当下智能驾驶行业，已经形成一套根深蒂固的行业叙事：车端数据越多，距离自动驾驶终局就越近。于是大量厂商埋头疯狂采集道路里程，扩充车辆回传数据，试图靠海量车端数据堆出高阶智驾能力。但卓驭科技给出了一套完全不一样的思考，如果始终把研究对象局限在汽车本身，模型的能力天花板，很容易被锁死在单一行车场景当中。想要真正实现通用智能，就要把汽车放回更宏大的移动物理世界当中，让数据释放跨领域迁移的价值。
卓驭科技没有继续深耕乘用车单一赛道，而是将汽车、无人机、机器人、手持设备全部收纳进同一套第一人称视角的数据体系，目标训练出一套跨车型、跨地域、跨行业的基础模型。从技术范式、数据结构再到商业逻辑，这条路线和传统智驾公司划出清晰分界线。某种意义上，卓驭已经不再是传统认知里的智驾供应商，而是一家面向“智能万物移动”的移动物理AI公司。
行业如今正站在关键分叉口，摆在技术团队面前一道选择题：做智驾，应该先懂车，还是先懂世界？这不是文字游戏，而是底层技术范式的根本分野。
传统智驾属于典型场景驱动模式。围绕特定车型、特定地域、特定路况采集数据，制定规则，迭代验证。每当拓展全新市场、全新车型，就要重新投入人力物力做适配开发。场景越丰富，研发成本就越高，容易陷入越扩张越烧钱的困境。卓驭的思路反其道而行，在北京车展发布原生多模态基础模型，在预训练阶段，就让模型吃透物理世界运行的底层规律，之后再向下适配不同车辆、不同地域、不同使用场景。
二者核心差距体现在模型输入逻辑。这套原生多模态基础模型，将视频、文本、动作、语音、地图各类信息做统一表征训练。市面上不少VLA方案，需要经过显式语义翻译中转，会带来信息损耗和延迟，系统容易出现拼接割裂感。卓驭把全部模态放在同一个框架内学习，减少中间转换环节。技术构想层面，这套模型支持ZeroShot零数据知识迁移，实现跨垂类开箱即用，铺装道路、非铺装路面、室内室外场景都能够覆盖。模型能力上限，不再取决于某一类场景采集多少数据，而是取决于AI理解物理世界的抽象能力。
技术路线决定数据的获取逻辑。既然预训练阶段就要学习真实世界规律，训练素材自然就不能只局限于汽车行驶数据。行业聊数据，张口就是车端采集多少万公里。卓驭对数据的理解，跳出了汽车的桎梏。训练基础模型的数据池，除智驾路测数据之外，还纳入互联网公开素材、无人机、机器人、手持云台等多元移动设备采集的信息。
这些数据共通点，全部属于egocentric，也就是以移动传感器为核心的第一人称视角数据。站在AI的视角，汽车、无人机、服务机器人，本质上都是携带传感器在物理空间移动的载体。它们都要完成环境感知、空间理解、障碍物识别、运动预测、执行控制这一系列任务，背后遵循同一套物理与运动逻辑。
只拿汽车数据训练，模型可以非常懂开车，却很难形成真正通用的泛化能力。想要做到跨车型、跨地域、跨垂类迁移，预训练阶段的数据必须足够多元丰富。这也是卓驭重点打造egocentric数据体系的原因，而不是单纯扩充驾驶数据。按照规划，2026年黄金数据集规模达到2亿clips，2027年提升至5亿clips，2028年扩张到15亿clips。其中驾驶数据当中包含约5%仿真数据。重点在于，规模增长不是一味堆行车数据，互联网、机器人相关数据持续涌入训练库，不断丰富整体数据结构。卓驭的数据壁垒，不只是数量壁垒，更是数据结构壁垒，机器人相关多源数据，正是它区别同行的核心底牌。
再好的理论构想，都需要工程落地来检验。卓驭交出了一份颇具说服力的实测结果：只用不到两个月，就把乘用车NOA核心能力迁移到商用重卡，乘用车与重卡共用同一套基础模型，跨垂类迁移走出纸面概念，完成工程落地。
目前卓驭已经拿下重卡赛道七大头部品牌，和宇通客车合作打造客车城市NOA，联合运营方与主机厂搭建城配物流完整解决方案，同步布局L4无人物流车、Robotaxi项目，多个项目将于今年下半年陆续量产、试运营。更关键的是，各个垂直场景落地运行之后，道路产生的真实数据会持续回流反哺基座模型。由此形成正向循环：多垂类落地产出多元数据，多元数据持续拔高模型泛化水平，更强的模型又能够支撑更多垂类快速落地。
工程落地的价值，不止证明技术可行性，更重构整套商业逻辑。传统智驾企业，研发投入会跟随场景拓展线性甚至指数级上涨。每开拓一个国家、一类垂类、一家新客户，就要重新做数据采集、规则开发、测试适配。如果卓驭的基础模型路线跑通，商业逻辑会彻底改写，实现从“每拓展一个场景就要重新烧钱”，转向“一次投入，全域受益”，也就是卓驭所说的基座经济学。
基础模型能力越强，向下迁移适配成本就越低；覆盖车型、地域、客户越广泛，前期沉淀的技术能力就能反复复用，研发投入产生复利效应。两种路线高下立判：一条深耕汽车单一载体，依靠数据规模构筑壁垒；另一条把汽车归入广阔移动平台，依靠数据结构换取强大泛化能力，卓驭坚定选择后者。
当然，这条全新道路依旧存在不确定性。最终能否兑现价值，要看多垂类量产试运营的真实表现，跨场景迁移能不能真正接近零数据、少泛化的理想状态。一旦跑通，卓驭押注的就不只是智能驾驶业务，而是一个面向未来的移动物理AI底层基座。智驾行业的竞争，也会从比拼车端里程，进入比拼对整个物理世界理解能力的全新阶段。
