2025 年的人工智能世界以 DeepSeek 的橫空出世開始，以 Grok 4.1 和 Gemini 3 的輪番亮相結束，經過一整年的狂轟濫炸，AI 成爲各行各業轉型升級的原動力。
機器人排隊進場，大模型公司批量上市，高科技公司的資本開支持續刷新着資本市場的想象力，人工智能正在系統性從炫技轉向落地，商業化的命題前所未有的迫近。
按照 Crunchbase 統計，去年全球基礎模型公司融資金額高達 800 億美元，是 2024 年的 2.5 倍。這個數字佔 AI 領域整體融資額的 40%，一枝獨秀。
中國市場情況基本一致，少了些股價跟着資本開支漲的癲狂，多了些錯失未來門票的焦慮。繼智譜和 MiniMax 先後登陸二級市場，階躍星辰完成超 50 億元人民幣 B+輪融資，一舉刷新過去 12 個月中國大模型賽道單筆最高融資紀錄。
資本市場的動作是產業界技術投資的先行指標，人工智能產業化的下半場信號日趨鮮明。當 AI 落地的趨勢越發明確，大模型的混戰告一段落，分野逐步形成，也意味着新的階段正在開啓。
誰先拿到物理世界的主導權，誰就有機會坐上最後的牌桌。
一個AI技術派的15年
階躍星辰融資新聞的同一天，董事長印奇走馬上任。這是一個耐人尋味的組合，前者是一家年輕的大模型公司，後者雖然年紀不大，但卻是在 AI 和硬件上摸爬滾打 15 年的創業者。
印奇出身清華姚班，在本科時就接觸了當時非常前沿的深度學習領域，並從2011年創辦曠視科技，完整參與了深度學習在中國產業化落地的全過程。
今天的人工智能革命可以追溯到2012年，AlexNet在ImageNet圖像識別大賽上奪冠，深度學習產業化空間被打開，催生了第一波人工智能創業潮。
但和當時批量誕生的大多數創業公司一樣，儘管印奇手握國內最好的算法和計算機視覺人才，走過了行業所有軟硬件系統的該走的路。也遇到了和大家類似的問題：技術底子深厚，但缺乏足夠的商業化場景。
回看深度學習的崢嶸歲月，印奇最大的啓示是“商業閉環”： 頂尖的學術能力未必 能對齊 工程 系統 與商業化水平，AI+終端的思路沒有問題，但需要一個健康的商業閉環與之匹配。
基於這個背景，2024年11月，印奇加入千里科技擔任董事長，帶着 1.0 創業時期積累下來的技術和經驗，投身第二次創業，讓這位“天才少年”再次走進大衆視野。
千里科技脫胎於力帆科技，曾是中國首家在A股上市的民營乘用車企業，具備深厚的製造業基礎。印奇掌舵後，千里科技開啓轉型，結合自身製造業背景和印奇的技術經驗，確立了“AI+車”戰略。
短短一年內，千里科技完成了在智能輔助駕駛、智能座艙、Robotaxi 等多個領域的業務佈局。
階躍星辰成立於2023年，是目前國內少數還在投身基礎大模型研發的頭部公司之一，其多模態模型多次在 LMSYS、OpenCompass 等權威榜單中位列中國多模態大模型第⼀，產業界當下聚焦的多模推理，也是階躍的傳統優勢項目。
而在商業化層面，階躍的模型覆蓋了 OPPO、榮耀、中興等國內品牌的 4200 萬臺手機，日均服務近 2000 萬人次。在汽車、具身機器人、IoT 領域，也都有頭部的合作方，是業界較爲特別的終端 B2C 商業模式。
千里科技&階躍星辰董事長印奇
印奇官宣董事長之前，階躍已經是千里科技最重要的戰略合作伙伴之一。
在智能輔助駕駛領域，千里科技基於階躍星辰的多模態大模型底座和強化學習範式，打造了全新的 RLM 智駕大模型；在智能座艙領域，兩家公司也曾深度合作，推出過面向 AI Agent 原生打造的下一代智能座艙 Agent OS。
2025 年，千里科技、階躍星辰、吉利共同發佈下一代智能座艙 Agent OS
印奇再度履新並非單純的人事任命，而是幾家公司 “軟硬一體” 的資源大整合。
如果把階躍星辰和千里科技視爲一個完整的體系，兩者的定位其實非常清晰：
階躍星辰的長板是“模型”，即基礎大模型的研發能力，類似馬斯克創辦的x.AI；千里科技更擅長“系統”，依託自身的軟硬結合和工程化能力提供解決方案。從基礎大模型技術到系統解決方案，兩家公司的互補性極強。
除了少數財大氣粗的高科技公司，大部分大模型公司往往受限於場景和數據，終端廠商又缺乏訓練大模型的能力。谷歌與蘋果的合作常被視爲蘋果投資 AI 不利的例證，但另一方面，谷歌也需要硬件終端作爲 AI 能力具體的載體。
原因並不複雜，無論是模型開發還是終端設備研發都需要大規模的投資，這種情況下，產業鏈的分工與協作就會成爲必然。汽車工業的水平分工，半導體產業設計與製造的分離，蓋因如此。
具體到人工智能領域，不同環節的協作配合更加重要。最典型的是智駕場景，終端缺少軟件算法能力，需要供應商協助，但供應商大多接觸不到核心數據，只能負責事後打補丁。有所保留的合作，留下的往往是隱患。
印奇同時掌舵階躍星辰和千里科技，顯然是爲了確保整體戰略的統一和決策的效率，保證技術研發和產品需求高度對齊，形成單一模型公司或者終端廠商無法實現的系統級壁壘。
讓 AI 進入物理世界，成爲“階躍+千里”的先行指標，這一次，印奇一開始就明確“AI+終端”的商業模式。
這件事情在十年前做不了，五年前難度極大，但當下反倒是最好的時機。
物理 AI 呼嘯而來
去年 3 月，黃仁勳在英偉達 GTC 大會上拋出核武器：生成式 AI 成爲過去，未來是屬於代理 AI（Agentic AI）和物理 AI（Physical AI）的時代。不到一年時間，今年作爲 CES 頂流的黃仁勳又把 Agent 拋在了腦後，大有一副“All in 物理 AI”的姿態 。
物理 AI 的核心在於“AI 與物理世界融合”，即 AI 賦予機器在真實世界中感知、推理和執行的能力。其中的關鍵在於，AI 需要理解真實世界的物理法則，以此爲基礎完成技術實現。
換句話說，AI 必須理解並作用於物理世界，智能終端是過程中的關鍵載體。智能輔助駕駛是是一個典型的物理AI場景，也是產業化起步最早、空間最大的細分領域。
當下如火如荼的人形機器人也是同樣的道理。傳統機器人依賴預設的程序、固定的規則執行任務，沒有多模態“大腦”，無法應對複雜多變的環境。“具身智能”的內涵是算法可以依靠對物理規則的理解，適應未知環境、進行常識推理，執行復雜任務。
黃仁勳的演講固然有屁股決定腦袋的因素，但 AI 向物理世界滲透的確是當下趨勢，AI 和終端結合，是最有可能實現商業閉環的方向。
印奇當年對人工智能的想象，在15年後呈現出了逐漸清晰的輪廓。
2026 年 CES，英偉達發佈開源 VLA 大模型
相比深度學習，大模型的出現和決策能力的形成，算法通用性和技術平臺化的難題迎刃而解。同時，以手機、汽車爲代表的終端設備龐大的市場規模，也讓人工智能企業的商業化空間變得非常廣闊。
階躍星辰與千里科技的進一步融合，也是技術迭代趨勢下，商業層面的前瞻並務實的選擇。
階躍星辰的管理層包括前微軟全球副總裁的 CEO 姜大昕，他是 2025 年的 IEEE Fellow、NLP 領域的頂級學者；ResNet作者之一張祥雨擔任首席科學家，其論文迄今被引用超過42萬次。
CTO朱亦博在谷歌擔任過 Google Cloud GPU 產品技術負責人，在字節參與過大規模AI基礎設施，是國內少有的擁有萬卡集羣系統搭建和管理經驗的技術人才，算得上軟硬件頂層設計通喫。
目前，階躍星辰已構建起“1+2”的模型體系[1]。其中，“1”爲基座模型，“2”爲原生多模態模型與端雲結合。
千里科技整合了來自極氪、吉利研究院以及曠視三方的智駕團隊，同時手握奔馳的投資。既有曠視積累的算法基因，也有來自主機廠成熟的人才體系和規模製造的經驗。超過 23 EFLOPS 的雲端算力儲備和百萬級量產車數據都是千里科技的優勢。
橫跨印奇職業生涯的“AI+終端”的技術理念，在物理 AI 的框架之下，終於以“階躍+千里”的形式落地。
與之對應，當物理 AI 呼嘯而來，產業的競爭核心也不再是某項長板能力的比拼，而是綜合能力的系統性競爭。
一方面，大模型研發“燒錢”已非傳統意義上的高投入，無論是百萬年薪打底的人員配置，還是鉅額的雲計算和電費賬單，都說明模型研發門檻很高。按照印奇的理解：
大模型公司必然面臨商業化拷問——服務什麼領域、什麼客戶、創造什麼價值、能否盈利及可持續發展。
另一方面，大模型本身提供的是一種服務能力，研究能力關乎上限，工程能力決定下限，後者直接關係到模型能否以更低的成本實現規模複用。
按照印奇本人的判斷，全球第一梯隊的智駕供應商只會存在三四家。階躍的人才密度，千里科技的系統能力和在製造業的沉澱，結合早期吉利、奔馳終端車系市場的跑通，是物理 AI 時代一個產業生態的標準組合。
相比深度學習時代充滿理想主義色彩的義無反顧，印奇的第二次出發多了很多務實的成色，比如從一開始就着眼商業閉環的問題，而非在技術領域孤注一擲。
用了十五年的時間，印奇找到了自己的“閉環”。
人工智能的馬拉松
高科技產業的敘事往往會成爲生態的勝利，Wintel定義了個人計算機的黃金標準；Android 和蘋果 iOS 分庭抗禮；英偉達的 CUDA讓GPU成爲全球AI訓練的基礎設施。
一個生態體系的成功建立，大多都遵循着相似的邏輯：通過建立標準、降低開發門檻、形成網絡效應，將技術優勢轉化爲系統壁壘。
時至今日，物理AI的生態構建已從軟硬件協同，演進爲數據、算法、場景與終端的全閉環競爭，Physical AI的大幕正在徐徐拉開。
英偉達在搖旗吶喊、谷歌在悄悄地進村、Meta在亡羊補牢、如夢方醒的蘋果已經選好了要抱緊的大腿。在中國，新能源車的新老勢力對着人形機器人躍躍欲試，頂層設計的語境下，人工智能正在與製造業逐漸融合。
目前來看，在物理 AI 領域佈局最廣、涉足最深的公司，很可能是特斯拉。
談及馬斯克，社會輿論多聚焦於特斯拉的汽車業務，馬斯克在 AI 領域的涉足反而被忽略。
除了特斯拉的掌舵者，馬斯克同時也是 OpenAI 的創始人之一，DeepMind 的早期投資人。他參與的人工智能公司還有腦機芯片 Neuralink、AI 公司 xAI 以及百萬張GPU（等效 H100 GPU 數量）的算力金礦。
藉助Grok大模型，特斯拉汽車的語音交互實現了質的升級：系統可以聽懂模糊指令，並轉化爲準確的自主路徑規劃。與此同時，xAI還在緊鑼密鼓爲 Optimus 打造新的 AI 大腦。
xAI 的 Colossus 數據中心內景
在以Mag7爲代表的美國高科技公司中，特斯拉的軟件和算法能力未必頂尖，但其生產製造能力和對製造業的理解，在美國企業中算得上無人能敵。
“階躍+千里”的組合與之類似，前者提供基礎模型的研發能力，後者將這一能力打包集成應用在各類智能終端上。基礎模型的研發、工程能力的掌握、對製造業的理解形成了一個沒有短板的木桶。
階躍的語音模型在今年1月擊敗Grok和Gemini，登頂全球語音推理榜單，並被集成進了吉利銀河M9的座艙。千里科技的智能駕駛業務，已經在真實的市場競爭中得到了驗證。其智駕系統G-ASD搭載於吉利旗下極氪、領克的 16 款車型。
按照印奇的說法，今年的目標是有100萬輛車裝上千裏智駕。
從模型研發到解決方案成型，再借助工程能力連接中國龐大的汽車產業鏈，這種綜合實力在國內的人工智能版圖上，稱得上首屈一指。
物理 AI 是一個全新的概念，也是人工智能革命的參與者構建閉環的過程中自然而然的結果。從某種角度看，印奇十五年的創業路途，是⼀條從技術到商業不斷落地的軌跡。
傳統的價值分配原則接近失效，以硬件製造商或 APP 開發商掌握核心價值的分配方式將逐漸成爲過去式，而那些擁有底層 AI 開發能力並能夠定義終端體驗的生態玩家會承接這部分價值。
在新舊秩序交替的關口，印奇提供了一個也許是最成熟也最深刻的參考。這是人工智能以分秒爲單位進步的一個階段，也是一個產業老兵 15 年跌宕起伏的總和。
人工智能與真實世界的融合，註定是一場漫長的馬拉松，印奇的冒險還遠遠沒有結束。
全文完，感謝您的耐心閱讀。
參考資料
[1] 階躍發佈新一代基模 Step 3：原生多模態，推理效率行業領先，雷鋒網
[2] 晚點對話印奇：AI 1.0 的教訓是，所有不能閉環的輝煌都是暫時的，晚點 LatePost
[3] 邁入 AI 原生時代：IDC 發佈 2026 年中國智能終端市場十大洞察，IDC
作者：黃主任
編輯：李墨天
責任編輯：李墨天
封面圖片來自ShotDeck