轻舟智航侯聪：自动驾驶领航物理AI，车载与具身技术融合前景可期

“领时代·智未来”：2026北京车展开幕，车企领袖共话产业未来

以“领时代·智未来”为主题的2026北京车展如期而至，瞬间汇聚了全球汽车行业的视线。4月24日，搜狐汽车特别策划的“王牌对话”直播间，迎来了数十位海内外车企的掌舵人。从传统豪华巨头到新兴自主力量，从产业链核心到跨界科技先锋，一场从企业家视角出发的深度探讨就此展开，共同为中国汽车产业的脉搏把脉。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

在这场思想碰撞中，轻舟智航联合创始人、总裁侯聪分享了他的洞察。他指出，在物理AI这个广阔领域里，自动驾驶其实是较早跑出来的应用。如今机器人概念炙手可热，物理AI、世界模型等技术备受追捧，殊不知，这些技术在车载领域早已埋下种子、开始生长。目前两条技术路径看似分道扬镳，但放眼长远，融合是必然的结局。

一个有趣的现象是，当前具身智能在行业话题度和消费者热情上，似乎盖过了自动驾驶。但侯聪提醒我们注意技术发展的时序：汽车领域对相关技术的探索，实际上走在了具身智能的前面。更重要的是，无论是车载智能还是具身智能，未来都将大量复用那些底层的基础模型能力，比如世界模型和通用的数据流程。这好比修建高楼，地基其实是共通的。

正是在这样的行业背景下，轻舟智航在本届北京车展上，完成了创立七年来的首次使命与愿景升级。新的使命定为“以安全和向善的智能，创造更美好的生活”，而新的愿景则是“成为全球领先的通用物理AI公司”。侯聪对此的解释是，公司的技术抱负不止于汽车。他们希望将能力拓展至具身智能机器人等更广泛的产品形态。未来，基于全新的技术架构，轻舟将利用世界模型的核心能力，实现车载应用与离线云端仿真评测等功能的打通与协同。

支撑这一宏大愿景的，是坚实的资本后盾。大约一个月前，轻舟智航刚刚宣布完成D轮新一轮1亿美元融资。侯聪透露，这笔资金将主要投向前沿技术的探索，核心目标是追求技术的可扩展性，为长远发展铺路。

技术路线的“激进”与“平稳”

谈到具体的技术路线，侯聪用了一个辩证的概括：轻舟智航的风格，既有激进的一面，也有平稳的一面。所谓激进，体现在对前沿技术的拥抱上，例如应用世界模型和大语言模型（LLM），公司愿意投入资源进行探索。而平稳，则体现在对安全底线的坚守上，尤其是在安全相关的系统设计，以及面向小算力平台进行部署时，团队会更倾向于采用那些经过验证的、成熟高效的模型方案。

那么，如何决定何时激进、何时平稳呢？关键在于区分问题的性质。侯聪指出，那些激进的新技术，主要被用来攻克“长尾问题”——也就是那些出现频率低但处理难度极高的场景，比如强语义理解场景和复杂的强博弈场景。而客户最关心的产品性能，例如在人车混行的复杂路况下的表现和整体安全性，则依赖于海量的、扎实的测试验证。可以说，用创新技术打开天花板，用严谨测试筑牢地板，是确保智能驾驶安全可靠的不二法门。

L3的困境与传感器融合的必然

关于智能驾驶等级的发展路径，侯聪提出了一个值得深思的观点：L3（有条件自动驾驶）可能是一个难以成立的概念。这不仅仅是技术挑战，更牵扯到复杂的商业化逻辑。作为面向乘用车的量产方案，L3必须在成本与安全性之间找到平衡点。在有限的成本约束下，要达到接近L4级别的高安全性，难度极大。此外，L3的产品定义本身也存在模糊地带，例如标准要求系统在退出前需给驾驶员预留10秒的接管时间，但在真实的动态交通环境中，突如其来的复杂情况往往让人措手不及，10秒可能远远不够。

另一个行业热议的话题是：纯视觉方案能否最终实现L4？侯聪认为，这不仅仅是个技术理论问题，更是一个庞大的系统工程问题。目前的相机模组在应对极端光线干扰（如强逆光、瞬间眩光）或镜头脏污时，仍然存在感知风险。而激光雷达受外界光线影响较小，能提供稳定的深度信息。因此，两者的关系不是取代，而是互补与融合。

有人设想，如果激光雷达未来也能识别颜色，是不是就可以抛弃摄像头了？侯聪从物理特性上做了解析：相机可以轻易做到很高的分辨率，捕捉丰富的纹理细节。而激光雷达即便增加了色彩信息，其分辨率在可预见的未来仍难以与相机媲美。因此，两者配合才是最优解。

同理，实现空间智能是否必须依赖激光雷达？侯聪的答案回到了传感器的本质：它们都是用来收集外部信息，以构建对物理世界的理解。激光雷达的优势在于能直接、精确地测量距离（深度），而相机则需要通过算法推理来估算深度。方法不同，但目标一致，互补融合能带来更鲁棒、更全面的环境感知能力。

路径融合与未来演进

侯聪再次强调了融合的趋势。智能驾驶作为物理AI的先行者，其积累的技术和经验，正在为机器人等领域提供养分。反过来，机器人领域的热点技术，在车载场景中也找到了用武之地。未来，两条发展路径将深度交融，共享基于大模型的底层能力，例如对物理世界的理解、预测乃至生成能力。在不同场景下，技术方案会呈现出高度的相似性，一个优秀的技术创新，很可能同时被具身智能和智能驾驶领域采纳。

这是否意味着智能驾驶技术即将进入一个稳定的平台期？侯聪的判断是：短期内不会。因为智能驾驶的功能边界仍在不断拓展，从高速导航辅助到城市道路，再到停车场记忆泊车，场景正变得越来越复杂。未来，像特斯拉这样的企业还在探索自动点餐、自动寻找车位等全新功能。这些高度非结构化的场景，对技术提出了更高的要求，而用户的需求真实存在。因此，未来几年，技术创新与迭代的步伐不会停止。

随着强化学习等先进算法的引入，有人担心是否会导致智驾策略变得“极端”或难以预测。侯聪认为，这是可控的。强化学习的核心是通过反馈来评价和优化驾驶行为，系统完全可以识别出那些激进的、不安全的“极端行为”并给予负向反馈。而模仿学习则依赖于对优质人类驾驶数据的选择。关键在于，无论是哪种学习方式，都需要建立一套科学、量化的评测体系，来精准定义什么是“好”的驾驶行为。

舱驾融合的本质与商业化思考

关于智能座舱与智能驾驶的融合（舱驾融合），侯聪点出了问题的核心：当前推动融合的主要驱动力是成本考量，而非真正为了提升用户体验。融合可以体现在共享同一颗芯片或同一个域控制器上，后者在工程实现上相对容易。但深究其技术内核，两者差异很大：座舱交互需要大语言模型来支撑自然沟通，而智能驾驶除了嵌入语言理解能力，更需要世界模型来提升空间智能和决策能力。并且，两者的算力需求都很大，但模型能力却难以复用，简单粗暴的“硬融合”可能事倍功半。

那么，当前智驾技术方案的差异化体现在哪里？侯聪指出，现阶段差异依然明显，主要体现在产品最终呈现的性能、给用户传递的“安心感”方式，以及至关重要的成本控制上。虽然未来基础的驾驶辅助能力可能会趋同，但当下各家企业仍有充足的差异化发展空间。

最后，对于智能驾驶功能的销售模式，侯聪给出了一个基于市场分层的预测：在高端车型上，由于硬件成本高、算力强、体验出色，采用软件订阅制（FSD）的模式可能被部分消费者接受。但对于主流及入门级车型而言，将智驾功能与整车售价进行打包销售，很可能仍是市场的主流选择。毕竟，商业的成功，最终取决于能否为不同需求的用户提供最合适的产品和价值。