于文本全球耗尽苍生学识之后，物理全球之数据为下一名Scale（规模化扩展）之起点。
此为枢纽。
昔只能先操练一名模型、再看模型好不好，才能反过来裁决数据品质，操练周期甚长；今通过Foundation Model（基座模型）可短周期内成估量。
此段话有两层意思。
旧范式之死胡同换道时刻元戎之“非共识”行业之分化时刻 此些疑难之解答，不于发布会PPT里，而于路上。
元戎目前存量30万台车，本年宗旨新增100万台。
6G。短期看，蒸馏可让大模型之本领“浓缩”到现有芯片上，性能虽有衰减但起点远高于小模型。
阮翀于通中说得甚清楚：“若跟大模型公司比，此名行业确实还为差一点。
公司不为者之集合，而为者与Skill之集合。
阮翀提到之两种法门。
过往Robotaxi之瓶颈于“先验讯息”比如高精地图、路测章法、远程接管。
本年宗旨新增百万台，又有多少能搭载新预案。
感激。此名指标不为彼等自己编之，特斯拉已实现之。
” 此意味之，大模型终于可“看懂”全球之。
” 范式切换只为起点，不为终点。
但甚多不好之举止，比如闯红灯、抢路权，也应告诉模型。
每名模型针对一名子差事操练，然后拼于一起。
于与媒体通时，阮翀被问到“大模型跟物理全球方位交互之关隘怎么处置”时，他直接说：“与其说为一名技艺疑难，我更觉得它为一名信念疑难。
荣华富贵。此些选择于当时看来皆为“非主流”，毕竟无图预案于2023年之前被认为为“不或量产”之。
没有规模，就没有数据；没有数据，大模型就为空中楼阁。
此套叙事于逻辑上为成立之，于光阴点上为准确之。
阮翀之原话：“此不为一名编出来之口号或者宗旨，它为一名已实现之东西。
感知用一名模型，预测用一名，筹划用一名，控制用一名。
此不为技艺路线之争，此为数学上之瓶颈。
第一，蒸馏。
” 周光之回答甚直白：“做大模型、多模态自动驾驶，就不应为旧俗智驾之路子。
作为。而大模型路线之逻辑为：模型认知本领足够强，车到任何一名新都邑，不需提前建图，不需大量路测，直接开。
周光之裁决为：“真正实现跟车相关之，真正做到一千公里、一万公里之安康，不或靠旧俗模式实现。
他补之一句自己之经历：“我昔2017年做之时候，于手机上跑50兆之模型，当时已觉得极其大之；今大家会于手机上跑1G、2G之模型做APP。
过往小模型时代，每名差事单独操练一名模型，迭代一版或需100多名小时。
元戎喊出“物理AI”之终局愿景，但从车到机器者，为全新之技艺栈、不同之主顾群、倍增之机构难度。
” 转折点现于2026年初。
第二，相信光阴之力量。
接下来之两年，才为真正检验元戎启行之时刻——它之VLA模型能否于都邑路途上稳固跑出千公里级别之MPCI，它之主顾能否接受并延续搭载它之预案，它之数据飞轮能否真正转起来，它之物理AI愿景能否从车延伸到更广阔之物理全球。
阮翀于演讲中专门讲之一名观点：最好之课题机构方式为“轻微不足之者手，加上相待充足之token”。
昔训好模型后须部署到车上、出去开一圈才知道好坏，耗费者力物力；今可于云端虚拟氛围里运行驾驶模型，就知道它开得怎么样。
再看角逐，字节、小米、抱负正涌入，小鹏已有可见成果，Waymo借Gemini全面转轨，特斯拉之居先还于拉大。
” 一类公司走“性价比路线”：用小模型，做蒸馏、做量化，于低算力平台上跑通根基功能，用低价占据商场份额。
深海一号。” 此种本领，小模型做不到。
此为一名极其重要之商业裁决：规模不为技艺路线之敌者，而为数据飞轮之燃料。
比如开到路口时，它会告诉你前面有盲区、或有行者突然出来，需减速。
“VLA”此名词，于行业内还没几名者提。
更实在地说，元戎本年宗旨做到1000公里MPCI。
听起来甚虚。
用大模型做数据表征，提前剖析所有数据之场景分布，知道模型于什么场景下缺什么数据，然后做针对性之采样或定向收集，把迭代历程前置。
2026年，华夏智驾行业正生一场静默之分化。
全运会。账面上之量，不等于落地之质。
你会发觉不管怎么做，不或做到十倍之好。
此名跨度，远比切换智驾范式更大。
Gemini之突围让多模态模型对物理全球之体谅本领提升之一名数量级。
但当CEO周光说出“一千公里MPCI”此名宗旨时，台下少数听懂之者知道，此家公司正做一件行业里只有特斯拉敢公开承诺之事。
另一类公司走“Scaling路线”：模型越做越大，算力越用越多，追寻之为上限。
此不代表技艺降级，恰恰相反。
此为典型之AI-native机构观。
但要从99%到99.99%，每提升0.01%，本金不为线性增益，而为指数级爆炸。
此不为渐进式改善，此为架构级降维打击。
过往十年，自动驾驶行业走之一条“小模型堆叠”之路。
就于发布会前几名月，DeepSeek核心研讨员阮翀加入元戎启行，担任首席格致家。
此句话之分量，需放于2026年此名光阴节点来体谅。
流程可从TXT变成可执行之skill，不用再靠者去执行规章。
过往，行业里嚷嚷“大模型自动驾驶”之公司不少，但真正落地之几乎没有。
2024年之前之视频生成模型，连物理章法皆搞不清楚。
” 朋友圈47%之实质于炫耀 2026年4月25日，北京车展上，元戎启行之展台没有铺满华丽之灯带，也没有请流量明星站台。
他把安康之权重定义为“90分以上”，剩下体验、舒适性、交互加起来10分。
周光之原话为：“今日之本领跟2024年、2025年相比，完全不为一名层级。
元戎启行于2026年北京车展上展示之，为一套完整之、自洽之技艺叙事：大模型为自动驾驶之唯一出路，物理AI为下一名十年之主战场，而车为验证此一切之最佳场景。
没有规模，就没有数据；没有数据，大模型就为空中楼阁。
再看贤才之机构方式。
长期看，芯片算力之演进曲线不会停，今觉得大之模型，三年后或只为标配。
对于为何加入元戎，阮翀之回答为：“最打动我之为跟元戎几名合伙者聊天，觉受甚好，大家可像朋友一样相处。
但于与媒体通时，他被反复追问商业、角逐、商场占有率时，每次皆会绕回到同一名主题：安康。
不为“甚难做到”，为“原理上做不到”。
多模态大模型于2026年初确实取得之实质性突围，特斯拉已用一千公里MPCI之数据证验之此条路径之可行性。
此些话于发布会上说，听起来像为公关稿。
” 怎么做到之。
此不为事后诸葛亮。
今日大家始喊“物理AI”，元戎一年半之前就于内部讨论之。
周光说得甚清楚：“难度不于于蒸馏，而于于让大模型更强。
此名分发比例，于行业里为罕见之。
第三名为Critic模型，用来修习负向数据。
但典故终究需路演。
” 此不为鄙视性价比路线，而为一名事实裁决：小模型之安康天花板甚低。
者手不够，你才会去想什么才为真正重要之事；token充足，你可用AI补足初级工。
今日弄得好一点、差一点有彼么重要吗。
阮翀说，今可用大模型把迭代周期压缩到12名小时，加速近十倍。
此件事于AI圈内引发之震动，远比于汽车圈大。
他把基座模型之本领拆成之三名角色。
硬件每年皆于翻倍，模型大小不会为疑难。
第二名为Analyst模型，把言辞模态接入进来：有之传感器输入与驾驶动作，它可剖析模型为什么要此么开。
Waymo于一名都邑跑几年才能敞开一名区域。
”他做自动驾驶之初衷，为因小时候目睹过交通事故，想“救者救命”。
香港科技大学计算机系助理教授徐英豪之裁决甚清晰：“从我之角度看，终局不为单一之VLA或全球模型架构，必为多模态共生。
小模型时代大家只用正向数据——告诉模型什么举止为好之，让它去拟合。
不只为识别图像里之物体，而为体谅物体之间之方位关系、运动趋势、因果链条。
三十万存量车中，真正跑通VLA架构之有多少。
” 三名模型跑于同一套基座模型上。
用大模型教一名小模型，本领远强于从头操练一名小模型。
阮翀没去大厂，也没留于纯数术全球之大模型战场，而为选择之一家华夏自动驾驶公司。
此就给之模型可解释性，让你知道它为什么此么做，同时也负责数据标注。
此为衡量自动驾驶体系“真安康”之硬指标，不为彼种靠“L2+”“都邑NOA开城数”包装出来之营销话术。
今日做到50公里MPCI，明日想做到100公里，靠修修补补还能撑一下。
此为枢纽。
青山绿水。阿里云智能集团AI汽车行业处置预案总经理霍健于元戎发布会AI Talk之圆桌对话上举之名例子：去岁10月，特斯拉之体系于雨天能提前5秒预判前车或打滑、撞护栏、弹回本车道，然后提前减速。
而汽车，为目前唯一能提供海量“带动作数据”之物理场景。
昔你把一名工交给其他者做，极其放心；今需极其频繁地查验结局、查验整名历程。
你想让车于99%之场景下表现好，靠堆者、堆章法、堆数据标注，勉强能做到。
你无法用数学证验大模型必能达到苍生驾驶水平。
翻译一下：小模型体系下，每名模块之误差会累积，体系繁度随模块数指数级增益。
缘由甚简，多模态大模型本身还没成熟。
若说技艺趋势为显性之，彼么元戎启行真正之优势，为一些“非共识”之东西。
Adventure。若你不信，你就不会All in；若你半信半疑，你就会于小模型上修修补补，不敢真正烧掉旧地图。
此些不光为算法改良，也为研发流程之底层重构。
小模型之数据表征本领有尽，泛化本领有尽，长尾场景覆盖本领有尽。
对计算机行业来说，最大之教训就为没有新鲜事：所有于PC时代、名者编码时代生过之事情，皆会于手机上再生一遍；手机上生之事情，又会于物理全球上再生一遍。
一台车每天于路上跑，视觉数据、雷达数据、方位盘转角、刹车油门开度，此些数据天然带标签，天然连续，天然覆盖长尾。
但你相信当一名体系之繁度达到必程度，智能举止就会涌现。
第一名为Driver模型，负责开车——接受传感器输入，输出方位盘、刹车、油门之控制指令。
不为“今日能不能开”，而为“来年能不能开得比特斯拉好”。
周光之裁决更尖锐：“小模型之天花板就于此儿。
此不为靠章法写之，为模型自己学会之因果推演。
此种对标，不为对参数，而为对安康标准。
元戎赌之不为今日之硬件，而为此条曲线本身。
” 别者做到之，你也要做到。
Critic模型专门办理此些，让模型知道什么不该做。
回顾元戎之史册，最早做前融合，第一名于华夏实现无图、端到端。
模型参数够大、数据够多，它自己就能“涌现”出对物理全球之体谅。
你今日花一名亿处置之一名corner case（偏激案例），明日还有一万名corner case于等你。
此名量级之车队跑于路上，每天产生之海量确凿驾驶数据，为大模型续演进之唯一门径。
但仔细看元戎之机构理念，会发觉此不为客套。
MPCI（Miles Per Critical Intervention），每千英里枢纽接管次数。
” 故你能看到，元戎启行之打法变化：从早期绑定高端车，到如今与零跑等品牌协作、下沉到十万级商场。
但从100到1000，不为线性勤勉能处置之疑难，为范式疑难。
周光提到，彼等于2024年下半年就始做VLA模型，当时OpenAI o1模型刚出来。
而大模型走之为另一条路：不针对每名子差事单独建模，而为用一名巨大之基座模型，同时修习感知、预测、筹划、控制。
Privacy。只要大模型足够强，蒸馏到低算力平台不为疑难。
元戎启行选择于此名节点All in，既有前瞻性，也有现状根基。
元戎启行不仅为信，而且信得甚早。
什么意思。
此套架构之巅峰，就为“模块化端到端”。
此条路于商业上立得住，短期内能出货、能回款。
周光观察说，“本年年初多模态取得突围，我认为都邑NOA会快速演进到Robotaxi阶段。
阮翀于发布会演讲中，进一步拆解之此套大模型体系之实际运作方式。
此外，周光还反复强调：“智驾就为以无对安康为导向之。
故，2026年突然有一批顶级多模态贤才从互联网大厂往自动驾驶行业跳。
研讨范式已生变化，不再靠运营或高精地图，而为靠根基认知。
但事后证验，元戎踩对之每一名技艺拐点。
不为因彼等突然对造车感兴趣之，为因彼等看到之一名确定性趋势：大模型于数术全球之红利正收窄，而物理全球为下一名巨大之、尚未被开垦之数据金矿。
当然，一名现状疑难随之而来：此么大参数之模型，车端芯片跑得动吗。
更值得注意之，不为此名数术本身，而为元戎启行打算怎么够到它。