QCraft将自动驾驶技术栈扩展至物理AI新领域

这家自动驾驶公司正在将业务从自动驾驶汽车延伸至更广泛的物理AI领域。

作为主要向整车厂商提供自动驾驶技术的企业之一，QCraft（文远知行）借助今年北京车展发布了旗下全新的QCraft物理AI模型。此举释放出一个明确信号：该公司将未来发展重心不再局限于自动驾驶车辆，而是瞄准更广泛的、与物理世界交互的AI系统。

CEO余铁军博士以宏观视角阐述了这一战略转型，他指出行业正在进入一个崭新阶段。过去十年聚焦于训练AI学会驾驶，而未来十年的主题将是物理AI——即能够感知、推理并在真实环境中做出行动的系统。这一观点正在机器人和自主系统领域被越来越多的企业所认同，但QCraft认为，其技术积累已为自身赢得了先发优势。

世界模型与强化学习的协同架构

此次发布的核心是QCraft将世界模型（World Model）与强化学习（Reinforcement Learning）相结合的统一架构，该方案在两个层面协同运作：在云端，升级后的世界模型可通过自然语言指令，生成逆向骑行者、行人突然出现、极端天气等罕见且危险的驾驶场景；在车端，世界行为模型（World Behavior Model）将视觉-语言-动作（VLA）模型与强化学习算法深度融合，构建出公司所描述的从感知到执行的全链路一体化系统。

其核心思路清晰明了：在仿真环境中运行数百万次训练，再将习得的能力迁移至真实车辆。QCraft强调，这并非对现有算法的渐进式改进，而是一种从根本上不同的研发方法论。

QPilot MAX量产落地

更具即时落地意义的发布是QPilot MAX——一款运行于500+ TOPS算力平台上的城市级领航辅助驾驶（NOA）解决方案。QCraft表示，该系统已在中国最大整车厂商的25款量产车型上完成部署，预计今年内还将进一步覆盖50款车型。

公司将安全数据作为核心差异化竞争力。据悉，QPilot MAX的自动紧急制动系统误触发率仅为每50万公里一次，显著低于行业平均水平。公司声称，该系统每年帮助用户避免约14.6万起潜在事故。余铁军将保险费率视为最终验证指标：如果系统切实提升了驾驶安全性，最终应体现在驾驶员所缴纳的保费数据上。

L4级自动驾驶与末端物流机器人

QCraft还分享了其L4级自动驾驶项目的最新进展。其Robotaxi方案采用量产级车辆配置，而非传感器密集的定制化硬件，体现了公司一贯的理念——以AI能力为先，而非堆砌硬件。在物流领域，QCraft展示了QC-1机器人，专为实现从车辆到门口的"最后100米"配送而设计。

在本次北京车展亮相期间，QCraft同步发布了新使命宣言——"以安全有益的AI赋能美好未来"，并透露在北京展示的同时，其车辆正在慕尼黑和巴黎同步进行道路测试。

Q&A

Q1：QCraft物理AI模型和普通自动驾驶系统有什么区别？

A：QCraft物理AI模型不只局限于自动驾驶，而是面向能够感知、推理并在真实物理环境中行动的更广泛AI系统。其核心架构将世界模型与强化学习结合，云端通过自然语言指令生成危险驾驶场景用于训练，车端则通过VLA模型与强化学习融合实现从感知到执行的全链路闭环，代表了一种全新的研发思路，而非对现有算法的简单优化。

Q2：QPilot MAX目前落地情况如何？

A：QPilot MAX是QCraft推出的城市级领航辅助驾驶解决方案，运行于500+ TOPS算力平台。目前已在中国最大整车厂商的25款量产车型上完成部署，预计2024年内将扩展至另外50款车型。在安全性方面，其自动紧急制动系统误触发率仅为每50万公里一次，低于行业均值，据称每年可帮助用户规避约14.6万起潜在事故。

Q3：QCraft在物流领域推出的QC-1机器人主要用于什么场景？

A：QC-1是QCraft专为末端配送设计的机器人，主要解决从配送车辆到用户门口"最后100米"的配送难题。这与QCraft在Robotaxi方向上强调以AI能力替代硬件堆砌的理念一致，体现了公司将自动驾驶核心技术向更广泛物理AI场景延伸的战略布局。