熱火朝天、日新月異的智駕行業，又傳來一則重磅消息。

3月23日，輕舟智航宣布完成D輪新一輪融資，金額1億美元。這筆融資的投資方陣容堪稱豪華：某國內頭部主機廠、寧波寧海興泰合基金、梁溪科創產業母基金（博華資本管理）、華德科創、某頭部汽車電子零部件公司。

至此，輕舟已經大大小小完成9輪融資，總融資金額至少達百億元。這些融資，可以說是對輕舟百萬臺量產交付成績、技術實力和方案前景的最有力證據。

此次融來1億美金，輕舟打算怎么用？

輕舟智航聯合創始人、董事長兼CEO于騫已經事先透露了新方向。

3月18日，于騫在德國慕尼黑“智能汽車與智能制造論壇”上表示：“我們不僅要做自動駕駛，還要做通用物理世界的AI。”

自動駕駛和物理世界的AI——兩者都要做，輕舟是不是有點貪心了？

“物理AI已成為全球AI領域的下一個浪潮，而自動駕駛正是打開這扇大門的鑰匙。”于騫說，“世界模型+強化學習”是通向物理AI的必經之路，而輕舟此前的百萬臺量產經驗，則提供了物理AI的“真實訓練場“。

01

百萬臺量產，站穩“華舟魔”三強

在中國智駕行業，曾經有“地大華魔”的說法——其評價標準，基本上是公司背景和知名度。

然而，如今智駕滲透率已經超過15%，進入大規模量產階段，以量產規模為標桿的行業格局正在形成。評價一家智駕公司的標準，應該是量產規模。

目前，輕舟智航輔助駕駛搭載車輛已突破100萬臺。

這100萬臺背后，是輕舟與國內近10家主機廠的深度合作、近30款量產車型的全面覆蓋、以及從8萬元到40萬元以上主流價格帶的完整布局。2026年，輕舟預計還有超過50款量產新車型亮相，基本全部搭載城市NOA，并首次下探到10萬元級的國民車型。

輕舟智航的方案服務于不同級別乘用車，以及無人駕駛車型

憑借這100萬臺，輕舟也和華為、Momenta一起成為量產交付的的“量產第一梯隊”。

“華舟魔”也各有特色。華為強在品牌和造車，Momenta強在全球合作伙伴的選擇，而輕舟智航強在產品體驗和百萬量產經驗。尤其是，輕舟的產品線更親民，能夠覆蓋經濟型車型。

“我們要做自動駕駛領域的DeepSeek，不靠硬件堆砌的蠻力，而是通過極致的創新和工程能力，在一定的硬件資源條件下，做出超越同級的體驗。”于騫在2026年1月的QCraft DAY上如是說。

這并非空話。輕舟基于單顆征程6M芯片（128TOPS算力）的城市NOA方案，實現了通常需要256TOPS才能達到的駕駛體驗。 更值得關注的是，這套方案已經延伸到了傳統認為難以實現高階智駕的燃油車領域。

輕舟智航躋身第一梯隊，憑借的是領先的技術能力與務實落地的量產思維的結合。

輕舟核心團隊來自Waymo，但于騫坦言“我們雖然是從Waymo出來的，反而更多學習特斯拉”。這種學習體現在戰略選擇上：一邊通過L2+產品實現量產上車，積累數據和現金流；一邊持續投入L4技術研發，保持對完全無人駕駛的探索。

“L2+L4雙線基因”的模式，讓輕舟既有了特斯拉式的量產速度，又有了Waymo式的技術愿景。

因為這種“基因”，輕舟智航也不會滿足于當前L2+的第一梯隊供應商的身份。

02

押注通用物理AI

輕舟要往何處去？看它把錢花哪里。剛拿到的1億美元融資，輕舟打算怎么花？

答案很明確：世界模型+強化學習等前沿物理AI技術，以及組織人才建設。

這背后是于騫對行業未來的判斷。在內部分享中，于騫提出了一個關鍵命題：“AI發展的分水嶺已經到來，數字世界AI已基本解決，而物理世界AI是未來5-10年最大的機遇。”

于騫對話德國波鴻汽車研究中心創始人費迪南德·杜登霍夫教授

在于騫看來，自動駕駛是通向物理世界AI的最佳入口。因為它涉及復雜的物理交互——車輛與道路、行人與障礙物的博弈，這正是物理AI最需要解決的問題。

不過，“靠傳統的模仿學習很難超過人類10倍，必須通過世界模型和強化學習突破。”于騫直言。

這不是輕舟一家的判斷。特斯拉端到端FSD、華為的世界模型WEWA、小鵬理想蔚來的世界模型+強化學習——行業頭部玩家都在向這一方向演進。但輕舟的優勢在于，它有百萬臺量產車帶來的真實數據“燃料”。

“世界模型所需的結構化數據非常充分，比非結構化的通用機器人領域更有機會率先突破。”于騫分析道。

什么是世界模型+強化學習？

于騫在慕尼黑論壇上給出了一個形象的比喻：“世界模型就像一個AI虛擬駕校。”在這個“駕校”里，世界模型負責預演現實場景的無限可能性，模擬出復雜路口博弈、極端天氣干擾、突發路況變化等數百萬種長尾場景；而強化學習則像一個不知疲倦的教練，持續優化AI的決策路徑，讓系統在虛擬試錯中學會如何像老司機一樣從容應對。

這種技術架構的獨特價值在于，它讓自動駕駛系統從“被動記憶”轉向“主動思考”，真正具備了應對未知的能力。

在慕尼黑論壇上，于騫這樣問臺下嘉賓：為什么AI在10年前就能打敗人類圍棋冠軍，卻在自動駕駛領域難以媲美人類駕駛能力？

答案在于物理世界的復雜性。自動駕駛面對的也是無限不確定性的物理世界，安全紅線決定了它無法在真實環境中“野蠻生長”。這正是物理AI必須解決的終極難題——如何在保障安全的前提下，讓AI掌握推理泛化、物理規律理解以及社會常識決策三大核心能力。

輕舟的答案是：用世界模型創造“虛擬試錯空間”，用強化學習糾錯加強，最終突破物理世界AI的障礙。

03

北京車展將放大招

4月的北京車展，輕舟將發布最新技術成果。

這將是輕舟向“通用物理世界AI公司”轉型的首次公開秀肌肉。據透露，輕舟將發布超過500TOPS算力的城市智駕方案，同時Robotaxi小規模試點也將在2026年啟動。

但輕舟的野心顯然不止于車。

“未來機器人將具備通用性——一個本體完成多種任務（開車、做飯、疊衣服、家教等），本體即未來的平臺。”于騫描繪的場景中，汽車只是物理AI的第一個落地場景，其技術底座可以延伸至機器人、自動倉儲、物流等多個領域。

這種判斷與特斯拉“自動駕駛→機器人”的路徑異曲同工。但輕舟的差異化在于：它已經擁有了百萬臺量產驗證的真實數據，這是訓練物理AI最寶貴的“燃料”。

“2026年，將成為無人駕駛未來黃金十年新周期的起點，也是進入'超人智能'時代的元年。”于騫在多個場合表達了這一判斷。

輕舟智航認為2026年開始自動駕駛進入“超人智能”的新周期

從百萬臺量產，到“華舟魔”三強格局，再到押注通用物理AI——輕舟正在走一條少有人走的路：不做短期炒作，不追求虛假繁榮，而是用技術突破和量產驗證，一步步逼近無人駕駛的終極答案。