AI智能体能取代车载App吗？
AI 最先征服的是屏幕，最难进入的是现实天下。在屏幕里，AI 出错最多是答错一道题、写坏一段代码；到了现实天下，一旦蜕化，就会撞上车、人和蹊径。已往三年，大语言模子、AI 编程和 Agent 平台挤进统一片数字战场，模子能力、价钱和分发渠道都在快速内卷。但当黄仁勋在 CES 2026 上宣告机械人领域的 ChatGPT 时刻已经到来，把 " 物理 AI" 推到行业聚光灯中心的时间，一个新的问题浮出水面，从屏幕里走出来的 AI，要怎样在真实的物理天下里站住脚？在黄仁勋的形貌中，物理 AI 的焦点在于让 AI 明确真实天下，并据此举行推理和妄想行动。同期，英伟达也在把 Physical AI 推向基础设施层面，Cosmos 用于天下模子和合成数据，GR00T 面向机械人学习与推理，Isaac Lab-Arena 用于评估，OSMO 则买通从边沿到云端的训练流程。它转达出的意思很明确，AI 走进物理天下，不但是模子能力问题，也是一整套仿真、训练、验证和安排基础设施的问题。资源率先给出了回应。具身智能成了 2026 年最火热的赛道，融资额一起飙升，百亿估值的公司接连涌现。但热闹背后有一个更基础的问题，物理 AI 的门槛不在于谁喊看法更响、谁融资更多，而在于谁先拿到进入长赛道的 " 门票 "，即规�；荨⒖梢涣纸鹆�，以及真实天下里的量产验证。物理 AI 不是一条单线赛道。具身智能、自动驾驶、工业机械人、边沿 AI，都在把 AI 从屏幕带进现实天下，它们之间也并非对立关系，更像是物理 AI 走向现实的差别入口，只是节奏各异。从今天的真实天下数据、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，北京车展时代，" 物理 AI" 成了多家智驾公司宣布会上的高频词。Momenta R7 强化学习天下模子的量产首发，是其中值得关注的一个样本。R7 代表了 Momenta 这一代智驾系统的焦点模子思绪，在天下模子构建的虚拟情形中举行强化学习，让车在行动前先预演天下会怎样转变。按 Momenta 披露，搭载其系统的量产车辆规模已凌驾 80 万台，R7 是在这个量产基座上完成的一次架构升级。为什么是自动驾驶为什么物理 AI 没有像 ChatGPT 那样迅速爆发？一个被重复讨论的缘故原由是本钱结构。数字 AI 的数据来自互联网，自然大规模、低本钱、易获取，验证也自制，Agent 挪用一个工具只需要一个 API 接口。物理天下的逻辑完全差别，数据收罗难，测试周期长，试错价钱高。OpenAI 早年同时结构机械人和语言模子，最终阶段性选择 GPT，背后正是这种本钱结构差别。但物理天下 " 可能是更大的一部分 "。这是 Momenta CEO 曹旭东在北京车展时代重复提到的一个判断。在他看来，自动驾驶是最先规�；芡� " 数据闭环 " 和 " 商业闭环 " 的物理 AI 场景。体验提升带来商业化，商业化带来数据回流，数据再推动模子能力跃升，一旦这个循环转起来，前进的速率会远超直觉。他分享过一个视察，" 任何一小我私家工智能应用，一旦靠近人类的水平，就会在很短的时间内大幅凌驾人类的水平。" 前面可能花十年、二十年爬坡，但逾越人可能就爆发在一两年内。从这个角度看，搭载 Momenta 系统的量产车辆规模凌驾 80 万台，意味着 Momenta 已经是少数乐成在真实天下中积累物理 AI 数据、工程履历和商业闭环的公司之一。曹旭东以为，智驾领域正在泛起一种 " 摩尔定律 " 式的前进节奏，已往约莫是两年十倍的提升速率，行业领军企业甚至可能做到一年十倍。类似的判断也泛起在硅谷。2026 年 CES 时代，Mobileye 宣布以约 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分底层 Physical AI 能力，包括感知、天下建模、妄想控制，以及不确定性下的决议。这说明，自动驾驶公司积累的能力，正在被重新明确为可以泛化到更广义物理 AI 的平台能力。在模子里的天下先练车" 天下模子 " 正在成为自动驾驶行业越来越主要的要害词。2026 年 2 月，Waymo 宣布了基于 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情形，尤其笼罩现实中难以大规模收罗的长尾场景。Momenta R7 也处在这一大偏向上，只是它强调的是强化学习天下模子的量产首发。这说明，天下模子不再只是自动驾驶论文里的看法，而是正在酿成头部玩家处置惩罚长尾危害和仿真训练的配合语言。按 Momenta 的拆解，这套天下模子分为三层。最底层是预训练，让系统拥有物理知识，依托量产车队爆发的海量真实驾驶数据，将物理纪律、知识与因果关系压缩进模子。在知识之上是仿真，焦点是让系统明确 " 若是我的行为爆发转变，天下将怎样演变 "。最要害的一层是在天下模子中举行强化学习，系统从纯粹的模拟学习走向 " 想象与探索 "，在虚拟天下里履历万万次推演，自主学会在重大博弈中做出最优决议。一个详细的例子，若是前车意外掉落一箱苹果，R7 能预判苹果滚落的轨迹与扩散规模，提前平稳减速并妄想绕行蹊径。只依赖已有数据漫衍和真实路测，很难穷尽这类低频危害。天下模子正在把长尾问题从 " 恰巧遇到 " 转向 " 可推演、可训练 "。虽然，这不料味着系统已经穷尽了所有极端危害，但偏向已经明确。不过，天下模子也并不料味着可以绕开真实蹊径。仿真可以扩大长尾场景笼罩，却无法完全复制真实天下的不确定性，最终仍需要真实验证。这也诠释了为什么 " 量产 " 和 " 真实蹊径闭环 " 在物理 AI 里云云主要。若是借用数字 AI 的明确框架，天下模子预训练有点像让大模子先获得通识知识，而强化学习则是把知识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清静、更从容地行动。物理 AI 的门槛资源热不是问题，物理 AI 原来就需要恒久资金。另据果真统计显示，2026 年前几个月，中国具身智能融资已进入百亿级麋集爆发阶段。但资笔苹能更快地为试错扫清障碍，却买不来完整的物理天下周期。清静验证、供应链适配、车规级测试、功效清静认证，每一个环节都会把速率重新拉慢。曹旭东给出了一个更量化的判断，物理 AI 需要一张 " 门票 "，这张门票的实质是能够恒久支持研发的现金流营业。实现规�；� L4 自动驾驶，累计投入至少需要百亿美元级；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，恒久看并不现实。时间壁垒同样真实。自动驾驶软件具备靠近零边际本钱的规模效应，先发优势因此格外显著。以疾驰为例，2017 年投资 Momenta，是由疾驰董事长康林松亲自决议，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，海内也要三年。而德系豪华所代表的全球最严苛标准，甚至需要更长时间，有时要长达十年。但一旦乐成拿下，就有望迎来 " 赢者通吃 " 的时势，实现 " 马太效应 "。这种手艺和工业规模上的先发优势也会体现在对资源市场资源的更可一连的使用上，越发靠近终局的公司在快速进入更成熟的资源池。据媒体报道，Momenta 已向港交所神秘递交招股书，IPO 估值预期超千亿元，妄想年内挂牌。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 的选择就是一种现实验证。按 Momenta 披露，本届北京车展有凌驾 20 个品牌、60 余款车型搭载其计划，其中包括梅赛德斯 - 疾驰、奥迪、宝马的新宣布车型。这组客户的意义不在于名单自己，而在于它们代表了全球汽车工业里门槛最高、最重视清静冗余的一批需求。能够进入这些品牌的量产系统，自己就是对一家 AI 公司手艺成熟度和工程交付能力的高强度磨练。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，" 质量和清静标准是没得探讨的。" 按他的说法，E7X 将成为奥迪家族全球规模内第一款搭载 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 的合作历程归纳综合为 " 打合 "，" 高级的合作，永远是团结、碰撞、再团结。" 疾驰团队曾重复挑战一个极端场景，高速上没有灯光，一个摩托车骑手摔倒，戴着玄色头盔，头朝后方。这类碰撞的价值在于，它把 AI 能力拉进了古板汽车工业最严苛的清静语境里。据现场先容，疾驰与 Momenta 累计测试里程达 80 亿公里，同时疾驰还坚持 " 油电同智 "，希望在油车上也实现靠近电车的智能驾驶体验。圆桌上，一位奥迪车主讲起京沪高速上的一次履历，前车一连追尾，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，我要抵家了。"这比任何参数都更能诠释清静标准的意义，它最后要回覆的，是一小我私家能不可清静回家。梅赛德斯 - 疾驰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 进入物理天下时，" 这个虚拟人也需要有情绪，它也要有‘畏惧’ "。物理 AI 若是只明确物理纪律，还不敷，它最后要明确的是坐在车里的人怎样感应清静和从容。对中国 AI 公司来说，真正的全球竞争力不但是速率和本钱，还要能进入全球汽车工业最重大、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 国界里占有了一个特殊位置。它并不但是做一套智驾系统，而是在真实蹊径上积累物理 AI 所需的底层能力，包括数据闭环、天下模子训练、仿真验证、车规级清静和量产交付。今天这些能力服务于智能驾驶，未来也可能外溢到 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，最先被真实天下验证的一张门票。