出品丨虎嗅汽车组
作者丨李赓
头图提供丨元戎启行
时间来到2025年末，自动驾驶竟然再次“热”了起来。
2025年10月至11月，中国广义自动驾驶领域（含Robotaxi、智驾厂商、RoboVan等），融资事件达12起，融资总规模超411亿元人民币。换句话说，这两个月的二级市场融资动作已经超越了2022年和2024年全年的数值，逼近了2023年的水平。
真金白银再次豪赌的真正原因，是行业再次看到了“商业化”的原点时刻来临。
尤其是随着2025年一大批智驾公司、车企、L4玩家在底层技术升级到大模型和思维链（CoT）之后，全行业智驾能力肉眼可见地出现了再次飞跃。
一个严峻的问题也随即给到行业里所有玩家——无论是基础硬件的车企，还是提供智驾算法和解决方案的创业公司，还是拥有海量用户的出行平台，都要想尽一切办法，保证自己不会成为“被摘桃子”的人。
这个“桃子”不仅涵盖商业化逻辑下的“定价权”，也包括了行业竞争视角下的“发展权”。核心威胁主要有三重：
主机厂自研成熟后把供应商边缘化；
大平台在技术成熟之后，用更强的成本和生态优势吸走用户；
资本之后的某个时间节点，用资金重新定义行业 “赢家”。
前不久，虎嗅汽车与元戎启行的CEO周光进行了一番沟通，后者以目前智驾创业公司第一梯队的视角，分享了他们目前最新的商业化布局和战略，也谈及了不少其对于智驾整体赛道接下来的看法。
干赢自研，解决第一重挑战
高工智能汽车研究院监测数据显示， 2025年1-9月，中国市场乘用车搭载城区领航辅助（支持付费选装）车型交付量同比增长99.5%，但整体交付渗透率并不高，只有7.01%。
消费者对于“城市NOA”这样的高阶智驾，往往还会抱着“旗舰产品你没有，我不买；主流产品你有的选，我也不买”的态度。
在这个行业背景下，元戎启行在2025年却实现了相当不错的成绩：截止到2025年10月底，元戎启行的城市NOA智驾方案累计交付了15万辆，10月单月的交付量更是达到了3.19万辆，合作主机厂覆盖长城、Smart、零跑等多个品牌。
尤其是与长城的深度合作。后者去年年底战略投资了元戎，今年将蓝山和高山两款重要新品也都搭载了元戎，而且是标配式的搭载。近期坊间传闻长城已经开始对自建的“毫末智行”下手，进入了了“停工放”状态。
从结果上，元戎启行证明自己消除了上文提到的第一重威胁——主机厂对智驾公司的边缘化。
元戎启行CEO周光给出了三点主要原因：
技术路线有“先手”：2023年别人还在“有图/规则方案”，元戎启行已经可用的“无图+端到端方案”，在当时抢占了与车企合作的先手；
早早投入“量产”工程：第一次创业（Roadstar.ai）最终失败的经历，让元戎启行把“技术要落到车上、形成规模量产”当成核心目标，所以很早搭工程体系、去啃车规流程，让2025年实现了“量产十几款车、交付十多万台”；
与车企一起聚焦投入：元戎启行不追求合作车型数量，而是 “选对几款车，把它们做成爆款”，核心项目上采取几乎驻场式的ALL IN投入。
因为慎重选择合作对象，然后把有限精力ALL IN到核心车型上，所以实际效果好；因为实际效果好，所以在车企“自研+外采”的组合中表现更突出；在这个基础上持续和车企共同打造爆款、共享销量与口碑红利，最终让元戎启行与车企之间形成了一个合作的正向循环。
部分搭载元戎启行城市NOA智驾解决方案的产品车型
尤其是第三点，一旦某款爆款车型（如蓝山、高山、银河M9）实现销量突破，单车销量便能迅速放大，从而带动元戎的装机规模、市场口碑及后续定点项目实现滚雪球式增长。这不仅能在数据和资金层面反哺下一轮量产项目，更将整体量产节奏推向“突然加速”的状态。
20万的成绩已经相当不错，但元戎启行已经开始计划2026的目标，周光指出：“公司内部对2026年业绩设定了较高目标，力争实现百万辆级的量产规模。”
之所以将2026年目标设定得如此之高，核心考量也在于如何保持自身技术领先。
周光进一步解释：“今年20万辆的交付，实质是为2026年基于百万级数据训练更成熟的Foundation Model奠定基础。因此，明年的量产扩张不仅是为了财务增长，更是为大模型‘注入燃料’。”
简单来理解，一切交付都应该能够被再次投入到数据闭环中，为接下来的技术发展提供助力。也正是基于这种思考，元戎启行目前并未在“城市NOA”以下级别的产品上投入资源，因为入门级解决方案需在多方面做出妥协，例如网络配置可能阻碍数据闭环，无法有效支持智能驾驶技术的持续演进。
2026年的百万目标从战略考量上是合理的，但挑战肯定依旧存在。用周光自己的话来说，关键挑战在于工程体系能否匹配规模化扩张的需求。
提前防御“大平台”，接下来的核心要务
相比已经基本解决了的“主机厂自研淘汰供应商”挑战，“大平台”吸引走用户的挑战威胁要更大。
在虎嗅汽车看来，“大平台”所对应的不只有出行平台、地图商、L4智驾出行企业，更包括了很多对Robotaxi业务跃跃欲试的车企。
以国内网约车出行的两大入口“滴滴”和“高德”为例，每天都要完成数千万单的出行需求，已经在大众心目中建立了牢固的品牌形象。
就在上个月，滴滴引入约20亿元的D轮融资，继续加码自己的智驾投入，推动L4自动驾驶应用落地。按照他们的规划，最迟2026年就要完成技术的商业化验证，在滴滴APP中实现混合派单（人驾 + 无人车）。如果后续滴滴智驾水平进展足够快，完全可能“近用户楼台先得月”地抢先满足用户的出行需求。
元戎启行对此的战略，是参考特斯拉，将规划直接向Robotaxi和具身智能延伸，相当于自己先手布局有可能的竞争。
周光表示，未来三大核心业务为“量产车辅助驾驶”、“Robotaxi”和“Road AGI”。三者可概括为：为客户车企提供智能驾驶系统、与车企合作推出驾驶服务、探索智能驾驶在更多场景中的应用。
在Robotaxi方面，10月元戎启行与无锡市政府达成战略合作，将在无锡建设测试研发基地并推进Robotaxi业务落地。
对于开展Robotaxi业务，周光认为其必要性在于：Robotaxi在复杂城市道路和高强度运营环境中产生大量密集且极端场景的数据。量产车提供规模和广度，Robotaxi则贡献数据密度与长尾场景，二者结合才能推动模型达到商用成熟度。
在技术路线上，周光明确支持“特斯拉模式”。他认为，依赖高精地图和重运营的Waymo路线虽在短期内具备安全可控优势，但从长远看，“消费级量产车+端到端大模型+无高精地图”的特斯拉路径更具竞争力。
周光在今年早些的线下沟通中也曾强调过：近五年AI领域的核心突破来自GPT所验证的Scaling Law（规模效应），这只有通过大规模量产才能充分实现。随着元戎启行在GPT启发的VLA路线上继续向前，必然能够在全域部署与成本控制上激发出更大的潜力。
如果说量产车辅助驾驶与Robotaxi已形成“双重奏”，那么Road AGI则构成元戎启行远景中的“第三重奏”，更接近通用机器人服务场景。
元戎启行在今年CES上展示的Road AGI Demo场景示例
Road AGI将融合VLA（视觉-语言-行动）与VLN（视觉-语言-导航）两大核心模型，协同应对复杂琐碎的“最后100米”任务。其目标是让各类物理执行单元能像外卖员一样，精准完成从路端到用户门口的送达服务。
当前规划中，VLN负责在无导航地图环境下识别出口、店铺及门口位置，VLA则通过视觉与语言推理执行具体动作，如进入便利店、小区房间或操作电梯。VLA的底层能力将与量产车辅助驾驶及Robotaxi系统共享，持续推动技术“滚雪球”式演进。
通过提前布局，元戎启行正在提前探索和掌握Robotaxi和轮式具身智能的需求和挑战，相当于让自己提前“有牌”。无论最后究竟怎么打，是自己做平台提供服务，还是将Robotaxi和轮式机器人作为产品销售给大平台，又或者是怎么战略合作，“有牌”就有办法，甚至还有主动权。
资本挑战，还在下一个阶段
从全局来看，“量产+Robotaxi+Road AGI”的三轮驱动战略设计其实比较巧妙，最核心的“视觉行动大模型（VLA也算）”贯穿于三个方向中，实现了极为高效的“复用”；从量产车到公路需求，再到最后100米的场景，也符合不断拓展市场空间的需求。
虽然还有如何平衡资源投入、避免业务线相互掣肘，并确保数据闭环在不同场景下的有效运转等挑战，但这些对于有技术能解决工程问题的元戎来说，并非无解。
最后一重资本层面的挑战，或许是现在最难评估，也最不好掌握的。
今年9月，阿里巴巴、复星锐正及东方富海旗下基金已经退出了元戎启行的股东序列。有一个股东方人士当时对外部表示：“这个变动是因为元戎启行正搭建红筹架构。”红筹架构恰恰是中国境内企业境外上市的主要模式之一。
在线下沟通中，周光在被问及是否有上市计划时，他表示“不方便透露具体计划”，只表示资本对于元戎“高度认可、持续关注”。但总体来看，只要能解决好前两重“摘桃子”挑战，元戎启行就能获得挑战第三重的资格。
附：元戎启行周光更多的沟通细节内容
虎嗅：您提到市场竞争日趋激烈，行业呈现集中化趋势，您认为元戎启行团队最独特的优势是什么？
周光：智能驾驶领域的玩家不会太多，但每家主机厂通常会采取“自研+外部供应商”的组合策略。对于海外市场，可能会选择两家供应商。这个行业不会出现单一供应商垄断的局面。但竞争正快速收敛，商业博弈非常激烈。明年的关键，一是降低成本，二是提升体验。如果体验相近，竞争就会聚焦于成本；如果体验存在代际差距，性能则成为关键。
针对成本敏感的需求，我们已准备不同的芯片方案；而在性能层面，基于GPT架构的VLA技术具备更强的拟合与学习能力，这一优势只有通过大规模量产才能充分体现。
虎嗅：元戎已实现20万台的搭载量，并且是目前唯一具备VLA能力的供应商。未来是否会考虑推出适配更低算力、更少传感器的方案？
周光：目前没有这个计划。我们的核心目标是实现数据闭环。纯高速场景的辅助驾驶几乎无法形成有效的数据闭环，没有数据，就谈不上持续迭代。并非不做，而是其商业模式存在问题。纯高速方案更接近传统的Mobileye模式。做这件事的价值是什么？能获取数据吗？不能。如果数据无法回传并用于迭代，其长期价值就非常有限。
虎嗅：关于VLA，它相比上一代模型有何本质差异？要实现完整的VLA能力，需要多大的数据规模？另外，自研能力未来是否会成为巨大挑战？如果放眼未来二十年，元戎面临的最大威胁是什么？
周光：VLA的网络拟合能力极强，在数据量不足时优势不明显。VLA和世界模型是两个概念：VLA是网络架构，基于GPT；世界模型则是一种训练范式。二者并不冲突。
我们的核心优势在于规模。单一主机厂达到百万级年销量并不容易，而很多车企卡在50万台级别。特斯拉全球年销量数百万台，但具备完整数据采集和回传能力的车辆并不多。在数据层面，我们具有明显优势。
实现VLA分为两步，首先是模仿学习，之后才是强化学习。目前行业尚未进入需要大规模投入强化学习的阶段，但我们已在为此做准备。
虎嗅：请问从10万到100万的增量中，预计有多少会来自Robotaxi？未来VLA技术路线上，对进一步降本有何帮助？
周光：关于100万台中Robotaxi的占比：这100万台主要来自量产乘用车。Robotaxi本身会有一个逐步扩展的过程，我们将遵循特斯拉的技术路线，在一两个城市进行部署，并采用端到端技术。近期我们已首次基于量产程序、采用端到端技术完成了Robotaxi的牌照考试，此前我们也获取过多个城市基于高精地图的牌照，但这次意义不同，标志着我们向无图化、泛化能力更强的方向迈出关键一步。
成本从万美元级别降至几千美元级别，主要得益于激光雷达、芯片等核心部件的快速降本。Robotaxi车辆也同样采用量产级别的硬件方案，否则难以支撑规模化运营。
倍顺网配资提示：文章来自网络，不代表本站观点。
