“為什么在大約10年前AI就能打敗人類圍棋冠軍，而在自動駕駛領域卻一直難以媲美人類駕駛能力？”德國當?shù)貢r間3月18日，當輕舟智航聯(lián)合創(chuàng)始人、董事長兼CEO于騫博士在德國慕尼黑“智能汽車與智能制造論壇”上拋出這個問題時，臺下坐著的都是全球頂尖企業(yè)的技術領袖與德國汽車產業(yè)的學術專家。這個問題不僅直指自動駕駛行業(yè)二十年來的核心焦慮，更揭開了全球AI競賽下一個賽段的序幕：通用物理AI。

（于騫博士對話德國波鴻汽車研究中心創(chuàng)始人費迪南德·杜登霍夫教授）

在這場由德國汽車產業(yè)研究機構CAR與慕尼黑工業(yè)大學聯(lián)合舉辦的頂級論壇上，于騫博士發(fā)表了題為“Beyond Autonomous Driving: Physical AI in the Real World”（不止自駕駛，物理AI未來已來）的交流演講，并與論壇主持人、德國波鴻汽車研究中心創(chuàng)始人費迪南德·杜登霍夫教授展開深度對談。這不僅是一次技術交流，更是輕舟智航在完成百萬臺量級驗證后，向全球汽車工業(yè)腹地——德國，遞出的一張“通用物理AI”名片。

物理AI浪潮已至：自動駕駛是最佳“訓練場”

“物理AI已成為全球AI領域的下一個浪潮，而自動駕駛正是打開這扇大門的鑰匙?！庇隍q在演講中闡述了輕舟對于AI發(fā)展階段的劃分：過去二十年，行業(yè)經歷了機器智能的模仿與類人智能的探索，而2026年，行業(yè)正式邁入超人智能的全新階段。這一階段的本質躍遷在于：AI不再僅僅復刻人類駕駛行為，而是依托世界模型與強化學習，開始真正理解物理世界的規(guī)律、意圖與社會常識。

于騫向在場觀眾解釋，圍棋是虛擬世界的完美信息博弈，AI可以在云端進行幾乎無限次低成本的試錯。但自動駕駛面對的是無限不確定性的物理世界，安全紅線決定了它無法在真實環(huán)境中“野蠻生長”。這正是物理AI必須解決的終極難題——如何在保障安全的前提下，讓AI掌握推理泛化、物理規(guī)律理解以及社會常識決策三大核心能力。

輕舟解法：世界模型+強化學習是通向物理AI的必經之路

面對這一全球性難題，輕舟智航亮出了自己的技術底牌：世界模型+強化學習。

于騫形象地將其比喻為一座AI虛擬“駕?！?。在這里，世界模型負責預演現(xiàn)實場景的無限可能性，模擬出復雜路口博弈、極端天氣干擾、突發(fā)路況變化等數(shù)百萬種長尾場景；而強化學習則像一個不知疲倦的教練，持續(xù)優(yōu)化AI的決策路徑，讓系統(tǒng)在虛擬試錯中學會如何像老司機一樣從容應對，甚至超越人類的反應極限。

這一技術架構的獨特價值在于，它讓自動駕駛系統(tǒng)從“被動記憶”轉向“主動思考”，真正具備了應對未知的能力。而這種能力的“實戰(zhàn)”檢驗，正是輕舟已構建起的堅實護城河。

百萬臺量產驗證：物理AI的“真實訓練場”

在2026年1月，輕舟智航迎來歷史性節(jié)點：輔助駕駛系統(tǒng)搭載量正式突破100萬臺。這100萬臺行駛道路上的智能汽車，構成了物理AI技術最寶貴的真實訓練場。

于騫特別強調，輕舟堅持技術創(chuàng)新優(yōu)于單純算力堆砌。在僅128TOPS的算力平臺上，輕舟實現(xiàn)了業(yè)界領先的城市NOA功能，從容應對復雜路口博弈、無保護左轉乃至夜間避讓密集電動車等難題。這一方案獲得了極佳的市場反饋，證明了“普惠智駕”的商業(yè)路徑同樣可以通向高階智能。

在商業(yè)化落地上，輕舟構建起L2++與L4雙輪驅動的模式：L4無人物流車已在多地落地，首創(chuàng)“量產即運營”范式；而Robotaxi業(yè)務也計劃于2026年啟動小范圍試點，2027年實現(xiàn)規(guī)?；渴?。

全球化布局：慕尼黑成為歐洲新錨點

2025年，輕舟正式開啟全球化布局，并在慕尼黑設立辦公室。于騫在論壇現(xiàn)場表示，慕尼黑是全球汽車工業(yè)與工程創(chuàng)新的心臟，輕舟希望將在中國復雜交通環(huán)境中驗證的AI技術，與德國百年造車的工程底蘊深度融合。

這種融合已具備現(xiàn)實基礎：輕舟的自動駕駛解決方案實現(xiàn)了對英偉達、高通、地平線三大全球主流芯片平臺的兼容，并全面符合ASPICE CL2、ISO26262、ISO21434等國際最高技術與安全標準。這意味著，輕舟不僅可以適配全球主機廠的硬件需求，更能在嚴格的安全體系下快速實現(xiàn)技術落地。

在與杜登霍夫教授的對談中，于騫重申了輕舟在海外業(yè)務的理念，即服務要本地化。他強調，輕舟研發(fā)的不僅是“聰明的車”，更是一個可適配物理世界各類自主設備的智能內核。未來，這一經過百萬臺量產驗證的物理AI底座，將從汽車延伸至機器人等更多領域。