近期，智驾行业又出现了路线之争。以欧阳明高院士、朱西产教授、何小鹏等为代表的认为，应该跳过 L3，直接从 L2 到 L4。以华为靳玉志为代表的则认为 L3 跳不过。对此，在 4 月 12 日举办的智能电动汽车发展高层论坛（2026）期间，太平洋汽车采访了元戎启行 CEO 周光。

周光直言，关于 L2、L3、L4，这些定义是 30 年前研究人员基于当时的技术路线制定的。今天，随着大模型、端到端、多模态的发展，AI 进展非常快，尤其是基座模型的认知能力在提升。周光认为，大模型会极大加速从 L2 到 Robotaxi 的进程。小模型的瓶颈已经很明显：很难在城市道路上突破 100 公里的 MPCI，跷跷板效应非常突出。唯一解决方案是大模型，依靠通用常识和完整的大模型体系。

周光特别强调，他所说的 Robotaxi 不是过去依赖高精地图的 L4，而是直接从城市 NOA 迈向 Robotaxi。" 在大模型介入之后，如果关键指标（如 MPCI）每年一个数量级的提升，很快就会突破。"

在周光看来，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。而通用自动驾驶的路径是提高模型的认知能力，这是两种不同的思路。" 今年年初多模态取得突破，我认为城市 NOA 会快速演进到 Robotaxi 阶段。研究范式已经发生变化，不再靠运营或高精地图，而是靠基础认知。"

周光告诉媒体，最近一些大厂也下场做自动驾驶，目的不是赚 License 的开发费用，而是为了物理 AI。" 物理 AI 的上半场是自动驾驶，下半场是厨房。" 周光表示，第一个能验证物理 AI 的场景就是车，因为只有车能提供如此海量的带动作（Action）的数据，让你不再有 " 数据荒 "。其实这也解释了为什么 DeepSeek 核心研究员阮翀等顶尖人才选择加入元戎。

事实上，文本领域的突破在 DeepSeek-R1 之后已趋于成熟，接下来是多模态，而多模态离物理世界的 Agent 只有一步之遥。今年年初 Gemini 的发布，使多模态对物理世界的理解和规则演绎能力提升了一个数量级，这将极大惠及自动驾驶和机器人。今年是合适的时机，大模型能力将在物理世界真正展现。 阮翀等顶尖人才选择加入元戎，是因为他们希望经营一家真正的 AI 公司，而不是以 Tier 1 的思维做事。元戎的愿景就是物理 AI。

其实，近期字节跳动等大厂成立自动驾驶部门，在周光看来，最有钱的 AI 公司选择的第一落地场景都是车，目的不是挣钱，而是验证物理 AI 本身，这个验证比挣钱重要得多。" 车是今天唯一能提供百万级带 Action 数据的场景，机器人还差得远。" 周光判断，接下来会有更多多模态进展的公司进入这个领域，美国那边的 OpenAI 等也会有类似动作。