AutocarMax

AutocarMax

关注

世界模型的另类思考?|对话轻舟智航于骞&李栋

环形隧道

2026-05-11


撰文 | 青竹

编辑|周长贤

物理 AI 成了智驾圈最新最统一的「信仰」。

截至目前,野心勃勃、有名有姓的几家,都跟物理 AI 绑定。差异只在细节和话术。

特斯拉的 World Model 探索,华为 WEWA2.0 赋能乾崑 ADS 5.0,小鹏第二代 VLA 已加入 X-World,Momenta 的世界模型三层次,卓驭的物理基座大模型……都在以不同节奏向这一方向收敛。

范式名称各异,话术各有侧重,但底层逻辑一致:让 AI 真正理解物理世界和规律,而非仅靠数据拟合。

“范式都差不多,差别无非是谁真的在做,谁做得好。”一位智驾负责人表示,未来可能交替领先,但也不过 2-3 个月身位的差别,可是跑下去,总会有人掉队。

作为风格务实的智驾方案商,同样是世界模型+强化学习,轻舟智航有些独特的思考,值得大家共读。

例如:

  • 物理 AI 不能简单复制 LLMs 的成功范式。单纯堆资源解决不了。
  • 物理 AI 还需要 2-3 个大技术突破,世界模型或是其一。
  • 自动驾驶数据的匀质性,被大多数讨论忽略。
  • 世界模型在车端和云端同时存在,不是简单的蒸馏关系。
  • 语言不会被抛弃,将来需要更高层级的语言长/深度思考。
  • L4 运营的关键指标:一个人能看多少车。

2026 北京车展上,轻舟物理 AI 模型发布之后,轻舟智航联合创始人、董事长兼 CEO 于骞和轻舟智航 CTO 李栋接受了群访,以下为 QA 精编:

问题:物理 AI 的发展程度?

于骞:物理 AI 的大范围普及,我觉得可能还有两到三个比较大的技术突破要完成,现在还做不到。不是单纯靠技术突破,也不是单纯靠堆资源就能解决。

自动驾驶是物理 AI 最大规模、最快能够落地的场景。首先数据不成问题,工程化、产品的形态已经比较完整,已经有很多基础。

问题:两到三个技术突破是?

于骞:其一很有可能就是世界模型。世界模型加强化学习就可以使物理 AI 应用非常大地提升。

问题:世界模型范式有何不同?

于骞:大语言模型有很多的数据,几乎涵盖人类知识的总结,输入以后预测下一个 Token,是整个最底层的问题表述,当然也有加强化学习。

但物理世界模型,首先要求对物理世界有很强的感知,要理解世界,同时还要能够理解世界未来怎么变化,然后指导行动,几件事在一起,不是单点。

不是单纯堆资源就能垄断。

问题:数据处理有何不同?

李栋:语言模型的数据比较匀质,基本上所有的文字都可以转化成 Token。

视觉模型最新的探索,包含机器人的本体数据。像自动驾驶,有非常多本体驾驶数据,非常友好。

但在更广的领域,本体数据非常稀缺,而且差异化非常大,不同的机器人数据不一样,自由度不一样。

还有视频类的数据,类似 YouTube,要用起来都非常挑战,也是现在比较前沿的研究。

问题:智能驾驶有数据优势?

李栋:自动驾驶有天然优势,数据是比较匀质的,量非常大。训练世界模型,一方面能补充稀缺数据,另一方面,对世界的判断和理解能力,有通用性。未来去操作有更多自由度的机器人,做特定或通用的事情 , 有非常广阔的空间。

问题:智能驾驶的世界模型处于什么阶段?

李栋:在自动驾驶领域,处于应用阶段,已经做 Demo 接近量产。包括车上的世界模型,还有云端世界模型,都已经用于生产各种数据做模型训练。

但在一些高自由度、高复杂度的环境,世界模型还在偏研究阶段,很难直接生成比较复杂操作,简单动作可以,特定动作可以,泛化的动作比较难。

问题:智驾物理 AI 阶段,VLA 的作用是?

于骞:VLA 可以更好 地 应用于端侧,能更好用到语言和人类的经验,但并不根本,和世界模型并不矛盾。

问题:VLA 能力未来会被抛弃吗?

李栋:即使模型特别厉害,总得和它交流,交流就涉及到语言。

而且语言模型有个特点,随着思考加深,能得到更好 的 通用能力,所以有额外算力的话,语言可以让整个模型的效果更好。

在应用中,即使在物理世界,语言虽不是最核心的模块,但不能抛弃。语言的思考能力比较独特,会给整个系统加分,在一些特殊场景需要这种思考能力。

将来,如果模型对物理世界特别理解,知道物体材质、运动规律、物理体验之后,可能会发现需要更高层级的语言长/深度思考,更多的需求会出来。

问题:大家的世界模型一样吗?

于骞:世界模型,其实有很多不同的理解,会有很多种流派,包括杨立昆和李飞飞都在不断探索。在学术领域还没有收敛,更别提在技术、工程落地方面,但是发展很快,我们要以开放的态度看待。

我们是比较务实的一家公司,不是什么新就用什么,我们非常非常克制。

问题:世界模型可以带智能驾驶走向终局吗?

于骞:我觉得应该是的,是很重要的技术方向,需要有很大很大突破。但是不是唯一的路,不是做完就完了,还有很多其他的工作要做。

问题:乘风 Max 这款产品引入了世界模型加强化学习,主要在云端?

于骞:当然车端布置,因为我们不可能在云端跑这种模型,所有安全性的东西必须在车端。

我们的世界模型,把端侧、云端一起考虑。并不是简单的蒸馏关系,模型学到的是物理世界大的分布。我们希望端侧学到的是整体分布本身,而不是某个局部。

问题:L2、L3 和 L4 的关系?

于骞:L3 肯定有价值,但如果使用范围非常小,只能在北京四环某一段路上开,那价值不够。目前边界/限制范围太多了。

不管是 L2、L4,底层技术高度一致,都是要把车开得更好,只是产品形态不同,L4 有 L4 的产品逻辑,L2 有 L2 的产品逻辑,并不是说靠堆人来解决的。

李栋:底层技术能力越强,扩展新应用边际成本越低。就什么车都能开,什么场景都能解决,我们也在 Robovan 上看到这一点。

L4 减去 L2,就是安全运营,我们关注模型到底能支撑什么运营成本?成本边际效益是不是足 够 低?

问题:L4 商业化的关键点?

李栋:模型的能力增强,L4 的应用范围、运营效率就会越来越高。 ,比如说一个人可以看 1,000 辆车,L4 就能非常好运营,这个指标非常关键。

今年我们会达到千台到万台车,达到大几千台车这样的运营水平,因为如果水平太差的话,没法运营起来。

问题:L4 车型有什么区别?

于骞:我们的 Robotaxi 车从外观上看,根本看不出来这是 Robotaxi,就像普通车一样。

底层的核心能力都是一样的,算法同源,只是产品形态不一样。算力更大,实际上是更强大脑,范式是一样,只是模型能力大一些。

L4 要加各种各样的安全冗余、硬件冗余、传感器冗余,硬件一定是能量产的,如果不能量产,我们肯定不要。

问题:关于标配和国产化?

于骞:今年一两百 TOPS 算力算主流了,明年相信 500TOPS 算力开始标配。未来几年所有的车都会智能化,包括油车。

我们不断革自己的命,500+TOPS 算力方案,目标是奔着一两千 TOPS 算力的体验,就是越级的体验,这就是差异化,是给客户、消费者带来的真实价值。

(以上文字经过不改语意的精编)

本文著作权归作者所有,并授权 42 号车库独家使用,未经 42 号车库许可,不得转载使用。

评论 · 0

0/3
大胆发表你的想法~
赞
1