对话元戎启行周光：我们不会选择低算力芯片来妥协AI能力

【EV视界报道】在智能驾驶技术加速演进的浪潮中，车企自研与第三方方案商的博弈愈演愈烈。元戎启行CEO周光以“物理AI”的前瞻性视角，试图打破传统智驾的技术天花板。而在特斯拉的技术代差与本土化突围的双重压力下，周光如何在商业化与技术理想主义之间找到平衡？在近日举办的2025中国电动汽车百人会论坛上，EV视界专访了元戎启行创始人周光，共同探讨智能驾驶的发展与未来。

当智能驾驶技术进入规模化量产阶段，车企自研趋势愈发明显。面对这一挑战，周光坦言：“车企自研更多集中在中低阶功能，高阶智驾仍需时间积累。元戎的核心优势在于技术深度与物理AI的前瞻性布局。”他进一步解释，高阶自动驾驶需要海量数据闭环、训练体系以及跨领域人才储备，而这些并非短期内能够复制。元戎将自身定位为“物理AI公司”，而非传统智驾方案商，其RoadAGI产品试图突破专家系统局限，构建从感知到决策的通才模型。“智驾只是物理世界AGI的第一个落地场景，我们的目标是推动AI从工具向通用智能进化。”

谈及特斯拉FSD的技术领先性，周光承认：“V13架构确实在技术代差上领先行业，但中国市场的特殊性提供了弯道超车的机会。”由于数据采集受限，特斯拉无法直接优化中国场景的训练集，而元戎通过本土化数据闭环，正在加速追赶。他强调，数据质量而非数量才是端到端架构提升的关键。“高质量数据需要与模型迭代同步进化，简单堆砌数据反而可能拖累算法效率。”元戎正在推进类似V13的架构落地，预计下半年实现技术对齐，同时保持对中国特色场景的适应性。

面对“智驾平权”这一行业热词，周光认为降本不能以牺牲技术路径为代价。“我们不会选择低算力芯片来妥协AI能力，而是通过多芯片平台适配实现成本优化。”他透露，元戎将在2024年推出面向中端市场的量产方案，在保证用户体验的前提下降低部署门槛。这种策略既满足商业化需求，又保留技术迭代空间。“真正的平权不是价格战，而是让高性能智驾成为行业标配，而不是少数玩家的专利。”

元戎新发布的VLA（视觉动作空间多模型）架构被周光视为从专家到通才的转折点。“VLA的本质是构建时空统一的认知框架，这为实现L5级自动驾驶提供了底层支撑。”而对于L3的商业化浪潮，他保持审慎态度：“L3的本质是工程问题，AI能力越强，兜底设计越简单。”他指出，部分车企通过高精地图实现的“车位到车位”功能实为技术倒退，属于对工程能力的过度依赖。元戎选择在保留核心AI能力的基础上，推出符合市场需求的过渡方案，既不放弃技术追求，也兼顾商业价值。

当被问及算力需求时，周光认为当前行业尚未进入真正的“大模型时代”。“如果连VLA架构都未采用，谈算力Scaling Law毫无意义。”他判断，未来3-5年内车端算力将从100T向1000T演进，而云端训练算力需求会随着模型架构升级呈现非线性增长。特斯拉V13已初步采用大模型范式，而国内玩家仍停留在专家系统阶段。“端到端是大模型的必然选择，只有彻底抛弃传统机器学习范式，才能真正享受技术红利。”

对于理想汽车对AGI短期商业价值的质疑，周光回应称：“通才系统与专家系统的研发并非零和博弈。”他以红绿灯下的铁轨场景为例，说明通用认知能力对安全性的关键作用。“真正的L5需要幼儿园级别的通用理解力，而非仅靠堆叠车道线识别专家。”元戎通过在移动能力领域的垂直整合，既实现技术进化，又保持商业化节奏。“我们的目标是用最小的额外成本，构建物理世界的通用AI基础设施，而非陷入场景堆砌的陷阱。”

周光将AI发展类比为人类认知进化：从弱专家到通才，再到强专家。“Waymo的局限性在于仍属于专家系统，而真正的开放世界需要通才模型支撑。”他坚信，智驾行业正在经历类似语言大模型的技术范式转移。“只有完成从specialist到generalist的跃迁，才能避免在下一轮技术洗牌中被淘汰。规模效应的前提是进入正确时代，否则数据和车辆数量都是无效资产。”

**写在最后**  

周光描绘的元戎蓝图，既是对AGI的技术执念，也是对商业现实的清醒认知。在智能驾驶从“炫技”走向“普惠”的关键节点，他的选择是：用通才系统重塑行业规则，同时在商业化浪潮中保持技术定力。当多数玩家还在争论L2+与L3的优先级时，元戎已然将目光投向了下一代AI的星辰大海——一个属于“物理世界AGI”的全新时代。