智驾下半场：千里一手卷模型，一手卷量产

智驾行业最大的悬念曾经是技术路线的选择：端到端、VLA、世界模型的讨论此起彼伏。2026年，随着黄仁勋提出物理AI概念，行业争论迅速收敛，模型要真正理解物理世界，成为检验智驾的共识。

新一轮的竞争由此拉开序幕：比拼的不再是单点技术突破，而是体系化的落地能力。

千里智驾CEO陈奇在2026年世界互联网大会乌镇峰会上给出了一个鲜明的判断：“大模型决定智能上限，工程体系决定交付能力和效率。”

他进一步指出，“没有大模型能力的公司，智驾能力天花板会很低；而工程效率低的公司，无法保证量产迭代的效率，一定会被市场淘汰。”

模型能力与工程建设，成了智驾选手必须同时跨过的两道门槛。竞争格局加速分化，千里科技要做的，是在模型与工程两条线上同时走到前列。

PART 1

智驾竞赛的逻辑变了

过去几年，智驾模型经历了从模块化规则向端到端的范式转移，行业普遍的做法是在小模型基础上反复修补、叠加规则，以此推动智驾能力的场景覆盖。

短时间内，这套打法确实提升了模型的模仿能力，但要让一台车在真实世界里应对自如，就意味着它必须提升模型的智能上限、复杂场景下的推理与泛化能力——这对基础模型的要求越来越高，靠修补和规则堆叠已经难以支撑。

长尾场景推理

极限博弈

人类通识理解

行业中，普遍存在两种解决方式：要么自研大模型，这是一场漫长且昂贵的投资，且成效未知；要么沿着既有路线咬牙走下去，但可预见的天花板已经出现。

而千里科技通过与阶跃星辰的深度合作，跳出资金、技术与人才的限制，打造了原生智驾基座模型。

这套设计的精妙之处在于，将驾驶数据前移到预训练阶段，与通用常识一同训练，这改变了以往在开源大模型上做后训练微调的“嫁接”模式，让系统一出生就天然理解物理世界和智驾场景。

“从模型源头联合设计，把智驾数据引入模型训练的全流程，让大模型天然具备对复杂智驾场景的识别、推理和决策能力，而非给小模型套一层大模型外壳。”陈奇做出解释。

不仅如此，这套模型也在持续扩展，将VLA和世界模型不断融入，增强模型本身的逻辑推理和仿真能力。正如陈奇提到的，世界模型的价值不至于仿真测试，将世界表征纳入模型，能够帮助模型在真实路况下做出更合理的行动选择。

Scaling law在智驾领域的效应将愈发明显，对于模型的理解与运用，正在成为智驾竞赛的分水岭：高阶智驾的竞争优势将向具备大模型研发与应用能力的企业集中。

陈奇以“含模量”来点明本质区别：“不只是看系统的全链路用了多少模型，更要看模型本身的质量。这才是智驾下半场竞争的真正含金量所在。”

这场与阶跃星辰的联手出牌，通过资源的重组与整合，既节约了资金投入，也推高了模型的使用上限，为千里科技的下半场竞争打开了技术空间。

PART 2