标题:GPT-6 真车测试之后,智驾公司的路线之争:转大模型范式已成共识,基座、世界模型与 VLA 怎么选仍无答案
"GPT-6 之后,智驾公司只剩一条路" 这个说法,源头是元戎启行 CEO 周光的判断:智驾企业如果不能转型成一家大模型公司,就没有机会;他给出的窗口期是两三年,在此之前没完成大模型范式转型的公司将面临出局风险。这番话被重新关注,直接导火索是 GPT-6 Astra 在独立评测 DrivingBench 的封闭场地真车测试中,第一次用肉眼可见的方式证明通用大模型可以通过工具接口控制真车完成一套驾驶动作。但把两边现状摊开看,结论需要分层:2026 年头部玩家其实没有一家还停留在传统模块化或规则驱动架构上,向大模型方向靠拢已是共识;真正的分歧不在于 "要不要转",而在于用多大模型、走基座模型还是世界模型或 VLA 路线、配多少数据飞轮、以多快节奏商业化。GPT-6 Astra 目前只是封闭场地、低速、简单路线下的象征性里程碑,距离城市道路实用还有很大差距,"只剩一条路" 更像是行业观点和路线预警,而不是已经定论的终局格局。
一、争议由头:周光的判断是怎么来的
1. 核心观点
- 周光在采访中重申:"如果你不能变成一家大模型公司,我认为是没有机会的。"
- 这一判断他 2024 年就提出过,当时预判智驾行业必须向大模型驱动转型,否则会遭遇降维打击,台下多半将信将疑。
- 他的参照是大模型演进斜率:GPT-2、GPT-3 刚出来时外界也觉得不过如此,但两年后局面完全不同;他担心同样的快速进化会发生在驾驶任务上,进步速度可能超过传统智驾路线。
2. 触发事件
让判断重新获得关注的,是 GPT-6 Astra 的真车测试:一个没有针对驾驶做专门训练的通用大模型,首次通过工具接口控制真车完成起步、绕锥桶、倒车、入位的完整流程。周光认为这说明 "通用大模型能够控制真车完成驾驶任务" 正在发生,而不是遥远设想。
二、测试实况:134.7 米封闭场地里的里程碑
1. DrivingBench 测试数据(2026 年 9 月,封闭场地)
| 项目 | 公开口径 |
|---|---|
| 参评模型 | GPT-6 Astra、Claude Fable 5.1、Grok 4.6、GPT-5.6 Sol |
| 控制方式 | 通过工具接口控制一辆 2022 款丰田卡罗拉 |
| 路线 | 封闭场地,全程 134.7 米,含起步、绕锥桶、倒车、入位 |
| GPT-6 Astra 成绩 | 第二次尝试完成,耗时 5 分 22 秒,平均时速约 1.5 公里 |
| 成本口径 | 全程约 7.74 美元,折合每公里约 57 元人民币 |
| 其他模型完成率 | 6% 到 45% 之间 |
| 机器人仿真榜 | 未做专门机器人训练的 GPT-6 Astra 在 RoboDojo 榜单排名第一 |
RoboDojo 口径:42 项机器人任务、2100 次测试,平均成功率 22.48%、得分 28.97,高于当时全部 40 个公开机器人策略和原公开榜首 DM0.5(19.34%、24.90 分)。
2. 必须说清的边界
- DrivingBench 自己承认任务 "非常简单",没有处理复杂交通流、随机行人,也没有在城市道路连续行驶。
- 1.5 km/h 的时速、封闭场地、简单路线、需要多次尝试,放在真实道路场景里几乎没有参考价值。
- 象征意义在于:通用模型开始啃 "场景理解" 这块最难的骨头;长期工程仍要落在车队、车端工程和安全责任这些传统智驾基本功上。
三、两个坐标系:通用模型起点与量产智驾现状
1. 当前能力落差
| 维度 | 通用大模型当前表现 | 中国量产智驾当前水平 |
|---|---|---|
| 场景 | 封闭场地 | 城市道路日常通勤 |
| 车速 | 约 1.5 km/h | 平均二三十 km/h |
| 路线复杂度 | 简单固定路线 | 随机交通流、行人、复杂路口 |
| 使用规模 | 单次实验 | 头部玩家每天被数百万用户使用 |
| 可靠性指标 | 需多次尝试 | 头部已做到百公里级 MPI(平均接管里程) |
2. 市场格局
2026 年上半年中国高阶智驾市场份额中,华为 18.1%、特斯拉 13.2%、Momenta 12.2%,其余由十多家玩家分食。市场尚未集中,但也没有任何一家形成绝对统治,新进入者和转型者仍有空间。
3. 行业背景
据周光此前公开口径,2025 年中国辅助驾驶解决方案市场规模已超 1200 亿元,量产芯片算力提升到 750 TOPS 级别,但城区 NOA 用户黏性仅 20%–30%、渗透率约 15%,行业处于 "规模与投入增长、消费者尚未把辅助驾驶当日常工具" 的落差中。
四、头部玩家路线对照
2026 年公开披露的技术路线显示,头部公司都在向大模型方向换轨,只是姿势和节奏不同:
| 玩家 | 路线选择 | 公开披露要点 |
|---|---|---|
| 华为乾崑 | WEWA 2.0 架构,ADS 5 从规则驱动升级为自动驾驶 AI 智能体 | 云端世界引擎引入多智能体博弈,在线强化学习 "边生成、边学习、边验证",训练效率提升 10 倍;车端世界行为模型引入安全风险场理论;2026 年研发预算从 180 亿上调到 190 多亿元;截至 8 月乾崑智驾总搭载量突破 200 万台 |
| Momenta | 一个飞轮、两条腿,叠加 R7 世界模型 | 曹旭东称预测是智能进化基石,物理 AI 核心在于对世界基础物理规律的深度认知;积累超 130 亿公里实车里程、1 亿多段黄金训练数据,基于 80 万台量产车真实数据做世界模型预训练与后训练;判断规模化 L4 约需 1000 亿公里数据;2026 年 7 月港交所上市 |
| 特斯拉 | 数据规模与端到端模型并行 | 监督版 FSD 2026 年 5 月 21 日在中国可用;海外自 2 月起转向 99 美元 / 月订阅;中国内地目前执行 6.4 万元买断方案,订阅模式上线时间未公布 |
| 元戎启行 | 基座模型(Foundation Model),未选世界模型路线 | 在研 40B 驾驶基座模型;披露决策能力提升 90%、数据闭环效率提升 10 倍;与 DeepSeek 首席科学家共建 Superfluid Lab;量产 IO 4.0 加入倒车提取、多掉头等空间能力;2026 年 8 月第三方上险量排名行业第二;周光认为 VLA 是基座模型的子任务,而非终点 |
| 文远知行 | 押数据来源与 L4 长期运行 | 全球 L4 车队约 3600 台;10 万元级广汽埃安 i60 方案仅用约 200 TOPS 算力;L4 长尾数据向 L2 迁移的效果仍待数据验证 |
| 智驾新程 | 押复制速度与轻量一段式方案 | 地平线与欧摩威合资;单颗征程 6M(128 TOPS)跑普惠城区 NOA;16 家以上车企、70 款以上定点车型,2026–2027 年预计覆盖 30 多个国家;算法同源覆盖行泊一体、两轮骑行辅助和 L4 物流车;主要风险在多点交付能否按时按质完成 |
五、真正的分歧:三个开放问题
把各家路线放在一起,争议并不是 "要不要做模型",而是下面三个目前没有公开答案的问题:
- 参数量与架构:通用基座模型、垂直世界模型、VLA(视觉 - 语言 - 动作模型)极致路线,哪种效率更高?
- 数据飞轮权重:数据规模到什么程度能自然涌现智能,还是必须先有正确的模型范式?
- 商业化节奏:先规模装车再迭代能力,还是先把模型做到位再追规模?
补充:VLA 与世界模型的路线争论
- Momenta 曹旭东认为 "世界模型 + 强化学习" 才能实现十倍到百倍性能跃升;华为车 BU 靳玉志直言 VLA 是 "取巧",并非正途。
- 理想汽车基座模型负责人詹锟强调原生 3D ViT 编码器与预测式隐世界模型融合,可同时驱动车辆与机器人;小鹏推出第二代 VLA,覆盖智能辅助驾驶、L4 自动驾驶及人形机器人。
- 行业也有观点认为两条路径最终可能走向互补融合,而不是非此即彼。
六、窗口期与 2027 关键节点
周光所说的 "两三年窗口期",与几个已确定的行业时间节点基本重合:
| 节点 | 公开口径 | 意义 |
|---|---|---|
| L3 强制国标 | GB 44721-2026《智能网联汽车自动驾驶系统安全要求》2026 年 7 月 30 日发布,2027 年 7 月 1 日实施,适用 L3/L4 车辆 | 中国第一部 L3/L4 强制性安全标准,合规门槛从鼓励性政策转为硬性准入 |
| Robotaxi 规模化 | MPI 从百公里到千公里、再到万公里级是 L4 规模化的几个台阶;万级后台配合云端安全策略后可开始规模化部署 | 决定无人车队从示范运营走向商业部署的节奏 |
| 付费模式验证 | FSD 海外约 75% 订阅率、中国 6.4 万元买断转化、国内车企智驾选装率 | 回答消费者是否愿为高阶智驾持续付费,直接影响商业模型 |
按周光判断,2027 年是关键年份;到 2027 年年中,L3 合规车型上市、Robotaxi 运营城市扩展、各家新一代模型量产效果,以及 GPT 下一代版本在驾驶任务上的表现,会共同给出比今天更清晰的格局。
七、怎么理性看待 "只剩一条路"
1. 观点的立场属性
- "不转大模型就没机会" 出自智驾公司 CEO 之口,代表其自身技术路线选择和行业判断,有人视为警钟,也有人认为是同行的过度焦虑。
- 这一判断更多基于技术演进斜率的预判,而不是当前实测能力对比;通用模型目前在驾驶任务上的起点仍然很低。
2. 现状与预判要分开
- 现状层面:量产智驾在城市道路、车速和使用规模上远高于通用模型实验;通用模型还没解决长程任务、多任务规划和视角变化带来的成功率下跌问题。
- 预判层面:如果通用大模型沿过去 GPT 系列的速度迭代,未来两三年在场景理解、长尾推理上追上来的可能性,是周光这类判断担心的核心。
3. 工程现实约束
- 大模型范式并非装个模型就完成:40B 级模型无法直接装进 128 或 200 TOPS 的车端芯片,需要在训练侧、云端和车端之间做算力分工。
- 传统端到端小模型目前训练数据约一千万个 10 秒片段(折合两三万小时),只有生成大模型数据量的千分之一,且没有大规模预训练;按元戎口径,这类模型的 MPCI 上限在几十到一百公里,再往上要靠基座模型范式训练。
八、后续跟踪要点
- 看模型落地:跟踪各家基座模型、世界模型、VLA 的量产装车版本,以及车端芯片算力承载情况。
- 看数据闭环:核对实车里程、黄金数据段规模、数据闭环效率和长尾场景覆盖。
- 看合规与运营:跟踪 L3 国标实施后的合规车型、Robotaxi 城市扩展和后台安全员配置变化。
- 看商业闭环:订阅率、买断转化、选装率和单车毛利,验证智驾付费模式是否成立。
- 看通用模型进展:关注下一代通用大模型在驾驶基准、真实道路和机器人仿真上的成绩变化。
九、小结
"GPT-6 之后智驾公司只剩一条路" 是一个被简化的标题式判断。拆开看,真正成立的部分是:行业头部已经集体离开规则驱动和传统模块化架构,转向大模型范式;还没有定论的部分是基座模型、世界模型、VLA 哪条路线效率更高,数据飞轮和商业化节奏怎么排。GPT-6 Astra 的封闭场地测试是一个信号,说明通用模型开始接触场景理解这一最难环节,但它距离城市道路实用还隔着工程、数据、合规和安全责任多层门槛。未来两三年,行业洗牌会不会发生、以什么方式发生,要等 2027 年前后的合规车型、量产模型和真实付费数据共同给出答案。
【相关 FAQ】
问题 1:GPT-6 之后,智驾公司面临的核心判断是什么?
回答 1:核心判断来自元戎启行 CEO 周光:智驾公司如果不能转型成大模型公司就没有机会,他给出两三年窗口期,未完成大模型范式转型的企业有出局风险。需要注意这是企业负责人基于技术演进斜率的观点,行业共识是向大模型方向靠拢,但 "只剩一条路" 本身仍有争议,不能当成已被验证的定论。
问题 2:GPT-6 Astra 真车测试目前达到什么水平,能不能说明通用大模型已经能开车?
回答 2:在 DrivingBench 封闭场地 134.7 米路线上,GPT-6 Astra 第二次尝试用时 5 分 22 秒完成起步、绕锥桶、倒车、入位,平均时速约 1.5 公里,其他模型完成率 6%–45%;它还在未做机器人专项训练的情况下登上 RoboDojo 仿真榜第一。但测试没有复杂交通流、行人和城市连续行驶,属于简单任务的象征性里程碑,不能说明通用大模型已经具备真实道路自动驾驶能力。
问题 3:头部智驾公司在大模型路线上有哪些不同选择?
回答 3:华为乾崑走 WEWA 2.0 与云端世界引擎、多智能体博弈路线;Momenta 走世界模型加数据飞轮;特斯拉走数据规模加端到端模型;元戎启行选择基座模型而非世界模型,认为 VLA 只是基座模型的子任务;文远知行侧重 L4 长期运行与数据来源;智驾新程侧重轻量一段式方案的跨场景复制。架构取舍、数据权重和商业化节奏仍是行业开放问题。
问题 4:行业说的两三年窗口期和 2027 关键年份,对应哪些节点?
回答 4:主要对应三个节点:一是 L3/L4 强制性国标 GB 44721-2026 于 2027 年 7 月 1 日实施,合规成为硬性准入;二是 Robotaxi 规模化部署,MPI 从百公里到千公里、万公里级逐步推进;三是智驾付费模式验证,包括 FSD 订阅率、买断转化和国内选装率。按公开判断,2027 年年中前后 L3 车型、Robotaxi 扩展、新模型量产和下一代通用模型表现会让格局更清晰。
【参考资料】
- [2026-11-05](After GPT-6, China's ADAS players face a stark choice: become AI model companies or exit)Geisou
- [2026-11-04](GPT-6 之后,智驾公司只剩一条路?)腾讯新闻・盖世汽车
- [2026-11-04](After GPT-6, Do Autonomous Driving Companies Have Only One Path Left?)Gasgoo
- [2026-10-26](What We Can Learn from the 2026 WICV Speeches: Where Are Weride, DeepRoute, and ZhiJia Xincheng Betting on the Next Wave of Intelligent Driving?)AsiaICT
- [2026-10-24](从 2026 WICV 演讲看:文远、元戎、智驾新程把智驾的下一轮押在哪?)电子工程专辑
- [2026-10-16](谷歌、Open AI、DeepSeek"联合入局",具身大脑 CEO:睡不着了)36 氪
- [2026-09-29](通用大模型,杀回 "主桌")新浪财经
- [2026-04-15](元戎启行周光:基座模型推动认知进化,2026 年迎多模态智驾元年)中国经济网
【免责声明】
本文整理自公开媒体报道、企业演讲口径、行业评测榜单和券商 / 行业分析文章,仅供行业信息参考,不构成投资建议、购车建议或技术路线承诺。文中 "大模型转型窗口期"" 出局风险 ""十倍百倍跃升" 等表述多为企业负责人或行业观点,带有立场和预判属性;模型参数量、装载量、里程数据、效率提升、市场份额、订阅率和付费转化等来自企业披露或媒体转述,测试条件、样本口径和统计范围不同,不可直接横向比较。GPT-6 Astra 等通用模型的真车与仿真成绩限于特定封闭场地或测试基准,不代表真实道路自动驾驶水平。产品规格、法规实施节奏和商业化结果以车企、监管部门及官方渠道最终发布为准。
本文来自作者[烬矢内核]投稿,不代表乌兰科技网立场,如若转载,请注明出处:https://www.wlcbnews.com/bdt/202611/3226.html
评论列表(4条)
我是乌兰科技网的签约作者“烬矢内核”!
希望本篇文章《GPT-6之后,智驾公司只剩一条路?》能对你有所帮助!
本站[乌兰科技网]内容主要涵盖:互联网行业的追踪与探索
本文概览:标题:GPT-6 真车测试之后,智驾公司的路线之争:转大模型范式已成共识,基座、世界模型与 VLA 怎么选仍无答案