车东西4月25日北京车展现场报道，今天下午，元戎启行举办发布会，围绕“物理AI”披露了公司在技术路线、组织协同和量产进展方面的最新信息。会上，元戎启行CEO周光回顾了公司创业背景，并进一步阐述了面向未来的长期定位；首席科学家阮翀则首次以公开演讲形式，系统介绍了公司在基座模型方向上的思路与阶段性进展。

从整场发布会释放的信息看，元戎启行希望传递的核心，不只是辅助驾驶功能本身的升级，而是将公司未来的技术重心，进一步延伸到更大范围的“物理AI”能力建设上。按照周光的表述，公司长期目标是成为“物理世界的AI基础设施”。这一说法背后，反映的是企业希望将自身角色从单一辅助驾驶方案供应商，向更底层的智能能力平台延展。

在现场演讲中，周光提到公司创业初期对于交通安全问题的关注，并再次强调安全仍是相关技术发展的根本出发点。从行业现实看，辅助驾驶系统虽然已经进入大规模量产阶段，但距离更高安全水平和更稳定的用户体验仍有明显提升空间。元戎启行在此次发布会上释放的一个判断是，随着大模型持续增强对复杂环境的理解能力，辅助驾驶系统的安全性和稳定性有望在未来几年继续改善。

与周光更多从战略层面展开不同，阮翀的演讲重点集中在基座模型这一技术方向。其核心观点是，当前辅助驾驶行业在规模化落地过程中，传统依赖多个小模型分工处理任务的方式，已经逐渐暴露出稳定性不足、长尾场景表现波动以及用户高频使用率提升缓慢等问题。在这一背景下，元戎启行提出以基座模型为核心的新一代技术路线，尝试把驾驶决策、环境理解和行为评估等能力，统一到同一架构中处理。

从技术逻辑看，这一路线的关键不只是把模型做大，而是试图通过更完整的数据闭环和更高效的训练迭代，提升系统在复杂场景中的一致性。按照元戎启行在发布会上的说法，在新的技术体系下，数据闭环的迭代周期已从过去约5天缩短至约12小时。若这一节奏能够长期保持，其直接意义在于缩短问题发现、数据回流、模型训练和版本更新之间的周期，从而提升辅助驾驶系统在量产阶段的持续迭代效率。

除了产品能力层面的介绍，阮翀还谈到AI能力在企业内部研发和管理流程中的渗透。根据其现场分享，AI目前已开始参与知识问答、代码生成、实验分析以及跨部门协作等多个环节。换句话说，元戎启行此次想强调的不仅是“用AI做车”，也包括“用AI做研发”。这意味着，在辅助驾驶系统之外，AI正在进一步进入企业内部的工程体系，影响研发组织的分工方式和工作流程。

发布会期间，元戎启行还设置了以“AI for what”为主题的对话环节，邀请来自云计算、世界模型、教育等不同领域的嘉宾参与讨论。与常见的新产品发布不同，这一环节的重点不在参数或功能本身，而是围绕大模型在现实世界中的能力边界、不同技术路线的分化以及AI对社会的影响等问题展开。这样的设置，也在一定程度上呼应了元戎启行此次试图将讨论范围从产品能力延伸到“物理AI”这一更大命题的思路。

在产品预告部分，元戎启行还展示了舱驾一体Agent的相关方向。按照现场介绍，这一功能并不只是传统意义上的车载语音助手或娱乐交互模块，而是希望让系统具备更强的用户需求理解和复杂场景响应能力。若从产品演进路径来看，这意味着企业正在尝试把车端AI能力从单点功能调用，逐步推进到更连续、更主动的任务处理层面。

支撑这一技术路线的基础，仍然是量产规模和真实道路数据。元戎启行在发布会上披露，目前搭载其城区辅助驾驶方案的量产车辆已超过30万辆；过去一年，搭载其主动安全系统的车辆累计真实道路运行里程超过13亿公里，用户累计驾驶陪伴时长达到4480万小时。对于依赖数据驱动持续优化的辅助驾驶系统而言，这类真实运行数据既是验证现阶段能力的重要依据，也是推动基座模型继续迭代的基础条件。

从阶段性目标看，元戎启行计划在2026年推动辅助驾驶系统量产交付规模突破100万辆，同时将MPCI指标提升至1000公里以上，并继续提升用户高频使用率。整体来看，这组目标释放出的信号比较明确：在当前行业竞争重点逐步从“是否上车”转向“使用频率、稳定性和可持续迭代能力”的背景下，元戎启行希望通过基座模型、数据飞轮和更大规模量产，进一步强化自身在辅助驾驶赛道中的竞争力。