问题：智能驾驶从“功能堆叠”走向“平台化智能”面临新拐点 近年来，辅助驾驶与自动驾驶量产推进中取得进展，但行业也普遍遭遇同质化竞争加剧、研发投入高企、可持续商业模式不清晰等现实压力。一上，消费者与整车企业对体验的要求不断提高，期待从“能用”迈向“好用、可靠、可持续升级”；另一方面，传统以单点能力为导向的算法与工程路径，往往需要不同车型、不同道路与不同任务中重复建设，边际成本较高。如何在安全与成本约束下实现规模化落地，成为行业必须回答的关键命题。 原因：多模态基础模型能力提升，推动从垂直应用向通用能力演进 论坛期间，卓驭科技首席执行官沈劭劼表示，伴随多模态基础模型快速发展，行业正逐步告别以单一功能交付为核心的阶段，转而进入以更通用的智能能力为底座的新阶段。其逻辑在于：基础模型的理解、规划与泛化能力提升后，可在更多场景间复用训练与工程成果，从而在一定程度上对冲高算力与高数据投入带来的成本压力，并为企业带来跨垂类部署的可能。 从技术演进规律看，多模态能力将感知、语言与行为决策更紧密地耦合，有助于系统从“识别+规则”向“理解+行动”转变，这使自动驾驶不再只是车辆上的功能集合，而更接近面向现实世界运行的通用智能系统雏形。沈劭劼据此提出，自动驾驶可能只是“物理智能”的初级形态，未来智能驾驶企业的形态或将从“做某一级别驾驶功能”转向“提供可迁移的移动智能底座”。 影响：概念外延扩展至“万物移动”，产业边界与竞争格局或被重塑 在上述判断下，“移动物理智能”被视作从车辆出发、面向一切移动载体的能力平台：不仅服务乘用车与商用车，也可延展至物流设备、园区运输工具乃至更广泛的半机器人形态应用。对企业而言，这意味着产品不再局限于某一车型或某一等级功能，而是通过软件模型与高可靠硬件的协同，形成可复制、可迭代的基础设施能力。 产业层面，这个趋势可能带来三上影响：其一，研发组织方式从以项目交付为中心转向以平台能力建设为中心，软件与数据资产的重要性更提升；其二，商业模式从一次性交付转向持续运营与能力订阅的空间增大，但前提是安全与合规可验证；其三，竞争维度从单车智能延伸至“车—路—云—场景”协同与跨行业生态连接，头部企业有望通过规模化数据与工程体系建立壁垒。 对策：算力、数据、安全与成本约束下推进可验证落地 同时，“移动物理智能”从愿景走向规模化落地仍需跨越多重关口。首先是算力与能耗约束。多模态基础模型对训练与推理资源需求较高，如何通过模型结构优化、端云协同与工程压缩实现车载可部署，是决定量产成本与体验稳定性的关键。 其次是数据安全与合规治理。跨场景应用意味着数据来源更复杂、流转链条更长，必须在采集授权、脱敏处理、存储与使用边界上形成可审计机制，确保隐私保护与合规要求落实到位。 再次是硬件成本与可靠性控制。走向平台化并不意味着对硬件要求降低，相反对传感器冗余、计算平台稳定性、功能安全与网络安全提出更高标准，需要产业链合力推进标准化与规模化。 在产品节奏上，卓驭科技披露将推出基于原生多模态基础模型的乘用车产品，并计划北京车展开放试乘体验。业内普遍认为，公开体验与量产验证将成为检验“通用能力是否真正可用、是否可控可解释、是否具备持续迭代能力”的重要窗口，也将为行业提供可参考的商业化样本。 前景：从“智能驾驶”走向“移动智能底座”，落点仍在安全与规模 综合来看，多模态基础模型为智能交通打开了从垂直功能到通用能力的想象空间，“移动物理智能”有望成为下一阶段产业升级的重要方向之一。但需要明确的是，交通出行领域具有高安全敏感性与强监管属性，任何技术跃迁都必须建立在可验证的安全闭环、可持续的成本结构以及清晰的责任体系之上。 展望未来，行业或将进入“平台能力竞争+场景规模落地”并行的阶段：一上加快基础模型不同车辆与不同运营场景的适配与泛化，另一上通过示范运营、标准建设与监管协同，推动可控范围内的稳步扩展。谁能在安全、体验、成本与合规之间取得更优平衡，谁就更有可能在新一轮竞争中占据主动。
从自动驾驶迈向“移动物理AI”，本质是以更通用的智能底座提升移动系统的理解与决策能力，并通过跨场景复用寻找可持续的商业回报。概念能否转化为产业共识，最终仍要由可验证的安全性、可控的成本与可规模化的交付能力来回答。随着更多企业在车展、量产与运营场景中给出“落地答卷”，智能交通的下一轮竞争规则也将逐步清晰。