0
| 本文作者： 田哲 | 2026-06-24 22:05 |
物理AI的核心是“數(shù)據(jù)scaling和商業(yè)scaling，二者形成正向反饋”。而目前唯一同時實現(xiàn)這兩者的，正是自動駕駛。
1943年，蘇格蘭心理學(xué)家肯尼斯·克雷克（Kenneth Craik）在他的著作《解釋的本質(zhì)》中，提出了一個影響深遠(yuǎn)的論斷——人類大腦在認(rèn)知外部世界時，并非被動地接收信息，而是會主動構(gòu)建一個“現(xiàn)實的內(nèi)部小模型”。借助這個“小模型”，我們可以在腦海中模擬不同行動的結(jié)果，從而在真實世界出手之前，先安全地推演一遍未來。
這個洞見，后來被認(rèn)知科學(xué)家發(fā)展為“心理模型”理論，再后來，它成為人工智能領(lǐng)域一個綿延半個多世紀(jì)的執(zhí)念：能不能讓機(jī)器也擁有這樣一個“內(nèi)部模型”？讓它們在執(zhí)行任務(wù)之前，先在自己的“想象”中預(yù)演世界的變化？
80多年后的今天，這個執(zhí)念終于從哲學(xué)式的思辨和認(rèn)知科學(xué)的假設(shè)，變成了AI領(lǐng)域最擁擠的一條賽道——世界模型（World Model）。
英偉達(dá)將物理AI定義為繼生成式AI之后的下一波浪潮；特斯拉將自動駕駛、Robotaxi、人形機(jī)器人和世界模型統(tǒng)一在同一AI體系下；圖靈獎得主Yann LeCun離開Meta創(chuàng)辦AMI Labs，3月完成10.3億美元種子輪押注世界模型；李飛飛的World Labs融資10億美元；OpenAI重組建機(jī)器人團(tuán)隊。
幾乎所有的頭部車企和自動駕駛公司，也都在同一時間涌向了同一條技術(shù)軌道——從華為到蔚來，從小鵬到理想，從吉利到比亞迪，世界模型正以前所未有的速度從學(xué)術(shù)概念變成量產(chǎn)標(biāo)配。
科技巨頭和頂尖科學(xué)家們正在爭奪同一個制高點：讓AI真正理解物理世界的運行規(guī)律。
PART 1
我們先要厘清物理AI與數(shù)字AI的本質(zhì)差異。
ChatGPT的突破，本質(zhì)上是讓機(jī)器掌握了語言符號的統(tǒng)計關(guān)聯(lián)——給定上文，預(yù)測下一個詞。這套機(jī)制壓縮了人類海量文本知識，使模型表現(xiàn)出常識、邏輯甚至幽默感。
但語言模型再強(qiáng)，也無法內(nèi)化真實的物理因果。一個只讀過無數(shù)文檔的AI，知道“物體受重力會下落”這個句子，但它無法預(yù)判一個不規(guī)則物體在傾斜平面上滾動時的速度變化，也無法感知不同材質(zhì)接觸面的摩擦力對運動軌跡的影響。
所以，AI要進(jìn)入物理世界，至少需要具備三種底層能力：理解三維空間結(jié)構(gòu)、預(yù)測環(huán)境變化、在真實場景中執(zhí)行可靠動作。
這三種能力分別對應(yīng)三條技術(shù)路徑：空間智能、世界模型和具身智能。
李飛飛強(qiáng)調(diào)，AI下一階段必須理解三維空間。一個機(jī)器人要抓取桌面上的杯子，不僅要識別杯子，還要計算杯子與桌面、手臂、障礙物的相對位置和姿態(tài)。這是空間智能的核心。
Yann LeCun則提出，智能體不能僅依賴即時感知，必須擁有內(nèi)在的“世界模擬器”，能夠推演不同行動導(dǎo)致的未來狀態(tài)。換言之，在真實出手之前，先在“腦內(nèi)”推演多種可能。
具身智能則強(qiáng)調(diào)通過物理身體與環(huán)境交互，利用視覺、觸覺、力反饋等多模態(tài)信號，在試錯中學(xué)習(xí)真實世界的反饋機(jī)制。
三條線路各有內(nèi)在邏輯，但為什么世界模型能夠被反復(fù)討論？
世界模型的核心是——把物理世界的運行規(guī)律壓縮進(jìn)模型參數(shù)，讓AI具備對空間、運動、因果關(guān)系的“常識性”理解。
如Momenta CEO曹旭東所言：“預(yù)測是智能進(jìn)化的基石。大語言模型依托下一詞元預(yù)測能力壓縮數(shù)字世界常識；而世界模型則通過預(yù)測物理世界未來的狀態(tài)和交互邏輯，獲得理解物體的物理屬性、運動的因果關(guān)系、交互的潛在可能。”
從這個意義上看，世界模型之于物理AI，就像GPT之于數(shù)字AI——它是底層的基座。
因此，在2026年的L2+和L4級別的智駕行業(yè)里，世界模型已從一個技術(shù)選項變成了幾乎所有頭部玩家的必答題。
華為是最早旗幟鮮明押注世界模型路線的主流玩家之一。蔚來同樣在2024年發(fā)布了“蔚來世界模型NWM”首個版本。2026年6月18日，蔚來向超70萬用戶推送世界模型全新版本。理想在CVPR 2026上有12篇論文入選，其中4篇聚焦世界模型，從深度估計、三維重建、交通規(guī)則認(rèn)知到安全風(fēng)險預(yù)判形成完整技術(shù)鏈路。比亞迪也將智駕模型切換至世界模型路線，推出“物理AI大模型”。
從這些企業(yè)的動作中可以看到，一個共識已經(jīng)形成——世界模型是通往高階自動駕駛乃至物理AI的必經(jīng)之路。
PART 2
如上文所言，AI進(jìn)入物理世界所需的三大支柱：空間感知、時序預(yù)測、行動控制，而自動駕駛恰好是三者交匯最為密集的現(xiàn)實場景。
一輛車在開放道路行駛，除了識別障礙物，還要預(yù)判鄰車切入意圖、行人橫穿概率、路面附著系數(shù)變化。它需要空間理解、世界預(yù)測和實時決策，三者缺一不可。
更關(guān)鍵的是，自動駕駛已經(jīng)具備物理AI其他場景尚不具備的規(guī)模化基礎(chǔ)——每天數(shù)百萬輛量產(chǎn)車在真實道路產(chǎn)生海量交互數(shù)據(jù)，且存在明確的商業(yè)付費閉環(huán)。
曹旭東的判斷是：自動駕駛是物理AI的序章，“因為它最先實現(xiàn)了規(guī)模化的數(shù)據(jù)閉環(huán)和商業(yè)閉環(huán)”。
2026年4月，Momenta在北京車展發(fā)布R7世界模型，并實現(xiàn)量產(chǎn)首發(fā)。這是國內(nèi)首個將世界模型、強(qiáng)化學(xué)習(xí)和端到端架構(gòu)深度融合并投入量產(chǎn)的方案。
R7的核心是一套三層遞進(jìn)架構(gòu)。
第一層：世界模型預(yù)訓(xùn)練——構(gòu)建物理常識基底
Momenta基于超過120億公里的實車行駛里程，從中篩選出超1億段高價值“黃金數(shù)據(jù)”，涵蓋各類天氣、光照、道路結(jié)構(gòu)和動態(tài)交互場景。這些數(shù)據(jù)經(jīng)過清洗、標(biāo)注和時空對齊，用于預(yù)訓(xùn)練世界模型的基礎(chǔ)網(wǎng)絡(luò)。模型通過預(yù)測下一幀或未來多幀的傳感器狀態(tài)，逐步壓縮物理世界的時空演化規(guī)律。
這一層的核心壁壘在于數(shù)據(jù)規(guī)模。搭載Momenta系統(tǒng)的量產(chǎn)車輛已超過90萬臺，累計交付超100款車型。120億公里的真實數(shù)據(jù)，是絕大多數(shù)競爭對手無法復(fù)制的數(shù)據(jù)底盤。
第二層：世界模型仿真——低成本復(fù)現(xiàn)長尾場景
系統(tǒng)利用生成式模型推演周圍環(huán)境的演變，對極端罕見的長尾場景（如路面散落物、前車急剎、非標(biāo)障礙物等）進(jìn)行閉環(huán)仿真測試。與傳統(tǒng)基于游戲引擎的仿真不同，Momenta的仿真世界參數(shù)直接學(xué)習(xí)自真實數(shù)據(jù)，因此“明確知道仿真與真實世界之間的差距有多大、差在哪”，并以此作為模型迭代的量化基準(zhǔn)。
這種“數(shù)據(jù)驅(qū)動仿真”的效率比實車路測高出數(shù)個數(shù)量級，且能自動生成數(shù)以萬計的變體場景，覆蓋現(xiàn)實中難以窮舉的邊緣情況。
第三層：在世界模型中做強(qiáng)化學(xué)習(xí)——自主探索最優(yōu)策略
在仿真環(huán)境中，系統(tǒng)通過設(shè)定安全、舒適、效率等多維獎勵函數(shù)，讓模型以自我博弈方式反復(fù)試錯。經(jīng)過數(shù)千萬次虛擬交互，模型逐漸習(xí)得比人類預(yù)置規(guī)則更優(yōu)的駕駛策略，尤其是在復(fù)雜博弈場景（如無保護(hù)左轉(zhuǎn)、擁堵匯流）中表現(xiàn)出超越模仿學(xué)習(xí)的決策能力。
過去，量產(chǎn)車是交付終點，Robotaxi是獨立業(yè)務(wù)，仿真和強(qiáng)化學(xué)習(xí)是研發(fā)工具。但在Momenta的體系里，它們都圍繞同一個模型進(jìn)化閉環(huán)運轉(zhuǎn)——量產(chǎn)車產(chǎn)生的真實場景進(jìn)入世界模型預(yù)訓(xùn)練，仿真環(huán)境生成極端案例用于強(qiáng)化學(xué)習(xí)，優(yōu)化后的模型再部署回量產(chǎn)車和Robotaxi中驗證，形成“數(shù)據(jù)→模型→場景”的正向循環(huán)。
Momenta的All-in-One Platform是這一邏輯的產(chǎn)品化體現(xiàn)：用統(tǒng)一的物理AI大模型、世界模型能力和數(shù)據(jù)閉環(huán)，將乘用車、Robotaxi、Robovan、Robotruck等不同場景的數(shù)據(jù)和經(jīng)驗匯入同一技術(shù)底座。這種平臺化布局不僅降低了邊際成本，也構(gòu)建出多場景協(xié)同的商業(yè)生態(tài)。
從2022年首個10萬臺量產(chǎn)耗時24個月，到如今最快不到40天完成10萬臺交付——“飛輪效應(yīng)”正從概念轉(zhuǎn)化為可量化的效率提升。
PART 3
技術(shù)只是故事的一面。物理AI基座模型的競爭，本質(zhì)上是規(guī)模效應(yīng)的競爭。
6月23日，Momenta在港交所已通過港交所聆訊，正式進(jìn)入IPO沖刺階段。市場份額方面，2025年3月至2026年2月，Momenta以65%的銷量市占率位居中國第三方城市NOA供應(yīng)商首位。城市NOA正處于爆發(fā)臨界點，預(yù)計到2030年城市 NOA 解決方案滲透率將從2025年的11%升至62%。
研發(fā)投入上，2025年Momenta研發(fā)支出達(dá)18.69億元，占營收77.5%，近三年累計研發(fā)投入46.6億元。截至2025年底，研發(fā)人員1157名，占比近82%，超三分之二擁有碩士及以上學(xué)歷。現(xiàn)金儲備超100億元。
這些數(shù)字表明，Momenta不僅在做技術(shù)投入，也已形成自我造血能力。在R7的技術(shù)飛輪之外，Momenta正在搭建自己的商業(yè)飛輪。
Momenta的商業(yè)模式中，有一個關(guān)鍵的規(guī)模化邏輯：每一款車型定點，都是一條未來的收入管道；每一輛量產(chǎn)車的交付，都是一次收入的確認(rèn)。
Momenta已與全球24家整車廠建立合作關(guān)系，客戶覆蓋國內(nèi)全部主流乘用車企，全球排名前10大車企中已有9家與其合作。累計定點車型數(shù)超過210款，已成功交付超100款量產(chǎn)車型，搭載Momenta系統(tǒng)的量產(chǎn)車輛規(guī)模已超90萬臺。
在收入結(jié)構(gòu)上，這種規(guī)模化效應(yīng)同樣清晰可辨。
Momenta的收入由兩部分構(gòu)成：技術(shù)開發(fā)收入和許可收入。前者是“上車前”的收入——車企給出定點后，Momenta將智駕方案適配到具體車型，完成開發(fā)、測試和系統(tǒng)集成；后者是“上車后”的收入——車型正式量產(chǎn)后，Momenta按每輛搭載系統(tǒng)的車輛收取許可費。
2023年，Momenta幾乎還靠技術(shù)開發(fā)支撐收入，到了2025年，許可收入飆升至9.68億元，三年增長42倍，占比躍升至40.1%。
這組數(shù)據(jù)的邏輯鏈條很清晰：前期技術(shù)開發(fā)是固定成本投入，一旦方案完成、車型進(jìn)入量產(chǎn)，后續(xù)的許可收入邊際成本極低，每一輛新增量產(chǎn)車帶來的幾乎都是純利潤。定點車型越多，量產(chǎn)規(guī)模越大，許可收入的雪球就滾得越快。而許可收入占比的提升，讓Momenta在保持高研發(fā)投入的同時，逐步逼近盈利拐點。
這便是Momenta商業(yè)規(guī)模化閉環(huán)的核心：定點帶來量產(chǎn)，量產(chǎn)帶來收入，收入支撐研發(fā)，研發(fā)反哺模型，模型又幫助拿下更多定點。 120億公里的真實道路數(shù)據(jù)、超210款車型定點、65%的第三方城市NOA市占率——這些數(shù)字不是孤立的，它們共同構(gòu)成一個不斷加速的正向循環(huán)。
這不僅是數(shù)據(jù)的規(guī)模化，更是商業(yè)的規(guī)模化。當(dāng)數(shù)據(jù)和商業(yè)兩條曲線同時上揚(yáng)，物理AI基座模型的飛輪才算真正轉(zhuǎn)了起來。
總結(jié)來看，Momenta的選擇在這場路線之爭中顯得尤為清晰：它不依賴語言模型作為中介，而是讓AI直接學(xué)習(xí)物理世界的規(guī)律本身。在曹旭東看來，“世界模型讓AI從理解語言走向理解物理世界，這是通往更高級別自動駕駛的必經(jīng)之路”。
而Momenta的差異化在于：它不僅選擇了世界模型路線，而且已經(jīng)實現(xiàn)了量產(chǎn)級落地。
目前，全球排名前十的車企中已有9家與Momenta推進(jìn)智駕技術(shù)落地，其方案已在亞洲、歐洲、大洋洲、拉美和北非的等超10個國家和地區(qū)實現(xiàn)部署。Momenta的股東陣容包含上汽、通用、奔馳、豐田、比亞迪、現(xiàn)代、奇瑞等7家全球車企——這些車企本身就是世界模型浪潮的重要推動者，而它們選擇與Momenta合作，本身也構(gòu)成了一種行業(yè)背書。
這些產(chǎn)業(yè)合作的意義不止于收入——每一輛搭載Momenta系統(tǒng)的量產(chǎn)車，都是世界模型的數(shù)據(jù)采集終端。在物理AI時代，數(shù)據(jù)規(guī)模本身就是最深的護(hù)城河。
當(dāng)然，物理AI遠(yuǎn)未到塵埃落定的時刻。世界模型能否從學(xué)術(shù)概念轉(zhuǎn)化為真實世界的底層能力，自動駕駛能否成為物理AI最先跑通的訓(xùn)練場，都還需要時間驗證。但Momenta正在證明一件事：在物理AI這場長跑中，它已占據(jù)一個關(guān)鍵身位。
這個身位的核心競爭壁壘，不在于某一項算法指標(biāo)的領(lǐng)先，而在于一套已經(jīng)跑通的數(shù)據(jù)和商業(yè)規(guī)模化閉環(huán)。120億公里實車數(shù)據(jù)、90多萬臺量產(chǎn)車、65%的第三方城市NOA市占率、R7世界模型三層架構(gòu)——這些要素共同構(gòu)成了物理AI基座模型的雛形。
物理AI的核心是“數(shù)據(jù)scaling和商業(yè)scaling，二者形成正向反饋”。而目前唯一同時實現(xiàn)這兩者的，是自動駕駛。對Momenta而言，真正的命題是：自動駕駛這條已具備規(guī)模化條件的路徑，能否訓(xùn)練出物理AI時代的基座模型。
答案還在路上。但至少，Momenta已經(jīng)率先出發(fā)。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
