從制造到智能的底層重構 汽車業正在發生“物理AI改命”

來源：中國汽車報網

2026年，汽車產業的“熱詞”已從智能化轉向一個更嶄新的概念——物理AI。在最近舉行的智能電動汽車發展高層論壇（2026）上，多位企業高管言必稱物理AI。例如，卓馭科技首席執行官沈劭劼直言：“未來存活下來的智駕公司，都將轉型為移動物理AI公司”。

在行動層面，近期，輕舟智航完成1億美元D輪融資，明確將資金投向“世界模型+強化學習”的通用物理AI研發，加速從智駕方案商向物理AI技術服務商轉型。更早之前，小鵬汽車董事長兼首席執行官何小鵬宣布，2026年公司將把物理AI相關研發投入提升至70億元，以技術驅動走出不同于傳統車企的盈利路徑。

汽車產業鏈集體押注物理AI

據記者了解，物理AI包含兩層核心內涵：一是讓AI掌握重力、摩擦力、因果關系等物理世界基本常識；二是讓AI具備基于這種常識，與真實世界安全、高效交互的行動能力。這意味著AI的“主航道”正從擅長處理符號、生成內容的虛擬智能，堅定地邁向理解物理規律、執行實體行動的行動智能。

驅動這場范式革命的，是產業端對機器行動能力的剛需，這也是技術端突破數據瓶頸、走向通用智能的必然選擇。汽車作為最復雜的移動終端，成為物理AI落地的最佳載體，也將是這場產業變革的核心戰場。

近一年來，汽車行業集體發布“物理AI宣言”，車企以及智駕、芯片等供應鏈企業紛紛升級戰略、加碼投入，從單純比拼傳感器數量、算力參數的硬件“軍備競賽”，轉向構建物理世界理解能力的底層模型競速。

在車企層面，除小鵬外，理想也同步發力，在英偉達GTC 2026發布MindVLA-o1模型，意在打通智能輔助駕駛與機器人的具身智能鏈路。吉利則發布WAM世界行為模型，集團副總裁、吉利汽車研究院院長李傳海明確提出，物理AI是汽車智能化的終極方向，將與英偉達在物理AI、工業AI領域深度協同，打造全域AI 2.0體系。傳統車企如比亞迪、長安也紛紛成立物理AI專項團隊，將世界模型、端到端架構納入下一代智駕規劃。

供應鏈企業的轉型也非常迫切。沈劭劼在前述論壇上系統闡釋了移動物理AI 路徑：以原生多模態基礎模型為核心，實現乘用車、重卡、物流車等跨品類零樣本的遷移。據他介紹，目前卓馭科技已量產50余款車型、定點超100款，年內將推送跨品類基礎模型。

輕舟智航董事長兼首席執行官于騫認為，“世界模型+強化學習”是通向物理AI的必經之路。他表示，該公司D輪融資后將融合VLA與世界模型，打造統一端到端架構，覆蓋智能輔助駕駛到L4級自動駕駛全場景。此外，Momenta、元戎啟行等頭部智駕企業也相繼發布物理AI戰略，放棄單一智駕場景深耕，轉向通用移動智能體研發。

行業共識已日趨清晰：物理AI不是智駕的功能升級，而是汽車產業的底層重構。正如行業專家指出，過去汽車價值鏈以制造、硬件為核心，未來將以物理AI模型、數據、算法為核心，誰掌握物理世界的理解與行動能力，誰就掌握價值鏈主導權。這一轉向也正在改變汽車行業的競爭邏輯——不再是堆配置，而是建底座；不再是做功能，而是造智能。

兩大AI模型最后或走向融合

在2026英偉達GTC大會上，一場關于物理AI技術路線的公開論戰，將行業深層分歧推向臺前，也讓融合趨勢愈發清晰。這場論戰的核心，是VLA（視覺-語言-動作模型）與世界模型兩條路徑之爭。而最終，它們或將走向互補融合，成為物理AI落地的主流選擇。

李傳海發布WAM世界行為模型時，公開質疑VLA路線：VLA僅匹配標準答案、缺乏物理規律認知，依賴有限駕駛數據而非海量視頻，難以真正建模物理世界。Momenta首席執行官曹旭東認為，VLA對智駕提升有限，“世界模型+強化學習”才能實現十倍至百倍性能躍升。華為車BU首席執行官靳玉志更直言VLA是“取巧”，并非自動駕駛正途。

另一邊，理想汽車基座模型負責人詹錕強調，原生3D ViT編碼器與預測式隱世界模型融合，可同時驅動車輛與機器人，指向具身智能新范式。小鵬推出第2代VLA，覆蓋智能輔助駕駛、L4級自動駕駛及人形機器人。

雙方的核心分歧在于：VLA走語義思考路徑，用語言邏輯理解場景、做出決策；世界模型走物理推演路徑，在云端構建高精度物理仿真，預測物體運動、規劃安全軌跡。

其實，論戰并未持續太久，行業很快形成共識：VLA與世界模型并非非此即彼，而是“底層基建+上層決策”的互補關系。世界模型承擔物理世界建模、軌跡規劃、底層數據訓練的“基建”角色，依托激光雷達、高算力芯片，在云端完成復雜物理推演；VLA則主攻復雜道路社交、非標突發路況，做出貼合人類習慣的柔性決策。

例如，理想MindVLA-o1也嵌入預測式隱世界模型，將物理推演能力融入語義框架；小鵬第2代VLA在端到端架構中強化物理理解，實現“語義+物理”雙驅動；輕舟智航直接提出“VLA+世界模型+強化學習”統一架構，兼顧泛化能力與物理精度。于騫總結說，單一技術無法解決物理AI的全部問題，融合才是量產落地的關鍵。

汽車價值鏈被物理AI“改命”了

物理AI為汽車行業打開萬億元級新空間，而且可能徹底重構汽車價值鏈，重塑市場格局與企業定位，但業內人士認為落地仍面臨技術、成本、安全三重核心挑戰。

第一，技術落地瓶頸。物理AI需要海量真實物理數據、高精度仿真環境、端云協同算力，當前模型泛化能力不足，極端場景仍易失效。沈劭劼表示：“移動物理AI需要零樣本（Zero-shot）遷移能力，目前多數模型仍依賴場景定制，跨地域、跨車型適配成本很高。”

第二，成本居高不下。物理AI需要高算力芯片、多傳感器融合、大模型訓練與推理，單車硬件加軟件成本遠超傳統智能輔助駕駛，下探至售價15萬元以下主流車型仍有難度。

第三，安全與合規風險。物理AI具備自主決策能力，事故責任界定、數據安全、倫理規范尚未完善，L4級自動駕駛的法規與保險體系仍在探索。

傳統汽車價值鏈遵循“微笑曲線”——研發、銷售兩端高利潤，制造環節低利潤。而物理AI時代，這一曲線或被徹底改寫：物理AI模型、數據、算法成為價值鏈核心，制造退居基礎環節。

首先，價值重心上移。過去，車企利潤來自整車銷售、零部件配套；未來，則將來自物理AI軟件訂閱、數據服務、跨場景AI授權。例如，小鵬已規劃智駕軟件海外獨立收費，卓馭科技、輕舟智航等供應商則從賣方案轉向“賣模型+數據服務”，形成持續營收。

其次，產業鏈分工重塑。傳統一級零部件供應商主導的鏈式結構將被打破，物理AI模型商、數據服務商、算力提供商有望成為新核心供應商；車企要么自研物理AI底座，要么與頭部模型商深度綁定，傳統零部件企業被迫轉型。

再次，企業定位質變。車企不再單純是汽車制造商，而是物理AI科技公司。根據沈劭劼的判斷，未來，汽車只是物理AI的第一載體，機器人、飛行汽車、智能物流設備將成為新增長點。

最后，市場格局洗牌。具備物理AI全棧自研能力的車企將占據主導；缺乏底層模型能力的傳統車企，要么被整合，要么淪為硬件代工商；智駕供應商中，僅能提供單一方案的企業將被淘汰，具備跨垂類、跨場景物理AI能力的企業將成為生態核心。

從汽車制造到物理AI，汽車行業的變革正在演進。物理AI讓汽車從機械產品進化為具身智能體，讓價值鏈從硬件制造轉向AI能力，讓市場競爭從產品比拼轉向技術底座的較量。而這場從制造到智能的重構，才剛剛開始。