元戎启行首席执行官周光近日直言，小模型投入越来越多，提升越来越慢，边界已经触底，这条路的尽头是死胡同。原因在于小模型擅长的是条件反射式的局部特征响应，而非全局认知。取而代之的是大模型，也就是现在车企普遍追寻的物理AI大模型。

这一论调的背后，是智能驾驶行业技术逻辑的深度转向，过去行业为适配不同城市、不同路况反复调试模型的“每城每适配”模式逐渐落幕，依托物理AI大模型打造“一个基座，全域复用”的全新技术范式，正在成为全行业的共同选择。

智驾分水岭：小模型落幕，物理AI登场

想要理解当下智驾行业的转型浪潮，首先需要厘清物理AI大模型的核心定义。不同于仅依靠图像、文本完成特征识别的数字AI，物理AI大模型深度融合重力、惯性、摩擦、运动轨迹等现实世界物理规律，打破了传统感知、规划、控制相互割裂的模块化架构，将智能辅助驾驶从单纯的局部特征识别，升级为具备全局认知、逻辑推演、行为预判能力的完整认知系统。

元戎启行相关负责人在接受《中国汽车报》记者采访时表示，物理AI大模型的核心价值，就是推动智能驾驶搭建统一基座模型，实现全域能力复用，彻底摆脱过往零散小模型各自为战的技术困境。简单而言，传统小模型是“看见事物并做出本能反应”，物理AI大模型则是“理解世界并主动规划行为”，二者的技术代差，决定了智驾未来的发展上限。

物理AI并非单一企业的探索方向，如今国内主流车企、自动驾驶解决方案商纷纷调整技术战略，将物理AI大模型确立为下一代智能驾驶的核心底座，一场全产业链的路线转型正在上演。

作为新势力车企的代表，小鹏集团是国内最早全面布局物理AI的企业之一，明确宣告从智能电动车企向物理AI科技公司转型的战略目标。小鹏集团董事长何小鹏曾多次公开表态，2026年将是物理AI商业化落地最关键的一年，集团所有智能汽车、人形机器人、飞行汽车业务，都将统一依托物理AI技术底座发展，未来AI模型收入会成为集团全新的增长引擎。

蔚来同样将物理AI大模型视为智驾突破的关键抓手，企业对内重组组织架构，拆分原本独立的感知、规控小算法团队，整合成立专门的大模型事业部，集中资源研发NIO World Model世界模型。蔚来坚持多模态融合的技术路线，依托大模型优化自动泊车、城区领航等高频功能，其搭载端到端大模型的NOP+系统，复杂车位泊入精度达95%，家庭地库记忆泊车体验大幅升级。

理想汽车则通过复盘三代智驾技术路线，坚定锚定VLA视觉-语言-动作物理大模型方向。理想自动驾驶相关负责人梳理了企业从规则驱动模块化架构、小端到端模型，再到VLA大模型的完整迭代历程，他直言小端到端仅仅是AI入门级方案，这类小模型只能复刻人类驾驶行为，无法形成对物理世界的完整理解，存在与生俱来的能力边界，行业想要实现质变，必然要升级为多模态大模型架构。

效率、预判、规模化 物理AI根治智驾老难题

从规则算法到小模型，再到如今的物理AI大模型，每一次技术架构的更迭，都会给智能驾驶行业带来颠覆性改变。

回顾行业发展，传统小模型体系下的智能驾驶存在诸多难以根治的顽疾，这也是物理AI大模型能够快速取而代之的核心原因。在小模型主导阶段，智驾系统采用分散式开发模式，感知、规划、控制等模块各自配备独立小模型，工程师需要手动编写数万条规则应对不同场景。这种模式下，技术迭代高度依赖人工调优，每当进入一座新城市、遇到一类新路况，技术团队都要针对性调试模型。

明确小模型的瓶颈之后，汽车行业、企业正式全面转向物理AI基座大模型赛道，致力于解决智驾老难题。仍以元戎启行为例。首先，依托更大规模的模型参数、更高质量的路测数据、更流畅的数据闭环体系，元戎启行把数据闭环迭代周期从5天大幅压缩至12小时，运行效率实现数倍跨越。研发模式的改变，让技术团队告别了“逐个模块修补漏洞”的繁琐工作，转而聚焦模型全局能力优化，人力、算力资源得到最大化利用，彻底摆脱了小模型时代高投入、低产出的困境。

其次，物理AI大模型重塑智能驾驶的场景理解与决策逻辑，让车辆从被动响应变为主动预判。小模型只能识别摄像头、雷达捕捉到的显性特征，比如行人、车辆、路标等，却无法理解物体之间的关联、运动趋势与物理规则。当遇到训练数据之外的罕见场景，小模型就会陷入判断失误。

元戎启行的物理AI基座大模型，深度融入现实世界物理规律，能够基于多传感器融合数据构建动态三维场景，结合惯性、轨迹、碰撞逻辑推演交通参与者的下一步行为。面对路面突然滚落杂物、行人临时变道、湿滑路面制动等极端场景，系统不再依靠预设规则被动应对，而是像人类老司机一样提前预判风险、规划安全路线。这种全局认知与推理能力，正是小模型无法企及的，也让城市NOA从“勉强可用”向“安全好用”完成质的飞跃。

再者，物理AI大模型实现了技术架构的精简与全域复用。此前车企与方案商为了让智驾系统适配不同城市的交通规则、路况特征，不得不针对各地特色定制专属小模型，车型越多、覆盖城市越广，定制成本就越高，这也是制约高阶智驾规模化普及的重要因素。

针对这一问题，元戎启行打造统一基座模型，作为通用技术底座，可以实现全域复用。一套模型经过简单适配，就能搭载在不同算力平台、不同级别车型之上，覆盖城市道路、高速路、园区道路等全场景。在此基础上，元戎启行还计划搭建由统一基座模型赋能的多元化产品矩阵，兼顾高低配车型的算力差异，在保证智驾能力的同时控制量产成本，加速高阶辅助驾驶向全民车型渗透。

未来：大模型冲高端 小模型守入门

当物理AI大模型成为行业主流，一个备受行业关注的问题随之而来，传统小模型是否会彻底退出历史舞台？

元戎启行相关负责人对此给出了清晰的判断：小模型在基础功能优化层面仍然具备生存空间，但智能驾驶所需的高级认知、复杂场景理解能力，必须建立在大模型技术范式之上。

这一观点精准划定了二者的应用边界。从技术特性来看，小模型架构简单、算力需求低、部署成本低，非常适配低算力入门级车型、基础辅助驾驶功能。对于仅需要自适应巡航、基础车道保持、简单泊车等基础功能的车型而言，复杂的物理AI大模型会造成算力、电力与成本的浪费，轻量化小模型反而更加经济实用。

同时，在大模型落地过程中，“模型蒸馏”是行业通用技术手段，即将巨型基座大模型学习到的知识、特征，提炼压缩到轻量化小模型中，让低配车型也能共享大模型的技术成果。这种“大模型训练、小模型落地”的组合模式，让小模型成为大模型向下渗透、覆盖大众市场的重要载体。

反观小模型曾经深耕的高阶智驾赛道，其退场已是大势所趋。周光曾多次剖析小模型的底层缺陷，他表示小模型的条件反射特性，决定了其无法突破能力天花板，即便持续投入资金与人力，也只能在原有水平上小幅修补，难以实现质的飞跃。

在实际表现上，小模型架构的城市NOA，接管里程普遍停留在百公里级别，而切换到大模型范式后，不少车型已经实现千公里级接管，二者的体验差距如同两个物种。Mo‐menta首席执行官曹旭东、小马智行首席技术官楼天城等智驾高管均表达过相似看法，小模型本质是对已知场景的拟合，不具备自主推演、自我纠错的进化能力，面对不断涌现的长尾场景始终束手无策，高阶智驾想要突破瓶颈，必须彻底跳出小模型的技术框架。

正如元戎启行相关负责人所言，大模型已经从行业的选择题变成必答题。在这场技术浪潮中，顺势转型、深耕底层技术、打通全链路闭环的企业，终将在智能驾驶的决胜局中抢占先机。