智能輔助駕駛技術對於普通駕駛者來說，無異於「魔法」：車居然自己會開？
在深圳歡樂海岸，紅旗天工和卓馭
開了一家有些特殊的展廳，想把「魔法」進行解密：
車輛陳列不是這裡的重點，展廳以「移動物理 AI」為主線，設置智能輔助駕駛和車載無人機兩條產品線，並將感知、算法、駕駛決策等抽象技術拆解成五個互動體驗區。對於普通消費者來說，這些過去藏在工程師電腦、域控制器和發布會演示影片裡的東西，終於有了更直觀的展示機會。
大部分的智駕供應商很少需要直接面對消費者，他們的名字可能出現在配置表里，也可能被概括成某套駕駛輔助方案，真正被用戶感知的依然是汽車品牌。在很長一段時間裡，供應商最重要的工作是完成開發、保證交付，然後留在幕後。
卓馭這次選擇向前一步。卓馭科技 CEO 沈劭劼說：
卓馭跳出作為傳統供應商，正式走向前台，去探索不僅僅是做產品、技術，也能看看 C 端到底能夠傳遞一些什麼東西。
展廳開業當天，全新一代紅旗天工 08 也在深圳上市，限時權益價為 17.99 萬元。新車首發搭載卓馭「高悟性端到端 4.1」系統，採用由仿生雙目與長焦單目組成的「慣導三目」視覺方案。
相比於已經落地的具體車型，在展廳內的採訪則聊得更遠。端到端 4.2、原生多模態模型、面向 L3 的三冗餘架構，以及卓馭從乘用車智駕向「移動物理 AI」延伸的方向，共同勾勒出紅旗天工與卓馭接下來數年的合作路線。
這座面向所有人的展廳，某種程度上也可以說雙方關係有了新的變化，智駕供應商開始走到消費者面前，車企與供應商之間沿用多年的邊界，也在被新一輪技術周期重新劃定。
從端到端 4.1，到「比人快 0.1 秒」
全新一代天工 08 搭載的端到端 4.1，源自卓馭在 2026 年 4 月發布的端到端 4.0。
按照卓馭 CEO 沈劭劼的介紹，4.0 已經完成完整的數據驅動，包括橫向、縱向控制，以及變道和導航決策。4.1 的版本號只向前邁進一小步，模型在駕駛體驗上的變化卻相當明顯。他說：
小版本是 4.1，沒加多少，但性能變化非常大。
所謂性能變化，不只是車輛能否完成一段從 A 點到 B 點的導航輔助駕駛。系統何時變道、怎樣超過慢車、面對加塞車輛如何反應，以及能否在路口和視野盲區提前減速，都會影響用戶對它的評價。
沈劭劼將這種能力概括為「老司機的感覺」。它意味著車輛開始學習人類駕駛中的大量微動作：看到路邊行人時略微收油，經過積水路面時降低速度，進入沒有交通信號燈的路口前提前觀察。過去依靠規則編寫的系統，很難窮舉這些細微而複雜的判斷。
卓馭還計劃在 2026 年內推出端到端 4.2。沈劭劼預計，隨著 4.2 落地，現階段端到端技術範式會逐漸收斂，性能大致達到「百公里安全接管一次左右」。
他給出的另一個數據，更能說明智駕技術目前的變化速度：
行業平均水平百公里平均接管，今年比去年降了 10 倍，不是誇張，而且提高的趨勢目前沒有減慢，還在快速提升。
燃油車時代，發動機熱效率、傳動效率和油耗水平通常以幾個百分點緩慢進步；今天的輔助駕駛依然處在技術範式快速更替的階段，模型、數據和算力的變化，都可能在幾個月內重寫原有體驗。
這也是沈劭劼暫時不願判斷智駕供應商市場最終會「贏家通吃」還是「多家並存」的原因：
甚至在現在這個時候，連技術範式都還沒有完全收斂。當接管率還可以一年降 10 倍的時候，技術範式鎖定的時候，你不應該看得到這種級別的提升速度。
在端到端 4.2 之後，卓馭計劃於 2026 年第四季度，與紅旗天工首發下一代原生多模態基礎模型。按照沈劭劼的說法，這套模型將在規模、訓練範式和數據來源上出現較大變化，對應海外 FSD V14 所代表的新一代路線。
相比模型擁有多少參數，用戶更容易感知的是車輛反應速度，沈劭劼這麼介紹其中的區別：
端到端的感覺，有點像前面看到了一個東西進來了，可能過了 0.1 秒、0.01 秒之後，這個車開始有反應。到了下一代技術模型之後，你的感覺就是車先有反應，人才看到這個東西，屬於車比人快 0.1 秒和車比人慢 0.1 秒的區別。
人類駕駛員的注意力需要在前車、後視鏡、導航和道路兩側之間切換，車輛的攝影機則可以持續觀察多個方向。當行人靠近道路、旁車出現變道趨勢，模型可能在人類駕駛員意識到風險之前，便開始減速或調整軌跡。
複雜的多模態模型，最終被壓縮成一個只有 0.1 秒的體驗差異。但在高速移動的汽車上，這 0.1 秒會轉化成數米距離，也會影響駕駛者是否願意把控制權繼續交給系統。
全新一代天工 08 將通過 OTA 獲得這套模型。沈劭劼明確表示：
明年上半年一定會把比人快 0.1 秒的能力給 OTA 上去，這個平台還能打很久。
現有車型可以持續獲得模型升級，硬體邊界仍然客觀存在。沈劭劼也提醒用戶，現款天工 08 無法僅通過軟體升級進入 L3。
面向 L3 的下一代天工平台計劃於 2027—2028 年推出。根據雙方披露的資訊，該平台將採用超過 1000 TOPS 的三冗餘域控制器，並配備固態雷射雷達、補盲雷射雷達和 4D 毫米波雷達。電源、控制、底盤和動力系統也將圍繞 L3 的安全要求重新設計。
沈劭劼判斷，到 2027 年中，L2 輔助駕駛將逐漸進入體驗「比較滿意、收斂」的階段，裝車率隨之快速增長。此後，行業的主要競爭會進一步轉向 L3、L4，乘用車高階自動駕駛與 Robotaxi 的技術邊界也將越來越模糊。
供應商與主機廠開始共用一張時間表
在傳統汽車供應鏈中，主機廠負責定義整車，供應商按照項目要求交付零部件或系統。責任、成本和質量邊界都可以通過合同劃分清楚。
這套模式形成於一個技術周期相對穩定的年代。馮彪提到，燃油車時代，一款內燃機的更新周期往往長達 10—12 年。主機廠可以先等待技術成熟，再尋找供應商定點，雙方沿著既定流程完成數年的開發和驗證。
智能駕駛的技術節奏完全不同。
沈劭劼坦言：
輔助駕駛技術發展非常快，不誇張說技術範式 3 個月變一次是很正常的事。
一套剛剛形成的模型，需要經過車企立項、驗證、定點和量產。等到正式上車，下一代模型可能已經出現。對於智駕公司而言，最先進的技術未必能夠最快獲得客戶；對於車企而言，任何新技術又必須接受嚴格的質量與安全驗證。
沈劭劼並沒有迴避這種矛盾：
我們自己本身作為完全的供應商，乙方供應商的角度來講面臨的最大問題，不是找不到客戶，而是找不到客戶用我們最先進的東西。
紅旗天工與卓馭嘗試建立一套更緊密的聯合開發模式。雙方共同定義用戶場景、評測准出體系和開發節奏，研發團隊從項目早期便沿著同一條時間線工作。
一汽紅旗天工事業部總經理馮彪說：
我們所有現在的產品開發，無論是准入、准出的標準、用戶場景的定義、開發節奏、雙方聯合開發的編隊，它就不是供應商和主機廠的關係，就是我們聯合開發的關係。能夠走到台前，就是因為不是供應商的關係。
雙方關係的變化，在智駕與底盤、動力和車身控制開始融合後更加明顯。
沈劭劼舉了一個經過水坑的例子。車輛一側車輪駛過積水，左右車輪附著力不同，傳統系統可能觸發車身穩定程序，隨後讓輔助駕駛退出。新的處理方式可以讓視覺模型提前識別水坑，選擇繞行；也可以在通過水坑前主動降低速度，並協調智駕和底盤控制系統，減少突然退出的概率。
這些東西完全按照供應商的模式都扯不完，裡面任何一個功能按照最後的質量條款劃分都能扯半天，但是我們現在都沒有這些問題。
按照過去的分工，視覺系統負責識別，智駕域控制器負責決策，底盤負責執行。發生問題後，各方很容易將注意力放在責任歸屬上。隨著汽車逐漸成為一個更完整的智能體，這些功能之間需要更高頻、更深入的協同。
馮彪認為，車輛打滑時，智駕系統簡單退出並把控制權交還給駕駛員，只是當前安全邊界下的解決方案。用戶更期待的狀態，是車輛能夠聯合調動轉向、動力和制動，幫助駕駛員控制住車輛。
因此，紅旗天工和卓馭的下一代平台合作已經延伸至智能底盤、動力域和整車控制。卓馭提供模型、感知與決策能力，紅旗天工掌握底盤、動力和整車安全，原本清晰的技術邊界開始相互滲透。
沈劭劼用「因為相信，所以看見」形容這種模式。車企會在技術形成早期便參與進來，與智駕公司共同完成工程化和量產驗證，而非等到所有結果都已經擺在桌面上再作決定。他說：
我們會一起把最先進的東西去首發、落地，在第一天就做了這個決策我必須要用，而不是去糾結你先做出來，做出來我看著好再用。
這種深度合作也需要接受市場檢驗。
馮彪透露，天工 08 從 7 月 1 日開啟預售，到 8 月 1 日正式上市，僅間隔一個月，預售效率較紅旗以往車型高出「幾十倍、幾百倍」。現場沒有公布具體訂單數量，這一說法暫時只能反映紅旗自身產品之間的縱向變化。
在天工品牌三年達到年銷 10 萬輛的規劃中，5 米級大五座 SUV 預計貢獻 20%—30%，甚至更高比例。天工 08 會是銷量支柱，產品本身也會隨著軟體、硬體和市場需求持續調整。
馮彪說：
很難說這個時候的 08 會一直保持到那個時候。如果這樣做，它也無法適應當前中國新能源市場激烈的競爭態勢和新增用戶的需求場景。
從智能駕駛，走向「移動物理 AI」
目前，卓馭擁有 34 家大小客戶，常州第二座工廠已經投產，產能提升約一倍。2026 年以來，公司在乘用車和商用車領域獲得的定點數量，已經超過過去兩年之和。
卓馭的業務範圍也在從乘用車向外延伸。沈劭劼透露，首款搭載端到端智駕系統的商用車預計於 2026 年 8 月投放，重卡幹線物流和無人物流車將在近期展開較大規模試運行。
這些業務被納入卓馭提出的「移動物理 AI」框架。
在沈劭劼看來，物理世界中的任務可以大致分成「移動」與「操作」兩類。卓馭關注車輛、輪式設備或有腿機器人如何從 A 點移動到 B 點；機械臂和靈巧手面對的抓取、裝配和手眼協同，則屬於另一套數據結構：
所有移動類任務的特徵都是這樣的：我的傳感器裝在平台上，傳感器運動軌跡和平台運動軌跡一樣。操作類的任務特徵不是這樣的，它是傳感器和實際操作不在一個坐標繫上，它是手眼協同的過程。
汽車、重卡和無人物流車的外形、載荷與使用場景差異很大，但它們共享相近的數據關係：傳感器跟隨移動平台一起運動，模型需要理解空間、預測其他交通參與者，並規劃一條安全軌跡。
基於這一判斷，卓馭希望把輔助駕駛積累的數據、模型和工程能力複製到更多移動設備上，同時暫時避開機器人「上半身操作」任務。「移動物理 AI」由此成為一家智駕供應商擴展業務邊界的方法。
不過，無論車輛還是其他移動設備，最終都需要處理真實物理世界中的安全問題。
在純視覺與雷射雷達的路線爭論中，沈劭劼認為，兩種方案各有能力邊界。雷射雷達是主動感知系統，在部分極端光照環境中具有優勢；「慣導三目」依靠立體視覺，圖像資訊密度更高，對細小障礙物也有自身優勢。
這裡面有一個關鍵問題，是系統抵達感知邊界後會採取什麼動作？沈劭劼說：
任何系統都有對應的系統邊界，關鍵是到了這個系統邊界，和消費者有沒有一個恰當的交互。不是說撞之前 0.01 秒退出，這肯定是不行的。
沈劭劼並不贊同為了證明傳感器性能，就讓車輛在大霧等極端環境中繼續維持 120 km/h。更加合理的方式，是讓模型根據能見度、路面狀態和交通環境主動改變駕駛策略。他說：
誰說大霧的時候我要開 120 公里？如果模型本身就具備這個能力，整個系統的駕駛行為和當前的環境是匹配的。
當視野變差，系統主動降低速度；進入盲區，車輛提前採取防禦性駕駛；確認無法繼續處理時，再把控制權留給駕駛員。這些動作比單純增加傳感器數量更接近一名成熟司機的思考方式。
卓馭也對「人車共駕」劃出了相對清晰的邊界。駕駛員可以在擁堵、變道、搶車位和路線選擇等效率場景中幫助系統，但在高速、高動態的安全場景里，人和車輛同時做出控制動作，反而可能相互干擾。
我們會盡一切可能避免出於安全考慮的人車共駕。
即使系統必須退出，也需要給駕駛員留下充足反應時間。沈劭劼說：
即使退出，還是那句話，別撞之前 0.01 秒退出，要退提前 5 秒鐘退吧。
