「自动驾驶这个事，我们至少要干 20 年，最终要将通用智能带进物理世界！」
2026 年 1 月，寒冬中的北京，自动驾驶行业却感受到了一股久违的、务实的暖流。
在刚刚结束的 QCraft DAY 2026 上，轻舟智航创始人于骞抛出了一个令行业深思的论断：「自动驾驶这个事，我们至少要干 20 年。」
在这个言必称「明年落地」、「后年普及」的浮躁赛道里，这种以「20 年」为刻度的长期主义表态显得格外冷静。但与这种冷静形成强烈反差的，是轻舟智航交出的激进成绩单：辅助驾驶搭载量突破 100 万台。
这 100 万台背后，不仅仅是一个数字的跨越，更是中国自动驾驶行业进入「深水区」后的某种隐喻——当资本的潮水退去，谁在裸泳，谁在造桥？
在于骞和 CTO 李栋的深度分享中，我们捕捉到了一个核心信号：自动驾驶正在经历它的「DeepSeek 时刻」——不再迷信堆砌算力的暴力美学，而是追求极致的工程效率与模型智能，最终将通用智能（AGI）带入物理世界。
拒绝「维生素」，做智驾领域的「DeepSeek」
2025 年开年，AI 圈最大的震动来自 DeepSeek——一家中国公司用极低的成本和算力，训练出了匹敌顶尖闭源模型的效果。
在于骞看来，轻舟智航正在做同样的事。
「卷的本质，是用户价值没做透。」于骞在演讲中直击痛点。过去几年，行业陷入了「算力军备竞赛」，激光雷达甚至变成了某种装饰性的「尊贵象征」。但用户买单了吗？并没有。很多辅助驾驶产品沦为了「维生素」——吃了没坏处，但也没大用。
轻舟智航想做的是「止痛药」。
什么是止痛药？是让 10 万级的国民车，也能拥有像老司机一样的城市 NOA（领航辅助驾驶）体验。这听起来像天方夜谭，因为按照行业惯例，城市 NOA 是 30 万以上高端车型的专属。
但轻舟智航打破了这一「常识」。他们基于地平线征程 6M 芯片，在仅有 128 TOPS 的算力下，实现了行业普遍认为需要 256 TOPS 甚至更高算力才能达到的效果。
「我们追求的不是蛮力，而是通过对产品本质的深度理解，把每一 TOPS 的潜力都榨取出来。」于骞的这句话，像极了 DeepSeek 的技术哲学。
这不仅仅是「省钱」，这是工程能力的降维打击。在媒体群访中，李栋透露了一个细节：为了适配燃油车和更低成本的硬件，轻舟甚至将 DDR 内存的使用量优化到了行业平均水平的 2/3。这种在螺蛳壳里做道场的功夫，让轻舟智航成为了行业里第一个识别出单颗征程 6M 潜力并实现量产的公司。
做「好用不贵」的产品，让智驾从「科技尝鲜」变成「基础设施」，这是轻舟智航对「DeepSeek 精神」的智驾版诠释。
2026：超人智能元年
如果说「性价比」是当下的生存之道，那么「通用智能」则是轻舟智航眼中的星辰大海。
于骞将 2026 年定义为「无人驾驶黄金十年的开启之年」，也是「超人智能」时代的元年。这个判断基于一个技术范式的深刻变革：从「端到端」迈向「VLA（视觉-语言-动作）」与「世界模型」。
过去，我们谈论端到端（End-to-End），往往是在说「输入图像，直接输出控制信号」。这解决了传统模块化架构信息损耗的问题，做到了「知其然」。
但这就够了吗？李栋在采访中举了一个生动的例子：路边有一个水坑，人类司机知道要减速，是为了不溅到行人；路边滚出一个足球，人类司机知道后面可能跟着一个孩子。
传统的端到端模型可能只是机械地模仿了「减速」这个动作，却不懂背后的社会常识和物理规律。
而引入 VLA 和世界模型后，自动驾驶将开始「知其所以然」。它不仅能看懂路，还能理解物理世界的因果律，甚至理解人类社会的潜规则。
「如果说传统的端到端是『黑盒』，那么 VLA 则能把背后的逻辑规律讲出来，举一反三。」于骞认为，这种泛化推理能力，是自动驾驶走出特定场景，迈向通用物理智能的关键。
更令人兴奋的是「世界模型」带来的可能性。AlphaGo 之所以能战胜人类，是因为它可以在虚拟棋盘上左右互搏，进行亿万次的推演。自动驾驶一直缺乏这样一个完美的「虚拟棋盘」。而随着生成式 AI 和世界模型的发展，在虚拟空间中复现物理世界的一切成为可能。
「如果我们能做到这一点，自动驾驶的技术迭代速度将是指数级的。」于骞断言。
L2 与 L4：不是分岔路，而是双螺旋
在自动驾驶行业，曾长期存在「渐进式（L2）」与「跨越式（L4）」的路线之争。作为一家有着 Waymo 基因（核心团队出自 Waymo）的公司，轻舟智航的选择曾让外界困惑：为什么从 L4 降维做 L2？
在 QCraft DAY 2026 上，这个问题的答案已经无比清晰：L2 和 L4 在底层技术上是同源的，在商业上是互补的。
「轻舟在做的，是用 L2 的规模化量产数据，去喂养 L4 的技术模型；再用 L4 的先进算法，去解决 L2 的长尾难题。」于骞将这种关系描述为「双轮驱动」。
100 万台的量产车，就是轻舟智航在物理世界中布下的 100 万个触角。它们源源不断地回传真实场景的数据，构建起强大的数据闭环。没有这 100 万台车的「地狱级锤炼」，所谓的 L4 只能是实验室里的盆景。
而在 L4 端，轻舟智航选择了极其务实的落地路径——Robovan（无人物流车）和 Robotaxi。
特别值得注意的是，轻舟的 Robovan 并不是为了炫技，而是为了「真降本」。在与奇瑞商用车的合作中，他们打造了量产级的 L4 物流产品。而在 Robotaxi 领域，轻舟预计 2027 年实现规模化部署。
「无论是 L2++还是 L4，都需要大规模的量产，才能最终走向完全无人驾驶。」于骞强调。这种「技术同源、行为一致」的架构，让轻舟智航在 L2 赚钱养家的同时，从未停止过对 L4 的攀登。
商业闭环的终极验证：保费降低 50%
技术再性感，终究要回归商业本质。
于骞抛出了一个极具穿透力的商业指标：保险费用。
「什么时候我们能说自动驾驶真的安全了？不是看接管率，而是看保险公司愿不愿意为你降保费。」
于骞预测，随着事故率的下降，自动驾驶专属保费未来可能低于人类驾驶 50% 以上。这是一个巨大的商业价值闭环——如果买智驾车能每年省下几千块保费，消费者还需要被教育吗？
这并非空穴来风。特斯拉在美国已经开始尝试基于驾驶行为的保险定价。而在中国，随着轻舟智航等厂商将 NOA 普及到 10 万级车型，数据的积累正在逼近那个「临界点」。
「当数据量大到可以被精算师统计时，价值就会通过金钱体现出来。」于骞的这番话，比任何安全白皮书都更有说服力。
此外，轻舟智航并没有遗忘燃油车车主。在新能源渗透率超过 50% 的今天，依然有大量燃油车用户渴望智驾体验。轻舟智航通过极致的工程适配，解决了燃油车控制延迟大、供电受限等难题，让油车也能跑通高阶智驾。这不仅是技术的普惠，更是出海全球市场的关键棋子——毕竟在海外，燃油车依然是主流。
通往物理世界的通用智能
于骞在演讲结尾说：「自动驾驶车就是『四轮机器人』，解决的是人类日常出行中，最基础的感知物理世界并与之交互的能力，这正是通用智能的关键起点。」
DeepMind 通过「玩游戏」验证了数字世界的智能，OpenAI 通过「聊天」验证了语言世界的智能。而轻舟智航，或者说整个自动驾驶行业，正在通过「开车」这件事，试图验证物理世界的通用智能。
这条路很长，正如于骞所说，至少要干 20 年。
但在 2026 年的这个节点，当我们看到单芯片跑通城市 NOA，看到世界模型开始构建虚拟战场，看到 100 万台车在路上飞驰，我们有理由相信：
那个曾经被认为是科幻的未来，正在被这群工程师，用一行行代码、一次次路测，硬生生地搬进了现实。
轻舟已过万重山，但前方，仍有星辰大海待征服。
