元戎为他们划了块“飞地”

　　/传播易/一家做智驾的公司，在公司内部单独成立了一个实验室。这事本身不稀奇，很多公司都有研究院、预研部。

　　稀奇的是这个实验室的运行方式。

　　Superfluid Lab，元戎启行今年上半年在内部成立，最近才对外公开。这是国内首个面向物理世界基础能力研究的 AI Lab，名字取自物理学里的“超流体”——一种摩擦力接近于零的物质状态。元戎说希望组织内部的信息流动也能这样顺畅、没有阻力。

　　比名字更值得琢磨的，是它不做什么——不服务任何车型。

　　智驾公司的逻辑向来很清晰：拿定点、做适配、赶交付。工程师围着车型转，每一个问题都有交付时间，都可以用接管次数、使用里程来衡量。

　　但Superfluid Lab不干这个。

　　元戎内部的说法是，这个实验室不负责解决某个具体的智驾问题。它研究的是基座模型、VLA、世界模型、多模态——这些暂时不服务于任何一款车型的东西。

　　换句话说，元戎养了一群暂时不用“交作业”的人。

　　在讲究“降本增效”的智驾行业，这个动作显得有些“奢侈”。但如果你把元戎过去一年的动作串起来看，会发现这不是一时冲动，而是一盘下了很久的棋。

　　从“供应商”到“大模型公司”的身份切换

　　2025年3月，元戎第一次提出“物理AI公司”的定位，比行业热潮早了将近一年。今年5月，CEO周光在行业大会上说，辅助驾驶已经进入“大模型共识期”，小模型触到了天花板。

　　到了7月，Superfluid Lab亮相。

　　这三个节点连起来，能看到一条清晰的线索：元戎在一步步把自己从一个“解决智驾项目的供应商”，推向一个“研究基座模型的机构”。据知情人士透露，元戎启行内部给自己的定位已经是大模型公司，而非辅助驾驶供应商。

　　Superfluid Lab就是这个定位的组织化落地。

　　供应商的逻辑是“客户要什么我做什么”，天花板由客户的需求决定。大模型公司的逻辑是“我把基础能力做出来，什么场景都能用”，天花板由模型本身的智能水平决定。

　　这是两种完全不同的增长曲线。前一种是线性的，跟着项目走;后一种是指数级的，一旦模型能力突破，可以横向复制到无数场景。

　　为什么非得单独成立一个Lab

　　把研究放在量产团队里不行吗?

　　元戎的判断是：不行。

　　量产团队有明确的交付节点、客户预期和营收压力。研究需要的是不确定性、试错空间和长期视角。把这两件事混在一起，最终的结果往往是研究向交付妥协，变成工程优化。

　　所以元戎做了分层。一个团队面对明确的产品周期，另一个团队面对尚未定义的长期问题。

　　Superfluid Lab独立于研发部门，采用更加开放的研究环境，不过度强调职级与工作边界，每位研究人员都围绕同一个模型展开协作。

　　说白了，这是一块不被KPI和交付节点捆住手脚的飞地。

　　但也不是闭门造车。

　　Superfluid Lab虽然不服务具体车型，但它并不缺数据。

　　元戎的量产辅助驾驶业务已经积累了超过50万辆量产车的真实道路数据。这些数据是“同构”的——来自同样的传感器配置、同样的场景定义，质量可控。

　　实验室的研究不是关在屋子里写论文，模型可以在真实世界里不断验证、迭代。数据闭环的迭代周期已经从过去的5天缩短到约12小时。这意味着今天在实验室里改了一个模型，明天就能在真实路测里看到效果。

　　这是一个其他AI实验室很难复制的条件——他们没有这么多车在真实世界里跑。

　　慢的东西一旦建成，会成为很多快产品的基座

　　物理AI的赛道正在变得拥挤。今年3月小鹏宣布更名，开启物理AI新征程;7月Momenta顶着“物理AI第一股”登陆港交所;WAIC上物理AI模型扎堆亮相。

　　大家都在抢跑，但元戎选了一条看起来最慢的路——从基础能力做起。

　　元戎自己的判断是：未来物理AI的竞争，短期看是模型能力和产品能力的竞争，长期则是基础能力的竞争。

　　快的东西往往也很快被替代。慢的东西一旦建成，会成为很多快产品的基座。

　　Superfluid Lab想建的，就是这个底座。