物理AI，让自动驾驶迎来了“第二春”

山自·2026年07月14日 17:28

世界模型如何终结自动驾驶旧范式

就在昨天，一则消息在科技圈激起涟漪：字节跳动正探索进入自动驾驶领域，由Seed旗下的世界模型团队负责，首站瞄准无人物流。官方回应滴水不漏——“物理AI领域有很多早期研究和探索，但并没有做智能驾驶业务的计划。”

翻译一下：这事在做，先别急着按Waymo的故事来估值。

但真正值得玩味的，不是字节要不要“造车”，而是它带谁进场。过去十年，自动驾驶的叙事主角一直是工程师和路测驾驶员——攒最多的车队、跑最多的里程、堆最贵的传感器。字节这次带来的，却是一帮研究世界模型的人。这两种人看自动驾驶的眼光，完全是两个维度的东西。

世界模型如何终结自动驾驶旧范式

要理解这场变革的深度，得先看清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”。

行业沿用的模块化技术路线，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行驶策略；控制端执行操作指令。这套体系支撑了行业早期的规模化落地，却存在一个无法根治的先天短板——极端长尾场景无解。

施工锥桶、侧翻车辆、横穿行人、恶劣天气……这些非标场景无法靠人工穷举规则覆盖。更麻烦的是，规则叠加过多还会相互冲突，导致系统失效、决策卡顿。这也是高阶智驾长期难以彻底普及的核心瓶颈。

物理AI与世界模型的成熟，正在终结这套传统范式。

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：它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。面对复杂路况，搭载世界模型的系统无需调取预设规则库，便能基于惯性、摩擦力、运动轨迹等物理因果，预判周边车辆、行人、障碍物的未来动态，提前数秒规划最优行驶路径。

简单来说，传统自动驾驶是“看见再应对”，物理AI驱动的自动驾驶是“看懂规律、提前预判”。

2026年已然成为行业公认的物理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，让世界模型从实验室论文变成全行业统一的技术基座。曾经激烈对峙的VLA视觉语言模型与世界模型路线，如今正走向融合：小鹏拆掉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、轻舟智航等一众头部玩家，全部聚拢到世界模型技术大旗之下，行业技术分歧彻底消弭。

轻舟智航董事长于骞的判断更为直白：“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。”

字节的算盘，无人物流是入口，具身智能是终局

字节在这个节点入局，时间卡得恰到好处。

早两年，带世界模型团队进场会被当成PPT团队；晚两年，门槛会被抬到只剩巨头能玩。而字节手里，恰好攥着国内最强的世界模型团队之一——Seed团队不仅有多模态模型和世界模型研发能力，还已涉足具身智能和视觉生成。字节的算力储备和人才虹吸效应，更是让行业无法忽视。

如果只看无人物流这个场景，字节完全没必要这么大手笔。京东、美团、菜鸟加上新石器，这个赛道已经很拥挤了。新石器已累计部署超万台L4级无人车，今年交付目标直指5万台。但字节真正押的，是另一盘更大的棋。

马斯克反复念叨的那句话点破了天机： “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、运动规划全部能直接迁移给Optimus。如果没有FSD，研发Optimus的难度会高出一个数量级。”

翻译成字节的语言：自动驾驶车辆是具身智能机器人的数据采集器。 一个机器人在仓库搬一天箱子，撞上几百种边角情况；一辆自动驾驶车在城区跑一天，撞上几万种。把车队的真实传感数据反哺世界模型，再去训练机器人操作模型，比从零开始快十年。

从这个角度看，字节下的是一盘三年起步的棋：第一步，无人物流车队落地，顺便攒自动驾驶的真实数据；第二步，把数据反哺世界模型，让模型在更多物理场景下表现稳定；第三步，把世界模型连同车端硬件一起，迁移到具身智能机器人上。

无人物流车是入口，世界模型是核心资产，具身智能才是终局。

自动驾驶新势力，物理AI时代的价值重估

字节的跨界，只是物理AI浪潮的一个注脚。真正值得一级市场投资人关注的，是那些在物理AI叙事下重新定义自身边界、正在成为未来自动驾驶产业主力军的公司。以下为六家代表性未上市自动驾驶新势力的估值与核心能力梳理：

蘑菇车联：从景区接驳到新加坡公交的全球化落地

在一众主打车载端世界模型、纯道路推演的玩家中，蘑菇车联深耕Robobus场景。其自研的物理世界AI大模型MogoMind，被称为“物理世界的实时搜索引擎”。通过接入物理世界实时动态数据，MogoMind能实现全局感知、实时认知与推理决策，让AI从“看见现实”升级为“理解并服务现实”。

蘑菇车联的商业落地版图已相当可观。在国内，MOGOBUS已在北京、上海、成都、大理等十余个城市常态化运营，累计安全行驶里程超500万公里，服务乘客超20万人次。具体场景覆盖了日照万平口景区、大理洱海生态廊道等旅游接驳，以及琴澳医线等跨区域通勤线路。更值得关注的是其海外突破——2025年10月，蘑菇车联独家中标新加坡首个L4级自动驾驶巴士官方项目，MOGOBUS将首次被纳入海外公共交通系统，服务滨海湾、纬壹科技城等核心区域线路。这是中国自动驾驶方案首次在海外高等级公交项目落地，验证了中国技术进入发达市场的可行性。

对投资人而言，蘑菇车联的差异化价值在于：它不是与乘用车智驾供应商在同一红海竞争，而是在公共交通这一政策壁垒高、场景复杂度高、但商业确定性强的新蓝海建立了先发优势。

新石器：从万台交付到单月盈利的规模效应

新石器作为国内最早规模化落地的无人配送企业，已构建0.5至12立方米全梯度RoboVan产品矩阵，累计部署超16000台L4级无人车，累计行驶里程近8000万公里。公司聚焦“人类重复性、高危性劳动替代”场景，依托海量末端配送真实场景数据，持续优化适配低速、高频、复杂社区场景的物理AI模型，精准预判行人、非机动车动态与道路环境变化。目前加速布局海外市场，目标2027年实现海外交付5万台以上，是国内少有的完成规模化出海的自动驾驶新势力。

规模化背后的逻辑很简单：末端配送占物流总成本50%以上，无人化是唯一的降本出路。 顺丰、中通、邮政等巨头的大规模采购验证了这一需求的刚性。

九识智能：百亿独角兽的整合加速度

九识智能2026年初与菜鸟无人车业务合并，整合后车队规模超2万台，覆盖全球20国超300城，成为无人配送赛道首家估值超百亿的独角兽。其B轮系列融资总额已达4亿美元，蚂蚁集团、美团持续加码。

九识的核心竞争力在于运营效率——主力车型Z5让快递加盟商每月单车综合成本控制在2000-3000元，单票配送成本从0.2元压至0.1元。在“卖车不如卖服务”的行业共识下，九识的运营数据恰恰证明了规模化服务的商业价值。

轻舟智航：从无人驾驶到通用物理AI的战略升维

轻舟智航的战略升级最具代表性——从“无人驾驶”全面升级为“通用物理AI”，提出“世界模型+强化学习”统一架构。其辅助驾驶系统已搭载25款量产车型，2026年预计新增超50款。同时与奇瑞商用车达成无人物流战略合作，首款量产级L4物流车已在苏州、金华、芜湖等城市运营。

元戎启行：瞄准物理世界AI基础设施

元戎启行CEO周光明确表示，公司目标是“成为物理世界的AI基础设施”，2026年量产交付目标突破100万辆。其城市NOA方案已获得多家车企定点，正在从辅助驾驶供应商向物理AI平台进化。

踏歌智行：封闭场景物理AI标杆，深耕矿山无人运输

踏歌智行聚焦矿山、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，深耕无人运输细分赛道。其自研“车—地—云”协同无人运输方案，针对矿区复杂路况、重载行驶、极端环境等专属物理特征优化模型，精准适配工业场景的安全与效率需求。目前已落地国家能源集团、包钢集团等20余家头部央企，累计交付超700台无人矿车，商业化落地规模行业领先。依托封闭场景海量、高质量、高标准化的物理交互数据，踏歌智行的工业级物理AI模型迭代持续提速，构建起细分赛道深厚的技术与落地壁垒。