物理AI，让自动驾驶迎来了“第二春”

文 | 山自

昨日，第二春科技圈因一则消息泛起波澜：字节跳动正通过旗下Seed团队（世界模型团队）探索自动驾驶领域，物理AI首发场景锁定无人物流。让自尽管官方回应称“物理AI领域有早期研究，动驾暂无智能驾驶业务计划”，驶迎但这番滴水不漏的第二春公关辞令背后，潜台词清晰可辨：动作已在进行，物理AI但切勿用Waymo的让自旧逻辑来估值。

真正值得深究的动驾，并非字节是驶迎否“造车”，而是第二春其入场阵容。过去十年，物理AI自动驾驶的让自主角是工程师与路测员，竞争核心在于车队规模、动驾里程积累与传感器堆叠。驶迎而字节带来的，是一群研究世界模型（World Models）的科学家。这两种视角，彻底重构了自动驾驶的认知维度。

世界模型：终结“模块化”旧范式

要理解这场变革，需先审视过去十年自动驾驶行业的竞争底色——一场典型的“工程堆料竞赛”。

传统技术路线采用模块化架构，将自动驾驶拆解为感知、规划、控制三大独立模块：
* 感知端：识别路况物体，输出标签化信息；
* 规划端：依据预设规则制定策略；
* 控制端：执行操作指令。

这套体系虽支撑了早期规模化落地，却存在无法根治的先天缺陷——极端长尾场景（Corner Cases）无解。施工锥桶、侧翻车辆、横穿行人、恶劣天气等非标场景，无法通过人工穷举规则覆盖。规则叠加过多更会导致系统冲突、决策卡顿，这是高阶智驾难以彻底普及的核心瓶颈。

物理AI与世界模型的成熟，正在终结这一传统范式。

不同于模块化的“被动反应式智能”，世界模型的核心逻辑是主动推演式物理认知：
1. 去标签化：不再将画面拆解为零散标签，而是在AI内部实时构建三维、动态、符合物理规律的虚拟交通世界。
2. 因果预判：基于惯性、摩擦力、运动轨迹等物理因果，预判周边动态，提前数秒规划最优路径。
3. 核心差异：传统自动驾驶是“看见再应对”，物理AI驱动的是“看懂规律、提前预判”。

2026年已被公认为物理AI元年。生成式多模态技术突破临界点，视频时序生成、长链路推理、视觉直接规划能力全面成熟，世界模型从实验室走向全行业统一基座。VLA（视觉语言动作）与世界模型路线走向融合：
* 小鹏：移除VLA冗余语言模块，推出X-World世界模型；
* 理想：发布MindVLA O1，强化空间物理认知；
* 吉利、Momenta、轻舟智航：全面聚拢至世界模型技术体系。

轻舟智航董事长于骞直言：“世界模型+强化学习，就是连接数字世界与物理世界的那座桥梁。”

字节的战略棋局：无人物流为入口，具身智能为终局

字节入局，时机精准。早两年被视为PPT概念，晚两年则门槛高企。字节手握国内顶尖的世界模型团队Seed，具备多模态研发、具身智能及视觉生成能力，加之强大的算力储备与人才虹吸效应，使其成为不可忽视的力量。

若仅看无人物流，赛道已拥挤（京东、美团、菜鸟、新石器）。新石器累计部署超万台L4无人车，今年交付目标5万台。字节此举，意在下一盘更大的棋：

马斯克曾指出：“特斯拉FSD数十亿英里真实道路数据，是物理AI的巨型训练场。感知、世界建模、运动规划可直接迁移给Optimus。”

翻译为字节的逻辑：自动驾驶车辆是具身智能机器人的数据采集器。
* 机器人搬箱子，仅能接触几百种边角情况；
* 自动驾驶车跑城区，可接触几万种复杂场景。

将车队真实传感数据反哺世界模型，再训练机器人操作模型，效率比从零开始高出十倍。

字节的三步战略：
1. 第一步：落地无人物流车队，积累自动驾驶真实数据；
2. 第二步：数据反哺世界模型，提升模型在物理场景下的稳定性；
3. 第三步：将世界模型及车端硬件迁移至具身智能机器人。

结论：无人物流是入口，世界模型是核心资产，具身智能才是终局。

物理AI时代：六大新势力价值重估

字节的跨界仅是浪潮注脚。一级市场投资人应关注那些在物理AI叙事下重新定义边界、成为产业主力军的未上市新势力。

1. 蘑菇车联：全球化落地的Robobus专家

• 核心能力：自研物理世界AI大模型MogoMind，被称为“物理世界的实时搜索引擎”。实现全局感知、实时认知与推理决策，让AI从“看见”升级为“理解并服务现实”。
• 商业落地：
• 国内：在北京、上海、成都等十余城市常态化运营，安全行驶超500万公里，服务乘客超20万人次。覆盖景区接驳（日照万平口、大理洱海）及跨区域通勤（琴澳医线）。
• 海外突破：2025年10月，独家中标新加坡首个L4级自动驾驶巴士官方项目，服务滨海湾、纬壹科技城等核心区域。这是中国自动驾驶方案首次在海外高等级公交项目落地，验证了技术进入发达市场的可行性。
• 投资价值：避开乘用车智驾红海，在公共交通这一高壁垒、高确定性蓝海建立先发优势。

2. 新石器：规模化与盈利的标杆

• 核心能力：构建0.5至12立方米全梯度RoboVan产品矩阵，累计部署超16,000台L4无人车，行驶里程近8,000万公里。依托海量末端配送数据，优化适配低速、高频、复杂社区场景的物理AI模型。
• 商业逻辑：末端配送占物流总成本50%以上，无人化是降本唯一出路。顺丰、中通、邮政的大规模采购验证了需求刚性。
• 未来展望：加速海外布局，目标2027年海外交付超5万台，是国内少有的完成规模化出海的自动驾驶新势力。

3. 九识智能：百亿独角兽的整合加速

• 核心能力：2026年初与菜鸟无人车业务合并，车队规模超2万台，覆盖全球20国超300城。B轮系列融资总额达4亿美元，获蚂蚁集团、美团加码。
• 运营效率：主力车型Z5将快递加盟商单车综合成本控制在2,000-3,000元/月，单票配送成本从0.2元降至0.1元。
• 投资价值：在“卖车不如卖服务”的行业共识下，证明了规模化服务的商业价值。

4. 轻舟智航：从无人驾驶到通用物理AI

• 战略升维：全面升级为“通用物理AI”，提出“世界模型+强化学习”统一架构。
• 市场表现：辅助驾驶系统搭载25款量产车型，2026年预计新增超50款。与奇瑞商用车达成战略合作，首款量产级L4物流车已在苏州、金华、芜湖运营。

5. 元戎启行：物理世界AI基础设施

• 核心目标：CEO周光明确表示，致力于成为“物理世界的AI基础设施”。
• 量产目标：2026年量产交付突破100万辆。
• 业务进展：城市NOA方案获多家车企定点，正从辅助驾驶供应商向物理AI平台进化。

6. 踏歌智行：工业级物理AI深耕者

• 专注场景：矿山、矿区等封闭工业场景，打造专属工业级物理AI自动驾驶体系。
• 技术优势：自研“车—地—云”协同无人运输方案，针对重载、极端环境优化模型。
• 落地规模：落地国家能源集团、包钢集团等20余家头部央企，累计交付超700台无人矿车，商业化规模行业领先。

胜负手：大脑深度与数据闭环

这批新势力共同指向一个核心逻辑：物理AI时代，决胜关键不再是车队规模或传感器数量，而是谁的世界模型对物理世界的理解更深、推演更准。

• 轻舟智航于骞：“要用更强的大脑，而非只靠传感器堆叠。”
• Momenta曹旭东：实现规模化L4需百亿美元级投入，天然利好资源集中的头部企业。

对一级市场投资人的三大关注点：

1. 数据飞轮已形成：无论是Momenta的120亿公里里程、新石器的万台车队，还是蘑菇车联的运营网络，真实物理世界的数据壁垒一旦建立，后来者难以通过烧钱短期打破。
2. 商业闭环已验证：Momenta三年营收翻三倍、新石器单月盈利、无人配送单票成本降至4分钱——这些是已跑通的运营数据，而非预期。
3. 技术代差在拉大：当世界模型从“辅助工具”变为“基座模型”，系统能力上限可能实现10倍甚至100倍的代际跃迁，率先完成跃迁者将建立难以追赶的优势。

风险提示：
车企自研趋势（小鹏、理想、比亚迪全栈自研）正在压缩独立智驾供应商空间。如何在“赋能车企”与“保持独立”间找到平衡，是第三方智驾公司必须回答的问题。字节跨界更增加了行业格局的不确定性。

结语：
物理AI正在重新定义自动驾驶的本质——它不再是汽车零部件的延伸，而是物理世界认知智能的载体。谁能率先打造出真正理解物理规律的“数字大脑”，谁就能占据下一个十年的制高点。

这波浪潮中胜出的，未必是最会堆料的人，但一定是最先让AI“看懂”物理世界的人。

(责任编辑：焦点)