两千多年前，李斯在《谏逐客书》里写道："河海不择细流，故能就其深。"河海之所以深，不是因为它只收大江大河，而是因为它不拒细流，每一条都容得下。
卓驭是一家聚焦移动物理 AI 的科技公司，为乘用车和商用车提供辅助驾驶解决方案，并把智能能力延伸到更多移动场景。它的数据来源繁多、形态各异：车载相机拍下的视频、激光雷达扫出的点云、语音与文本，连同企业日常运转产生的经营数据，源出千川，终归一湖。移动物理 AI 的底座要有这样的容量，无论多杂的数据都放得下、管得住。真正难的不是把数据收进来，而是收进来之后，怎么让它们在多年累积、持续增长的过程里，始终保持可查、可用、可复用。
01 卓驭：移动物理 AI，智能一切移动
这样的底座要求，来自卓驭的技术路线。它的原生多模态基础模型，在预训练阶段就把文本、语音、动作等不同模态放在一起联合训练，在统一的表征空间里完成对齐。与"先语义理解、再物理推理"的分阶段路线相比，这种模型形态的能力上限更高，对底座的要求也更苛刻：不同模态的数据，必须以统一的方式组织和处理。
算法的演进一直在加码。几年之间，智驾算法从模块化感知走到 BEV、端到端、VLA，再到原生多模态基础模型。收益的另一面是代价：每一代算法对算力和数据的需求，大约是上一代的 5～10 倍。
算法每演进一代，都需要身后的数据湖更深、更宽。
02 行业的四大难题
弹性、成本、稳定性、性能，四个目标相互牵制：当系统逼近帕累托前沿（想改善任何一项指标，就必须牺牲其他指标的临界值）卓驭把当下的难题归成四类：
• 计算：训练、数据生产和评测任务共享同一资源池，调度既要响应业务优先级，又要抬高整体利用率。
• 存储：海量多模态数据分散在不同平台，跨平台统一检索与复用始终有难度。
• 治理：企业运营数据与智驾数据分属两套体系，缺少机器可读的统一语义层。
• 运营：不少流程仍靠人工推动，训练效率和数据生产能力被团队规模锁住上限。
面对持续增长的数据和算力需求，卓驭选择借助云上的弹性与托管能力，对原有湖仓链路做系统性重构。
03 把湖仓搬上云
阿里云大数据 AI 平台为移动物理 AI 提供了一条端到端的数据链路：规模化加工、湖上存储治理、统一检索供给、训练评测闭环，环环相扣。卓驭依托 DLF（数据湖构建）+ EMR Serverless Spark + EMR Serverless StarRocks + PAI，把原本分散在多个自建平台的链路，重构成一座跑在云上的多模态湖仓——这就是 ZLake 的底座。
Spark 负责规模化加工，DLF 负责湖上存储与元数据，StarRocks 负责统一检索与高质量供给，PAI 负责训练、评测与推理；卓驭自研的 Meta Lake 叠加其上，沉淀资产化管理能力。弹性、成本、稳定性、性能四个相互牵制的目标，被纳入同一套架构统筹求解。
04 一段数据的湖仓之旅：加工、入湖、检索、回流
车端采集与回传只是起点。一段车载视频要变成模型能直接加载的训练数据，还要在云上依次经过四个环节：加工、入湖、检索、回流。
• 加工：规模化处理。EMR Serverless Spark 做粗洗——格式归一、去重、切片，在弹性资源上按需伸缩；基于 GPU 的 AI 函数在同一个引擎里完成 OCR、分割编码、深度估计与 Embedding 抽取，Ray 集群承接 SLAM、4D 重建、真值计算等更重的精加工。粗洗与精洗在同一条产线上流转。
• 入湖：多模态统一存储。DLF 提供统一的技术元数据、权限与存储管理，通过 Lance、Iceberg 等开放表格式，让文本、图像、音频、视频、点云和向量在同一座湖里被多个引擎共享读写。卓驭自研的 Meta Lake 在其上承担业务资产目录、血缘追踪和合规治理：无论什么形态，都用表来管理、寻址、检索，不为不同形态重复建设链路。
• 检索：数据找得到、供得出。EMR Serverless StarRocks 承担湖仓多模态统一检索，支撑标签筛选、数据集与版本管理、质量校验和训练直供加速。困难样本挖掘能体现这种统一的价值：一次筛选可能同时用到向量检索、关键词匹配、标量过滤和地理圈选，这些条件组合在同一条基于表的查询链路中。
• 回流：数据与模型互为输入。PAI 在同一平台上串联训练、评测与推理；评测结果回流入湖，数据与模型互为输入的闭环就此合拢。
贯穿全程的，是"一湖两域"：一域承载企业运营数据，一域承载物理世界的智能数据，两类数据汇入同一个湖，也共享一套认知模型——Ontology，对两个领域的对象、关系和规则做统一表达，让不同来源的数据拥有机器可读、可理解的语义；建模即治理，使用即治理。
语义打通后，两个领域开始互相支撑。车端一次异常事件，沿着事件与车辆、生产批次、物料的关联，能追溯到潜在的质量问题；路测中测试员某段比当前模型更稳健的驾驶操作，被筛成高质量样本，供给下一轮迭代。
05 下一步：让基础设施自己运转
卓驭的基础架构走过两个阶段：先是平台建设，底层演进为云原生架构；然后是数据闭环，把平台串成产线。两个阶段的共同点：关键环节仍要人驱动。2026 年以来，卓驭开始探索第三阶段 AI² Infra：基础设施不仅服务于 AI，运行流程也将逐步由 AI 参与驱动。
场景一，自主化生产运营。卓驭借用自动驾驶 L1 到 L4 的分级来描述目标状态：智能体承担大部分流程编排与运行调整，人负责设定目标与边界条件。上层的人定义数据需求和准出标准，中间层的业务智能体跟踪进度、调整优先级，底层组件把需求翻译成排产与执行队列。两层智能体共享同一套上下文，在产量、效率、质量与资源利用率之间持续调整。
场景二，AI 自迭代探索。智能体持续跟踪模型设计新进展，归类失败案例、识别模型表现不足的场景，提出改进假设；再从湖仓筛选数据、组织训练集、编排实验，完成后分析归因，有效的方案进入下一轮验证。人只做两件事——设定目标，把控模型发布与准出标准。
06 湖成之后
从一段车载视频入湖，到一次评测结果回流，这座湖仓每天都在重复同一件事：把物理世界里稍纵即逝的瞬间，变成模型可以反复学习的经验。经验越积越厚，湖就越蓄越深。
也许某个清晨，一辆测试车驶过一段湿滑的乡道，车轮碾过积水，摄像头记下了那一刻。当天夜里，这段视频已经入湖、切片、打上标签；几天后，它出现在新一版模型的训练集里。
这就是卓驭与阿里云一起做的事。卓驭懂车、懂物理世界，也懂模型需要什么样的数据；阿里云把计算、存储、湖仓与训练平台铺成河床。河床不生产水，却决定水能流多远。等下一代算法到来，卓驭不必从零再挖一座湖，活水会沿着已经铺好的河道，自己流进来。
