2026北京车展期间，卓驭科技CEO沈劭劼接受新京报专访，深度拆解了“移动物理AI”与“智能一切移动”两大核心理念。在这场对话中，他正面回应了智能辅助驾驶行业最尖锐的问题：第三方供应商的价值何在？跨垂类拓展的技术复杂度有多高？端到端方案规模化量产的核心瓶颈究竟是什么？
“我们拥有一个非常独特的、不可替代的生存空间”
智能辅助驾驶行业竞争白热化，车企压价已成常态，不少供应商生存空间备受挤压。当被问及作为第三方方案提供商，卓驭不可替代的价值究竟在哪里时，沈劭劼给出了三层回答。
第一层是专注。“我们有一种‘不做成这件事就无法另寻出路’的决心，是一种背水一战的投资源、建团队的方式。”在他看来，这种不留退路的投入，本身就是一种壁垒。
第二层是数据丰富度。服务于多家车企，适配各种车型、各种场景，这让卓驭在模型训练的数据端拥有了相当的竞争力。相比于自研体系内相对单一的车型数据，第三方供应商天然具备了更广泛的场景覆盖能力。
第三层，也是最具前瞻性的判断，是“跨垂类”的可能性。沈劭劼认为，第三方供应商应该是率先看到这一可能性的角色。“跨垂类的拓展真正能让这门生意，从一个纯粹的、越来越低价的向下内卷，转变为某种程度的向上发展。”
他的逻辑很清晰：做更多的垂直品类，就能获得更丰厚的收益，积累更优质的数据，进而利用更多的算力去训练更好的模型。“从一个向下的内卷，变成向上的正循环。”在这个正循环中，真正掌握了移动物理AI能力的公司，将拥有一个在市场上不可替代的独特位置。
“让模型具备跨垂直领域的泛化能力”
当被问及“移动物理AI”和“智能一切移动”与传统智能辅助驾驶最本质的区别时，沈劭劼的回答直指核心：“‘一切’正是核心所在。”
在本届车展的展台上，除了乘用车，卓驭还展示了物流车、商用重卡、客车等多个垂直品类。他透露，商用重卡的首款产品将在今年6月量产，无人物流车也将在7月投入运营。这些不是概念，而是即将落地的现实。
支撑这一切的，是底层技术逻辑的转变。随着AI技术整体发展，模型变得越来越大、越来越聪明，训练数据日益丰富，沈劭劼和团队逐渐发现，最初以乘用车智能辅助驾驶为基本盘训练的模型，已经能够逐步应用到其他垂直领域。
“这让我们开始思考，能否以这一基本盘为基础，在不同的垂直品类和不同国家之间，最大化发挥这套系统所能创造的社会价值。”
他由此延展出一个更大胆的表述：“所有需要从A点移动到B点的任务，无论是否载人、无论运送的是人还是货物，这套系统都应当能够很好地解决。”
这背后对应的是技术架构的深刻变化。沈劭劼将智能辅助驾驶技术划分为三代：2023年以前是基于规则的方案，此后被端到端大模型取代。当前主流方案零适配大约能到70分，适配后可以做到90分，行业内主要玩家基本都处于这一水平。
但他也看到了新的挑战：模型越做越大，训练成本水涨船高，而乘用车市场的价格压力却有增无减。这个困境促使他向另一个方向求解——拓展到多个垂直品类，用更丰富的数据来源反哺模型，让模型具备跨垂直领域的泛化能力。
“这件事的出发点，最早是一个关于‘到底能不能从训练模型到网络部署到车辆上的商业模式中赚到钱’的生存考量，最后逐渐推导到一个‘能否真的做出一个基座来覆盖各个垂直品类’的技术思路。”
他坦陈这条路面临的技术挑战极大。模型的吞吐能力、理解能力、训练后涌现的抽象能力——即从海量数据中提炼通用知识的能力——每一个环节都考验着团队对AI底层科学的理解。但他强调，卓驭在这方面拥有非常强大的落地团队。
“我们秉持的一直是底线思维”
端到端方案的安全挑战，是行业绕不开的核心命题。当人驾车辆和智能辅助驾驶车辆同时在路上跑的当下，规模化量产究竟面临什么瓶颈？
沈劭劼首先确认了一个现实：目前市面上主流的智能辅助系统，基本上都是端到端方案。“只不过它们还不是基础模型，可能是一些参数规模较小的模型，在几千万到几亿之间。当前前沿的大语言模型基本是百亿参数级别，差距还是比较大的。”
但他话锋一转，指出更大的挑战在技术之外——在企业文化的层面。
“虽然都叫AI，但我们这些从事智能辅助驾驶、物理AI的公司，其本质与数字AI、互联网式的思维是截然不同的。”
他的判断一针见血：数字AI可以“刷榜”，追求最高分表现，一个问题答错了，重新回答一遍即可，本质上不会产生重大后果。但物理AI的每一个动作都会直接作用于物理世界，特别是商用重卡，一旦发生事故，后果极其严重。
“我们所追求的并不是‘刷榜式’的最高分表现，我们一直以来秉持的都是‘底线思维’。”
这种底线思维，体现在每一家智能辅助驾驶公司都投入了巨大资源构建的安全准出机制上——海量的测试验证、庞大的场景库、确保车辆无论如何都不会出现致命误判。沈劭劼认为，这种组织文化是卓驭多年来深耕汽车业务、经历过各种考验之后真正沉淀下来的东西。
他相信，这种价值观在未来向更大的模型、更多的垂直品类、更多国家的应用拓展时，将引领公司牢牢守住安全底线。
当被问及原生多模态基模型带来的“开箱即用”能力时，他特别强调了安全与体验的双重提升。原生多模态架构去除了传统方案中的“中间翻译”步骤，所有信息在模型内部以极低时延完成理解，不依赖显式感知处理，完全是一种原生的理解状态。
带来的结果是，车辆对突发物体的响应时间从百毫秒级别降到十毫秒级别。“别小看这0.1秒的差距，它在给人的安全感上带来的差异非常显著。人还没察觉到某个事物可能产生危险，车辆已经做出了反应，而且这个反应非常自然，不是急刹车，而是轻轻点一下刹车，或者轻轻微调一下方向盘。”
安全是底线，效能是基本，融入交通流才是高阶能力
解读“好用”的真正标准时，沈劭劼给出了一个递进式的框架：安全永远是第一位，第二位是效能，但仅仅有安全和效能还不够。
他观察到一个值得深思的现象：智能辅助驾驶或所谓“小蓝灯”引发的事故，很多时候并非因为车辆面对障碍物刹不住，更多是因为它的行为与周围的交通格格不入。这种“不合群”的驾驶方式，要么容易诱发意外，要么引发其他驾驶者的路怒。
因此，他的判断是：“最终这个模型必须从原生的技术层面，确保能真正融入交通流。”
一个是融入交通流，一个是跨垂直品类的能力——这构成了卓驭对第三代模型技术的核心要求。
从乘用车到商用重卡，从辅助驾驶到完全无人驾驶，从“方案提供商”到“移动物理AI公司”，沈劭劼在专访中展示了一种清晰的战略定力。
“补丁堆不出通用性，刷榜守不住安全线。”卓驭的答案很明确——用更强的基座，守住更稳的底线。“智能一切移动”不是口号，是正在驶入现实的航向。
