7月23日，卓驭科技常州工厂正式启用。这座建筑面积约5565平方米的工厂，与深圳基地共同构成双制造基地格局，开始扩大域控制器、视觉感知系统和激光雷达等产品的生产与交付能力。
过去几年，中国汽车行业的发展主线之一是智能驾驶能力的进展。车企和方案提供商热衷于讲模型、算力和数据，发布新的端到端架构，强调更大的训练规模、更高的接管里程，以及从VLM向VLA、世界模型演进的技术路线。
但汽车本质上仍是一个重资产的制造业。模型最终需要通过域控制器、摄像头、激光雷达和整车电子电气架构进入现实世界。软件能力能否稳定装进数十款车型，能否适配乘用车、商用车和无人物流车，考验的已不只是算法，还包括硬件设计、工程验证、供应链管理和制造质量。
卓驭此前提出“移动物理AI，智能一切移动”，希望将智能驾驶积累的感知、决策和控制能力，扩展到乘用车、商用车、物流车、Robotaxi乃至具身智能机器人等不同形态的移动设备。这意味着智能驾驶技术正从专车专用的项目制开发，逐渐转向可复用的基础模型和软硬件平台。
传统智能驾驶系统通常围绕车型和功能拆分模块，车型越多、市场越广，研发和交付成本也随之增长。基础模型的价值在于尝试提取不同任务之间的共同规律。卓驭的原生多模态基础模型能统一处理视频、文本、动作、语音和地图等信息，训练数据也从道路驾驶扩展到互联网内容和移动机器人第一视角数据，借此提升模型在不同车型、场景和地区之间的迁移能力。
这与当前智能驾驶和具身智能的技术方向存在明显交集。汽车、机器人和无人运输设备面对的任务不同，但都需要完成相似的闭环：通过传感器理解环境，根据目标形成决策，再控制机器执行动作。更现实的路径是先共享视觉表征、空间理解和行为预测等底层能力，再针对不同设备进行工程适配。
卓驭目前已形成覆盖约200至1400 TOPS的域控制器产品，并布局惯导双目、惯导三目、长短焦视觉模组、激光视觉融合方案以及近距激光雷达。这些产品共同承担一项功能：把模型转换为车辆和移动设备能调用的感知与计算能力。
基础模型时代，硬件平台还承担了另一项任务——为模型的持续迭代提供相对统一的部署环境。当一套模型需要服务十几家车企、上百款车型时，硬件过度碎片化会显著增加适配成本。统一的域控和感知硬件可以减少算法与车型之间的接口数量，更有利于后续OTA和数据闭环。
根据规划，常州工厂初期将导入3款重卡产品和1款无人物流车产品的域控制器生产。2027年进入稳定运营阶段后，还计划承接乘用车域控、补盲雷达和车载无人机等产品。这座工厂并非追求庞大产能，因为智能驾驶硬件通常具有批量较小、型号较多、迭代频繁的特点。域控制器需满足车规级可靠性要求，视觉模组涉及光学标定，激光雷达则包含更复杂的测试和校准流程。
卓驭目前的乘用车量产车型超过50款，定点合作车型超过130款；商用重卡业务已与多家头部企业合作，高速NOA产品进入量产阶段。与宇通合作的客车NOA计划于2026年9月量产交付，无人物流和Robotaxi业务也在推进导入和试运营。这些业务差异很大，乘用车关注成本、体验和车型迭代速度，商用车更重视运营效率和全生命周期可靠性，无人物流车则对远程运营和故障处置提出新要求。
智能驾驶产业此前经历过一轮从演示功能到规模量产的筛选。进入基础模型阶段后，类似过程可能再次发生。发布模型、完成道路测试只是起点，真正困难的是将模型部署到不同车型和计算平台，在复杂供应链中保持性能一致，并持续处理量产后的长尾问题。
具身智能领域也会面对相似挑战。今天的机器人行业仍高度关注模型能力和训练数据，但随着产品逐渐进入工厂、仓储和商业服务场景，硬件可靠性、制造一致性和维护成本将迅速变得重要。智能驾驶行业过去十年建立起来的车规级工程体系，可能成为物理AI向现实场景扩张时可供借鉴的一套方法。
常州工厂从开工到厂房交付用时73天，未来将导入IATF 16949、ISO 9001、VDA 6.X、TISAX和A-SPICE等标准体系，覆盖汽车质量、信息安全、软件开发和供应链管理。对卓驭而言，这座工厂补上了从模型、算法到硬件生产的一段链条。对任何一个客户来说，获取信任除了模型能力和硬件能力，制造能力同样重要。
热门跟贴