昨日（9月29日），元戎启行CEO周光在2024全球智能汽车产业大会（GIV）上表示，该公司已与多家主机厂合作，共同推进十余款智能驾驶汽车的量产。
“目前，我们与多家主机厂的多款车型都开始了合作，已有超过万辆车下线。”同时他预计，五年后这一数量将达百万级。
而同时，元戎启行（以下简称「元戎」）也在积极探索Robotaxi的规模化运营。
周光表示，搭载元戎方案的其中一款量产车型，在近期登上了周销榜首。该车型销量最好的区域主要在二三线城市，而越是像这种复杂、少图的场景，越能体现出元戎方案的优势。
“各家企业的端到端方案都有所不同，其中有两段式也有一段式，但端到端只是进入智驾下个阶段的入场券。”
据他介绍，目前元戎启行正基于Thor芯片研发VLAM（Vision-Language-Action Model，视觉-语言-动作模型），该系统将于明年推出。
通过VLAM，元戎启行的智能驾驶系统可以连接视觉、语言、动作，能识别和描述道路环境、交通标志、道路参与者等，理解交通场景中复杂的交互事件、隐藏的语义信息和逻辑推理。
也就是说，即便碰到罕见路标跟边缘场景，系统也能有高效的场景泛化能力和稳定的驾驶表现。
在今年3月，元戎发布了端到端无图方案，4月份推出了高阶智驾平台DeepRoute IO，仅需一颗Orin X就可做到「全国都可开」。
“现在,不管是几线城市，还是国道乡道，都能激活我们的智能驾驶系统。”
周光指出，早在2017年，元戎就提出了感知的前融合，感知能力一直是其强项之一。如今，经过端到端的数据训练，使得系统可以处理大量非规则、非结构化的场景，例如弱车道线、施工场地、异形障碍物等物体场景的识别，都是通过端到端系统的训练达成。
不过周光也透露称，上半年，在做端到端的泛化过程中，其实也遇到了很多问题。
“目前的一段式端到端，在处理原始数据的过程中，还是存在结构化的抽象。这是一个BEV架构带来的问题，因为将3D事件投映到2D平面上，会产生大量的信息损失。”
他表示，元戎基于英伟达的Thor开发了Vision Transformer架构下的VLAM，上限会更高，也会更加拟人。
同时他也指出，针对新的架构，元戎的数据采集形式也有所变化——从单纯做感知标注，一直延伸到行为级层面的标注，这意味着整个技术栈的巨大变化。
“这可以让系统由传统的Debug形式，变成了嵌入Thor的技术栈，这是非常大的提升。我们搭载Thor平台的软件会在明年上车，会实现质的飞跃。”
周光透露，明年，这套VLA模型的端到端方案就会上市，同时预计元戎的欧洲运营中心也会开启，届时也希望帮助车企进行海外布局。
“我们期待5年以后，能够有百万台的AI汽车搭载元戎系统。我认为这是真正的基点，也是下一个端到端阶段的入场券。”