【英俊的车车报道】不少人聊智能驾驶，惯性思维都是比拼谁的路测里程更长、谁的车端数据更多。行业默认的逻辑很简单：堆更多车辆数据，就能不断打磨自动驾驶能力。但卓驭科技提出的“移动物理AI”，跳出了这条拥挤的赛道。今天我们就抛开宣传话术，聊聊这套底层思路究竟有什么不同？
传统智能驾驶的逻辑是“车本位”：针对特定车型、特定区域、特定路况，不断采集数据、设计规则、优化模型。这种路线在单一场景里越钻越深，但每进入一个新领域——无论是新车型还是新地域——都意味着近乎从零开始的适配投入。场景壁垒越高，能力边界反而越窄。
卓驭跳出了这个逻辑。它认为，汽车、无人机、机器人、手持云台，虽然形态各异，但本质上都是带着传感器在物理世界中移动的载体。既然底层遵循的物理规律和运动逻辑是相通的，那为什么不先让模型“懂世界”，再去“懂车”？
这就是卓驭提出的“移动物理AI”。其发布的首个原生多模态基础模型，在预训练阶段就吸收了视频、文本、动作等多模态信息，让模型先掌握物理世界的通用规律。这种架构的优势在于，理论上可以实现Zero Shot（零数据）知识迁移，实现跨垂类开箱即用。
当然，光有算法不够，物理AI必须真正落地。卓驭坚持软硬一体，以统一的车规级域控和感知硬件作为“骨骼”，将模型能力稳定地分发到不同载体上。今年7月，卓驭常州工厂投产，与深圳基地形成“双擎智造”，正是为了支撑这种跨垂类的规模化交付。
数据层面，卓驭的壁垒不在数量而在结构。除了智能驾驶数据，其ego-centric（第一人称视角）体系还纳入了互联网数据及无人机、机器人等移动载体数据。根据规划，其黄金数据集将从2026年的约2亿clips增长至2028年的15亿clips，其中机器人数据是提升泛化能力的关键差异化来源。
这种架构的经济性在于“一次投入，全域受益”。传统智能驾驶每拓展一个新场景，研发成本线性甚至指数增长；而基础模型路线下，前期训练沉淀的能力可持续复用，研发投入呈现复利效应。目前，卓驭已将乘用车NOA核心能力在两个月内迁移至商用重卡场景，且运行同一模型，同时覆盖客车、城配物流及Robotaxi等多垂类。
说到底，这是两种路径的分野：一种是围绕汽车单一载体，用规模换壁垒；另一种是把汽车放回更大的移动平台范畴，用结构换泛化。卓驭选择了后者。
“智能一切移动”能否最终兑现，还要看多垂类量产的实际表现和跨场景迁移的效率。但至少，卓驭已经跳出了“智能驾驶公司”的既定叙事。它押注的不只是自动驾驶，而是一个更底层的、可以支撑万物自主移动的物理AI基座。这条路很难，但方向，确实不一样。
