从“看见什么做什么”到“想象未来再行动”，物理AI浪潮正在改写智能驾驶的底层逻辑。VLA增强理解，世界模型强化预测，两者从对立走向融合——2026年成为技术路线收敛的关键之年。
智能驾驶的历史，本质是从“规则驱动”向“数据驱动”再向“因果推理”跃迁的过程。2024 年特斯拉 FSD V12 移除了 30 万行手写代码，用单一神经网络替代模块化架构，开启了端到端时代。但早期端到端是“黑箱”——决策逻辑不可追溯，事故后难以定位问题。
行业随即转向 VLA（视觉-语言-行动模型），通过融合计算机视觉与自然语言处理，构建可解释的决策大脑。然而，VLA 的语义优先级高于驾驶，被批评为“好钢没用在刀刃上”。
转折点出现在 2026 年。
特斯拉 FSD V14 改变了行业认知：大模型能力不是在 VLA 和世界模型之间二选一，而是两者的深度融合。VLA 解决理解当下的问题，世界模型解决预测未来的难题——两条路线合流，成为全行业共识。
世界首辆自动驾驶汽车出现在纽约街头，概念萌芽。
DARPA 大挑战赛——首届无人完赛，但最远者走了全程的 5%，开启现代智驾探索。
特斯拉 FSD V12 推送，“Photon In, Control Out”，端到端神经网络取代模块化架构。
比亚迪发动全民智驾，价格下沉推动技术普及；一段式端到端成为主流。
物理AI元年。FSD V14 集成 Grok 与世界模型；VLA+世界模型融合方案全行业铺开。
时间线仅标注关键里程碑节点，非完整产业史。2026 年被多家机构定义为“物理AI元年”，技术路线从分化走向收敛。
技术路线之争，本质是对“智能”本质的不同理解。VLA 试图让车学会“看和说”，世界模型试图让车学会“想和推”。
通过语言大模型将视觉信息转化为文本 token 再做决策。增强可解释性，但语义优先级高于驾驶，被指像“背题库的学生”，在复杂或突发场景容易失效。
跳过语言中间层，直接利用多源感知构建理解因果逻辑的模型。模拟物理世界运行规律，预测未来，但研发难度更大，对数据量与算力要求极高。
Momenta CEO 曹旭东直言：“VLA 对自动驾驶是锦上添花，很难雪中送炭。”华为车 BU CEO 靳玉志则认为，VLA 看似捷径，实则无法真正理解物理世界。但进入 2026 年，行业迅速形成新共识：不是二选一，而是融合。
对比基于公开观点整理，双方技术路线均有持续迭代，此处仅呈现 2025-2026 年阶段的代表性立场。
VLA 解决理解，世界模型解决预测——两者融合构成“物理世界基座模型”的双支柱。以下是 2026 年上半年主要玩家的布局：
物理AI浪潮下，竞争逻辑正在发生根本性转变。过去汽车行业的竞争是“堆配置”——激光雷达数量、芯片算力、续航里程，比拼的是参数堆叠。而在物理AI时代，竞争变为“建底座”——谁掌握物理世界的理解与行动能力，谁就掌握价值链主导权。
世界模型让智驾、座舱、机器人和一切智能终端走向技术融合。特斯拉用同一个基础模型驱动 FSD、Optimus 和智能体；理想已将基座模型与 VLA 研发团队合并，统一支撑智能驾驶、智能座舱及人形机器人三大业务线；高通把汽车与机器人放进同一个事业群。
一个诚实的注脚：目前所有智驾系统距离真正的物理AI终极形态还相去甚远。
截至 2026 年 5 月，FSD 车队累计行驶突破 100 亿英里，位居全球第一；而其他新势力品牌由于车辆数较少，累计里程均在数十亿公里量级。世界模型需要巨量的真实世界数据，这是当前最核心的制约因素。
数据为公开报道整理，算力规模与投资额均为规划或估算值，实际执行可能存在差异。
物理AI对算力的需求远超数字AI。世界模型需要海量真实世界数据训练，高算力芯片和大规模模型训练成为入场券。头部玩家已展开军备竞赛：
注：柱形宽度为相对值，非精确比例。特斯拉算力数据为行业估算，华为投资额为公开计划。右侧标注为各家的核心算力指标，单位不同，仅作定性对比。
随着头部智驾企业全面迈入物理AI赛道，算力竞赛还将进一步升级。靳玉志此前表示，华为算力规模在 29 个月周期里实现了 21 倍增长——但这可能只是开始。
物理AI时代，智驾竞争已从“参数堆叠”转向“基模之战”。掌握物理世界理解与行动能力的企业，将定义下一个十年的价值链格局——但数据量与算力的双重鸿沟，可能让这场竞赛从一开始就呈现分化态势。
1988 年，莫拉维克在其著作中阐述了一个观点：对人类来说很难的任务（逻辑推理、下棋），AI 反而容易完成；而对人类来说很简单的事（走路、抓取物体），AI 却极难实现。这一问题后来被称为“莫拉维克悖论”。
现有智驾正卡在这一环节——看似智能，却缺乏最基本的物理直觉。这也是许多人不敢完全放手的核心原因。2026 年被称为“物理AI元年”，但距离真正的智能驾驶终极形态，还有相当长的距离。