从2026 WICV演讲看：文远、元戎、智驾新程把智驾的下一轮押在哪？

最近的WICV 2026 世界智能网联汽车大会上有一场智能汽车的「关键技术论坛」，一天的论坛，中有三位演讲者来自智能辅助驾驶公司。

文远知行 CEO 韩旭拿 10 万元级的广汽埃安 i60 做例子，说这台车的辅助驾驶只用了约 200 TOPS 算力；

元戎启行 CEO 周光放出元戎 8 月城市 NOA 装机 6.21 万台、单月行业第二的柱状图，又放了一页通用大模型 GPT-6 Astra 直接控制真车跑完路线的实验；

智驾新程总裁蒋京芳讲的是一颗 128 TOPS 的征程 6M 跑一段式端到端，以及 2026 到 2027 年要把产品铺到 30 多个国家。

三家都用「物理 AI」开场，指的东西却差得很远。文远说的是 L4 无人车在十几个国家的长期运行，元戎说的是按大模型方法训练的 40B 驾驶基座模型，智驾新程说的是能卖给几十家车企的轻量一段式方案。去掉宣传口径，本文的判断是：城市 NOA 已经下探到 10 万元级、8 月渗透率接近 28%，三家其实在回答同一个问题，下一轮差距从哪里来。文远押在数据的来源，元戎押在模型的规模，智驾新程押在复制的速度。

本位就基于这三场的发言，分析和总结辅助驾驶行业发展的趋势，再分别看每家讲了什么、为什么这么讲。希望给行业一些信息和启发

来源：2026 WICV 关键技术论坛三位讲者的现场幻灯片与发言，为本文归纳

三场发言透露的五个行业信号

评价智驾的尺子在换

过去两年，芯片算力几乎是智驾档次的代名词，这一次这三家都绕开了这把尺子。

韩旭提出「单位算力产生的智能」，借电池能量密度的说法叫它「智能密度」；

周光用 MPCI（关键接管间隔里程，开多少公里才需要驾驶员接一次关键的手）和「泛化用时」（新到一个国家多少天能开好）；

蒋京芳讲 128 TOPS 跑出 200 到 500 TOPS 级表现、时延低于 200 毫秒。

其实尺子变化的原因有两个。

首先城区 NOA 往 10 万元级走，车上配不起 500 TOPS，供应商只能证明自己在有限算力下做得更好；

其次我们之前文章《中国辅助驾驶（智驾）现在到底发展到哪一步了？》也分享过，消费者也开始用接管频次评价体验，算力参数的说服力在下降。

不过三把新尺子，在本次会议上由于时间和级别的原因，都停在概念层面：文远没有给「智能密度」的计算方法，元戎的 MPCI 曲线是示意图、没有标自家实测值，智驾新程的「比肩 200 到 500 TOPS」也没说跟谁比、在哪些场景比。

不过总体透露出，行业在找替代 TOPS 的指标，谁先把接管里程、泛化用时做成可审计的口径，谁就握住下一轮的话语权。

城区 NOA 的主战场落在 100 到 200 TOPS

这次发言的三家，其实他们的主力方案都在这个区间：

文远在埃安 i60 上约 200 TOPS，韩旭口头说订单两万台；

智驾新程的 Astra 从双征程 6M 精简为单颗、128 TOPS，它的产品梯度画得很直白，入门的 Luna 用征程 6B 做行泊一体，普惠的 Astra 做城区 NOA。500 TOPS 以上的 Astra Max 才做车位到车位，600 TOPS 以上的 Astra Ultra 留给舱驾一体和 L3 级体验。8 月全国城市 NOA 装机约 42.7 万台，渗透率 27.9%，

量起来以后，车企对方案的要求从「功能有没有」转到「每台车多花多少钱」，高算力档更多承担旗舰车型和 L3 的储备。

来源：文远知行、智驾新程现场幻灯片

城区 NOA 已经变成按成本竞争的量产件，10 万元级车型装得起的那一档算力，决定了未来两年大部分装机量归谁。

数据之争从「有多少」转向「缺什么」

韩旭把这一点讲得最清楚：L2 遇到危险场景时驾驶员通常已经接管，系统自己怎么处置在数据里是缺失的；L4 无人车没人可以接管，鬼探头、事故绕行接出口这类场景能留下完整的识别、决策、执行过程，所以文远用 L4 车队补 L2 的长尾。

元戎从接管数据入手，把接管当作定位短板的信号，并用 RSI（递归式自我改进）让 AI 参与后训练的数据配比；

智驾新程讲的是在当地采集、当地合规处理、当地迭代的属地化闭环。

来源：三位讲者现场幻灯片与发言，为本文归纳

这三条路的成本结构也不一样。

L4 车队要真金白银养车和运营，长尾样本贵但完整；

接管数据来自已售出的量产车，便宜但需要很强的挖掘能力；

海外属地数据受法规约束，往往要在当地建团队和数据中心。选哪条路，取决于公司已经有什么。

量产里程已经不稀缺，稀缺的是完整处置样本、能定位短板的接管信号和合规可用的海外数据，数据团队的考核也该从「采了多少」改成「补上了哪类缺口」。

端到端之后，路线开始分叉

一段式端到端把感知、规划、控车放进一个网络，传感器数据和导航指令进去、轨迹出来，这个我们之前文章《智驾定型之战：一文看透自动驾驶“端到端”的底层逻辑与架构演进》也分享透露端到端已经是量产主流（至少口号上）；

端到端模型往后怎么走，台上出现分歧。周光认为现在的端到端是「小模型」，训练数据约一千万个 10 秒片段，折合两三万小时，只有生成大模型的千分之一，而且没有大规模预训练。在他看来这类模型的MPCI 上限在几十到一百公里，再往上要靠按大模型范式训练的基座模型。

智驾新程和文远则保持车端模型规模，在一段式上叠加多模态、强化学习和物理先验，把每份算力用足。

来源：元戎启行、智驾新程现场幻灯片；MPCI 阶梯为元戎幻灯片示意，未标实测值

两条路线并不完全对立。

40B 模型装不进一颗 128 或 200 TOPS 的车端芯片，我们之前文章《2026百人会论坛：元戎启行｜小模型时代终结，周光用40B基座模型重构自动驾驶》也分享过，元戎会走云端训练加蒸馏到车端；

车端效率派同样需要更强的云端模型做数据挖掘和评测。

分歧在于钱花在哪里，一边压在云端预训练和人才，一边压在车端工程和量产适配。

比拼重心正从车端模型结构转向云端训练体系，没有大规模训练集群和大模型背景团队的公司，很难再靠结构上的小改进留住差距。

出海的成本，变成了泛化的成本

三家都把海外放进了主线。

周光的数字最具体：2025 年 9 月在柏林泛化用了 4 个月，2026 年 10 月在巴黎只用约 4 天。

文远在 13 个国家的 60 多座城市有业务，阿联酋已有 100 多台车做纯无人商业运营，它补上的是运营这一层：从有安全员到车内无人，再到远程协助和规模化运营，每一步都要当地监管放行。

智驾新程全球总部设在新加坡，德国有研发中心。蒋京芳列的四件事基本是一张出海成本清单：全球道路的泛化训练，欧盟 GSR II、E-NCAP 和 GDPR，左右舵、欧洲环岛、东南亚摩托车这些驾驶习惯，以及当地合规的数据闭环。

来源：智驾新程、元戎启行、文远知行现场幻灯片，为本文归纳

进一个新国家要多少天、多少人、多少合规投入，会直接写进海外车企的报价单。

通用大模型开始碰方向盘

周光说自己「越来越焦虑」。他引用的 DrivingBench 让通用模型通过工具接口直接控制真车，GPT-6 Astra 第二次尝试跑完全程，其他几款完成度在 6% 到 45% 之间；另一页机器人仿真榜 RoboDojo 上，没有经过机器人专项训练的 GPT-6 Astra 排第一。他担心几年后做成自动驾驶的会是 OpenAI、Anthropic、DeepSeek 这样的公司，我比较赞同，现在做大算力模型的自动驾驶公司未来，如果这些公司降维打击那就巨大了。

按截图算，这次 134.7 米开了 5 分 22 秒，约每小时 1.5 公里，成本 7.74 美元，折合每公里约 57 美元，离能用还很远。这页图的意义在于，最难的「场景理解」正被通用模型从另一侧啃动。

来源：元戎启行现场幻灯片引用的 DrivingBench 截图；速度与每公里成本为本文按截图数字推算

智驾公司的长期壁垒得落在真实车队数据、车规级工程和安全责任这些通用模型拿不走的地方。

文远知行：拿 L4 的长尾喂 L2

韩旭的主线是「L4 能力进入 L2 量产车」。他先放埃安 i60 的通勤和极限避让视频，再提「单位算力智能」，最后用 3,600 台 L4 车队、1 亿公里里程和阿联酋纯无人运营说明能力从哪里来。

他还讲了两点：数据是双向流动的，L2 量产积累的数据和模型进步也会反哺 L4；AI 的幻觉在数字世界可能逗人开心，在物理世界却是致命的，所以安全投入应被看作性价比很高的品牌建设。

这么讲有现实原因。我们之前文章《文远知行的2026Q2 : 赚L2的钱，转正有期了》也分享过，文远以 L4 起家，收入体量仍小，二季度营收 2.3 亿元，L2 量产是最现实的放量业务，而这条赛道很挤，「L4 长尾数据」正是它与别家不同的理由；标杆车型只能配 200 TOPS 左右，把硬件约束讲成效率优势也顺理成章。

数据能迁移多少Robotaxi 的传感器和算力与一台 10 万元 SUV 差别很大，迁移效果没有给数字。

智能密度没有算法只有概念，无法横向比较。

车队数字看时点财报口径截至 7 月 31 日约 3,400 辆，论坛为 3,600 台；i60 订单两万台只在口头出现。

来源：文远知行现场幻灯片；截至 7 月 31 日的车队数字来自媒体转述的 2026 年二季度财报

文远需要拿出 L4 数据迁移前后接管率的对照数字，否则「L4 同源」只是一个品牌标签。

元戎启行：赌下一代范式是基座模型

周光几乎没讲产品功能，讲的是范式：从规则与模块化到端到端，再到 2026 年起深入研发的基座模型，门槛是数据、人才、算力和资金。元戎给出的进展是 40B 基座模型决策能力提升 90%、数据闭环效率提升 10 倍，成立了 Superfluid Lab，首席科学家来自 DeepSeek；量产侧的 IO 4.0 新增倒车脱困、多把掉头等空间能力。

来源：元戎启行现场幻灯片，原始数据为第一电动汽车网《中国城市 NOA 装机量排行榜》；合计与占比为本文推算

为什么这么讲，看两组数字。元戎 1 到 8 月装机合计约 31.4 万台，8 月约占全国 14.5%；单月第二，前面还有华为，小模型端到端的功能正在趋同，周光自己也说再卷「你长我短」意义不大。

押下一代范式是第二名改变排位的常见选择，而四道门槛里有三道要靠钱，这套说法同时是在对资本和人才市场喊话。周光讲了两个细节：首席科学家加入后说的第一句话是「人才密度不够」，自动驾驶领域远低于大模型公司；做端到端的一千张卡规模，不足以支撑智能上限的突破。

这两句话既是行业判断，也是在说明元戎为什么要持续融资、为什么要按大模型公司的方式组织团队。

量产车还没用上周光明确说 IO 4.0 并非完整的基座模型驱动，原生版本要等到明年。

90% 没有基线没说相对哪个模型、用什么指标。

MPCI 是示意百公里、千公里、万公里三级台阶是方向，图上没有元戎自己的实测值。

车端怎么跑没说40B 模型如何落到车端芯片，决定成本和量产节奏，整场没有交代。

明年原生基座模型版本的接管里程能不能拉开一个数量级，是检验元戎这个判断的唯一标准。

智驾新程：把智驾做成能复制的货

智驾新程是地平线和欧摩威（原大陆集团汽车电子业务）的合资公司，今年 4 月从「智驾大陆」更名。

蒋京芳给出一套算法同源的梯度：征程 6B 做行泊一体，单颗征程 6M 做 128 TOPS 的普惠城区 NOA，往上是车位到车位和舱驾一体，同一套能力还延伸到两轮车骑行辅助和 L4 物流车。她的判断是，下一代竞争的分水岭在更快的跨场景部署能力。

这跟它的股东和客户有关。地平线给芯片和团队，欧摩威给全球供应链、渠道和质量体系；客户里有本田、丰田、日产、现代，它们要一套能在中国和海外同时过法规、同时量产的方案。

公司自我定位为「软件 T2 或软件 T1」，把德赛西威、现代摩比斯等 Tier 1 列为伙伴，卖的是能被别人集成的标准化软件和参考设计。对这样一家公司，复制速度就是规模，规模就是毛利，所以它最看重定点车型数和覆盖国家数。

欧摩威这层关系还带来硬件资源，幻灯片写明它拿到了欧摩威第 6 代毫米波雷达的首发合作，在海外客户眼里，一家带着德系供应链和质量体系的中国软件公司，比纯本土供应商更容易进入采购名单。

性能声明缺基线「比肩 200 到 500 TOPS」「行为一致性 100%」「点刹、画龙减少 90% 以上」都没有对照对象和测试条件。

定点不等于量产16 家以上车企、70 款以上车型是定点数，蒋京芳说今明两年是集中量产交付期，落地多少要看后续上险数据。

口径要对齐口头「16 个国家」应为 16 家主机厂；海外车型覆盖口头说 50 多个国家，幻灯片写的是 2026 到 2027 年预计 30 多个、远期 50 多个。

来源：智驾新程现场幻灯片；更名与融资信息来自公开报道

智驾新程的风险不在技术上限，而在 70 多款定点能否按时、按质量在多个国家同时交付。

写在最后

三场发言放在一起看，智能辅助驾驶已经是跨越鸿沟走入快速量产平民化的阶段，城区 NOA 已经从技术问题变成成本和复制问题。辅助驾驶已经不是一个halo 功能了，而是变成AEB/ESP此类底盘安全稳健的东西，那么此刻他的产品、定位和市场方式都发生变化。

从业者可能在战略、产品、市场都会要有一个新的思考和运作方式。

参考资料以及图片

*未经准许严禁转载和摘录-获取本文参考资料方式：加入我们的知识星球可以下载公众号海量参考资料包含以上参考资料。