物理AI改写自动驾驶规则:字节跳动携世界模型入场

当字节跳动带着世界模型团队叩响自动驾驶大门, 行业讨论近十年的命题突然换了新念法 。颠覆它的不是更贵的传感器或更大的车队, 而是一套能“脑补”物理世界运行规律的数字大脑。

🔍 世界模型如何终结旧范式

过去十年, 自动驾驶采用模块化路线 , 将系统拆分为感知、规划、控制三大独立模块。这种“工程堆料竞赛”支撑了早期落地, 却存在先天短板——极端长尾场景无解。施工锥桶、侧翻车辆、横穿行人等非标场景无法靠规则穷举, 规则叠加过多还会冲突。

从已披露信息看, 这一变化更值得关注的, 不只是表面动作本身, 还包括其对后续行业节奏、用户预期和市场竞争的连锁影响。

物理 AI 与世界模型正在终结这套范式。 世界模型的核心是主动推演式物理认知: 它在 AI 内部实时构建三维、动态、符合物理规律的虚拟交通世界 , 基于惯性、摩擦力等物理因果预判周边动态, 提前规划最优路径。传统自动驾驶是“看见再应对”, 物理 AI 驱动的是“看懂规律、提前预判”。

💡 字节的算盘: 无人物流是入口, 具身智能是终局

如果只看无人物流, 字节没必要大手笔——京东、美团、菜鸟等已很拥挤 。但字节真正押的是另一盘棋: 自动驾驶车辆是具身智能机器人的数据采集器。一辆车在城区跑一天撞上几万种情况, 把数据反哺世界模型再训练机器人, 比从零开始快十年。第一步无人物流车队落地, 第二步数据反哺模型, 第三步迁移到机器人。

📊 新势力企业的价值重估

• 蘑菇车联 : 深耕 Robobus 场景, 自研 MogoMind 大模型, 已在北京、上海等十余城运营,2025 年独家中标新加坡首个 L4 级公交项目, 验证中国方案进入发达市场的可行性。
• 新石器 : 累计部署超 16000 台 L4 级无人车, 聚焦末端配送, 目标 2027 年海外交付 5 万台, 规模化效应显现。
• 九识智能 : 与菜鸟无人车合并后车队超 2 万台, 覆盖 20 国 300 城, 成为百亿独角兽, 单车成本降至 2000-3000 元。
• 轻舟智航 : 从无人驾驶升级为通用物理 AI, 提出“世界模型 + 强化学习”架构, 辅助驾驶搭载 25 款量产车型。

🚀 胜负手: 谁的“大脑”更强

数据飞轮已经形成——Momenta 的 120 亿公里里程、新石器的万台车队、蘑菇车联的运营网络, 壁垒难以短期打破 。商业闭环正在验证:Momenta 三年营收翻三倍、新石器单月盈利、无人配送单票成本降至 4 分钱。技术代差也在拉大, 率先完成世界模型跃迁的企业将建立难以追赶的优势。

风险同样存在: 车企自研趋势压缩独立供应商空间, 字节跨界带来变数 。但物理 AI 正在重新定义自动驾驶的本质——它不再是汽车零部件的延伸, 而是物理世界认知智能的载体。谁能率先打造出真正理解物理规律的“数字大脑”, 谁就能占据下一个十年的产业制高点。