文｜谢泽锋
编辑｜杨旭然
从单纯观察环境做出反应，转变为预见未来并主动布局，物理AI的兴起正在深刻改变智能驾驶的进步轨迹。
今年CES大会上，黄仁勋预言物理AI即将迈入类似ChatGPT阶段的变革，到了GTC会议，他认为这是数字AI之后的又一场万亿规模增长机遇。
Momenta R7开始量产部署，宇树科技、智元机器人、优必选等企业持续推动产品落地，这标志着AI从数字领域的“思考”（生成文本和视频）向现实物理世界的“行动”（机器人感知、决策和执行）完成重大跨越。
当AI不仅能“看”世界，还能在数字化真实世界中理解物体运动和因果关系时，智能驾驶产业正经历从“数字AI”向“物理AI”的底层架构重塑。
2025年初，比亚迪发起价格战带动智驾普及，掀起了“全民智驾”的热潮，智驾技术的应用范围迅速扩大。
进入2026年，以一段式端到端、VLA（视觉-语言-行动）、世界模型为代表的技术路径，正引导行业从“模仿人类驾驶”向“超越人类智能”的驾驶模式转变，新一轮发展周期已经到来。
---
演进
回看智能驾驶的历史，其本质是一场技术范式革命，从各模块功能割裂到“端到端融合”，从被动应对环境到实现智能进化。
自动驾驶的概念在20世纪初就已诞生，1925年8月，纽约街头出现了全球首辆自动驾驶汽车。到了2004年，DARPA挑战赛成为行业发展的关键节点。
当年3月13日，莫哈韦沙漠，美国国防部高级研究计划局（DARPA）举办的首届自动驾驶汽车大赛在此举行。这是全球首个长距离自动驾驶比赛，卡内基梅隆大学、斯坦福大学、麻省理工以及大众、英特尔等15支队伍参与角逐。
首届赛事没有完成全程的团队，行驶最远的卡内基梅隆大学“红之队”仅走了总路程的不到5%。但这段5%的征程，开启了人类探索智能驾驶的大门。
DARPA挑战赛后，无数自动驾驶人才通过该赛事崭露头角，后来进入谷歌、优步、通用、福特、Waymo等企业，其中就包括驭势科技CEO吴甘沙。
不过早期智能驾驶系统更像是辅助工具，主要依赖规则算法与高精地图，理想汽车甚至将其比作“昆虫智能”。这种模块化设计导致系统泛化能力不足，无法达到类人驾驶水平；
感知、预测、决策、控制模块各自为政的模式虽然逻辑清晰，但在信息传递过程中会产生误解和损耗。
因此，端到端方案获得关注。
2024年3月，特斯拉发布FSD V12版本，最大的创新是将感知、决策与控制集成到单一神经网络模型中，称为"Photon In, Control Out"，移除了30万行手动编写代码，改用神经网络替代，实现了感知和决策规划两大模块的算法“端到端”，彻底重构了技术架构。
国内车企紧随其后，2024至2025年间大规模应用分段式端到端方案，而一段式端到端与VLA技术则在2025至2026年集中装车落地。
当时业内存在“一段式”和“两段式”两种技术路线，华为、百度Apollo、小鹏等采用两段式，商汤、Momenta等则坚持“一段式”。
如今，“一段式”端到端已成为行业主流。但早期端到端技术存在明显不足，因其决策过程如同“黑箱”，难以追溯逻辑，事故发生后也难以快速定位问题。
为解决这个难题，行业转向VLA（视觉-语言-行动模型），实现自动驾驶的“真”端到端。通过融合计算机视觉、自然语言处理与强化学习，构建了兼具环境感知、语义理解与决策执行功能的统一智能体，完成了从“黑箱”到“可解释大脑”的突破。
随着物理AI的兴起，达到甚至超越人类智能成为可能。在确保高效响应的同时，物理AI让决策过程更具透明度。
网友评论