从小模型迭代走向基座模型重构
小模型方案的局限
过去小模型方案推动了辅助驾驶早期量产落地，但随着场景复杂度不断提升，其短板也愈发明显。行业中普遍存在“跷跷板效应”，同一套系统在不同时间、不同城市的表现差异较大，某个版本强化了部分能力，下一个版本却可能在别的场景里出现退步。
迈向基座模型的必要性
要真正解决问题，必须全面走向大模型、走向基座模型。辅助驾驶下一阶段比拼的已不只是感知能力或简单的端到端，而是整体认知能力的进化。当前辅助驾驶系统本质上包含Driver、Analyst和Critic三种角色，需要统一沉淀到同一个基座模型中。
基座模型的优势
在这一体系下，辅助驾驶将不再只是“执行系统”，而是迈向“认知系统”。基座模型不仅要会开车，还要理解为什么这样开，并评估是否开得更好。引入AIOrchestrator后，数据闭环周期已由过去约5天压缩至12小时，研发效率大幅提升。
从规模化落地走向高频化使用
当前行业的“落差”
市场规模持续扩大，芯片算力提升至更高水平，但城区NOA用户黏性仍在20%至30%区间，城区NOA渗透率仅15%左右。辅助驾驶虽然越来越“可用”，却还没有真正走到“爱用”的阶段。
解决稳定性问题的关键
只有真正解决系统在复杂长尾场景中的稳定性问题，让用户在不同城市、不同时间、不同路况下都能建立一致预期，辅助驾驶才可能从展示型功能变成日常出行工具。基于基座模型，元戎启行正尝试构建统一底座下的多元产品矩阵，以适配不同平台和车型需求。
元戎启行的新目标
面向2026年，元戎启行计划推动城市NOA量产交付规模突破100万辆，将MPCI指标提升至1000公里以上，并推动用户高频使用率提升至50%以上。2026北京车展期间，元戎启行首席科学家阮翀也将首次公开演讲，分享公司在基座模型方向的最新技术进展与核心成果。
行业竞争重心的转移
从“功能竞赛”到“认知能力竞赛”
行业进入规模化量产阶段后，辅助驾驶系统正面临新的约束条件，单点优化、小模型迭代的路径开始显露边界。下一阶段竞争的关键，不再只是算法性能的边际提升，而在于系统层面的“认知能力”。
系统工程能力、数据闭环效率和长期投入能力的重要性
在新的竞争阶段，单一技术优势难以形成壁垒，真正的分水岭将来自系统工程能力、数据闭环效率以及长期投入能力的叠加。元戎启行引入曾参与DeepSeek多模态研发的阮翀担任首席科学家，并将在北京车展首次公开亮相，这一动作被视为其在基座模型与多模态方向持续加码的信号。
相关问答
算力提升、投入增加、量产车型增多，但消费者未将城市辅助驾驶作为高频日常工具，小模型路径的能力边界显现。
为什么说辅助驾驶正在从功能升级走向认知升级？
下一阶段辅助驾驶竞争关键在于系统认知能力进化，需将执行、理解分析和行为评估等能力统一沉淀到基座模型中。
元戎启行在辅助驾驶技术上做出了哪些调整？
推动从小模型范式向基座模型范式切换，构建统一底座下的多元产品矩阵，以适配不同需求，提升系统稳定性和用户使用率。
元戎启行的基座模型有什么作用？
基座模型不仅能让辅助驾驶系统会开车，还能理解为何这样开并评估驾驶情况，提升研发效率，推动系统持续进化。
2026年元戎启行在辅助驾驶方面有什么计划？
计划推动城市NOA量产交付规模突破100万辆，将MPCI指标提升至1000公里以上，推动用户高频使用率提升至50%以上。
行业竞争重心发生了怎样的转移？
从“功能竞赛”转向“认知能力竞赛”，更注重系统工程能力、数据闭环效率以及长期投入能力的叠加。
简短标题：辅助驾驶技术如何演进？元戎启行CEO周光给出了这些答案！
转载声明：欢迎分享本文，转载请保留出处！发布者 财云量化