物理AI路线趋同后，真正的胜负手转向“组织闭环”：元戎启行Superfluid Lab浮出水面

事件概述

物理AI的技术路线在过去一年多快速收敛，VLA、世界模型、基座模型、数据闭环等概念成为行业热词。然而，随着路线趋同，真正的瓶颈开始暴露：模型与数据之间、视觉与行动之间、模拟与真实之间仍存在多层“断裂”，单纯堆叠数据、算力和模型规模无法解决系统性问题。

在这样的背景下，元戎启行首次公开其内部AI Lab——Superfluid Lab。该实验室于今年5月成立，由前DeepSeek核心成员、元戎启行首席科学家阮翀带队，以基座模型为研究核心，同时推进VLA模型、世界模型和多模态理解。

核心信息

• 物理AI技术路线已收敛为“两条明线加一条暗线”：两条明线分别是VLA（视觉—语言—动作）路线和世界模型路线；暗线是物理AI基座模型，也是两条明线共同奔赴的方向。理想、小鹏押注VLA，华为WEWA、蔚来NWM代表世界模型路线，基座模型则通过大规模物理世界数据预训练，适配不同任务。
• 当前行业存在三层“断裂”：
  1. 模型与数据之间——数据规模扩大不会自动产生理解，需要模型与数据系统持续反馈；
  2. 视觉与行动之间——模型理解场景不等于能稳定行动，视觉和语义需转化为连续、实时、可验证的动作；
  3. 模拟与真实之间——仿真场景无法完整覆盖真实世界的不确定性，虚拟环境中的提升也难以等比例迁移到现实。
• Superfluid Lab的技术闭环：以基座模型为中心，VLA模型负责将认知转化为行动，世界模型推演行动结果并提供仿真环境，AI Infra支撑大规模训练，最终由真实世界验证。实验室招聘覆盖大模型算法、仿真算法、AI Infra三个方向，强调开放研究环境、扁平协作和较少的固定工作边界，不同方向研究人员围绕同一个模型共同对最终能力负责。
• 物理AI竞争已进入第三阶段：从最初的产品竞争，到端到端、VLA等模型竞争，再到如今的基础能力与组织竞争——企业需要把人才、数据、算力、模型、仿真、工程和真实世界反馈组织成一套能长期进化的系统。

值得关注

Superfluid Lab是元戎启行提前进入“基础能力与组织竞争”阶段的一次尝试。元戎启行自2025年3月起即以“物理AI”定位自身，比行业整体浪潮提前近一年。其选择从智驾切入，是因为辅助驾驶积累的真实数据、工程能力和开放道路场景被视为物理AI能力的“试金石”。随着基座模型和多模态技术成熟，这些积累正被延伸至更广泛的物理世界能力。

这一探索的长期价值仍有待验证。正如阮翀所说：“快的东西，往往也很快被替代。慢的东西，一旦建成，会成为很多快的东西的底座。”