请来 DeepSeek 核心成员阮翀，元戎启行要打的是另一场仗

📌 一句话摘要

本文深度报道了元戎启行引入 DeepSeek 核心成员阮翀，全面转向 AI 大模型范式，以 400 亿参数基座模型和物理 AI 愿景，应对自动驾驶行业技术瓶颈与竞争格局重塑。

📝 详细摘要

文章以元戎启行为核心案例，分析了自动驾驶行业从传统小模型向 AI 大模型范式转型的深层逻辑。文章指出，传统智驾方案受限于模型规模和算力，遭遇性能瓶颈，而原生多模态大模型（如 VLA）因其强大的泛化能力和搜索空间，被视为破局关键。元戎启行创始人周光提出「跷跷板效应」形容小模型的局限性，并强调突破大模型能力上限是当前核心挑战。为此，元戎启行引入 DeepSeek 多模态核心贡献者阮翀担任首席科学家，打造了 40B 参数的基座模型，统一了驾驶、分析和评估三种能力。文章还探讨了基座模型在数据闭环效率（提升近 10 倍）和产品形态（向下兼容至 100 TOPS）上的实际价值，并指出自动驾驶正成为通往物理 AI 的先锋应用。元戎启行的目标是 2026 年交付超 100 万辆城市 NOA，并最终实现 Robotaxi 商业化，成为中国第一家实现物理 AI 的公司。

💡 主要观点

- 传统智驾小模型遭遇性能瓶颈，AI 大模型成为破局关键。 文章指出，当前量产智驾模型参数量多在 1B 以下，存在「跷跷板效应」——优化某些场景却导致其他场景退步。原生多模态大模型因其更大的搜索空间和涌现能力，被视为泛化性更强的终极解法。

元戎启行引入 DeepSeek 核心成员阮翀，全面转向大模型范式。 元戎启行设立首席科学家一职，由 DeepSeek 多模态成果核心贡献者阮翀出任。此举标志着公司从传统智驾算法向基座模型研发的彻底转型，旨在突破大模型自身能力上限。

元戎启行打造 40B 参数基座模型，统一 Driver、Analyst、Critic 三种能力。 该基座模型不仅负责驾驶决策（Driver），还能理解分析场景（Analyst）并评估驾驶行为（Critic）。这种范式将智驾能力沉淀在单一模型中，告别了传统小模型的修修补补。

基座模型在工程端带来显著效率提升，并具备向下兼容能力。 引入基座模型后，数据闭环周期从 5 天以上缩短至约 12 小时，效率提升近 10 倍。同时，该模型能通过蒸馏适配 100 TOPS 到上千 TOPS 的不同算力平台，支持从经济型方案到 Robotaxi 的多种产品形态。

自动驾驶被视为通往物理 AI 的先锋应用，元戎启行志在成为首家物理 AI 公司。 文章引用周光的观点，认为智能汽车是首个千万级数据体量的机器人，其海量数据有助于沉淀物理世界基础模型。元戎启行的远期愿景是成为物理 AI 的基础设施，而非仅仅一家智驾公司。

💬 文章金句

- 同一套系统，早上跑得好，中午可能变差；在上海表现不错，换一个城市就不行。

• 如果只是为了适配小算力平台，行业内已有一套完整的标准流程：先蒸馏，再量化。只要有一个足够强的大模型作为基础，就一定能将其蒸馏到 100 TOPS 甚至 30 TOPS 的芯片上。
• 过去行业里只训练 Driver，而现在基座模型统一了这三种能力。它不仅会开车，还能理解为什么要这样开，并评估怎样能开得更好。
• 智能汽车是打开物理世界通用 AI 的钥匙。
• 我们想成为中国第一家实现物理 AI 的公司。

📊 文章信息

AI 初评：86

来源：晚点LatePost

作者： 晚点LatePost

分类：商业科技

语言：中文

阅读时间：18 分钟

字数：4292

标签： 自动驾驶, AI 大模型, 元戎启行, DeepSeek, 物理 AI

阅读完整文章