于骞：世界模型与强化学习是物理AI的必经之路，轻舟智航百万台量产验证技术路径
在2026年3月18日德国慕尼黑汽车论坛上，轻舟智航CEO于骞提出“世界模型+强化学习”是通向通用物理AI的核心路径，旨在解决自动驾驶在物理世界中安全试错的难题。该方案已在百万台量产车辆中验证，并在仅128TOPS算力下实现了复杂城市NOA功能。轻舟智航正加速全球化布局，计划将经过验证的物理AI底座从汽车延伸至机器人领域。
事件概述
2026年3月18日，在德国慕尼黑举办的“智能汽车与智能制造论坛”上，轻舟智航联合创始人、董事长兼CEO于骞博士发表了题为《Beyond Autonomous Driving: Physical AI in the Real World》（不止自驾驶，物理AI未来已来）的主题演讲。他与德国波鸿汽车研究中心创始人费迪南德·杜登霍夫教授就通用物理AI的发展路径进行了深度对谈。
核心观点：物理AI的演进与挑战
于骞指出，AI发展正从模仿人类迈向“超人智能”阶段（2026年起）。这一阶段的本质跃迁在于AI不再单纯复刻人类行为，而是依托世界模型（World Models）与强化学习（Reinforcement Learning），真正理解物理规律、意图及社会常识。
- 虚拟与现实的差异：围棋等博弈属于虚拟世界的完美信息环境，AI可无限低成本试错；而自动驾驶面对的是充满不确定性的物理世界，安全红线限制了其在真实环境中的“野蛮生长”。
- 终极难题：物理AI必须解决如何在保障安全的前提下，让AI掌握推理泛化、物理规律理解以及社会常识决策三大核心能力。
技术解法：世界模型 + 强化学习
轻舟智航提出的技术架构被比喻为AI虚拟“驾校”：
- 世界模型：负责预演现实场景的无限可能性，模拟数百万种长尾场景（如复杂路口博弈、极端天气、突发路况变化）。
- 强化学习：扮演不知疲倦的教练角色，持续优化AI决策路径，使系统能在虚拟试错中学会从容应对甚至超越人类反应极限。
该架构推动自动驾驶系统从“被动记忆”转向“主动思考”，具备应对未知环境的能力。
关键事实与数据
- 量产规模：截至2026年1月，轻舟智航辅助驾驶系统搭载量正式突破100万台。这构成了物理AI技术最宝贵的真实训练场。
- 算力效率：在仅128 TOPS的算力平台上，实现了业界领先的城市NOA功能，能够从容应对复杂路口博弈、无保护左转及夜间避让密集电动车等难题。
- 商业化模式：构建L2++与L4双轮驱动模式。L4无人物流车已落地并首创“量产即运营”范式；Robotaxi业务计划于2026年启动小范围试点，2027年实现规模化部署。
- 全球化适配：解决方案兼容英伟达、高通、地平线三大主流芯片平台，并符合ASPICE CL2、ISO26262、ISO21434等国际最高技术与安全标准。
未来展望
轻舟智航于2025年在慕尼黑设立办公室，致力于将中国复杂交通环境中验证的AI技术与德国工程底蕴融合。于骞强调服务本地化理念，未来计划把经过百万台量产验证的物理AI底座，从汽车领域延伸至机器人等其他自主设备领域。