卓驭常州工厂落成投产,当智能驾驶开始向「物理世界」扩张，工业能力也是核心竞争力
过去几年中国汽车行业发展的主线之一，就是智能驾驶能力的进展，每一家车企和智能驾驶方案提供商都热衷于讲模型、算力和数据。
但技术密集型的行业里，工业能力决定了技术能否落地，本质上，汽车仍然是一个重资产的制造业。
企业发布新的端到端架构，强调更大的训练规模、更高的接管里程，以及从 VLM 向 VLA、世界模型演进的技术路线。汽车也逐渐被视为一种在物理世界中持续感知、推理和行动的智能终端。
模型最终仍然需要通过域控制器、摄像头、激光雷达和整车电子电气架构进入现实世界。软件能力能否稳定装进数十款车型，能否适配乘用车、商用车和无人物流车，考验的已经不只是算法，还包括硬件设计、工程验证、供应链管理和制造质量。
7 月 23 日，卓驭科技常州工厂正式启用，随着这座工厂投产，卓驭形成深圳与常州两座制造基地，开始扩大域控制器、视觉感知系统和激光雷达等产品的生产与交付能力。
这就是工业能力让技术落地和普及的实际例子，常州能和苏州无锡并列为苏锡常，很大部分原因也是因为这里集群了汽车相关产业。
从单车方案走向智能移动基座
卓驭此前提出「移动物理 AI，智能一切移动」，希望将智能驾驶积累的感知、决策和控制能力，扩展到乘用车、商用车、物流车以及 Robotaxi 乃至具身智能机器人等不同形态的移动设备。
也就是说，智能驾驶技术正在从专车专用的项目制开发，逐渐转向可复用的基础模型和软硬件平台。
传统智能驾驶系统通常围绕车型和功能拆分模块。感知、预测、规划和控制分别开发，不同车型还需要重新进行数据采集、参数调整和工程适配。车型越多、市场越广，研发和交付成本也会随之增长。
基础模型的价值，在于尝试提取不同任务之间的共同规律。
卓驭的原生多模态基础模型能够统一处理视频、文本、动作、语音和地图等信息，训练数据也从道路驾驶扩展到互联网内容和移动机器人第一视角数据。他们希望借此提升模型在不同车型、场景和地区之间的迁移能力。
这与当前智能驾驶和具身智能的技术方向存在明显交集。
汽车、机器人和无人运输设备面对的任务不同，但都需要完成相似的闭环：通过传感器理解环境，根据目标形成决策，再控制机器执行动作。随着模型结构逐渐统一，智能驾驶积累的大规模视频数据、空间理解能力和运动控制经验，也开始被用于更广泛的物理 AI 场景。
不同设备在运动学模型、安全标准和运行环境上存在巨大差异。一辆高速行驶的汽车、园区中的物流车和室内机器人，很难直接共享完整的控制系统。更现实的路径，是先共享视觉表征、空间理解和行为预测等底层能力，再针对不同设备进行工程适配。
卓驭目前已经形成覆盖约 200 至 1400 TOPS 的域控制器产品，并布局惯导双目、惯导三目、长短焦视觉模组、激光视觉融合方案以及近距激光雷达。
这些产品共同承担一种功能：把模型转换为车辆和移动设备能够调用的感知与计算能力。
过去，软硬件协同更多用于解决性能和成本问题，例如通过定制算法提高芯片利用率，或者通过传感器配置覆盖不同价格区间。
基础模型时代，硬件平台还承担了另一项任务：为模型的持续迭代提供相对统一的部署环境。