過去，智駕方案領域一直有着 " 地大華魔 " 等四家國内頭部智駕玩家的說法。如今，以城區高階智駕爲一道分界線，以 " 華元魔 "（華爲、元戎、momenta ) 爲代表的第三方 " 端到端 " 技術供應商，逐漸搶占了技術方案與車型落地上的先機。
北京車展期間，華爲、元戎、Momenta 均推出了端到端的量産智駕方案。
華爲一直是話題流量的王者，擁有極強的技術号召力，研發規模達 7000 人。2022 年之前，華爲也在用高精地圖，而後堅定地走無圖路線。2023 年 4 月 16 日，華爲正式發布不依賴高精地圖的 ADS 2.0。
Momenta 則是依靠自己豐富的量産經驗，與比亞迪、廣汽、豐田、奔馳、通用等車企的合作，爲它的端到端方案提供了數據養料。
相比于前兩者，元戎的特點在于原生的 AI 基因，發力時間早。如果以端到端的研發時間來看，元戎 2023 年 3 月就确定了端到端方向的研發，8 月就完成了端到端模型的道路測試。從這點看，元戎是國内最早把端到端模型測試車跑在城市公開道路的方案商。
據雷峰網了解，元戎的第一款車的量産僅僅花了 8 個月的時間，而後續一個新的車型适配時間會縮短到 3-4 個月。10 月，吉利與奔馳合資的 Smart 品牌旗下的 smart 精靈 #5 上市，該車型也采用了元戎啓行提供的無圖城區 NOA 功能方案。
11 月初，元戎啓行完成一輪 1 億美元的融資。截至目前，元戎啓行已完成 6 輪融資，累計融資金額超 5 億美元，高階智駕平台 DeepRoute IO 已成功搭載上車，與車企共同打造的量産車已超 2 萬台，并與多家主流車企共同推進 10 個量産項目，涵蓋了 SUV、MPV、越野等各種車型。
端到端的原理無需贅述，想要做好一個端到端模型有三個因素：好的模型、海量的優質數據和大算力。更容易形成壁壘的，是前兩者。
與大語言模型在互聯網上爬取海量文字數據用于訓練不同，端到端智駕需要的視頻數據獲取成本和難度極高。量産上車，是獲取優質數據、叠代模型的一條必經之路。這也決定了端到端是一條 " 強者恒強 " 的技術路線，留給後來者的時間窗口則會越來越小。
元戎啓行 CEO 周光說，元戎已經投入了更多的精力在下一站的 VLA 模型。VLA 模型是一個融合了視覺、語言和動作的多模态模型，可提高模型的泛化能力和判斷推理能力。到 2025 年，元戎的 VLA 模型将基于英偉達下一代智能駕駛計算平台 Thor 正式發布，屆時元戎将成爲業内首批将 Thor 芯片部署上車的智駕公司之一。
目前，行業裏流行的做法是 One Model 端到端 +VLM 技術架構。
在周光看來，VLM+ 端到端與 VLA 模型的區别在于，前者是教練通過語言的形式教學員開車，後者是教練自己開車。" 教練開車和學員開車，兩種方式你更放心哪一個？"
元戎有着不同于行業的競争心态：不打價格戰、不搞車海戰術。周光表示，" 如果合作的車型隻能賣 100、200 台沒有意義。我們需要的是數據，所以我期待有更多的爆款車，來補齊工程化的基因。
明年，元戎會基于端到端架構去拓展 Robotaxi 業務，并且積極開展海外業務，明年還會參加日本車展。
周光認爲，" 元戎啓行的公司願景是爲真正的 AGI 做一些貢獻，汽車不應該定義成汽車，而是一個機器人的載體，希望元戎啓行的技術能夠應用到整個物理 AI。"
11 月 3 日，雷峰網《新智駕》與周光進行了一次對話。以下爲對話内容，結合了部分元戎融資溝通會的問答。
新智駕：元戎的這輪融資，應該是今年智駕行業比較重磅的一筆。
周光：近兩年從投資機構拿錢挺難的，其實我們也有能力去融一些比較好拿的錢，但沒必要。我們賬上還有餘糧。而且，我們的風格是該花的花，該砍的砍，我們砍掉了港口，也砍掉了 L4。
新智駕：這筆錢對于行業有什麽樣的激勵作用？
周光：行業裏有做得好的拿到了錢，這很正常。最差的情況是什麽？你做到最好也拿不到錢。
新智駕：能不能談談你們跟客戶第一次見面時的場景？對方提了那些要求？
周光：我挺佩服他們的。第一次就見了他們總裁，隻對我們提了一個要求，要求我們 all in，在量産車上實現跟今天一樣的效果。實際上，做到今天這樣上車的效果，沒有雙方 all in 是不可能的。他們也是全力以赴，特别開放地投入。
而且，我們量産真的是第一次走完全程，不是幾百台工程車，所有的問題都是在萬級的數量級去體驗。你不知道我們客戶會把車開到哪裏，就好像有的 case 在農村，到處都是雞。但最後，我們也都處理好了。
新智駕：在這些極端場景裏，元戎做的怎麽樣？
周光：跑得可以。2023 年 3 月，我們就發布了 " 無圖 " 方案，我們第一個搞出來的。但當時我們做了一個非常巨大的決定：量産端到端。這就意味着，我們是原生的端到端，一開始就是端到端的技術架構，所有的産品、工具鏈都是圍繞端到端來開發，不能先上一套 rule-based 的無圖方案再去叠代。
我們是唯一一個，你跟我約定一個城市，我們就能在約定地點一起接車，馬上去測試的公司，我覺得直到今天也很難有公司這麽做。
做得好也因爲我們足夠 all in，我有三四個月待在主機廠所在的城市，回到深圳的家都有點陌生。但做項目需要雙方都 all in，如果是各懷鬼胎沒有意義。
新智駕：八個月的量産時間是如何做到的？
周光：我們之前也有過幾乎量産的定點項目，這個項目還是現在智能化營銷做得最好的一個品牌。借這個機會，我們也積累了很多的項目經驗。
雖然我們在技術上走得最早，但當時行業認知是，做自動駕駛必須有圖，大家都認爲 " 無圖 " 是皇帝的新衣。光靠元戎根本不可能（把市場教育起來），連車都上不了。隻有這個品牌有能力成爲 " 鲶魚 "，去把智能駕駛行業攪活起來。
這個公司學習了元戎的技術，幹出了第一版 " 無圖 " 方案推向市場。所有主機廠才慌了，才掀起了國内的智能化浪潮，中國汽車市場的智能化水平才能像現在這樣。
新智駕：跟主機廠的合作，讓你們學到了什麽？
周光：我們跟主機廠的合作，本質是把我們變成更 to C 的公司。哪怕是端到端、" 無圖 " 技術，沒到量産前，都還是通過 demo 獲取客戶，你隻關心這個系統的上限。
但是真正的量産，需要把産品交到消費者手中。你對底線的把控、對穩定性的把控、對一緻性的把控，這非常重要。2020 年，我們 10 台車裏隻有 7 台能用，其餘 3 輛不知道什麽原因用不起來，這也是量産上的經驗不足導緻的。
跟頭部主機廠從 0 到 1 量産合作，是極其難得的機會。因爲 0 到 1 是最關鍵的，市場機會是逐漸收斂的，沒有人再願意冒險把車給沒有量産經驗的廠商。我覺得元戎是最有 tech vision 的。
新智駕：第一個量産項目有沒有掙到錢？
周光：營收很可觀。但如果要覆蓋研發成本，那（第一個項目）還不夠。高階智駕和低階智駕不一樣，高階智駕的市場沒那麽惡劣。我們現在跟别人談都說：元戎比别人貴，但是效果好。并且比現在某頭部廠商，我們（智能駕駛系統的）價格還是很親民的。
新智駕：有哪些量産經驗可以沉澱下來？
周光：核心還是系統穩定性。本質我們是一個 AI 系統，不是靠代碼，按道理我們的工程難度比中低階 rule-based 公司難度低。他們寫 if-else，遇到問題就反複調。我認爲這不是工程學問題，我們是 AI，爲什麽要調整那些規則呢？
新智駕：基于 AI 就不會出現 bug 嗎？
周光：不能叫 bug，并且我們有安全機制。第一，我們出現問題的概率很低，第二，我們對安全問題有兜底。另外，安全兜底機制肯定要叠代。随着 AI 能力的提升，你會更不想去限制這個 AI。隻是在某些場景下，兜底機制會去接管這個車輛，避免風險發生。其實，今天的 AEB 就是人類智駕的兜底，我覺得未來 AI Safety 會變成新的 AEB。
新智駕：未來合作車型有什麽進展？
周光：在共同推進 10 餘款車型的量産。我們是和客戶深度合作，跟一些廠商的車海戰術風格不一樣。這樣的邏輯，車企也願意跟我們一起打造爆款車型。
新智駕：數據背後，數據的帶寬和存儲費用就很巨大，這個成本和算力儲備問題如何解決？
周光：端到端跟 VLA 對算力要求沒有語言大模型那麽大，今天的 Orin 能夠實時跑的也就是 10 億的參數，車端的端到端 VLA 跟真正的大語言模型比起來是個小網絡。
做端到端和 VLA 的時候，算法是巨大的差距，對算力的要求沒有大模型那麽大，我們自己投了不少錢在卡上，也有自己的算力儲備。同時阿裏也是我們的股東，我們在有算力需求時候也可以跟股東尋求幫助，這并不是問題。
新智駕：目前元戎團隊規模如何？
周光：集團人數 800 人左右。人越多說明你越原始，越不是端到端。AI 相關人才難以快速擴招，但是量産交付的工程團隊相對好點，這麽多年，主機廠、傳統 Tier1 已經培養了很多工程人才。
新智駕：元戎是行業裏比較早做無圖的公司。但是此前，在我們的采訪中，有地圖廠商的負責人直言：過去，高精度地圖全部裝在車機端的，現在變成在訓練端。一些車企每時每刻都在用高精度地圖，同時通過數據采集，進行雲端訓練。什麽才是真實的無圖 NOA?
周光：我們是最早的，不是比較早。比較早期的版本，确實很難看出來是不是無圖。但是端到端模型做出來的時候一定是基于 " 無圖 "。你想做好 AI，你就沒辦法用高精地圖的形式去做。高精地圖是矢量數據，AI 不擅長處理矢量數據，就跟人對加減乘除一樣天生不擅長。
新智駕：目前，高階智駕裏有一個不成文的 " 華大地魔 " 的第一梯隊的說法，您認可嗎？
周光：華大地魔是去年的說法。去年能跑高速 NOA 的就能稱爲高階，但今年的高階就是真高階，要有城市 NOA。現在已經量産城市 NOA 的智能駕駛公司也就三家，元戎是其中一家。
新智駕：今年的快速發展，元戎是不是已經進入了第一梯隊？在您的标準裏，哪些要素是成本第一梯隊必備的？
周光：具備 " 無圖 " 端到端的城市智駕能力，才有可能進入第一梯隊。但這是一個雞生蛋、蛋生雞的問題。你要做端到端就要先量産，沒有量産數據玩不了端到端。但你現在沒有端到端，之後就量産不了。這就是爲什麽我說以後的智駕方案商會很難，身位會被拉得越來越遠。沒量産經驗的，想讓車廠付出一定的時間成本陪你玩，這很難了。
另一方面，成爲第一梯隊，你需要有萬台級起步的量産車，低于萬級沒有意義。端到端 1.0 能有萬台級的車，效果就很好。要做 VLA，10 萬台車的規模才是一個理想狀态。VLA 對數據量的要求會比端到端 1.0 多一個數量級。國外的一些端到端公司沒有量産項目，解決不了數據問題，10 億美金也買不到數據，物理 AI 在中國的機會還是比較大的。
新智駕：此前，元戎被媒體報道會采用高通的智駕芯片。但是您在公開演講中也表示，基于端到端模型，元戎啓行正基于 Thor 芯片研發 VLAM（Vision-Language-Action Model，視覺 - 語言 - 動作模型），該系統将于明年推出。高通的這一說法靠譜嗎？
周光：我們還在評估。我們的方案可以适配各家芯片廠商，可以根據主機廠的要求去做适配。芯片是主機廠選，尤其是海外的主機廠，會更提前選定芯片廠商。
新智駕：現在是 11 月，明年到這個時候，端到端會有什麽樣的變化趨勢？
周光：可能今天你用高速 NOA 覺得很舒服。但在端到端出來之前，城區高階智駕就不是好用的狀态，真正好用還是在端到端出來之後。
到明年這個時候，你用城市 NOA 就會像高速 NOA 一樣舒服，百公裏級的接管頻率明年應該能看到。當消費者很願意用的時候，市場就真的收斂了。
新智駕：今年年初，您關于 L4 的說法引起了不少争議，您的看法還是這樣嗎？
周光：L4 這條路就是有局限性，它商業化落地就是很難。我覺得，大模型出來之後，大家更信 AI 了，這是一個價值觀的變化。你不能對這個世界發生的事情無動于衷。
我是 2020 年就意識到（基于高精地圖方案的）L4 這條路存在不足，但是我們會做 robotaxi，以端到端架構支持運營，而不是基于模塊化的、基于高精度地圖去做，那沒有意義，沒有商業化。我們的運營模式就是沒有區域限制的運營。
物理 AI 最根本的目的一定是取代人，自動駕駛的最終目的也是把人去掉，讓機器幫我們開車。技術線路的問題，就是說你不要拿 Waymo 這套技術線路和特斯拉的技術線路比，兩個出發點是不一樣的。
新智駕：元戎有上市計劃嗎？
周光：我們不急。因爲我們走在正确的路上，也有自我造血能力，沒有什麽上市壓力。
