近期，智駕行業(yè)又出現(xiàn)了路線之爭。以歐陽明高院士、朱西產(chǎn)教授、何小鵬等為代表的認為，應(yīng)該跳過L3，直接從L2到L4。以華為靳玉志為代表的則認為L3跳不過。對此，在4月12日舉辦的智能電動汽車發(fā)展高層論壇（2026）期間，太平洋汽車采訪了元戎啟行CEO周光。

周光直言，關(guān)于L2、L3、L4，這些定義是30年前研究人員基于當(dāng)時的技術(shù)路線制定的。今天，隨著大模型、端到端、多模態(tài)的發(fā)展，AI進展非常快，尤其是基座模型的認知能力在提升。周光認為，大模型會極大加速從L2到Robotaxi的進程。小模型的瓶頸已經(jīng)很明顯：很難在城市道路上突破100公里的MPCI，蹺蹺板效應(yīng)非常突出。唯一解決方案是大模型，依靠通用常識和完整的大模型體系。

周光特別強調(diào)，他所說的Robotaxi不是過去依賴高精地圖的L4，而是直接從城市NOA邁向Robotaxi。“在大模型介入之后，如果關(guān)鍵指標(biāo)（如MPCI）每年一個數(shù)量級的提升，很快就會突破。”

在周光看來，L3的本質(zhì)是在模型不完美的情況下，通過人工補丁和工程能力去實現(xiàn)。而通用自動駕駛的路徑是提高模型的認知能力，這是兩種不同的思路。“今年年初多模態(tài)取得突破，我認為城市NOA會快速演進到Robotaxi階段。研究范式已經(jīng)發(fā)生變化，不再靠運營或高精地圖，而是靠基礎(chǔ)認知。”

周光告訴媒體，最近一些大廠也下場做自動駕駛，目的不是賺License的開發(fā)費用，而是為了物理AI。“物理AI的上半場是自動駕駛，下半場是廚房。”周光表示，第一個能驗證物理AI的場景就是車，因為只有車能提供如此海量的帶動作（Action）的數(shù)據(jù)，讓你不再有“數(shù)據(jù)荒”。其實這也解釋了為什么DeepSeek核心研究員阮翀等頂尖人才選擇加入元戎。

事實上，文本領(lǐng)域的突破在DeepSeek-R1之后已趨于成熟，接下來是多模態(tài)，而多模態(tài)離物理世界的Agent只有一步之遙。今年年初Gemini的發(fā)布，使多模態(tài)對物理世界的理解和規(guī)則演繹能力提升了一個數(shù)量級，這將極大惠及自動駕駛和機器人。今年是合適的時機，大模型能力將在物理世界真正展現(xiàn)。 阮翀等頂尖人才選擇加入元戎，是因為他們希望經(jīng)營一家真正的AI公司，而不是以Tier 1的思維做事。元戎的愿景就是物理AI。

其實，近期字節(jié)跳動等大廠成立自動駕駛部門，在周光看來，最有錢的AI公司選擇的第一落地場景都是車，目的不是掙錢，而是驗證物理AI本身，這個驗證比掙錢重要得多。“車是今天唯一能提供百萬級帶Action數(shù)據(jù)的場景，機器人還差得遠。”周光判斷，接下來會有更多多模態(tài)進展的公司進入這個領(lǐng)域，美國那邊的OpenAI等也會有類似動作。