2026年世界人工智能大会上，物理AI和具身智能成为最热关键词。行业普遍认为，AI汽车将成为最先量产的具身智能载体，智能汽车行业的竞争逻辑正从单点技术突破转向“基础模型+产业生态”的综合较量。 WAIC首日，千里智驾CTO杨沐与阶跃星辰副总裁、端侧模型负责人俞刚在媒体直播间展开对话。一家负责基础模型演进，一家负责智驾场景落地，双方从预训练阶段深度协同，共建原生物理世界基座模型，打通数字智能到物理空间的完整闭环。 在智驾行业，绝大多数公司采用开源模型做初始化，再用自有数据微调。阶跃与千里的做法截然不同——从预训练阶段就深度绑定。俞刚指出，传统做法的困境在于智驾数据补多了，通用常识能力会下降，而双方通过数据配比实现精细控制，“这不是物理拼接，是化学反应”。 杨沐补充，真正瓶颈是缺一个能把感知、博弈推理、边缘场景响应集成到同一架构的基座模型，这必须从预训练阶段协同设计。“原生”的含义正在于此：模型从第一行代码起，就把物理世界的传感器数据、驾驶博弈逻辑写进基因。这种更底层的联合研发，是从底层保证模型兼具通用推理与路况感知能力的关键路径。 数字与物理世界之间横亘着“时延-算力-安全”的天堑。俞刚拆解：模型越大、思维链越长，能力越强但反应越慢，自驾不可能等漫长思考再决策。阶跃和千里的解法是“端云协同”——端侧快速闭环安全指令，复杂任务路由云端。 杨沐透露，新模型已出现关键突破：前车靠拢时会减速，而现有量产车在同样场景下仍会直线冲过去。AI汽车开始像人一样理解博弈和预判，而非执行指令。 杨沐给出分阶段判断：2027年上半年大模型量产上车；2028至2029年出现“六边形战士”级方案。他强调量产只是起点，真正实现Robotaxi级别无人驾驶，还需在对抗环境中进行强化学习和自我博弈，否则“日常不出事，一旦出事就是人身财产损失”。 他以AlphaGo作比，自主学习一旦启动，一到两年内就会迎来质变。在端侧AI进化的路上，“阶跃+千里”构成的稀有生态，正以底层预训练阶段深度协同，共建原生物理世界基座模型，打通数字智能到物理空间的完整闭环。 技术协同之外，这一合作还揭示了产业逻辑的深层变化。据媒体报道，阶跃已构建覆盖基础模型与多模态模型的“1+N”模型矩阵，并将“AI+终端”确立为重要战略方向；千里科技已形成“AI+车”战略，快速布局智驾、座舱、Robotaxi等领域。印奇出任阶跃星辰董事长后，花80%以上时间关注技术和产品，致力于从底层重构AI+车的技术路径，“阶跃模型相当于‘大脑’，千里智驾是汽车的‘手脚’”。 阶跃星辰在WAIC 2026上发布的Step 3.7 Flash端侧模型参数量为196B，推理激活仅11B，400TPS极速响应。落到车端，车载语音交互不再是单纯的一问一答，而是能理解用户模糊意图，自主拆解任务完成复杂目标。该模型在车机本地运行，即使在隧道、地下车库等弱网环境，智能体依然实时在线，也避免了语音数据上传带来的隐私风险。 这一组合被行业视为对标“Grok+FSD”的中国镜像玩家——在同一物理AI逻辑下，阶跃提供基础模型大脑，千里提供汽车载体与量产经验，构成大模型+车端应用的双轮布局。