卓驭常州工厂投产，智能驾驶扩张物理世界，工业能力成核心竞争力

过去几年，中国汽车行业最受瞩目的发展主线是什么？智能驾驶技术的持续突破，无疑占据重要地位。如今，几乎所有车企与方案商都在围绕大模型、算力与数据展开布局。

然而，在技术密集型产业中，真正决定技术能否落地的关键，往往在于工业制造能力。汽车本质上仍属于重资产制造业，量产与工程化水平至关重要。

企业相继推出新一代端到端架构，强调更大的训练规模、更高的接管里程，以及从VLM向VLA、世界模型演进的技术路线。汽车正逐渐被视为一种在物理世界中持续感知、推理并执行行动的智能终端。但无论如何，模型最终仍需依赖域控制器、摄像头、激光雷达以及整车电子电气架构，才能真正进入现实世界。软件能力能否稳定地部署到数十款车型中，能否适配乘用车、商用车、无人物流车等多种场景，考验的不仅是算法，更包括硬件设计、工程验证、供应链管理及制造质量。

7月23日，卓驭科技常州工厂正式启用。随着这座工厂投产，卓驭已形成深圳与常州两大制造基地，逐步扩大域控制器、视觉感知系统及激光雷达等产品的生产与交付能力。常州工厂的落成，正是工业能力推动技术落地的典型范例。常州能与苏州、无锡并称“苏锡常”，很大程度上也源于当地汽车相关产业的集聚效应。

从单车方案迈向智能移动基座

卓驭此前提出过一个颇具前瞻性的理念：“移动物理AI，智能一切移动”。简而言之，即希望将智能驾驶领域积累的感知、决策与控制能力，拓展至乘用车、商用车、物流车、Robotaxi，乃至具身智能机器人等不同形态的移动终端。

这实际上意味着，智能驾驶技术正从“专车专用”的项目制开发模式，转向可复用的基础模型与软硬件平台。

传统的智能驾驶系统，通常围绕车型与功能进行模块化拆分。感知、预测、规划与控制各自独立开发，不同车型还需重新采集数据、调整参数并完成工程适配。车型越多、市场越广，研发与交付成本也随之水涨船高。

基础模型的价值，恰恰在于尝试提取不同任务之间的共性规律。

卓驭的原生多模态基础模型，能够统一处理视频、文本、动作、语音及地图等多种信息。训练数据也从道路驾驶场景，扩展至互联网内容及移动机器人第一视角数据。通过这种方式，他们希望提升模型在不同车型、场景及区域之间的迁移能力。

这与当前智能驾驶与具身智能的技术方向，存在明显的交集。汽车、机器人与无人运输设备面临的任务各不相同，但均需完成相似的闭环流程：通过传感器理解环境，依据目标形成决策，再控制机器执行动作。随着模型结构逐步统一，智能驾驶领域积累的大规模视频数据、空间理解能力及运动控制经验，也开始被应用于更广泛的物理AI场景。

当然，不同设备在运动学模型、安全标准及运行环境方面仍存在较大差异。一辆高速行驶的汽车、园区内的物流车与室内机器人，很难直接共享完整的控制系统。更现实的路径，是先行共享视觉表征、空间理解与行为预测等底层能力，再针对不同设备进行工程适配。

卓驭目前已经构建了覆盖约200至1400 TOPS的域控制器产品线，并布局了惯导双目、惯导三目、长短焦视觉模组、激光视觉融合方案以及近距激光雷达。这些产品共同承担一个核心任务：将模型转化为车辆与移动设备能够调用的感知与计算能力。

过去，软硬件协同更多是为了解决性能与成本问题，例如通过定制算法提升芯片利用率，或通过传感器配置覆盖不同价格区间。进入基础模型时代后，硬件平台还承担了另一项重要职责：为模型的持续迭代提供相对统一的部署环境。

当一套模型需要服务于十几家车企、上百款车型时，硬件过度碎片化将显著增加适配成本。不同芯片平台、摄像头规格及传感器组合，都可能影响模型表现。统一的域控与感知硬件，能够减少算法与车型之间的接口数量，也更有利于后续OTA升级与数据闭环。

根据规划，卓驭常州工厂建筑面积约5565平方米，初期将导入3款重卡产品与1款无人物流车产品的域控制器生产。2027年进入稳定运营阶段后，还计划承接乘用车域控、补盲雷达及车载无人机等产品。这座工厂与动辄数十万平方米的汽车制造基地不同，它并非追求庞大产能的设施。

智能驾驶硬件通常具有批量较小、型号较多、迭代频繁的特点。域控制器需满足车规级可靠性要求，视觉模组涉及光学标定，激光雷达则包含更复杂的测试与校准流程。产品从研发样机进入量产阶段，需要重新建立生产节拍、质量检测、软件烧录及全流程追溯体系。

智能驾驶的竞争，同样涵盖工业能力

卓驭目前的数据显示：乘用车量产车型已超过50款，定点合作车型超过130款；商用重卡业务已与多家头部企业达成合作，高速NOA产品进入量产阶段。公司与宇通合作的客车NOA计划于2026年9月量产交付，无人物流与Robotaxi业务也在推进导入与试运营。

这些业务之间的差异显著。乘用车更关注成本、体验与车型迭代速度；商用车更重视运营效率与全生命周期可靠性；无人物流车通常在限定区域运行，对远程运营与故障处置提出了全新要求。因此，卓驭面临的需求远比蔚来、理想、小鹏等仅针对自家少数车型的车企更为复杂。

智能驾驶产业此前已经历过一轮从演示功能到规模量产的筛选。进入基础模型阶段后，类似的过程可能再次上演。发布模型、完成道路测试只是起点，真正的挑战在于将模型部署到不同车型与计算平台，在复杂供应链中保持性能一致性，并持续处理量产后的长尾问题。

具身智能领域同样面临相似的挑战。如今的机器人行业仍然高度关注模型能力与训练数据，但随着产品逐步进入工厂、仓储及商业服务场景，硬件可靠性、制造一致性与维护成本将迅速成为关键因素。智能驾驶行业过去十年建立起来的车规级工程体系，可能成为物理AI向现实场景扩展时，可供借鉴的重要方法论。

最能体现工业能力的一个细节是：常州工厂从开工到厂房交付，仅用了73天。工厂未来将导入IATF 16949、ISO 9001、VDA 6.X、TISAX及A-SPICE等标准体系，覆盖汽车质量、信息安全、软件开发与供应链管理。对卓驭而言，常州工厂填补了从模型、算法到硬件生产的关键链条，也为“移动智能基座”提供了产能保障。对于任何一家卓驭的客户而言，要赢得他们的信任，除了模型能力与硬件能力，制造能力同样不可或缺。

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：卓驭常州工厂投产，智能驾驶扩张物理世界，工业能力成核心竞争力要求：
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