物理AI的第一張門票為何是自動駕駛 率先實現(xiàn)數(shù)據(jù)與商業(yè)閉環(huán)。AI在屏幕上的應(yīng)用已經(jīng)相對成熟，但在現(xiàn)實世界中的應(yīng)用仍面臨諸多挑戰(zhàn)。在屏幕上，AI出錯最多只是答錯題或?qū)憠拇a；而在現(xiàn)實世界中，一旦出錯，可能會導(dǎo)致交通事故等嚴(yán)重后果。

過去幾年，大語言模型、AI編程和Agent平臺在數(shù)字領(lǐng)域競爭激烈，但當(dāng)黃仁勛在CES 2026上宣布機器人領(lǐng)域的ChatGPT時刻到來時，物理AI成為焦點。黃仁勛認(rèn)為，物理AI的核心在于讓AI理解真實世界，并據(jù)此進(jìn)行推理和規(guī)劃行動。

英偉達(dá)也在推動物理AI基礎(chǔ)設(shè)施的發(fā)展，推出了Cosmos、GR00T、Isaac Lab-Arena和OSMO等工具，旨在解決仿真、訓(xùn)練、驗證和部署的問題。資本對此反應(yīng)迅速，具身智能成為2026年最火熱的賽道，融資額飆升，百億估值的公司不斷涌現(xiàn)。然而，物理AI的關(guān)鍵在于規(guī)?；瘮?shù)據(jù)、可持續(xù)現(xiàn)金流和真實世界的量產(chǎn)驗證。

物理AI涉及多個領(lǐng)域，如具身智能、自動駕駛、工業(yè)機器人和邊緣AI。從目前的數(shù)據(jù)、現(xiàn)金流和量產(chǎn)驗證來看，自動駕駛可能是更早接近閉環(huán)的一支。例如，Momenta R7強化學(xué)習(xí)世界模型在北京車展期間的發(fā)布，展示了其在虛擬環(huán)境中進(jìn)行強化學(xué)習(xí)的能力，已應(yīng)用于超過80萬臺量產(chǎn)車輛。

物理AI沒有像ChatGPT那樣迅速爆發(fā)的原因之一是成本結(jié)構(gòu)。數(shù)字AI的數(shù)據(jù)來自互聯(lián)網(wǎng)，獲取容易且成本低，而物理世界的數(shù)據(jù)采集難、測試周期長、試錯代價高。盡管如此，物理AI的潛力巨大。Momenta CEO曹旭東認(rèn)為，自動駕駛是最先實現(xiàn)“數(shù)據(jù)閉環(huán)”和“商業(yè)閉環(huán)”的物理AI場景。體驗提升帶來商業(yè)化，商業(yè)化帶來數(shù)據(jù)回流，數(shù)據(jù)再推動模型能力躍升，形成良性循環(huán)。

世界模型在自動駕駛行業(yè)中變得越來越重要。Waymo發(fā)布了基于Google DeepMind Genie 3構(gòu)建的Waymo World Model，用于生成高真實度的自動駕駛仿真環(huán)境。Momenta R7則強調(diào)強化學(xué)習(xí)世界模型的量產(chǎn)首發(fā)。這種世界模型分為三層：預(yù)訓(xùn)練、仿真和強化學(xué)習(xí)。通過這些步驟，系統(tǒng)能夠在虛擬世界中經(jīng)歷千萬次推演，自主學(xué)會在復(fù)雜博弈中做出最優(yōu)決策。

物理AI需要長期資金支持，但資本只能加速試錯過程，無法替代完整的物理世界周期。安全驗證、供應(yīng)鏈適配、車規(guī)級測試和功能安全認(rèn)證等環(huán)節(jié)都會拉慢進(jìn)度。曹旭東指出，物理AI需要一張“門票”，即能夠長期支撐研發(fā)的現(xiàn)金流業(yè)務(wù)。實現(xiàn)規(guī)模化L4自動駕駛需要巨額投入，單靠融資并不現(xiàn)實。

時間壁壘同樣重要。自動駕駛軟件具備接近零邊際成本的規(guī)模效應(yīng)，先發(fā)優(yōu)勢顯著。以奔馳為例，與Momenta的合作歷時八年才迎來第一個量產(chǎn)項目。國際OEM的合作周期通常為五到七年，國內(nèi)也需要三年。成功拿下這些合作后，公司有望迎來“贏者通吃”的局面。

北京車展期間，超過20個品牌、60余款車型搭載了Momenta方案，包括梅賽德斯-奔馳、奧迪和寶馬的新發(fā)布車型。這不僅是對技術(shù)的認(rèn)可，也是對工程交付能力的高強度檢驗。奧迪AUDI品牌產(chǎn)品研發(fā)執(zhí)行副總裁Martin Kraus強調(diào)質(zhì)量和安全標(biāo)準(zhǔn)的重要性，E7X將成為奧迪家族全球范圍內(nèi)第一款搭載L3級自動駕駛系統(tǒng)的車型。

真正的全球競爭力不僅在于速度和成本，還在于進(jìn)入全球汽車工業(yè)最復(fù)雜的量產(chǎn)體系。Momenta這樣的公司在今天的物理AI版圖中占據(jù)特殊位置，不僅提供智駕系統(tǒng)，還在真實道路上積累物理AI所需的底層能力。自動駕駛不是物理AI的終點，但它可能是這場長賽道上最先被真實世界驗證的一張門票。