文｜谢泽锋
编辑｜杨旭然
从被动应对到主动预判，物理AI正重塑智能驾驶的底层逻辑。
年初CES大会上，黄仁勋将物理AI比作处于“ChatGPT时刻”倒计时；3月GTC大会他又将其定义为数字AI后的下一个万亿级浪潮。
Momenta R7量产、宇树科技与智元机器人持续出货，标志着AI重心已从数字世界的“思考”转向物理世界的“行动”。
当AI不再局限于“看”，而是开始理解现实世界的因果与动作，智能驾驶行业正经历从数字AI向物理AI的彻底重构。
2025年初，比亚迪掀起智驾价格下沉风暴，“全民智驾”加速普及。
步入2026年，一段式端到端、VLA及世界模型等技术路线，推动行业从“模仿人类”迈向“超越人类”，新一轮周期已然开启。
以下为《巨潮WAVE》内容团队的深度观察。
演进
回顾历史，智能驾驶的发展本质是从模块割裂走向端到端融合的技术范式革命。
自动驾驶概念萌芽于20世纪初，1925年8月首辆自动驾驶汽车亮相纽约街头。至2004年，DARPA挑战赛成为关键转折点。
当年3月13日，莫哈韦沙漠上演首届DARPA自动驾驶挑战赛。这是全球首个长距离自动驾驶赛事，卡内基梅隆大学、斯坦福大学等15支队伍参赛。
虽无完赛者，卡内基梅隆大学“红之队”仅行进不足全程5%，却由此开启了人类对智能驾驶的探索。
此后，无数人才在此崭露头角，随后加入谷歌、优步、Waymo等企业，驭势科技CEO吴甘沙亦是其中之一。
早期智能驾驶依赖规则与高精地图，被视为辅助工具，理想汽车曾将其类比为“昆虫动物智能”。这种模块化设计导致泛化能力弱，难以拟人化。
感知、预测、决策、控制分而治之，虽逻辑清晰，但传输中难免产生误解与损耗。
于是，端到端方案迎来转机。
2024年3月，特斯拉北美推送FSD V12版本，突破在于将感知、决策与控制整合为单一神经网络，内部称为"Photon In, Control Out"。移除30万行手写代码，用神经网络替代，实现算法层面的“端到端”，重构技术架构。
跟随特斯拉步伐，国内分段式端到端在2024—2025年大规模落地，一段式端到端与VLA技术则在2025—2026年集中上车。
彼时业内分为“一段式”和“两段式”两派，华为、百度Apollo、小鹏属后者，商汤、Momenta支持前者。
如今一段式端到端已成主流。早期技术存在短板，作为“黑箱”难以追溯决策逻辑，事故后难定位问题。
为此，行业转向VLA（视觉-语言-行动模型），实现真正的“端到端”。通过融合计算机视觉、自然语言处理与强化学习，构建集环境感知、语义理解与决策执行的统一智能体，完成从“黑箱”到“可解释大脑”的变革。
物理AI到来后，达到甚至超越人类智能成为可能。在保证高效响应的同时，决策逻辑更具可解释性。
未来五年，VLA与世界模型的深度融合或成终极方案，L3/L4高级别乃至无人驾驶时代将至。
融合
“VLA对自动驾驶是锦上添花，难雪中送炭。”
Momenta CEO曹旭东认为，VLA训练源于LLM，侧重语义，与自动驾驶实际需求偏差明显。这意味着语义优先级高于驾驶，陷入“好钢没用在刀刃上”困境。因此Momenta坚定选择世界模型路线。
华为车BU CEO靳玉志观点类似。他认为VLA通过语言大模型将视觉转为文本Token再决策，看似捷径实则无法真正理解物理世界。VLA像“背题库的学生”，复杂场景易失效；世界模型研发难度大，却是终极彼岸。
华为倾向WA（World-Action）路径，跳过语言中间层，直接利用多源感知构建理解因果逻辑的世界模型，实现更本质的自动驾驶能力。
进入2026年，特斯拉FSD V14改变行业认知：大模型能力非二选一，而是深度融合。新版本集成xAI Grok大模型，并利用世界模型进行数据生成与闭环仿真。
行业迅速形成共识。黑芝麻智能CEO单记章指出：“VLA加上世界模型，是智能驾驶未来最有可能的技术路线，且有机会超越人类驾驶能力。”
若说端到端是技术路线，VLA与世界模型则是该路线上的两个强化方向：VLA增强理解，世界模型强化预测。
世界模型做法是为汽车安装“智能大脑”，模拟物理规律，不依赖预设规则，而是通过海量真实数据训练，赋予模型理解预测物理世界的能力。
因此，VLA解决当下理解，世界模型解决未来预测。
产业实践中，VLA+世界模型融合方案获越来越多车企青睐。小鹏曾被视作坚持VLA路线，但在CVPR 2026大会上，其通用智能中心负责人刘先明明确，VLA与世界模型并非对立，而是共同构成物理世界基座模型两大支柱。
小鹏发布的X-Mind，将预测性世界模型内嵌为VLA模型的视觉思维链，让模型输出动作前先完成时空推演。
蔚来1月已将世界模型加闭环强化学习架构推送至数十万辆车；地平线6月底发布HSD V2.0，采用世界模型+端到端强化学习双引擎。
可见，深度融合方案已在全行业铺开。
终局
越来越多汽车与智驾公司将自身定义为“物理AI企业”。
马斯克近年全球推广“AI宏图”，称特斯拉正从汽车公司转型AI公司，成长空间主要在于机器人、自动驾驶及AI基础设施。
李想将理想汽车重新定位为人工智能企业；何小鹏将小鹏升级为“物理AI世界的出行探索者，面向全球的具身智能公司”；Momenta被称为“物理AI第一股”。轻舟智航战略重心从“无人驾驶”全面升级为“通用物理AI”，卓驭科技转向“移动物理AI”，提出“未来存活下来的智驾公司都将是物理AI公司”。
物理AI浪潮下，智驾逻辑从价格战、堆配战转向“基模”之战。
过去竞争靠堆配置：激光雷达数量、芯片算力、续航参数。物理AI时代，竞争变为“建底座”，掌握物理世界理解与行动能力者掌握价值链主导权。
世界模型更让智驾、座舱、机器人及智能终端走向技术融合。特斯拉用同一基础模型驱动FSD、Optimus和智能体；以单一端到端神经网络取代模块化架构，实现从自动驾驶到人形机器人的基础模型统一。
理想汽车合并基座模型与VLA研发团队，以统一技术底座支撑智驾、座舱及人形机器人三大业务；高通把汽车与机器人纳入同一事业群。
华为ADS 5.0搭载WEWA 2.0，云端引入Multi-Agent多智能体群体博弈，让AI驾驶者互相学习；Momenta R7世界模型已量产首发；蔚来NWM是中国首个智驾世界模型。
不过，现有智驾距物理AI终极形态尚远。一方面，相比大语言模型，世界模型需巨量真实数据。截至2026年5月，FSD（监督版）车队累计行驶突破100亿英里（约160亿公里），居全球第一；其他新势力因车辆较少，累计里程均在数十亿公里，仍需积累。
其次，物理AI需高算力芯片及大规模训练。有消息称特斯拉握有约23万张H100等效算力；小鹏Robotaxi瞄准L4级无人驾驶，搭载4颗图灵AI芯片，车端算力高达3000TOPS，号称全球最强；
靳玉志此前表示，2026年华为乾崑智驾研发投入超180亿元，未来5年至少再砸700亿元提升AI算力，其算力规模在29个月周期里实现21倍增长。
随着头部企业迈入物理AI赛道，算力竞赛再升台阶。
写在最后
1988年，莫拉维克在《智力后裔》中阐述观点：对人类难的任务（如推理、下棋），AI易完成；对人类简单的事（如走路、抓取），AI极难实现。
此即“莫拉维克悖论”：让机器人解题轻而易举，让其像婴儿一样感知物理世界却极为困难。
现有智驾正卡在此环节，看似智能却缺基本物理直觉，这也是许多人不敢完全放手的核心原因。
2026年被称为“物理AI元年”，作为上半场的自动驾驶，将成为车企角逐焦点。但距真正的智能驾驶终极形态，仍有相当长距离。