福瑞泰克抛出全栈 AI：350 万车主之后，押注物理 AI

7 月 28 日，在高工智能汽车 2026 全域 AI 技术峰会上，第三方智能驾驶供应商福瑞泰克的首席科学家沈骏强首次系统阐述了其「全栈 AI」体系，并将其与华为乾崑、Momenta、地平线等玩家的路线并置讨论，提出从智驾量产向「规模化物理 AI」延伸的判断。作为参照，佐思汽车研究数据显示，华为与 Momenta 在中国第三方城区 NOA 市场合计份额约 72.8%，福瑞泰克的差异化在于 L2 级辅助驾驶的广覆盖——客户名单里既有长安、吉利、北汽等国内自主品牌，也有多家国际品牌，累计定点车企达 55 家、车主超过 350 万。

智驾竞争从单点走向系统

2026 年上半年，中国智能驾驶行业交出了一份数据扎实的成绩单。工信部数据显示，L2 级乘用车新车渗透率已达 70.5%，NOA 功能渗透率突破 34.2%。城区 NOA 正在重走当年 ESP 的普及曲线：曾经是 30 万元以上车型的「科技灯塔」，如今正在变成十几万元车型的准入门槛。

价格下探的速度比预期更快：

纯视觉高速 NOA 硬件 BOM 成本已降至 4000 元以下；
搭载激光雷达的城区 NOA 方案成本被压缩到 4500–5000 元；
比亚迪把「天神之眼 C」装进了 6.99 万元的海鸥；
零跑 A10 以 8.68 万元的顶配实现了车位到车位全场景贯通。

这意味着，单纯的算法能力或单颗芯片的性能已不足以构成护城河。智驾的竞争从「宣传上限」转向「责任下限」，比的不是谁的功能更炫酷，而是谁能在法规框架内把安全底线守牢，同时把量产成本控制好。东吴证券的一份车主调研显示，只有 31% 的车主「经常使用」城区 NOA，20% 明确表示「不敢用」——系统拟人化不足、责任归属真空、技术边界认知缺失是三大痛点。

福瑞泰克的「全栈 AI」：五位一体

沈骏强在峰会上把福瑞泰克的全栈能力拆为五层：

软件层：自研的 FUZE 中间件和算法，负责调度和协调各个模块；
硬件层：覆盖摄像头模组、智能一体机、域控制器和雷达产品，这是福瑞泰克区别于纯算法公司的关键；
大模型层：端到端模型与 FUGA-VL 视觉语言大模型，后者让系统能「理解」场景，例如判断前方是学校区域还是停车场出口；
数据闭环：FUGA 数据平台将数百万量产车的真实路况数据回流，反哺算法迭代；
工程化：把高阶智驾又快又好又经济地装进几百万辆车里。

沈骏强强调，前四层解决「能不能做好」，最后一层解决「能不能卖出去」。承载这套体系的 ODIN 平台已从 1.0 迭代到 3.5，下一步将向 4.0 全域 AI 与规模化物理 AI 阶段升级。

三条路线分野

「全栈」一词在智驾行业并非福瑞泰克独有，三家代表性玩家选择了不同路径：

华为乾崑：走「生态主导」路线，从昇腾芯片、MDC 计算平台到 ADS 智驾方案、鸿蒙座舱，构建完整生态闭环；2025 年辅助驾驶里程超过 54.2 亿公里，活跃用户占比高达 98%。打法是「自上而下」，先用高端车型树立标杆，再逐级下探。
Momenta：走「数据 + 世界模型」路线，2025 年营收 24.13 亿元，三年翻三倍；今年 4 月发布 R7 世界模型，把自己重新定义为「物理 AI 公司」，用同一套世界模型同时支撑乘用车、无人物流车和 Robotaxi。
福瑞泰克：从「量产交付」倒推能力构建，客户需要什么就补什么，而非技术驱动推方案。据盖世汽车研究院数据，2026 年 1–5 月，福瑞泰克在第三方智驾市场的出货量位居前列。

从智驾向物理 AI 的迁移

沈骏强的核心判断是：智能汽车、Robotaxi、无人物流和机器人在底层算法架构、视觉感知、传感器技术和供应链上具有极高重合性，而智能驾驶是物理 AI 领域中测试密度最高、量产难度最大、工程化要求最严苛的典型场景。福瑞泰克的底气来自数百万级量产车的数据飞轮——350 万车主、600 亿公里安全验证里程，这些是真实道路上跑出来的物理世界经验。

但跨场景迁移并非坦途。乘用车面对的是开放道路、复杂人车混行；无人物流是封闭或半封闭场景；机器人则涉及精细操作和交互，每个场景的安全标准、法规要求和商业模式都不同。有行业分析师指出：「全栈模式的风险在于，它要求企业同时在五个方向上保持竞争力，任何一块短板都可能拖累整体效率。」

量产能否撑住全栈叙事

福瑞泰克的底牌是 350 万辆量产车跑出来的数据飞轮、55 家车企的信任，以及从传感器到算法到工程化的全链路闭环能力。当下的关键变量是：430 个定点项目能否一个一个变成路上跑的车。沈骏强在演讲中把公司的角色比喻为「智驾时代的量产翻译官」——不追求单点技术的极致突破，而是用五位一体的系统能力，把前沿技术翻译为可量产、可迭代、可复用的生产力。

如果 350 万辆能继续放大到 1000 万辆，五位一体的每一个齿轮都会越咬越紧；如果规模停滞，五块能力的并行投入就会转化为成本压力。量产规模能否持续扩大，将决定「全栈 AI」究竟是通向物理 AI 的桥梁，还是压在企业肩上的另一重负担。