2026年北京车展，卓驭科技发布原生多模态基础模型，再次将“移动物理AI”推向台前。但这一次，与一年前“首倡理念”不同——卓驭带来了实实在在的证明：34家客户、130余款合作车型、乘用车50+量产、重卡TOP6全覆盖、无人物流与Robotaxi年内试运营。

移动物理AI，不再是一个未来构想，而是一套已经在多垂类、多场景、多国家跑通的产业现实。

一、原生多模态：让AI真正理解“移动”的底层规律

为什么端到端还不够?因为端到端模型学的是“驾驶行为”的统计规律，而非物理世界的因果逻辑。当它遇到训练数据中很少出现的场景——比如欧洲某国特有的路权标志、重卡在非铺装路面的侧倾风险、物流园区内人与叉车的混杂博弈——模型容易“懵掉”，需要人工介入重新适配。

卓驭的原生多模态基础模型，从根本上改变了这一点。它在预训练阶段就融入了海量的多模态数据：不仅包括千万公里的真实驾驶视频，还有互联网上的日常物理交互(物体掉落、水花飞溅、拥堵博弈)，以及各类移动机器人(仓储AGV、无人机)的运行记录。模型通过这些数据学会了“物质在时空中如何运动”“碰撞与避让的代价”“路权与礼让的社会性规则”等通用物理与常识。

当这套模型被部署到不同载体时，它不需要重新学习“什么是车”“什么是红灯”，而是快速适应载体的动力学特性(重卡的刹车距离、客车的转弯半径)和场景的特殊约束。这就是Zero Shot零数据知识迁移——开箱即高分，甚至逼近满分。

技术路线图上，卓驭清晰地给出了三阶段演进：小模型(40分基础+大量泛化→80分)→端到端中模型(70分基础+少量泛化→90分)→原生多模态大模型(95分基础+零/极少泛化→满分)。而2026年，正是第三阶段从实验室驶入真实道路的元年。

二、130款车型跨垂类落地：移动物理AI的“压力测试”

理论再美，比不上规模化交付的检验。卓驭之所以有底气说“移动物理AI时代已来”，是因为它的模型正在承受前所未有的“压力测试”——不同载体、不同工况、不同客户要求。

乘用车：50+量产，100+定点，覆盖全价位与舱驾一体。 从几万元的经济车型到百万级豪华品牌，从燃油车到电动车，从自主品牌到合资企业，卓驭实现了“油电同智、中外同频”。更关键的是，它是业界首个量产单芯片舱驾一体的供应商——基于高通8775，智驾与座舱共享算力，成本更低、体验更流畅。高悟性端到端4.0(100%端味)已于4月起OTA推送，而原生多模态模型也在红旗天工S概念车上率先搭载，瞄准L3/L4。

商用车：重卡TOP6全覆盖，客车牵手宇通。 重卡场景对安全、油耗、可靠性的要求远高于乘用车。卓驭独创的“激目2.0”舱内激光视觉融合系统，支持变焦感知——城区广角看全貌，高速窄视场看更远。这套系统与乘用车同算力平台、同端到端模型，却完美适配了重卡的长途运输需求。目前已与中国重汽、一汽解放、陕汽、东风等TOP6品牌全部合作，6月起陆续量产。客车方面，与宇通联合开发，9月量产覆盖高速+城区+自主泊车。

无人场景：无人物流7月试运营，Robotaxi下半年试运行。 卓驭没有把L4当作独立的神秘项目，而是直接基于下一代原生多模态模型和自研L4三余控制器(双Thor芯片)推进。这意味着，L4与L2/L3共享同一个移动物理AI基座，数据相互反哺——这不仅加速了技术成熟，也极大摊薄了研发成本。

后装车载无人机：Q3量产，拓展“天地一体”。 这是移动物理AI最具想象力的延伸——模型理解空中的移动规则、气流与避障，让车载无人机实现全自动起降、跟拍、巡视。

总结这些落地，可以看到一条清晰的主线： 同一套原生多模态基础模型，正在驱动乘用车、重卡、客车、物流车、Robotaxi、无人机……不同形态、不同吨位、不同场景。这正是移动物理AI区别于传统智驾的最大特征——通用基座，万物移动。

三、生态协同：与一汽等伙伴共筑产业基座

移动物理AI的规模化，离不开顶级合作伙伴的工程化放大。卓驭与中国一汽的深度战略合作是本次车展的又一亮点。

乘用车红旗：已量产“司南组合辅助驾驶”于HS6、天工05、天工06。高悟性端到端4.0今年上半年OTA。下半年上市的红旗越野将搭载卓驭高性能激光雷达。而红旗天工S概念车更采用基于卓驭原生多模态模型的全新架构，直奔L3/L4。

商用车解放：基于激目2.0+端到端4.0的J7鹰途、J6重卡高速NOA产品今年下半年上市。

此外，卓驭的客户与合作伙伴已扩展至34家，包括乘用车、商用车、运营方等。这种广度本身就是移动物理AI通用性的最好证明——如果模型只能适配某一种车或某一种路况，不可能赢得如此多头部企业的信赖。

四、从“开城”到“开箱”：智驾成本结构正在被改写

传统智驾的商业模式存在一个隐形的致命伤：每进入一个新地域、新垂类，都需要大量工程师做规则适配或模型微调。这就是“开城”成本。端到端虽然降低了部分泛化成本，但对出海、跨垂类仍不友好。

原生多模态基础模型的目标是将泛化成本逼近于零。一旦模型在预训练阶段通晓了全球主要交通规则、物理交互常识及各类载体的运动特性，部署到欧洲时就不再需要重新训练，最多做微小参数微调。同样，从乘用车迁移到重卡，也只需注入少量载具动力学数据即可迅速收敛。

这对行业意味着什么?智驾公司的固定成本(模型训练)会大幅上升，但边际成本(每辆车、每个国家的适配)会骤降。 能够支撑数十亿年训练成本的公司，必须将模型应用于最大数量的载体，从而摊薄单均成本。这正是卓驭判断“所有智驾公司都将变成移动物理AI公司”的底层逻辑——不是偏好，是生存。

五、结语：移动物理AI的答卷已经展开

2026年北京车展，卓驭没有给出一个遥远的愿景，而是展示了一份沉甸甸的阶段性答卷：130款车型的定点与量产、TOP6重卡全覆盖、无人物流与Robotaxi倒计时、与中国一汽全面协同、原生多模态模型开放试乘。

“智能一切移动”这句主题，正在一步步变成现实。当其他公司还在比拼某个城市NOA的“开城率”时，卓驭已经在用同一个智能基座，同时驱动着汽车、重卡、客车、物流车、无人机，跨越国别与垂类，奔向一个共同的终点——

让物理世界的一切，都能自主、安全、轻松地移动。

这，就是移动物理AI。