帮车企卖好车，帮商家降本增效：拆解轻舟智航的商业闭环 | 智车星球

7 年磨一剑！轻舟智航 NOA 上车破百万台，乘风 Max + 无人物流双落地，直指通用物理 AI 新赛道！

作者|王蕊

编辑|西子

“2019 年公司成立时我就说，无人驾驶这件事，至少要干 20 年。第一个 7 年我们走过来了，而我们要走的路，从来不止于做一个更好的自动驾驶方案。”

在北京车展发布会现场，轻舟智航联合创始人、董事长兼 CEO 于骞宣布了公司成立以来最重要的一次使命升级：从“将无人驾驶带进现实”，升级为“以安全和向善的智能，创造更加美好的生活”，全新愿景升级为“成为全球领先的通用物理 AI 公司”。

△轻舟智航联合创始人、董事长兼 CEO 于骞

这次升级背后，是轻舟过去 7 年积累出的量产基本盘：截至目前，轻舟智航 NOA 量产上车量已突破 100 万台，已有 25 款车型实现量产，今年内还将新增超 50 款车型。

在这个基础上，轻舟正式亮相以“世界模型 + 强化学习”为核心的物理 AI 技术基座，并同步落地乘风 Max 高阶智驾方案和车规级 L4 无人物流车两大产品。

前者指向高阶智驾普惠，后者指向 L4 商业化落地，而两者共同指向的，是数字世界 AGI 之后，一个更大的物理世界 AI 赛道。

换句话说，7 年后的轻舟，正在从“把无人驾驶带进现实”，走向“把 AI 带进物理世界”。

把高阶智驾做成普惠品

NOA 实现大规模量产，是轻舟智航成立 7 周年交出的关键答卷，也说明智驾行业的竞争，正在从“算力和参数”，转向“规模化落地和真实用户价值”。

大规模量产带来的，不只是装机量，更是超过 35 亿公里的高阶智驾行驶里程，以及近 1 亿次自动泊车数据。大量来自真实道路的使用数据，正在成为轻舟算法持续迭代的基础。

能实现这样的规模，核心在于轻舟的产品思路：不盲目堆砌硬件、拉高成本，而是在有限成本内，用算法和工程效率做出更好的体验。

此次发布的乘风 Max 高阶智驾方案，就是这套产品逻辑的最新落地。

它基于500TOPS+ 算力平台，目标是实现接近千 TOPS 级别的体验。在此之前，轻舟已经在 100TOPS+ 平台上跑通高体验城市 NOA。两代产品一以贯之的思路，都是用算法优化释放硬件潜力，把同等硬件条件下的智驾体验做到更充分。

而要让高阶智驾真正普及，安全是前提。

乘风 Max 将AEB 误触率控制在 50 万公里小于 1 次，优于行业 10 万至 20 万公里一次的平均水平；同时将AEB 极限刹停速度提升至 130km/h，仅这一项功能，每年预计就能帮助近 15 万名车主规避潜在交通事故。

更重要的是，这些过去更多出现在 30 万元以上车型的全场景安全能力，正在被轻舟下放到10 万至 20 万元的主流家用车型中。

就像于骞所说，“30 万以上豪华车才有的安全功能，普通老百姓的 10 万、20 万家用车，一样要把安全做到极致”。这也是轻舟所理解的高阶智驾普惠：不是把功能做得更贵，而是让更多用户用得上、敢使用。

在体验层面，轻舟也没有把智驾做成一场接管率和跑分比赛。于骞在发布会上直言，行业里都在卷比分、卷接管率，但消费者真正关心的是实实在在的用户价值。

比如五一长假将至的收费站拥堵跟车、年轻妈妈抱娃下车后的窄车位一键泊车、交警手势优先于红绿灯的路口通行、潮汐车道的灵活借道、夜间强光炫光下的稳定刹停……这些用户日常出行中的高频痛点，都被乘风 Max 方案覆盖。

正如于骞所说，轻舟做智驾的核心，是帮主机厂卖好车，给消费者带来真实价值。而百万台上车量，正是市场对这套“普惠智驾”产品逻辑最直接的认可。

从100万台量产到万亿物流赛道

在乘用车智驾完成百万台量产后，轻舟开始把 7 年积累的物理 AI 技术、车规级量产能力和工程经验，复制到 L4 无人物流场景中。

于骞表示：“物流行业很简单，你的产品得好，你得帮我省钱，也得帮我挣钱。讲其他的没用。”但无人物流要真正规模化，并不容易。

当前行业已经过了“让车跑起来”的阶段，却仍卡在几个问题上：安全能力不足，复杂场景不稳定；价格战压低成本，但质量和故障率问题反而推高综合成本；无图方案落地不彻底，单车利用率低；供应链、运营和监管体系也还没有形成协同。

轻舟的解法，是用乘用车百万台量产验证过的技术、供应链和质量体系，重新定义 L4 无人物流车。

此次发布的 L4 无人物流车，不再是传统“测试车”形态。它没有外露式机械激光雷达，整车采用简洁方正的标准化结构，传感器、计算单元和底盘全部采用车规级标准，从设计之初就面向量产和运营，车辆下线即可投入使用。

更关键的是，这套方案针对行业痛点做了系统优化。

在部署上，轻舟复用乘用车领域成熟的无图方案，无需提前采集高精地图，最快 2 天即可上线运营；

在成本上，依托车规级供应链和流程优化，单线路运营成本可降低 50%，最高可降 80%；

在场景上，车辆支持3 至 12 方货厢定制，可覆盖快递、冷链、工厂配送、园区巡逻等场景，并能在-30℃ 至 55℃环境下稳定运行；

在监管上，系统支持车辆状态实时监控、后台规则调整和事故数据追溯，适配 L4 无人车进入强监管阶段后的要求。

同时，轻舟还配套了完整运营保障体系，包括了全天候远程驾驶中心、平均小于 30 秒的接管时间、全国服务网络、专属保险理赔和事故处理流程，降低合作伙伴的运营风险。

目前，这套 L4 无人物流方案已在全国多个城市落地，覆盖金华、芜湖、宁波等城市。轻舟也已与浙江金邮达成战略合作。

在国内规模化推进的同时，欧洲等海外市场需求也在上升，轻舟的出海布局已同步启动。

从乘用车百万台量产，到无人物流 ，轻舟要验证的是：物理 AI 不只服务乘用车智驾，也可以进入物流等更复杂的真实运营场景。

打通现实与虚拟的闭环

如果说乘风 Max 和 L4 无人物流车，是轻舟物理 AI 的两个落地场景，那么“世界模型 + 强化学习”，就是这套能力背后的技术底座。

从自动驾驶方案商走向通用物理 AI 公司，对轻舟来说不是临时跨界，而是 7 年技术路径的自然延伸。

于骞在发布会上判断，数字世界 AI 已经进入 AGI 甚至部分 ASI 阶段，但物理世界 AI 还远远不够成熟。围棋 AI 可以击败人类最强大脑，但普通人都会的开车，却始终难以实现大规模完全无人驾驶。核心原因在于，物理世界 AI 不能只靠虚拟环境训练，必须理解真实环境、预测未来变化，并持续与现实世界交互。

轻舟给出的技术答案，就是“世界模型 + 强化学习”。

在轻舟的定义里，世界模型不是生成好看的视频、图像或点云，而是完成“观察理解真实世界—预测未来变化—指导行为控制”的闭环。这也接近人类开车的逻辑：人在学车前，已经通过十几年生活经验建立了对规则和因果关系的理解，学车只是补充交通规则和手脚配合。

2019 年成立之初，轻舟就投入大量精力搭建大规模仿真系统；2024 年提出世界模型 + 安全可解释的端到端方案；2025 年将 VLA 与强化学习融合，实现端侧端到端落地；2026 年进一步打通云端与车端世界模型的统一训练，形成完整的物理 AI 技术框架。

这套体系的关键，是云端和车端不再分开训练。云端模型基于真实数据生成大量高风险、难复现的极端场景，像一座虚拟 AI 驾校；车端模型则负责预测未来 10—20 秒的环境变化，支撑实时驾驶决策。二者统一训练，形成“真实数据—模型训练—生成数据—模型迭代”的闭环。

而支撑这套闭环的，是轻舟大规模量产车和超过 35 亿公里真实道路数据。对物理世界 AI 来说，数据规模、场景丰富度和长尾覆盖，决定了模型能力上限。

这也是轻舟区别于纯 L4 小规模测试玩家的底气：它既有全国真实道路数据，也有可控的虚拟训练环境。

物理 AI 是“星辰大海”

在于骞看来，无人驾驶至少是一个 20 年周期的事情。现在第一个 7 年走完，后面还有更长的路。

他的判断很明确：只靠传感器冗余、硬件堆料和功能补丁，无法实现真正的完全无人驾驶。无论是高冗余硬件路线，还是纯视觉路线，最终都绕不开一个问题——必须构建一个能理解物理世界的通用大脑。

轻舟这次使命愿景升级，本质上就是对这个问题的回答：使命从“将无人驾驶带进现实”，升级为“以安全和向善的智能，创造更加美好的生活”，愿景则指向“成为全球领先的通用物理 AI 公司”。

其中，“通用”强调的是能力迁移。就像大语言模型不只会聊天，也能写作、做 PPT、编程，未来物理世界 AI 也不会只会开车。自动驾驶只是第一个大规模落地场景，未来同一套“世界模型 + 强化学习”能力，还可以延展到物流、工业生产、家庭服务等更多场景。

此次发布的 L4 无人物流车和末端无人物流机器人，就是这条路径的早期验证。它们不只是单一配送工具，而是通用物理 AI 进入更多现实任务的载体。

相比“通用”，“向善”则是轻舟给 AI 技术设定的边界。于骞认为，人类的好奇心、同理心、彼此关怀和对生命的尊重，是 AI 无法替代的；做 AI 的目的，是让技术更好服务人，让人活得更有尊严。

因此，无论是乘用车智驾的安全普惠，还是无人物流对高强度劳动的替代，轻舟最终想落到的都是人本身：用技术提升效率、降低风险，而不是单纯替代人。

从 2019 年到 2026 年，轻舟用第一个 7 年，完成了从自动驾驶公司到通用物理 AI 公司的跨越。

当行业仍在围绕算力和硬件展开竞争时，轻舟已经把重心转向更长期的能力构建。接下来，这套经过百万台量产车验证的技术能力，将从出行场景延展到更广阔的物理世界，并逐步形成可复制的商业闭环。

而正如于骞在发布会上所言，“实现通用物理 AI 将是我们未来的星辰大海”。

以此为新起点，轻舟的远航，才刚刚开始。

最真诚的智能汽车报道