在北京车展现场，一辆商用重卡在众多乘用车智能辅助驾驶展台中格外引人注目。卓驭科技不仅展示了这款重卡，还带来了无人物流车、Robotaxi等不同类型移动载具的智能辅助驾驶解决方案。这种布局在以往的车展中并不常见，折射出行业发展的新动向。
过去几年，智能辅助驾驶的讨论焦点主要集中在乘用车领域。城市NOA、端到端、VLA等技术成为主流话题，这并不奇怪——乘用车市场规模最大、用户活跃度最高，也最容易形成品牌影响力。相比之下，无人物流车、无人配送等垂直赛道虽然发展多年，但各领域相对独立，尚未形成协同效应。
卓驭科技此次的展示传递出一个明确信号：公司正在突破传统智能辅助驾驶的行业边界，将技术能力从乘用车领域扩展到更广泛的通用移动场景。在卓驭科技CTO马陆看来，商用重卡、商用客车、物流车、Robotaxi，以及未来的巡检机器人、割草机、扫地机等，本质上都在解决同一个核心问题：如何让机器理解环境并实现自主移动。
这正是卓驭强调"移动物理AI"的原因。与行业普遍聚焦乘用车智能化不同，卓驭开始将移动能力视为一种通用AI能力。当许多智能辅助驾驶公司仍在乘用车领域进行价格竞争时，卓驭已将乘用车、商用重卡、物流车、商用客车甚至未来更多移动机器人纳入同一技术框架，拓展至更多垂直场景，形成技术进步与商业发展的良性循环。
卓驭的目标是让所有移动载体都具备从A点安全高效到达B点的自主移动能力。这一愿景背后，是公司对行业现状的深刻洞察。马陆指出，当前乘用车智能辅助驾驶行业面临商业化盈利难题，特别是当十万级车型也开始要求标配城市NOA时，行业议价能力正在下降。
从技术角度看，无论是传统方案还是主流的端到端方案，每新增一个城市或进入一个新垂直品类，几乎都需要重新进行数据采集、模型调整和验证，这种开发模式成本高、效率低，难以支持大规模应用。马陆举例说，如果中国智能辅助驾驶技术要出海，仅欧洲一个区域就需要至少三十人的团队投入近两年时间进行泛化，成本高昂且效率低下。
与此同时，向大模型方向演进已成为行业共识，但这意味着算力门槛和训练成本的指数级增长。马陆透露，训练一个中等规模的端到端模型，一年的训练费用就高达十亿元左右。这种巨额投入迫使所有玩家必须面对一个根本性问题：是集中资源攻克单一领域，还是将通用大模型能力扩展到多个领域以分摊成本？
卓驭选择了后者这条更具挑战性的路径。公司正在通过更通用的移动物理AI能力和原生多模态基础模型，打通不同垂直领域和场景之间的数据与模型复用，建立能够持续自我强化的技术与商业循环。目前，卓驭已在乘用车领域实现超过50款车型量产落地，累计定点车型突破100款，"油电同智、中外同频、舱驾同芯、行泊同优"成为其独特标签。
按照规划，卓驭面向商用重卡打造的智能辅助驾驶方案将于今年6月起陆续量产；与宇通客车联合开发的客车NOA方案将于9月实现量产交付；面向城配场景的全链路无人物流解决方案将于7月开启试运营；Robotaxi方案则计划于下半年正式启动试运营。这些布局显示了卓驭拓展技术边界的决心。
卓驭科技CEO沈劭劼认为，公司的不可替代性来自三个方面：长期专注形成的技术积累、持续沉淀的数据丰富度，以及对跨垂直领域智能化趋势的前瞻判断。进入更多垂直品类不仅意味着更广阔的商业空间，也意味着能够持续获取更丰富、更高质量的数据，反哺模型训练与算力投入，最终形成"更多场景—更多数据—更强模型—更大商业化"的良性循环。
要实现这一目标，原生多模态基础模型是关键。马陆解释说，"原生"并非概念包装，而是对过去拼接式VLA模型的技术范式重构。行业已经经历了两代技术路线：第一代是基于规则的算法，人为定义场景和规则让系统执行，但当场景复杂度提升时，规则会指数级膨胀；第二代是端到端方案，从"人写规则"转向"数据驱动模型"，解决了许多问题，但模型越来越大、训练成本越来越高，泛化能力仍然有限。
卓驭提出的原生多模态基础模型属于第三代技术范式，目标是实现"开箱即满分"的水平。过去很多VLA或VLM方案本质上是"拼接"，比如将通用视觉语言模型外挂到智能辅助驾驶系统上，虽然能"看见"但不一定能"做到"，因为"看"和"做"是分离的。而卓驭的原生多模态核心是取消中间翻译层，让视觉、语言、动作、激光雷达、导航信息等所有数据在预训练阶段就统一进入同一个模型，实现真正的"知行合一"。
这种架构带来两个显著变化：响应速度大幅提升，系统响应时间从百毫秒级降低到十毫秒级，在高速场景下意味着更早的风险感知和更自然的操作；泛化能力增强，通过混合训练各种移动场景的数据，使模型天然具备跨场景迁移能力，目标是实现"开箱即用"。
但卓驭也清醒地认识到，物理AI与数字AI有本质区别——数字AI可以试错，物理AI一旦出错后果不可逆。因此，公司强调"底线思维"，认为智能辅助驾驶最终比拼的不仅是模型能力，还有安全文化。真正的挑战不在于"能不能跑"，而在于"能不能规模化跑"。
在卓驭的愿景中，移动不是乘用车的专有属性，而是一种可迁移能力。当这一技术形成闭环时，车型将不再是技术边界，而更多是物理形态和应用场景的差异。行业竞争的焦点将转向跨场景的统一表达能力，而不是单点能力。这种视角下，移动物理AI不是新赛道，而是一种重新定义赛道的方式；"智能一切移动"也不是口号，而是将智能辅助驾驶从交通工具层面推向物理世界基础能力层的尝试。
