作者 ｜ 周一笑邮箱 ｜ zhouyixiao@pingwest.com

AI最先驯服的是屏幕，，，最难进入的是现实世界。在屏幕里，，，AI犯错最多是答错一道题、、写坏一段代码
；；到了现实世界，，，一旦犯错，，，就会撞上车、、人和路线。

从前三年，，，大说话模型、、AI编程和Agent平台挤进统一片数字战场，，，模型能力、、价值和分发渠道都在急剧内卷。但当黄仁勋在CES 2026上宣告机械人领域的ChatGPT时刻已经到来，，，疤岚物理AI”推到行业聚光灯中心的时辰，，，一个新的问题浮出水面，，，从屏幕里走出来的AI，，，要若何在真实的物理世界里站住脚？？在黄仁勋的描述中，，，物理AI的主题在于让AI理解真实世界，，，并据此进行推理和规划行动。

同期，，，英伟达也在把Physical AI推向基础设施层面，，，Cosmos用于世界模型和合成数据，，，GR00T面向机械人学习与推理，，，Isaac Lab-Arena用于评估，，，OSMO则买通从边缘到云端的训练流程。它传递出的意思很明确，，，AI走进物理世界，，，不只是模型能力问题，，，也是一整套仿真、、训练、、验证和部署基础设施的问题。

本钱率先给出了回应。具身智能成了2026年最火热的赛道，，，融资额一路飙升，，，百亿估值的公司接连涌现。但热烈背后有一个更底子的问题，，，物理AI的门槛不在于谁喊概念更响、、谁融资更多，，，而在于谁先拿到进入长赛道的“门票”，，，即规
；；、、可持续现金流，，，以及真实世界里的量产验证。

物理AI不是一条单线赛道。具身智能、、自动驾驶、、工业机械人、、边缘AI，，，都在把AI从屏幕带进现实世界，，，它们之间也并非对抗关系，，，更像是物理AI走向现实的分歧入口，，，只是节拍各别。从今天的真实世界数据、、现金流和量产验证看，，，自动驾驶可能是更早靠近闭环的一支。

4月25日，，，北京车展期间，，，“物理AI”成了多家智驾公司颁布会上的高频词。Momenta R7强化学习世界模型的量产首发，，，是其中值得关注的一个样本。R7代表了Momenta这一代智驾系统的主题模型思路，，，在世界模型构建的虚构环境中进行强化学习，，，让车在行动前先预演世界会怎么变动。按Momenta披露，，，搭载其系统的量产车辆规模已超过80万台，，，R7是在这个量产基座上实现的一次架构升级。

为什么是自动驾驶

为什么物理AI没有像ChatGPT那样迅速发作？？一个被反复会商的原因是成本结构。数字AI的数据来自互联网，，，天然大规模、、低成本、、易获取，，，验证也便宜，，，Agent挪用一个工具只必要一个API接口。物理世界的逻辑齐全分歧，，，数据采集难，，，测试周期长，，，试错价值高。OpenAI早年同时布局机械人和说话模型，，，最终阶段性选择GPT，，，背后正是这种成本结构差距。

但物理世界“可能是更大的一部门”。这是Momenta CEO曹旭东在北京车展期间反复提到的一个判断。在他看来，，，自动驾驶是最先规
；；芡ā笆荼栈贰焙汀懊骋妆栈贰钡奈锢鞟I场景。履历提升带来贸易化，，，贸易化带来数据回流，，，数据再推动模型能力跃升，，，一旦这个循环转起来，，，进取的速度会远超直觉。他分享过一个观察，，，“任何一小我工智能利用，，，一旦靠近人类的水平，，，就会在很短的功夫内大幅超过人类的水平。”前面可能花十年、、二十年爬坡，，，但超过人可能就产生在一两年内。

从这个角度看，，，搭载Momenta系统的量产车辆规模超过80万台，，，意味着Momenta已经是少数成功在真实世界中堆集物理AI数据、、工程经验和贸易闭环的公司之一。曹旭东以为，，，智驾领域正在出现一种“摩尔定律”式的进取节拍，，，从前约莫是两年十倍的提升速度，，，行业领军企业甚至可能做到一年十倍。

类似的判断也呈此刻硅谷。2026年CES期间，，，Mobileye颁发以约9亿美元收购人形机械人公司Mentee Robotics，，，并把这视为进入“Mobileye 3.0”的一步。Mobileye给出的理由是，，，自动驾驶和机械人共享一部门底层Physical AI能力，，，蕴含感知、、世界建模、、规划节制，，，以及不确定性下的决策。这注明，，，自动驾驶公司堆集的能力，，，正在被重新理解为能够泛化到更广义物理AI的平台能力。

在模型里的世界先练车

“世界模型”正在成为自动驾驶行业越来越重要的关键词。

2026年2月，，，Waymo颁布了基于Google DeepMind Genie 3构建的Waymo World Model，，，用于天生高真实度、、可交互的自动驾驶仿真环境，，，尤其覆盖现实中难以大规模采集的长尾场景。Momenta R7也处在这一风雅向上，，，只是它强调的是强化学习世界模型的量产首发。这注明，，，世界模型不再只是自动驾驶论文里的概念，，，而是正在造成头部玩家处置长尾风险和仿真训练的共同说话。

按Momenta的拆解，，，这套世界模型分为三层。最底层是预训练，，，让系统占有物理学问，，，依附量产车队产生的海量真实驾驶数据，，，将物理法规、、学问与因果关系压缩进模型。在学问之上是仿真，，，主题是让系统理解“若是我的行为产生变动，，，世界将若何演变”。最关键的一层是在世界模型中进行强化学习，，，系统从单纯的仿照学习走向“设想与索求”，，，在虚构世界里经历千万次推演，，，自主学会在复杂博弈中做出最优决策。

一个具体的例子，，，若是前车不测掉落一箱苹果，，，R7能预判苹果滚落的轨迹与扩散领域，，，提前安稳减速并规划绕行路线。只依赖已罕见据散布和真实路测，，，很难穷尽这类低频风险。世界模型正在把长尾问题从“恰巧遇到”转向“可推演、、可训练”。当然，，，这不料味着系统已经穷尽了所有极端风险，，，但方向已经明确。不外，，，世界模型也并不料味着能够绕开真实路线。仿真能够扩大长尾场景覆盖，，，却无法齐全复制真实世界的不确定性，，，最终仍必要真尝试证。这也诠氏缢为什么“量产”和“真实路线闭环”在物理AI里如此重要。

若是借用数字AI的理解框架，，，世界模型预训练有点像让大模型先获得通识学问，，，而强化学习则是把学问对齐到更好的行为上。区别在于，，，数字AI对齐的是“回覆更好”，，，物理AI对齐的是在真实物理约束下更安全、、更从容地行动。

物理AI的门槛

本钱热不是问题，，，物理AI正本就必要持久资金。另据公开统计显示，，，2026年前几个月，，，中国具身智能融资已进入百亿级密集发作阶段。但本钱只能更快地为试错扫清阻碍，，，却买不来齐全的物理世界周期。安全验证、、供给链适配、、车规级测试、、职能安全认证，，，每一个环节城市把速度重新拉慢。

曹旭东给出了一个更量化的判断，，，物理AI必要一张“门票”，，，这张门票的性质是可能持久支持研发的现金流业务。实现规
；；疞4自动驾驶，，，累计投入至少必要百亿美元级
；；通用机械人可能进一步上升到几百亿甚至千亿美元级。单靠融资，，，持久看并不现实。

功夫壁垒同样真实。自动驾驶软件具备靠近零边际成本的规模效应，，，先发优势因而格外显著。以奔腾为例，，，2017年投资Momenta，，，是由奔腾董事长康林松亲自决策，，，但第一个量产项目上市是2025年下半年，，，整整八年。国际OEM的合作周期是五到七年，，，国内也要三年。而德系豪华所代表的全球最严苛尺度，，，甚至必要更长功夫，，，有时要长达十年。但一旦成功拿下，，，就有望迎来“赢者通吃”的局面，，，实现“马太效应”。

这种技术和产业规模上的先发优势也会体此刻对本钱市场资源的更可持续的使用上，，，越发靠近终局的公司在急剧进入更成熟的资源池。

据媒体报道，，，Momenta已向港交所奥秘递交招股书，，，IPO估值预期超千亿元，，，打算年内挂牌。2024年下半年曾启动Pre-IPO融资，，，交割金额超10亿美元。

真正的测试场

若是说门票理论是一种行业推演，，，那么BBA的选择就是一种现尝试证。

按Momenta披露，，，本届北京车展有超过20个品牌、、60余款车型搭载其规划，，，其中蕴含梅赛德斯-奔腾、、奥迪、、宝马的新颁布车型。这组客户的意思不在于名单自身，，，而在于它们代表了全球汽车工业里门槛最高、、最器重安全冗余的一批需要。可能进入这些品牌的量产系统，，，自身就是对一家AI公司技术成熟度和工程交付能力的高强度检验。

奥迪AUDI品牌产品研发执行副总裁Martin Kraus在北京车展的一场圆桌中说了一句很直白的话，，，“质量和安全尺度是没得协商的。”按他的说法，，，E7X将成为奥迪家族全球领域内第一款搭载L3级自动驾驶系统的车型，，，也将是Momenta首款搭载L3系统的量产车型。

曹旭东把与BBA的合作过程概括为“打合”，，，“高级的合作，，，始终是联结、、碰撞、、再联结。”奔腾团队曾反复挑战一个极端场景，，，高速上没有灯光，，，一个摩托车骑手跌倒，，，戴着玄色头盔，，，头朝后方。这类碰撞的价值在于，，，它把AI能力拉进了传统汽车工业最严苛的安全语境里。据现场介绍，，，奔腾与Momenta累计测试里程达80亿公里，，，同时奔腾还对峙“油电同智”，，，但愿在油车上也实现靠近电车的智能驾驶履历。

圆桌上，，，一位奥迪车主讲起京沪高速上的一次经历，，，前车陆续追尾，，，系统帮他刹住并驶离超车道。他给母亲打电话，，，“你帮我把汤热一下，，，我要到家了。”

这比任何参数都更能诠释安全尺度的意思，，，它最后要回覆的，，，是一小我能不能安全回家。

梅赛德斯-奔腾中国研发自动驾驶及车联网执行副总裁王忻在统一场圆桌中提到，，，AI进入物理世界时，，，“这个虚构人也必要有感情，，，它也要有‘胆怯’”。物理AI若是只理解物理法规，，，还不够，，，它最后要理解的是坐在车里的人若何感应安全和从容。

对中国AI公司来说，，，真正的全球竞争力不只是速度和成本，，，还要能进入全球汽车工业最复杂、、也最难妥协的量产系统。

从行业视角看，，，Momenta这样的公司在今天的物理AI疆域里占据了一个特殊地位。它并不只是做一套智驾系统，，，而是在真实路线上堆集物理AI所需的底层能力，，，蕴含数据闭环、、世界模型训练、、仿真验证、、车规级安全和量产交付。今天这些能力服务于智能驾驶，，，将来也可能外溢到Robotaxi、、物流、、低速无人车，，，甚至更广义的具身智能场景。

自动驾驶不是物理AI的终点。但它可能是这场长赛道上，，，最先被真实世界验证的一张门票。

点个“爱心”，，，再走 吧