自动驾驶非唯一解？巨头们为何纷纷抢滩“物理AI”

看遍北京车展里里外外，叩响自动驾驶的大门，目前方法貌似只有一个:

世界模型+强化学习。

华为乾崑智驾ADS 5、Momenta R7、轻舟乘风Max，这三套北京车展期间发布的方案，无一例外，均搭载了这一技术组合。

华为车BU CEO靳玉志，表示ADS 5是面向“自动驾驶”的解决方案；Momenta官方表示物理AI正从理念走向量产。

轻舟智能CEO于骞直接断言，世界模型+强化学习是通向物理AI的必经之路。

车展舞台之外，世界模型+强化学习的身影也已无处不在。

蔚来早在2年前就推出了世界模型；地平线的HSD融合了这一技术方案。

小鹏第二代VLA、理想的MindVLA，尽管与世界模型之间存在路线分歧，但这二者的云端训练，仍然依托于世界模型+强化学习。

各家厂商的想法分歧仍在，但行动却十分统一，目标更是一致宏大:

自动驾驶犹嫌不足，要冲线物理AI终局。

那么这篇文章，我们就跟大家聊聊，世界模型+强化学习到底是什么？

看懂世界

经过了近两年辅助驾驶方案的迅速迭代和普及下放，L2的体验目前正在迅速趋同。

从这次北京车展就能看出，各价位车型的辅助驾驶能力都变得越发全面。

即便是七八万的零跑A10，也搭载了激光雷达，支持车位到车位级的辅助驾驶。

至于城区领航、高速领航，如今更是遍地开花。

但能用与好用之间，仍有巨大鸿沟。

而填平这道巨大鸿沟的关键，就在于补齐系统对场景的理解与预测能力。

这二者就恰恰决定了辅助驾驶是只能对当下做出被动反应，还是能像人类一样预判未来、提前布局。

我们自己在驾驶时，也并非只盯着眼前的路况机械应对。

越是驾驶经验丰富，越知道要时刻观察周围环境的动态，在心中推演未来几秒可能发生的状况，并提前做出防御性动作。

比如前方有很多胡同口，人类驾驶员自然就会减速行驶，以防胡同里忽然窜出打闹的小孩、骑着三轮车的老人......

这才是合理的驾驶状态，辅助驾驶依托世界模型，也正在朝这个方向进化。

不过，要合理的预测，系统首先必须真正掌握这个世界的运行规律，看透各种因果关系。

譬如在高速上，当看到前方刹车灯亮成一片时，你就自然猜想到可能出现交通事故了，然后提前刹车、打起精神观察周围路况，甚至打开双闪，提醒后方车辆及早刹车。

正是基于这种内含上下文因果关系的逻辑，世界模型在云端根据真实的物理规律进行仿真训练，才让系统更清晰、更本质地理解人类世界的运行法则。

与此同时，世界模型也能弥补采集数据工作的不足。

因为有些场景全凭现场采集的话，随机性太强了，比如鬼探头、一些极端天气，而世界模型则可以在虚拟环境中生成这种场景，然后进行针对性的训练。

理解世界规律，只是第一步，如何让系统基于这种理解，做出最优的驾驶决策？这就轮到强化学习登场了。

强化学习你可以把它理解成一套奖励机制，做得符合设计目标了就有奖励，不符合就得接受惩罚。

久而久之，系统自己就摸索出了一套最优驾驶策略，而不是简单机械地模仿人类司机的操作。

由此，世界模型和强化学习就构建出了一个更完整的训练闭环:

前者提供还原物理世界的训练场，后者则让系统日以继夜的疯狂特训，把实际问题前置，把驾驶经验攒足。

这就是世界模型+强化学习的价值，相当于给车装了一颗“人脑”，它让辅助驾驶真正去理解现实世界的运行规律，最终实现自动驾驶。

而这套方案其实也并不局限于自动驾驶，本质上，世界模型+强化学习就是在教机器如何去看懂世界，汽车只是最快的量产载体。

跟FSD比谁更强？

北京车展上，Momenta将“矛头”直指特斯拉。

Momenta CEO曹旭东在群访上对我们直言，Momenta R7这套基于世界模型+强化学习的解决方案，对标的就是特斯拉FSD V14，目标是为中国年轻人造一台属于他们的特斯拉。

如今，特斯拉FSD虽尚未真正进入中国市场，但它却仿佛已经成为中国智驾玩家的“公敌”。

几乎每一个中国智驾玩家，都在以超越FSD为己任，渴望在这场技术竞赛中证明自己。

事实上，特斯拉FSD与世界模型之间也有着千丝万缕的联系。

去年10月，特斯拉正式官宣了神经网络世界模拟器。

它基于真实道路采集的海量数据，在云端重建了一个遵循物理规律的虚拟世界，不仅能预测未来几秒内环境的动态演化，还能提前评估每一种驾驶动作可能带来的后果。

对于那些现实中极难采集的长尾场景，比如暴雪中的山路、突发事故后的混乱路口，神经网络世界模拟器也可以主动生成，进而虚拟世界中反复特训。

这与世界模型+强化学习的技术逻辑，几乎如出一辙。

特斯拉的这一技术方案将同时服务于自动驾驶和人形机器人，换句话说，世界模型+强化学习也是特斯拉走向物理AI的桥梁。

从技术范式上看，特斯拉与中国主流玩家之间并不存在方向性的差异。

至于孰强孰弱，真正的分野恐怕就在于工程落地能力。

谁的模型推理延迟更低？谁的博弈能力更强？谁更能应对小概率的长尾场景？

尽管都已经开始聊终局了，但面向自动驾驶和物理AI的工程落地竞赛，或许才刚刚拉开帷幕。

写在最后

技术需要天马行空，同时也更需要脚踏实地。

物理AI终局很美好，但它最终需要建构在资金、人才和商业闭环等基础上，这注定只是少数强者的游戏。

对于各大AI玩家来说，跋山涉水这么多年，面对愈发宏大的蓝图，残酷竞争仍然远没有结束。

如今，在世界模型+强化学习的驱使下，他们正在同一条赛道上，奔向同一个终点。

而在紧张刺激的角逐之中，我们所有人好像也都成为了这些强者游戏的一环，生活或将因为自动驾驶、物理AI发生巨大的变化。

最终，当物理AI从理念变成现实，我们也不仅仅会迎来更聪明的汽车，还将处在一个更智慧的、被重新定义的物理AI世界。

人在其中又该或者又能扮演什么角色，更是一个值得讨论的命题。