“一家公司至少要干20年，不可能一成不变，必须不断革自己的命。”
轻舟智航联合创始人、董事长兼CEO于骞的这句话，解释了轻舟智航在2026年北京车展上做出的所有决定。
4月24日，北京车展首日，于骞宣布，轻舟智航战略重心从“无人驾驶”全面升级至“通用物理AI”；使命也从“将无人驾驶带进现实”变更为“以安全和向善的智能，创造更美好的生活”。
在外界看来，这可能只是一次品牌包装。
但更值得追问的是：为什么要在此时选择“自我革命”？
答案并不复杂。于骞判断，未来十年的主战场是物理世界AI。而他们过去七年所做的一切，恰好是在为这个战场做准备。
当数字世界的AI已经展现出惊人能力，轻舟智航正在尝试回答一个问题：物理世界的AI应该如何走出一条属于自己的路？
01
战略升级，为什么是物理AI？
“成为全球领先的通用物理AI公司”——这是发布会上于骞给轻舟的新定位。他直言，这次升级是为下一个七年、乃至下下个七年指明方向。
至于为何要转向通用物理AI，答案其实很简单：他们已经在这个赛道里了。
“我们的车要在路上跑，要和行人、各种交通参与者做交互——这件事本身就是物理AI。”于骞说。轻舟不是从零开始做一个“物理AI”的新业务，而是把自己做了七年的自动驾驶，放进了一个更大的框架里重新理解。这个框架叫“物理AI”，但内核不变：让AI在真实世界里安全、高效地行动。
在于骞看来，“过去十年，数字世界AI取得突飞猛进的进展，已经达到甚至超过AGI的水平。未来十年则是物理世界AI的时代。”他在采访中进一步指出：“在物理世界，一切才刚刚开始。别说是超人智能，我们连类人智能都没达到。”而自动驾驶，恰恰是连接数字世界与物理世界的关键窗口。
面对大模型公司可能的“降维打击”，于骞并不担心。他认为，数字世界AI与物理世界AI在底层范式上“很大程度不是一回事”。大语言模型的训练逻辑是“预测下一个Token”，数据匀质、问题单一；而物理世界模型需要同时完成感知、理解、预测、行动。
“OpenAI起步时也不是大公司，DeepSeek最早是做量化交易的，资源比Google少得多。如果这个世界只看资源就能决定发展趋势，那会非常无趣。”于骞说。
在他看来，轻舟的优势在于两点：对物理世界的深度理解，以及已经具备的大规模量产工程化基础。“如果你的世界模型连自动驾驶领域的问题都解决不了，你还想解决机器人领域的问题，那更不可能。”
轻舟的逻辑是：物理AI一定会有自己的“入口级应用”。就像ChatGPT是大语言模型的入口，游戏是DeepMind的入口，自动驾驶很有可能就是物理AI的入口。
因此，战略升级不是“不做无人驾驶了”。恰恰相反，“无人驾驶是我们通往通用物理AI最重要的基石。如果连无人驾驶都做不到，更别提通用物理AI。”
02
物理AI模型完整架构，被披露
从愿景到落地，需要技术桥梁。轻舟选择的这座桥，是“世界模型+强化学习”统一架构。
于骞打了个比方：AI能在围棋上打败人类冠军，是因为在虚拟棋盘上可以无限“左右互搏”。但物理世界不一样——得有车、有司机、有漫长的路测，迭代速度天然慢得多。
他的解法是：在数字世界里建立一个足够真实的“世界模型”，让AI在里面反复训练、试错、优化，再把能力迁移到物理世界。“这不是一次简单的算法迭代，这是研发范式的根本转移。”
具体来说，轻舟的物理AI模型分为云端和车端两块。
云端侧，是基于运动模拟的世界模型升级版，集成了三大核心能力：高可控视频生成、零样本生成引擎、低成本闭环仿真。
于骞称之为“轻舟AI超级工厂的核心引擎”。它能用自然语言一键生成极端天气、逆行电瓶车、鬼探头等长尾场景，让AI在仿真中见到日常难以遇到的极端情况。
车端侧，轻舟推出了采用同一架构的“世界行为模型”，以在线世界模型为骨干，融合VLA与强化学习算法，实现从感知到行动的全链路模型化打通。
这是轻舟物理AI模型的完整架构首次被系统披露。
关于世界模型的当前行业水平，CTO李栋给出了一个客观的判断：“在我们自动驾驶领域，世界模型已经处于应用阶段，已经是做Demo接近量产这个阶段了。车上的世界模型和云端世界模型已经用于生产，在生产各种数据帮我们做模型训练。”
但在更广阔的领域，李栋坦承：“在一些高自由度、高复杂度的环境里，世界模型还在一个偏Research的阶段。现在还很难直接让模型生成对未来比较复杂动作的操作，一些简单动作可以，但泛化的动作还是比较难的。”
这也解释了为什么轻舟坚持自动驾驶会是物理AI很好切入点的原因：它是目前条件最成熟的场景。数据量大、问题边界相对清晰、有明确的安全标准和商业价值。
但于骞也强调，轻舟并没有盲目跟风行业热点。“去年大家都喊VLA的时候，我们其实没怎么喊VLA。我们非常克制，不是什么新就用什么，我们要看到实际效果才会去做。”
对于世界模型能否带智能驾驶走向终局，于骞给出了肯定的判断：“我觉得应该是的，是很重要的技术方向。它会大大加速我们的研发进展。”
但同时他也承认，物理AI领域“还有两到三个大的技术突破要完成”，现在远没到收敛的时候。这也意味着，这不是一场堆资源的游戏：谁能真正理解物理世界的问题，谁才有可能走到最后。
03
从L2到L4，产品矩阵落地
技术最终要服务于产品。在物理AI的大框架下，轻舟的产品矩阵正在加速落地。
乘用车方面，发布会上，轻舟正式推出“轻舟乘风MAX”辅助驾驶解决方案——在超500TOPS车端算力平台上，实现基于世界模型+强化学习架构的极致城市NOA体验。
于骞反复强调一个理念：“我们不卷参数，卷体验。不卷噱头，卷真实的用户价值。”
乘风MAX的逻辑是用500+TOPS算力做出对标上千TOPS算力的体验。方案可精准预判交通参与者意图，从容应对复杂路权博弈，在城中村窄路、复杂路口等困难场景下，表现出更接近人类驾驶的“防御性本能”。
这套系统的底气，来自于规模量产的验证。截至目前，轻舟乘风辅助驾驶已搭载25款量产车型，2026年预计新增车型超50款。在安全维度，其AEB误触发率低至50万公里<1次。
于骞算了一笔账：“既然它能帮用户提前刹停、避免刮蹭，那它是不是真的更安全？如果真的更安全，那用户的保费是不是应该更便宜？”在他看来，这才是智驾创造社会价值的真实度量。
关于市场定位，他回答很直白：去年是高速NOA的普及年，今年100-200TOPS的城市NOA开始成为主流，明年500TOPS的方案会变成标配。“未来几年所有车都会有智驾功能，包括油车。10万、20万的车也能有非常好的体验。”
不止国内，轻舟也已在欧洲多国路测，覆盖慕尼黑、巴黎等城市，加速全球化落地。
L4领域，轻舟则是多线并进。
Robovan方面，轻舟于今年初便发布了无人物流车解决方案及Robo-X开放平台，目前已在多地落地。
面对“赛道拥挤”的疑问，于骞判断清晰：“这个市场才刚刚开始，远未进入大规模普及阶段。目前所谓大规模实际只是万量级，稳定性、可靠性、安全性仍有极大提升空间。轻舟的机会在于，把乘用车领域的大规模量产经验，运用到物流领域。”
Robotaxi方面，轻舟也有布局思考。
于骞称，轻舟的Robotaxi方案完全基于量产车配置，“从外观上看不出任何差别，但大脑更强”。在节奏上，轻舟持谨慎态度：“一次事故就可能对整个行业产生不利影响。我们宁可小规模稳健推进，也不要过于激进。”
于骞认为Robotaxi在海外可能比国内落地更快。因为国内驾驶环境更复杂，人力成本结构也不同。
关于L2与L4的技术关系，于骞明确表示：“底层的核心能力都是一样的，只是产品形态不一样。L4要加各种安全冗余、硬件冗余、传感器冗余，但算法同源。模型本质上没区别，只是模型的capacity更大一些。”
至于机器人，发布会上轻舟给出了“最后一公里送货上门”的想象空间。李栋表示：“怎么利用这个世界模型能力去操作一个有更多自由度的机器人去做特定或通用的事情，我们认为这一块有非常广阔的空间。”
从2019年成立至今，七年时间，轻舟显然已经坐上了中国智驾市场牌桌。
如何一直留下来？于骞的回答是两句话：“技术的进步非常重要，我们从来不会停下脚步。”“出货量非常重要，不是靠PPT、靠Demo，真实的打通量产的基础，你才敢说你是安全可靠的。”
李栋补充了一个更本质的观点：“如果量很多，但是技术不进步，优势也会减少。归根到底，做得又快又好。”
至于市场份额的具体数字，于骞没有给出明确答案，但他的态度很坚决：“我们不会停下来的。L4业务、物流业务、未来的Robotaxi业务，我们会持续地往前走，奔向更大的发展空间。”
热门跟贴