元戎启行放弃小模型，押注物理AI冲刺千公里MPCI
引言：智驾行业迎来路线分化
当多数自动驾驶公司还在比拼「开了多少城」「模型参数多小多快」的时候，元戎启行选择了一条截然不同的道路——放弃小模型策略，不打开城战，转而押注物理AI基座模型，目标直指一千公里MPCI（Miles Per Critical Intervention，每次关键干预间隔里程数）。
这一战略转向，不仅是元戎启行自身技术路线的重大调整，更折射出整个智能驾驶行业正在经历的深层变革：从「规模扩张」走向「能力跃升」，从「堆城市数量」转向「做真正能跑的系统」。
核心：为什么放弃小模型？
过去两年，端到端小模型一度被视为量产智驾的「最优解」。各家公司争相推出参数更少、推理更快、部署成本更低的轻量化模型，试图在有限的车端算力上跑出不错的驾驶表现。然而，元戎启行CEO周光近期明确表示，公司已经决定不再走小模型路线。
原因并不复杂。小模型虽然在部署效率上有优势，但其能力天花板同样显而易见。在面对复杂的长尾场景时，小模型往往缺乏足够的泛化能力和推理深度，导致系统在关键时刻需要频繁的人工干预。换句话说，小模型可以让智驾「跑起来」，却很难让智驾「跑得远」。
元戎启行的判断是：智驾竞争的下一个关键指标不是「覆盖多少城市」，而是「每次关键干预之间能跑多远」——即MPCI。只有当这个数字突破一千公里甚至更高，智能驾驶才能真正从「辅助驾驶」迈向「自动驾驶」，才具备真正的商业价值和用户信任基础。
物理AI基座模型：另一场仗的武器
放弃小模型之后，元戎启行将技术重心转向了「物理AI基座模型」。所谓物理AI，是指能够深度理解和建模真实物理世界规律的人工智能系统。与传统的感知-规划-控制分离架构不同，物理AI基座模型试图构建一个统一的、对物理世界具有深层理解能力的大模型。
这种模型不仅要「看见」道路上的车辆和行人，还要「理解」它们的运动意图、预测它们在不同物理约束下的行为演化，甚至能够推演出未曾见过的极端场景中各个交通参与者可能的反应。这种能力，正是小模型所欠缺的。
从技术实现角度看，物理AI基座模型需要更大的参数量、更丰富的训练数据以及更强的推理能力。这意味着更高的研发投入和算力需求，但也意味着更高的能力上限。元戎启行显然认为，在智驾技术逐步走向成熟的过程中，能力上限比部署成本更重要。
值得注意的是，元戎启行同时宣布不参与「开城竞赛」。在过去一年里，不少智驾公司将「开通城市数量」作为核心宣传指标，动辄宣布覆盖数百座城市。但业内人士普遍认为，许多所谓的「开城」更多是营销行为，实际可用性和安全性参差不齐。元戎启行选择跳出这一竞争维度，将资源集中在提升系统的核心驾驶能力上。
分析：一千公里MPCI意味着什么？
目前行业内公开的智驾系统MPCI数据普遍在几十到几百公里之间。这意味着驾驶员平均每行驶几十到几百公里，就需要进行一次关键干预来避免潜在的安全风险。
如果元戎启行能够将MPCI推到一千公里级别，这将是一个质的飞跃。一千公里MPCI意味着，一位驾驶员从深圳开到北京，全程约两千公里，理论上只需要进行一到两次关键干预。这样的表现，已经接近甚至超越了普通人类驾驶员的水平。
当然，实现这一目标面临巨大挑战。物理AI基座模型对算力的需求远高于小模型，如何在车端有限的计算资源上高效部署是一个关键难题。此外，训练物理AI模型所需的高质量数据采集和标注成本也不容小觑。
从商业角度来看，元戎启行的这一策略也存在一定风险。在当前智驾行业「降本增效」的大趋势下，选择走重投入的基座模型路线，需要足够的资金支持和耐心。如果短期内无法拿出令人信服的成果，可能面临来自投资方和市场的双重压力。
但从另一个角度看，正是因为多数公司都在走小模型和开城战的路线，元戎启行的差异化策略反而可能形成独特的竞争壁垒。一旦物理AI基座模型的能力得到验证，其技术护城河将远高于那些依赖轻量化模型的竞争对手。
展望：智驾行业的下半场之争
元戎启行的战略转向，或许预示着智能驾驶行业正在进入下半场。上半场的竞争围绕「有没有」展开——有没有端到端模型、有没有开通足够多的城市、有没有量产上车。而下半场的竞争，将围绕「好不好」展开——系统到底能不能在真实场景中安全、可靠地长时间运行。
物理AI的概念近年来在全球范围内受到越来越多的关注。英伟达CEO黄仁勋多次在公开演讲中强调物理AI将是下一个技术浪潮的核心。元戎启行在自动驾驶领域率先将物理AI作为核心技术路径，显示出其对行业趋势的前瞻判断。
未来，随着车端芯片算力的持续提升和云端训练基础设施的不断完善，物理AI基座模型的落地条件将逐步成熟。元戎启行能否用这条路线率先突破一千公里MPCI的里程碑，将成为检验其战略是否成功的关键标尺。
智驾行业的终局之战，或许不在于谁开的城市多，而在于谁的系统真正值得用户放心托付方向盘。元戎启行选择了一条更难但可能更正确的路，接下来就看执行力了。