" 随着大模型、端到端、多模态的快速发展，我认为 L3 很可能会被跳过，城市 NOA（领航辅助驾驶）将直接演进到 Robotaxi（自动驾驶出租车）阶段。"4 月 12 日，元戎启行 CEO 周光在智能电动汽车发展高层论坛（2026）期间接受《每日经济新闻》记者采访时表示。

周光指出，L3 的本质是在模型不完美的情况下，通过人工补丁和工程能力去实现，而通用自动驾驶的真正路径是提高模型的认知能力，二者是截然不同的思路。

当前，关键指标如 MPCI（每关键接管行驶里程）正在每年快速增长，尤其在大模型介入之后，增速更快。" 如果每年一个数量级的提升，突破很快就会到来。" 在周光看来，城市 NOA 不再需要经过一个以 L3 为名的过渡阶段，而是直接迈向真正的通用自动驾驶。

图片来源：主办方供图

支撑这一判断的，是整个 AI 界从文本到多模态、从语言模型到物理智能的跃迁。周光认为，互联网大厂选择在此时入局自动驾驶，根本原因并非看中汽车软件授权费，而是为了验证物理 AI。

" 文本突破之后，大模型的下一步就是多模态，而多模态离物理世界的 Agent（智能体）只有一步之遥。" 他强调，在所有机器人场景中，只有汽车能提供海量带有动作（Action）的真实数据，几十万甚至上百万公里的驾驶行为、决策与反馈是解决 " 数据荒 " 的唯一途径。

据周光透露，今年年初，DeepSeek（深度求索）核心研究员阮翀已加入元戎启行，主要负责多模态和基座模型，以通用形式解决物理 AI 问题，而非采用非通用的方式。

" 物理 AI 的上半场是自动驾驶，下半场是机器人，但第一个能验证物理 AI 的场景就是汽车。" 周光表示，这也解释了为什么元戎启行能够吸引到阮翀这样的人才，他们要做的不是一家传统 Tier 1，而是一家真正的物理 AI 公司，更多细节将在今年北京车展上亮相。

值得注意的是，在商业路径上，元戎启行近期从高端车型下沉至十万元级市场，与零跑等头部新势力合作，被外界视为 " 铺规模 " 的信号。

对此，周光回应称：" 技术路线与商业规模并不冲突，真正的难点是让大模型变得更好，而不是把好模型蒸馏到低算力平台。关键在于有没有更大、更强的基座模型，而不是守着一个小模型打补丁。"

谈及 Robotaxi 的竞争与挑战，周光指出，模型能力的提升远比运营技巧更重要，" 不可能靠先验信息和规则来做自动驾驶 "。

"Waymo 依托 Gemini 的人才已经完成了范式转变，不是所有公司都能跨越这个阶段，那些仍停留在旧范式的公司则将面临严峻考验。" 周光认为。

每日经济新闻