大模型不是银弹，自动驾驶仍有硬骨头

每年的NVIDIA GTC，都是AI技术路线的风向标。 在这个舞台上，芯片、机器人、自动驾驶、AI模型交织在一起，讨论的往往不是某个产品，而是下一代技术范式。 过去一年，自动驾驶行业其实不缺新概念：VLA不断迭代，“世界模型”轮番登场。但真正稀缺的，从来不是造新词，而是能落地的体系。 在这样的背景下，元戎启行这次在GTC上没有强调某个具体功能，而是试图讲清一件更底层的事情：用基座模型重构辅助驾驶系统。 这件事，值得行业认真看看。 因为如果这条路径成立，改变的就不只是性能，而是整个自动驾驶的研发方式 PART 1 自动驾驶，正在进入“第二阶段” 过去几年，城市NOA开始大规模落地。 到2025年，中国搭载城市NOA的乘用车销量已经超过300万辆，渗透率突破15%。 但行业很快遇到了一个更现实的问题，功能有了，用户却未必愿意用。 不少用户的真实反馈很一致：系统不是不能开，而是不够让人放心。 复杂路况下的犹豫、突兀的减速、不够自然的决策，这些问题不会让系统失效，但会让人放弃使用。 这背后的矛盾在于，城市场景复杂度远超预期，长尾问题几乎没有边界，依赖人工的数据闭环，开始跟不上车队规模。换句话说，自动驾驶正在从一个工程问题，变成一个AI问题。 在GTC的分享中，元戎启行CTO曹通易没有过多展示功能，而是重点讲了一套新的技术框架，其核心是一套约40B参数规模的VLA基座模型。 所以元戎的思路，不是加模块，而是“换大脑”。 按照设计，这个模型能尽可能统一感知、理解、决策甚至评估能力。它既在“开车”，也在“理解场景”，同时还在判断自己开得好不好。 这种思路，本质上是在收敛系统结构，把过去拆分的能力，重新压回一个可以持续进化的模型里。