“為什么在大約10年前AI就能打敗人類圍棋冠軍，而在自動駕駛領域卻一直難以媲美人類駕駛能力？”德國當地時間3月18日，當輕舟智航聯合創始人、董事長兼CEO于騫博士在德國慕尼黑“智能汽車與智能制造論壇”上拋出這個問題時，臺下坐著的都是全球頂尖企業的技術領袖與德國汽車產業的學術專家。

這個問題不僅直指自動駕駛行業二十年來的核心焦慮，更揭開了全球AI競賽下一個賽段的序幕：通用物理AI。

在這場由德國汽車產業研究機構CAR與慕尼黑工業大學聯合舉辦的頂級論壇上，于騫博士發表了題為“Beyond Autonomous Driving: Physical AI in the Real World”（不止自駕駛，物理AI未來已來）的交流演講，并與論壇主持人、德國波鴻汽車研究中心創始人費迪南德·杜登霍夫教授展開深度對談。這不僅是一次技術交流，更是輕舟智航在完成百萬臺量級驗證后，向全球汽車工業腹地——德國，遞出的一張“通用物理AI”名片。

物理AI浪潮已至：自動駕駛是最佳“訓練場”

“物理AI已成為全球AI領域的下一個浪潮，而自動駕駛正是打開這扇大門的鑰匙。”于騫在演講中闡述了輕舟對于AI發展階段的劃分：過去二十年，行業經歷了機器智能的模仿與類人智能的探索，而2026年，行業正式邁入超人智能的全新階段。

這一階段的本質躍遷在于：AI不再僅僅復刻人類駕駛行為，而是依托世界模型與強化學習，開始真正理解物理世界的規律、意圖與社會常識。

于騫向在場觀眾解釋，圍棋是虛擬世界的完美信息博弈，AI可以在云端進行幾乎無限次低成本的試錯。但自動駕駛面對的是無限不確定性的物理世界，安全紅線決定了它無法在真實環境中“野蠻生長”。這正是物理AI必須解決的終極難題——如何在保障安全的前提下，讓AI掌握推理泛化、物理規律理解以及社會常識決策三大核心能力。

輕舟解法：世界模型+強化學習是通向物理AI的必經之路

面對這一全球性難題，輕舟智航亮出了自己的技術底牌：世界模型+強化學習。

于騫形象地將其比喻為一座AI虛擬“駕校”。在這里，世界模型負責預演現實場景的無限可能性，模擬出復雜路口博弈、極端天氣干擾、突發路況變化等數百萬種長尾場景；而強化學習則像一個不知疲倦的教練，持續優化AI的決策路徑，讓系統在虛擬試錯中學會如何像老司機一樣從容應對，甚至超越人類的反應極限。

這一技術架構的獨特價值在于，它讓自動駕駛系統從“被動記憶”轉向“主動思考”，真正具備了應對未知的能力。而這種能力的“實戰”檢驗，正是輕舟已構建起的堅實護城河。

百萬臺量產驗證：物理AI的“真實訓練場”

在2026年1月，輕舟智航迎來歷史性節點：輔助駕駛系統搭載量正式突破100萬臺。這100萬臺行駛道路上的智能汽車，構成了物理AI技術最寶貴的真實訓練場。

于騫特別強調，輕舟堅持技術創新優于單純算力堆砌。在僅128TOPS的算力平臺上，輕舟實現了業界領先的城市NOA功能，從容應對復雜路口博弈、無保護左轉乃至夜間避讓密集電動車等難題。這一方案獲得了極佳的市場反饋，證明了“普惠智駕”的商業路徑同樣可以通向高階智能。

在商業化落地上，輕舟構建起L2++與L4雙輪驅動的模式：L4無人物流車已在多地落地，首創“量產即運營”范式；而Robotaxi業務也計劃于2026年啟動小范圍試點，2027年實現規模化部署。

全球化布局：慕尼黑成為歐洲新錨點

2025年，輕舟正式開啟全球化布局，并在慕尼黑設立辦公室。于騫在論壇現場表示，慕尼黑是全球汽車工業與工程創新的心臟，輕舟希望將在中國復雜交通環境中驗證的AI技術，與德國百年造車的工程底蘊深度融合。

這種融合已具備現實基礎：輕舟的自動駕駛解決方案實現了對英偉達、高通、地平線三大全球主流芯片平臺的兼容，并全面符合ASPICE CL2、ISO26262、ISO21434等國際最高技術與安全標準。這意味著，輕舟不僅可以適配全球主機廠的硬件需求，更能在嚴格的安全體系下快速實現技術落地。

在與杜登霍夫教授的對談中，于騫重申了輕舟在海外業務的理念，即服務要本地化。他強調，輕舟研發的不僅是“聰明的車”，更是一個可適配物理世界各類自主設備的智能內核。未來，這一經過百萬臺量產驗證的物理AI底座，將從汽車延伸至機器人等更多領域。