🚗 自动驾驶 · 架构重构

自动驾驶正围绕"预测物理世界"的模型重构自身

十年分模块架构正在瓦解。行业已转向 物理 AI——软件不再只标注所见，而是在行动前推理运动、因果与可能未来。黄仁勋在 2026 年 CES 上定调："物理 AI 的 ChatGPT 时刻已经到来。"

综合公开信息整理• 2026-07-22• 全文约 4 分钟读完
#物理AI #世界模型 #FSD #Momenta #端到端
万亿级 黄仁勋描述的物理AI市场机会
120亿+ Momenta 核心模型训练真实驾驶里程
2026 CES 上黄仁勋宣布物理AI时刻到来

⚡ 30 秒速览

  • 架构变了：从"感知→预测→规划"三块独立软件，转向一个能理解物理世界、统一推理的模型。
  • 特斯拉先动手：FSD v12 用单一神经网络替代大量手写规则，2024 年北美铺开，证明端到端可行。
  • 两股趋势合流：更深的场景理解（像人一样看懂意图）+ 世界模型（内部模拟未来几秒），2026 年已不再对立。
  • 竞争焦点转移：从传感器数量、芯片算力、标注数据量，转向核心模型质量、真实数据多样性与仿真环境真实度。
  • 诚实的边界：120 亿公里真实数据仍覆盖不了所有长尾；仿真与真实道路之间仍有差距；完全无监督驾驶只存在于限定试点。

01十年分模块架构，正在瓦解

过去十年，自动驾驶靠三块独立软件拼起来：摄像头识别物体，另一程序猜测物体会做什么，第三个程序规划路径。在大多数日常场景下足够顺滑，但信息在模块间一次次传递中损耗。熟悉的条件反应良好，意外出现时就力不从心。

新架构试图整体理解并预判物理世界，行业称之为物理 AI。黄仁勋不止一次强调其规模是"多万亿美元"的，而自动驾驶是其中最早的大规模落地场景。

一个过渡句，先看技术路径怎么走过来的。

旧架构：分模块

感知 → 预测 → 规划，各模块独立优化。信息在传递中损耗，面对长尾场景僵化。

新架构：物理AI

单一模型理解场景、推理因果、模拟未来几秒，在行动前提前推演，再选择安全路径。

2024Tesla FSD v12 发布
1单一神经网络替代规则
2理解+预测两大趋势合流
2026主流玩家已结合两者

注：FSD v12 以摄像头图像直接输出转向/制动指令，是"去规则化"的标志性事件。2024-2026 年间，国内供应商与车厂跟进类似方案。

02谁在量产？真实部署已经发生

Momenta R7：量产车 + 无人包裹车苏州夜间运营

  • 2026 年进入量产车，扩展到苏州部分区域的无人驾驶包裹车，含夜间线路。
  • 同一核心模型训练数据来自超过 120 亿公里真实驾驶，同时支持乘用车与物流车。
  • 不依赖每一条街道的详细预制地图。
关键点：一个模型，两种车型——同一套物理理解能力直接迁移。

小鹏：在行动前先"预演"交通演变2026 视觉会议

  • 系统在车辆执行变道等动作前，先构建"交通将如何演变"的内部草图。
  • 不是对当前帧的简单标注，而是对未来几秒的多可能性推演。
本质：把"预测"内化为决策的一部分，而非事后补丁。

蔚来 / 华为 / 特斯拉：连续迭代规模化推送

  • 蔚来已向大部分车队滚动推送其预测模型的多个版本。
  • 华为用云端大模型生成疑难驾驶场景，车载小模型做实时决策。
  • 特斯拉继续扩展统一网络，加入更多推理能力与仿真闭环训练。

03竞赛规则变了：传感器让位于模型

早年的竞争词是传感器数量、车载芯片算力、标注数据量。如今这些都不再是壁垒。

新的三位一体是：核心模型的物理理解能力、真实驾驶数据的多样性、仿真环境的真实度。

旧竞赛

传感器数量 · 芯片TOPS · 标注数据规模

新竞赛

模型QoU · 数据多样性 · 仿真真实度

拥有大规模车队的公司掌握数据优势；资本充足者可以购买算力与仿真产能。而小团队的门槛不降反升。

注：这里"数据多样性"指真实路况中长尾场景的覆盖程度，而非单纯总量。仿真环境真实度决定了"预演"有多少可信度。

04一个诚实的注脚：物理AI没有解决所有问题

它重构了问题，但没有消除问题。

  • 长尾依旧稀疏：即便超过 120 亿公里，仍有很多罕见场景覆盖不足。
  • 仿真有迁移鸿沟：数字环境里学到的经验，不能完美迁移到混乱的真实道路。
  • 算力与功耗受限：模型必须在量产车的功耗/成本约束内快速运行。
  • 可解释性更差：系统越统一，出问题时越难逐层排查。
  • 完全无监督仍遥远：开放道路上的完全无人驾驶，仍局限于特定试点。

公开讨论中的"物理AI公司"与"基础模型"，更多是方向描述而非成品。

05深层变化：架构统一，竞争升维

一旦模型能模拟物理后果，同一套核心软件原则上可以同时支撑驾驶、座舱，乃至未来的机器人操作。好几家车厂已经把驾驶、座舱和机器人研究团队拉近，共享模型开发。

近期的比赛仍是更安全、更强的车。

长期的比赛是——谁构建出最有用的物理世界模型。

编辑核心判断

物理AI没有消除自动驾驶的难题，它把难题从一个"规则编写"问题，变成了"数据+算力+工程"的规模化问题。掌握教机器理解世界运动规律的公司，将定义行业的下一阶段。

▶可以关注什么

对从业者：关注各家的"世界模型"评测与仿真平台开放程度。
对消费者：未来 12-24 个月，城市智驾的"脱图"能力与夜间场景表现将是关键体验分水岭。

追踪物理AI动态 → 持续关注