宁波港的龙门吊转场每一次轨迹都相同，斯年智驾的工程师却在这类重复场景里越陷越深。创始人何贝最近抛出一个反常识判断：L4级封闭场景的车队数据已经收敛，继续跑相似样本，模型可能只是从99分变成99.1分。"完全重复的数据，再多其实也没有意义。"这家跑了6年港口无人运输的公司，正把数据焦虑转化为模型能力。
希鸥网观察到，斯年智驾成立于2020年前后，定位无人重卡与Physical AI赛道，主营封闭场景无人运输。公司已部署超1000台无人运输机器人，覆盖港口、铁路场站、化工、冶金、畜牧、物流枢纽。何贝透露，2025年客户数量相当于此前5年总和，2026年上半年比2025年全年还要更多。场景扩张速度倒逼技术路线切换。
反向驱动是斯年智驾的产品逻辑。客户先提需求，团队进现场解决问题，类似需求积累多了再把可复用部分抽离。2025年起，公司升级自动驾驶模型，引入VLA（视觉—语言—动作模型），把环境、指令、动作放进一套模型处理。进一步向世界模型演进，学习环境变化并推演动作后果。龙门吊转场等反复需求被拆成"原子操作"，封装进基础模型。
数据资产出现分层。封闭L4场景6年积累已基本收敛，开放L4仍需1至3年，涉及精细作业的数据刚刚起步。何贝发现，2025年第四季度后客户态度变了，愿意主动提供高质量生产数据，希望借模型降本增效。斯年的关注点从数据量转向新有效样本：新货种、道路变化、低频异常。重载车辆规模有限，极端工况样本获取周期长，仿真加世界模型成为破局工具。
业务越多，研发越累。港口、铁路、化工各有作业规则，逐个项目改算法，规模越大需要的人越多。斯年把原子操作封装后，过去研发参与的配置工作部分交给产品经理，未来客户可自行调用。何贝透露，引入世界模型后不少项目交付周期大幅缩短，早期客户先买几辆尝试，如今有客户按数百辆规模准备预算。
希鸥网认为，斯年智驾的路径揭示了一个行业信号：Physical AI的竞争正从"车端控制"转向"场景数据资产化"。谁先把封闭场景的重复需求变成可复用模块，谁就能把交付边际成本压下来。1000台设备跑了6年，这才是壁垒。资本市场上，重载无人驾驶的估值逻辑也在切换，从看车队规模转向看单场景复制速度和客户复购率。
何贝面临一个团队效率问题。客户在2025年突然爆发，业务场景越来越碎，如果每一单都靠研发驻场改代码，公司很快会被拖垮。这与"与目标一致的人合作"的逻辑一致：你实现目标的能力，取决于团队能不能在同一个方向上高效运转。斯年的解法是用世界模型把重复劳动吃掉，让产品经理甚至客户自己完成配置。团队精力留给真正需要人的地方。
创意择优在斯年智驾的实践是另一个抓手。极度求真和极度透明听起来反人性，但在现场作业场景里，数据不会撒谎。何贝说，他们筛选有效样本而不是堆数据量，这就是对"重复即浪费"的极度求真。团队愿意接受"99分到99.1分没有意义"这个判断，才能把资源投向低频异常和开放场景。文化匹配跟不上，技术路线切换就会被内部惯性拖死。
创业者可以从斯年的"原子操作"里学到一个动作：把反复出现的问题拆成最小单元，封装进基础能力，再让最接近客户的人去配置。这就像"教练"工具的思路，遇到具体问题查对应原则，不必每次都重新发明。何贝没有选择做一个更大的车队，而是把世界模型当作底座，让新场景接入成本持续下降。下一步的竞争，是谁的场景复用率更高。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo