2026 年北京车展落幕，激光雷达数量、芯片算力与续航里程等传统竞争焦点退居二线，" 物理 AI" 成为华为、Momenta、轻舟智航、蔚来、小鹏、理想及特斯拉等全球头部车企与智驾方案商共同聚焦的新关键词。

物理 AI 指让机器理解重力、惯性、因果关系等基础物理规律，从而真正参与真实世界运行，标志着行业正从 " 数字 AI" 向更高级的 " 物理 AI" 升级。Momenta 于车展发布 R7 强化学习世界模型并实现量产首发，CEO 曹旭东指出其核心在于 " 对世界基础物理规律的深度认知 "。小马智行同步推出世界模型 2.0，强调其为完整强化学习训练体系，具备 AI 自我诊断与定向进化能力。

国际层面，特斯拉在 2025 年 10 月 ICCV 会议披露 FSD 技术路线，将端到端 AI 与神经网络驱动的 " 世界模拟器 " 列为基石；该模拟器可生成连续多视角驾驶场景，使 AI 单日学习量相当于人类 500 年驾驶经验。Meta 同期发布开源世界模型 V-JEPA 2，参数达 12 亿、经 100 万小时视频训练，首席 AI 科学家杨立昆定义其目标为构建 " 能理解现实世界运作逻辑、并可推理规划 " 的人工智能系统，直接服务于自动驾驶与下一代机器人车辆。

行业转向物理 AI 的根本动因在于：传统依赖人类标注数据的行为克隆模式无法覆盖无限长尾场景。物理 AI 通过虚拟空间反复推演，使 AI 自主探索 " 若身处该场景应如何操作 "，预测动作物理后果，从而在未见环境中作出安全决策。

世界模型与强化学习构成物理 AI 两大技术引擎。世界模型补足系统对物理场景的理解与预测能力，实现事故前预判；轻舟智航 CEO 于骞指出，物理世界 AI 不同于数字世界 AI（如 AlphaGo），其难点在于不确定性无穷，仅靠 " 背题 " 不可持续。Momenta R7 采用三层架构：海量真实数据预训练压缩物理规律、闭环仿真、强化学习迭代；华为乾崑智驾 ADS 5 云端世界引擎引入扩散生成模型，虚拟极限场景密度达真实路测 1000 倍，并首次集成 " 多智能体博弈 " 机制，建模交通参与者间试探与博弈行为。

强化学习推动 AI 从模仿人类驾驶跃升至自主优化策略。理想、小鹏、蔚来及元戎启行已于 2025 年 8 月两周内密集宣布 VLA 大模型上车—— V 代表视觉感知、L 代表大语言模型（用于隐式逻辑推理）、A 代表动作执行。进入 2026 年，行业叙事重心已由 " 端到端数据闭环 " 转向 " 物理世界规律预训练 " 维度。

市场层面，中商产业研究院数据显示，2025 年中国汽车产销量超 3400 万辆，自动驾驶市场规模同比增长 18.1%，预计 2026 年达 5293 亿元，渗透率超 40%；L2+ 级方案年均复合增长率 33.7%，Robotaxi 年复合增速达 74%。

政策端同步突破：2025 年 12 月工信部发布首批 L3 级有条件自动驾驶车型准入许可，北京、重庆指定区域启动试点；2026 年 3 月施行的 L3 责任认定国标明确，自动驾驶激活状态下事故责任由车企承担，并强制配备 " 黑匣子 " 数据记录系统，为商业化提供法律可操作性。

物理 AI 快速成为共识，源于其直指本质命题——真正自动驾驶无法依赖穷举场景，只能依靠对物理世界运行规律的理解与推演。当前挑战仍存：需海量真实物理数据、高算力芯片、多传感器融合及大规模模型训练推理，单车软硬件成本显著高于传统辅助驾驶，向 15 万元以下主流车型下探尚存难度；系统复杂度提升亦带来稳定性与安全合规风险，需监管与企业共建可验证、可追责的技术与制度框架。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。