大模型推动辅助驾驶技术范式跃迁，数据效率提升十倍

在近期举办的行业峰会上，元戎启行创始人兼CEO周光指出，当前辅助驾驶技术正面临关键转折期。过去五年，以小模型为主导的技术路线逐渐触及能力天花板，性能提升日益缓慢。他认为，要实现从“可用”到“好用、常用、安全”的质变，必须推动技术范式跃迁，转向以大模型为核心、基于认知能力的辅助驾驶系统。

周光分析指出，小模型擅长条件反射和局部特征识别，而大模型在全局认知与高阶推理方面具备显著优势。这种认知能力的差异，正是决定辅助驾驶系统能否像人类驾驶员一样进行整体判断与泛化理解的核心因素。他提出，将驾驶者、分析者、评判者三种角色的能力融合到统一的基座模型之中，是实现技术升级的关键路径。

小模型深陷“跷跷板效应”，用户体验提升受阻

周光以“跷跷板效应”生动描述了小模型系统的固有局限。他指出，在小模型框架内，针对特定城市（如上海、武汉）的优化，往往会导致在其他城市（如深圳、广州、北京）的表现下降，甚至引发新的问题。这种版本间的反复调整，损害了用户对系统的长期信任，也降低了辅助驾驶功能的持续使用率。

回顾过去五年，辅助驾驶技术从多模块系统演进到端到端模型，再到单一小模型，但始终未能突破小模型的范式限制。进入2026年，行业共识逐步转向大模型与物理AI，这标志着智能驾驶领域正式迈入规模化（Scaling）发展的新阶段。

大模型范式：推动模型与数据双重规模化

周光强调，大模型并非简单对小模型参数进行放大，而是涉及技术栈、网络结构、训练方式与模式的全方位根本性变革。元戎启行已率先运用大模型范式应对辅助驾驶的规模化挑战，重点聚焦于模型规模化与数据规模化两大方向。

在模型层面，公司构建了拥有400亿参数的基座模型，旨在统一提升决策能力。该模型融合了Driver（执行）、Analyst（分析）和Critic（评判）三种核心能力，覆盖从开发、迭代到运营的全生命周期。在数据方面，统一的基座模型实现了数据闭环中大量人工环节的自动化。周光透露，这一举措可使数据效率提升10倍，大幅加速系统迭代优化。

规模化落地与未来展望：向千公里级安全接管迈进

据周光分享的数据，2025年元戎启行市场占有率同比增长2.1倍，城市NOA方案市场份额达到24%，位列行业第二。这意味着每新增三台搭载高级辅助驾驶功能的车辆，就有一台搭载了元戎启行的方案。

面向2026年，公司设定了清晰的发展目标：在规模化落地方面，计划实现超过100万台车辆的交付；在安全能力上，借助基座模型，期望将城市场景下的平均接管间隔里程（MPCI）提升至超过1000公里。周光认为，当城市辅助驾驶的安全接管达到千公里级别，即接近每月仅需一次接管时，用户高频使用比例有望超过50%，从而真正开启辅助驾驶“常用”的新时代。他援引特斯拉FSD转向订阅模式的案例，指出安全体验的跃升是提升用户付费意愿与使用黏性的根基。

周光最后表示，元戎启行自2024年底便提出物理AI方向，并致力于成为物理AI基础设施的提供者，推动AI从理解世界走向参与和改变世界。这反映了行业对下一代智能驾驶技术底层架构的深度思考与战略布局。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：大模型推动辅助驾驶技术范式跃迁，数据效率提升十倍要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题