家，但物理AI还需要两三个重大技术突破，远未同质化。

▍芯片带宽与Robotaxi：当前瓶颈不在算力，技术是核心

媒体提问：特斯拉因带宽问题无法推送无监督FSD。当前芯片带宽对L4够不够？

李栋： 带宽在部署大模型时确实有挑战，但不是最核心的卡点。我们在Thor上通过技术手段绕过了带宽和内存限制。至少对我们而言，带宽不是L4的主要瓶颈。

媒体提问：有公司已在中东商业化运营，强调降本。轻舟为什么仍认为技术是关键？

于骞： Robotaxi一定会来，但必须经过量产和大规模验证。我们更聚焦于提升AI大脑的能力。所有Robotaxi都长得像量产车。

媒体提问：L2到L4最关注的核心指标是什么？

李栋： 核心是模型的驾驶能力支撑的运营成本。L4减去L2，关键是一个人能看多少辆车。去年百台车级别，今年千台到万台。单台车千公里级接管水平。不同环境难直接比，但这最反映模型能力。

▍L4方案下放L2：技术同源，产品形态不同

媒体提问：有友商把L4方案用在L2车上，你们怎么看？

于骞：我认同这种方式。我们的Robotaxi外观就是普通车。L4会加传感器、计算等硬件冗余，但底层能力同源，只是模型capacity更大、算力更大。核心原则：不能量产的方案我们不做。

本质上是产品形态的区别，不是技术路线的区别。

媒体提问：乘风Max的世界模型部署在云端还是车端？

于骞： 当然是车端，所有安全性的东西必须在车端。

李栋： 云端和车端都有。云端离线生产数据，车端实际驾驶。

媒体提问：目标市场和客户情况如何？

于骞：潜在客户很多。去年高速NOA普及，今年100-200TOPS城市NOA成主流，明年500+TOPS开始标配。目标15-20万级别车型，未来10-20万的车也能有越级体验。

媒体提问：需要多大的出货量才能留在牌桌上？

于骞： 技术不能停。做完100-200TOPS，还要做500+TOPS，奔向通用物理AI。出货量很重要，但要靠真实的量产落地，不是靠PPT。

李栋：没有绝对数字。量多但技术不进步，优势也会减少。归根到底是做得又快又好。