物理AI重塑智驾：VLA与世界模型融合成主流路线

事件概述

2026年被称为“物理AI元年”。物理AI浪潮下，智能驾驶正从“看见什么做什么”的应激模式，向“想象接下来会发生，再主动行动”的预测模式演进。CES上英伟达CEO黄仁勋宣布物理AI进入“ChatGPT时刻”倒计时，GTC大会上将其定义为继数字AI之后的下一个万亿级增长浪潮。宇树科技、智元机器人、优必选等持续出货，标志着AI正从数字世界的“思考”转向物理世界的“行动”。

技术演进

智能驾驶的技术路线经历了多次范式转换：

• 早期模块化：依赖规则算法与高精地图，感知、预测、决策、控制分而治之，系统泛化能力弱，无法达到拟人化水平。
• 端到端：2024年3月，特斯拉推送FSD V12，将感知、决策与控制整合为单一神经网络，移除30万行手写代码，实现“端到端”。国内随后分为“一段式”与“两段式”两派，目前一段式已成主流。
• VLA：早期端到端是“黑箱”，存在可解释性问题。行业转向VLA（视觉-语言-行动模型），通过融合计算机视觉、自然语言处理与强化学习，构建统一智能体，使决策逻辑可解释。
• 世界模型：VLA受限于语义训练，难以应对复杂突发场景；世界模型直接模拟物理世界运行规律，可预测未来，但研发难度大。
• 融合方案：2026年特斯拉FSD V14集成xAI的Grok大模型，同时利用世界模型进行数据生成与闭环仿真，验证了VLA+世界模型深度融合的可行性。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；蔚来1月已将世界模型+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。

行业共识

华为车BU CEO靳玉志认为VLA类似“背题库的学生”，在复杂或突发场景容易失效，更倾向WA（World-Action）路径；Momenta CEO曹旭东也指出VLA训练侧重语义，与自动驾驶的实际需求存在偏差。但特斯拉FSD V14改变了行业认知，黑芝麻智能CEO单记章表示，VLA+世界模型是智能驾驶未来最有可能的路线。当前该融合方案已成为多数车企的选择。

竞争逻辑转变

越来越多智驾公司重新定位为“物理AI企业”：特斯拉从汽车公司转型为AI公司；理想汽车定位为人工智能企业；小鹏定位为“物理AI世界的出行探索者”与具身智能公司；Momenta被称为“物理AI第一股”；轻舟智航转向“通用物理AI”；卓驭科技转向“移动物理AI”。

物理AI时代的竞争逻辑从“堆配置”（激光雷达数量、芯片算力、续航里程）转向“建底座”（物理世界理解与行动能力）。同时，世界模型推动智驾、座舱与机器人技术底座融合：特斯拉用同一基础模型驱动FSD和Optimus；理想合并基座模型与VLA研发团队；高通将汽车与机器人业务放入同一事业群。

落地方面：华为ADS 5.0搭载WEWA 2.0，云端引入Multi-Agent多智能体群体博弈；Momenta R7世界模型量产首发；蔚来NWM是中国首个智驾世界模型。

挑战与展望

尽管路线逐渐清晰，距离物理AI终极形态仍有较大距离：

• 真实世界数据不足：截至2026年5月，特斯拉FSD（监督版）车队累计行驶突破100亿英里（约160亿公里），位居全球第一；其他新势力品牌累计里程多在数十亿公里量级。
• 算力门槛高：特斯拉可能握有约23万张H100等效算力；小鹏Robotaxi瞄准L4，搭载4颗图灵AI芯片，车端算力达3000TOPS；华为2026年乾崑智驾研发投入预计超180亿元，未来5年将至少投入700亿元用于AI算力提升，算力规模在29个月周期内增长21倍。

正如莫拉维克悖论所示，对人类容易、对AI困难的物理感知问题依然存在。2026年作为物理AI上半场，自动驾驶仍是车企角逐焦点，但距离真正的终极形态还有相当长的路。