智駕第一梯隊激戰通用智能，卓馭的“移動物理AI”正在重寫規則

當智能駕駛行業走過“功能實現”的1.0階段和“場景覆蓋”的2.0階段，一個更深層的變革正在發生：技術范式正從“數據驅動的端到端”邁向“通用智能的物理交互”。這一被稱為“智能駕駛技術范式第三次躍遷”的進程，正在重新劃定行業的競爭邊界。在這一背景下，中國智能駕駛產業已清晰凝結出四大核心力量——地平線、卓馭、華為乾崑、Momenta。它們憑借各自的技術基座、商業模式與量產規模，共同筑起了行業的第一梯隊。但在這些顯性成就背后，四條截然不同的戰略路徑正在展開，它們將決定誰能在新一輪范式躍遷中占據先機。

一、 技術范式的三次躍遷：從規則到數據，再到通用智能

要理解四家企業的戰略分野，首先需要厘清行業正在經歷的技術演進脈絡。第一次躍遷是規則驅動時代，智駕系統依賴工程師編寫的海量規則（if-then邏輯）來應對場景，其瓶頸在于規則無法覆蓋無限的長尾問題，系統越復雜，維護成本越高。第二次躍遷是數據驅動時代，以端到端大模型為代表，系統通過學習海量駕駛數據直接輸出控制指令，這一范式突破了規則的手工編寫瓶頸，但仍屬于“垂類專家模型”——它被訓練用于“駕駛汽車”，而非理解物理世界。第三次躍遷是通用智能時代，這是正在發生的范式躍遷，其核心特征在于AI不再是被訓練用于特定任務的“工具”，而是具備了理解物理世界規律、并能將這種理解遷移到不同載體的“通用智能”。正是在這一范式躍遷的關口，四家第一梯隊企業分別選擇了不同的技術路徑與戰略卡位。

二、 第一梯隊的戰略分野：四種路徑，一個方向

地平線的戰略核心在于軟硬協同的計算平臺，其征程系列芯片與BPU計算架構為所有可能的智能體提供了高性能、低功耗的“物理大腦”。通過“一段式端到端+強化學習”的HSD系統與芯片的深度耦合，地平線在硬件層面為AI的高效運行提供了載體。其成功在于不直接定義AI的“智能水平”，而是為AI的智能提供最底層的算力保障和開發效率。征程6P的560TOPS算力指向“能力上限”，征程6M將城區NOA帶入10萬級市場則指向“普及門檻”。在范式躍遷中，地平線扮演的是“基礎設施提供商”的角色——無論未來的通用智能以何種形態呈現，都需要強大的計算基座來承載，地平線的價值在于為整個行業提供了智能得以存在和演化的物理基礎。

卓馭的技術核心則是原生多模態基礎模型。不同于其他廠商基于視覺-語言-動作（VLA）或世界模型的單一路徑，原生多模態基礎模型天生將視覺、語言、物理世界規律融為一體。它既能像世界模型一樣精準預測物理世界的未來演化（例如，判斷前車突然剎停后可能出現的行人），又能像VLA一樣理解高層語義指令（例如，直接執行“超前面那輛紅車”的口語化命令）。這種“高悟性”的基座模型，使其具備了全球零泛化、開箱即用的通用能力。

這一技術本質決定了卓馭的獨特定位：它不是在為一個特定垂類（乘用車）打造專家模型，而是在為所有“會動的東西”打造一個通用的智能大腦。 正如其資料所強調，無論是乘用車、商用重卡、無人物流車，還是未來的具身機器人，都將共享同一套移動物理AI基座。其最新發布的“高悟性端到端4.0”，通過“數據驅動體驗閉環”的雙閉環系統，實現了從“以模型為中心”向“以數據為中心”的范式轉換，讓模型在數以萬計的真實與仿真場景中“開悟”，展現出變道絲滑、三點式掉頭、本能防御、縫隙穿行等類人的高階駕駛能力，這恰恰是其通用移動智能基座能力在乘用車場景下的最佳注腳。

這些表現指向的，正是模型對物理世界深層規律的理解能力。更值得關注的是，卓馭的戰略選擇使其技術成果正從乘用車向商用重卡、無人物流車、車載無人機乃至具身機器人快速遷移，其“全球零泛化、開箱即用”的能力指向的正是這一戰略的底層邏輯——當一套通用基座可以服務所有移動場景時，研發成本將被極大攤薄，技術普及的門檻也將被大幅降低。

也正因此，卓馭在量產數量上取得可觀成就，目前卓馭共有22大客戶，35個合作品牌，累計量產50+車型，定點合作車型突破130款，覆蓋了售價幾萬的經濟適用品牌一直到百萬豪車，并且在商用車領域也有陜汽、中國重汽、一汽解放、東風等巨頭進行了深度合作。

華為乾崑的技術路線是全棧自研的系統工程，其WEWA架構（世界引擎+世界行為模型）通過云端世界引擎生成高密度仿真難例。華為的邏輯在于，通過極致的工程化能力將智駕系統的性能和安全推向當前技術條件下的極限。其GOD網絡（通用障礙物檢測）和PDP網絡（預測決策規劃）的配合，是對物理世界進行高精度建模與執行的典范。在范式躍遷中，華為是“執行標桿”和“安全錨點”——它證明了通用智能在特定載體（汽車）上可以達到的性能高度，為行業樹立了一個“工程上限”的參照系，即一個安全、可靠、強大的智能體應該是什么樣子。

Momenta的戰略核心是數據驅動的飛輪模式，其“一個飛輪，兩條腿”的戰略通過量產輔助駕駛規模化獲取海量真實數據，反哺算法進化，形成了數據與算法自我強化的正循環。Momenta的“一段式端到端飛輪大模型”與“閉環自動化（CLA）工具鏈”，解決的是智能如何“低成本、高效率”地持續進化的核心難題。它證明了海量、高質量的真實駕駛數據是驅動AI從“學會”到“悟懂”的關鍵燃料。在范式躍遷中，Momenta是“進化引擎”和“數據煉金師”——它為通用智能的持續迭代提供了一套已被驗證的商業模式和技術路徑，回答了“如何讓AI在復雜多變的真實世界中不斷自我進化”這一核心問題。

三、 面向未來的生態圖景：四種能力的協同演進

地平線、卓馭、華為、Momenta這四家第一梯隊企業，并非簡單的競爭關系，而是在智能駕駛技術范式躍遷的進程中分別占據了四個關鍵的戰略節點：地平線提供了智能得以運行的物理載體；華為乾崑定義了智能在特定場景下的性能上限與安全底線；Momenta驗證了智能持續進化的數據驅動模式；卓馭則直接錨定了智能的通用形態與跨載體遷移能力。

展望未來，一個成熟的智能駕駛乃至通用移動智能生態將離不開這四類能力的協同。而卓馭的戰略選擇——不局限于汽車，直接瞄準通用移動智能本身——使其在范式躍遷的進程中占據了一個獨特而前瞻的生態位：它正在試圖成為那個讓智能從“汽車”走向“萬物”的關鍵推動者。