首页科技快讯澎湃科技聊天室｜千里、阶跃深度对谈：大模型如何重塑车载具身智能

澎湃科技聊天室｜千里、阶跃深度对谈：大模型如何重塑车载具身智能

来源：晰数塔互联网快讯时间：2026年07月18日 11:28

2026年的世界人工智能大会（WAIC）上，如果问最火的热词是什么，无疑是“物理 AI（Physical AI）”与“具身智能”。在行业普遍的共识中，AI 汽车正成为最先量产的具身智能形态，而智能体（Agent）上车，则是 AI 进入物理世界的最佳实践路径。

当前，智能汽车行业的竞争已从过去的单点技术对抗，演变为“基础模型能力+产业生态能力”的综合竞争。在这一浪潮中，大模型创业公司与智能驾驶企业的深度协同正成为一股不容忽视的力量。阶跃星辰与千里科技从底层模型预训练阶段即展开深度合作，致力于共建原生物理世界基座模型，打通数字智能到真实物理空间的闭环。

WAIC 开幕首日，千里智驾 CTO 杨沐与阶跃星辰副总裁、端侧模型负责人俞刚共同做客澎湃科技聊天室，就大模型在车端的应用、物理 AI 的中国解法以及智驾原生大模型的未来，展开了一场深度的技术与行业对谈。

以下为本次访谈节选：

千里智驾 CTO 杨沐(中) 与阶跃星辰副总裁、端到端模型负责人俞刚(右)

行业心态的转变：从“卷榜单”到“卷应用”

澎湃新闻：过去这一年大模型领域迎来了爆发式变化。如果二位只选择一个关键的里程碑，你们会选哪个？这一里程碑对大家预期 AGI 的到来产生了什么影响？

俞刚：我觉得变化最大的是 Agent（智能体）能力的迭代。从2026年上半年开始，看一些 Coding 榜单就会发现，大模型 Agent 能力的提升是非常快速的，甚至是以超线性的方式在增长。这带来了一个非常有意思的趋势：原来大家拿大模型多用于聊天（ChatBot 类应用），但现在，大模型开始真正帮我们执行并完成任务。甚至不仅是数字世界里的任务，在物理世界里的任务也在慢慢被做得越来越好。正是 Agent 领域的变化，导致了物理世界应用的爆发。

杨沐：我非常赞同。年初的时候，“小龙虾”就是一个里程碑。在半年前或去年年末，我们还很难想象在工作和日常中如此深度地使用大模型，当时对大模型上车的规划更多停留在座舱或人机交互界面上。但到现在，我们写 PPT、写代码等工作，基本上百分之百都在使用大模型，Agent 能力的变化确实是巨大的。

澎湃新闻：去年大家都在疯狂卷参数、卷榜单，今年大家明显开始把注意力放在应用落地和产业实操上。作为身处一线的人，你们觉得行业在心态上最大的转变是什么？

杨沐：整个行业都在加速进化。像在自动驾驶、具身智能这些物理 AI 相关的应用上，行业对于落地的进度和信心明显越来越强。因为规模效应、数据积累的速度以及范式演化的速度都非常快，基本上每半年就有一个范式演进。我相信，虚拟世界里的技术变化，很快就会在物理世界的 AI 变化中得到应用。

俞刚：如果大模型公司只是闷头刷榜单，和真实的应用是非常脱节的，也是枯燥的。从刷榜变成应用落地，能诞生更多好产品，这是一个非常良性的循环。从心态上讲，这一年大家确实觉得非常累，但好消息是大家都很兴奋。因为原来很多觉得做不了的事情，现在真的变成了现实，这种兴奋感是支撑大家走下去的动力。

澎湃新闻：终端的载体有很多，除了车，还有手机、PC 等，阶跃在端侧智能的赛道选择和模型布局上是如何考量的？

俞刚：阶跃星辰作为一家大模型创业公司，拥有非常完整的模型生态。在基础模型层面，我们分为 Pro（针对复杂任务）、Flash（全能、快速的轻量模型）以及 Edge（端侧模型）。同时在多模态方面，我们有自己的语音、视觉、GUI 以及生成式模型。

在模型矩阵完整的前提下，我们决定推进“AI+终端”。目前的策略是聚焦在手机、汽车、PC 这种日常出货量大、使用频次极高的载体上。尤其手机和汽车是市场上体量最庞大的两大物理终端。未来，我们也会逐步跟更多具身智能企业展开更广泛的合作。

澎湃新闻：如今像千问、豆包等大模型都在积极“上车”。那么结合了大模型的智能座舱，与我们传统理解的车载语音助手，本质区别到底在哪里？

俞刚：我认为区别可以归结为两层：第一层是，传统的语音助手只能做极有限的简单指令交互，不支持高情商、有信息量、高知识密度的闲聊。大模型在这方面完全是降维打击，它的知识库和情商能给车主带来完全不同的交互体感。第二层是 Agent 带来的复杂任务处理能力。以往我们只能对车说“打开空调”或“打开雨刷”。但现在，如果你给大模型提一个非常复杂的复合需求，例如：“我想去某商场，看17点某部电影，并且希望商场里有奥乐齐超市，看完电影去买点东西。”传统座舱肯定是搞不定的，但结合大模型，系统可以把整个链路自动规划并执行完成。用户一旦体验过高阶体验就再也退不回去了的。

杨沐：这其实是整个产品范式定义上的颠覆。传统语音是在 GUI（图形界面）之上包一层 HUI（人机交互界面），本质上只是把语音当作一个操作按钮。而现在，我们是把车端交互当作一个真正的“智能体”，它可以是一个领航员、一个陪聊、甚至是一个生活秘书。它会记住你平时习惯的路线、喜欢的咖啡店、日常光顾的餐馆。随着未来 L3、L4 级技术的发展，用户将不再把它看作一辆冷冰冰的车，而是一个独立相伴的生活伙伴。

破解“急刹与傻等”：大模型如何让车辆学会“老司机的博弈”

澎湃新闻：很多车主在体验智驾时会抱怨系统容易急刹，或者在拥堵、并线时傻等。大模型如何改变这种现状，让系统像人类“老司机”一样开车？

杨沐：这确实是当下所有智驾公司攻坚的痛点。虽然从去年到今年，行业都在讲端到端范式，但现在发现，纯模仿学习没法让机器真正理解“人为什么这么开”。比如加塞博弈——人与人之间的开车博弈极其复杂。比如窄路汇车时，老司机会先做出一个小动作（比如车头微微偏一下），观察后车的反应：后车若让，我就激进一点；若不让，我就再等一等，这种情境的理解背后其实有一套深层的博弈逻辑。纯靠机器去生硬模仿数据分布，是学不会这种博弈的。

因此，现在行业提出将 LLM、VLA（视觉-语言-动作）或世界模型引入智驾，让大模型的思考和逻辑理解能力注入模仿学习范式中，目的是就是要把智驾系统的智能水平从3岁小童提升到具备规则与博弈认知的10岁孩子。这是目前最核心的探索方向。

俞刚：我从模型视角来看，我们可以借助“自主学习”和强化学习技术来解决。以前做强化学习需要人为定义一个奖励模型，但这往往不一定完全符合真实情况。我们可以设想：一个人类新手司机是如何变成老司机的？他拥有基础交规和驾驶能力，但在日复一日的实际驾驶中，会遇到各种各样的新环境和路况反馈，并在试错和反馈中不断进化。

大模型也是如此。如果我们能打通一个自主学习的探索环境，让模型自己在环境中去模拟、去对抗博弈，见识的场景多了，开车水平自然就会水涨船高，从新司机成长为老司机的过程也会变得更简单。

智驾原生大模型：阶跃与千里的“化学反应”

澎湃新闻：提到技术路径，大家常探讨 VLA（视觉-语言-行动）与“世界模型”，那“世界模型”和传统的“多模态模型”是什么关系？

杨沐：多模态模型是一个更宽泛的概念，指模型能处理不同的输入模态（比如图像、语音、文字等）并将其编码到同一特征空间进行处理。在智驾系统里，有多模态能力意味着系统能同时接收并处理激光雷达、RGB 图像、毫米波雷达等多元传感器信息。

而“世界模型”与 VLA 则是用来解决更深层问题的具体方法。传统的智驾是“感知+规控”的范式，感知层面对车道线和交通标识等目标的识别很好，但对于规则外的事物（如突然跑出来的动物、路边的水坑、奇形怪状的掉落物）避障能力很弱。世界模型通过生成式范式对物理世界进行建模，能提供极强的通用特征提取与预测能力，补充通用常识。VLA 和 LLM 则更强调思维链（CoT）和逻辑表征能力。千里在技术路径上认为，多模态、强化学习、VLA 与世界模型之间并不冲突。人类开车时，所有这些能力都是融会贯通、同时起效的。因此我们研究的目标是：如何通过一套统一的模型架构把这些能力集成在一起，而不是训练了某一个能力却丧失了另一个。这也是我们必须从基础模型阶段开始，就进行联合训练的本质原因。

俞刚：简单来说，世界模型实际上是在对物理世界的联合概率分布（包括观测表征、潜变量、动作空间等）进行建模。多模态等手段只是去实现这种建模的方式，目前学术界和工业界有很多范式在探索，我和杨沐团队也一直在尝试最优雅的解法。

澎湃新闻：今年 4 月，千里科技与阶跃星辰联合提出了“智驾原生大模型”。既然是“原生”，它与传统的“大模型+智驾”有何不同？为什么要两家公司一起共同训练？

杨沐：可能具身智能现在数据积累阶段，更多在验证某种范式能否跑通Scaling Law。但智驾领域其实早就过了这个阶段，数据量早已庞大到海量存储都装不下的地步。在智驾语境里，我们不需要急于去验证某一个范式行不行，而是当遇到具体问题（如交警的特殊手势、前车突然掉落异物、鬼探头等）时，传统方案解决不了，大模型的能力就必须集成进来。但车端算力是极度受限的，我们不可能把云端巨大的模型直接搬到车上，所以必须在端侧进行极致优化。

俞刚：传统的智驾公司往往只是拿一个别人训好的开源模型作为初始参数，然后用自己的智驾数据做微调。但这就不是“原生”的。用开源大模型的问题在于：一旦灌入海量的智驾专业数据，模型的通用常识、多模态理解等能力就会发生剧烈回退（退化）。而阶跃和千里的合作，是从底层预训练阶段就深度协同。我们把千里的专业智驾数据与阶跃丰富的通用多模态、常识数据按照科学的比例进行精细配比，在模型训练初期就进行数据控制和联合优化。这种更底层的联合研发，更像是一场深度的化学反应，而不是割裂的流水线装配。

澎湃新闻：目前这种“智驾原生大模型”的联合研发，取得了哪些阶段性的突破进展？

杨沐：千里智驾 ASD 4.0 正在大规模推送中，我们还在规划 4.1、4.2 以及 5.0 版本，但是大模型能力量产上车预计在明年能够实现。目前我们在技术验证期，但已经拿到了非常正向反馈，证明我们这条路是能够走通的。

发布于：上海