新智元報道

【新智元導讀】大模型靠預測下一個詞讀懂語言，世界模型靠預測下一幀讀懂世界。最近，一家中國公司剛過港交所聆訊，物理AI的「GPT時刻」要來了。

物理AI過臨界點了！

6月1日，NVIDIA開源Cosmos 3。

6月13日，Tesla推送FSD V14.3.4。

6月18日，一家估值超千億的中國公司通過了港交所聆訊。中國跑城區領航輔助駕駛的車，65%用的是它的方案。量產車超90萬輛，全球前十大車企九家是客戶。

大語言模型靠預測下一個詞理解了語言，由此開啟了數字AI的萬億美元市場。

這家公司也在用世界模型做著同樣的事：靠預測下一幀理解世界，重寫自動駕駛的底座。只不過這一次，AI要理解的不是語言，是整個物理世界。

自動駕駛的世界模型時刻

過去十年，自動駕駛的主流做法叫模仿學習：錄人類老司機怎么開車，讓AI照著學。數據越多，學得越好。

但模仿學習有天花板，而且天花板很低——就是人類本身。

它只能學到「做了什么」，學不到「為什么這么做」。

人在路口減速，不是執行了一條規則，是對物理世界有直覺。兩噸重的鐵在濕路面上剎不住意味著什么，低頭看手機的行人下一步往哪走。

模仿學習學的是動作，不是因果。

但AI有個規律，一旦接近人類水平，就會在很短時間內大幅超越。AlphaGo如此，人臉識別如此。前提是，方法得對。

自動駕駛的方法，就是世界模型。

2026年，世界模型突然成了全球AI最熱的賽道。

• 楊立昆離開Meta創辦AMI Labs，3月拿下10.3億美元種子輪押注JEPA架構，公開喊話「大語言模型是死胡同」。

• 李飛飛的World Labs 2月融資10億美元，估值50億，NVIDIA和AMD都投了。

• 谷歌在I/O大會上發布Gemini Omni，第一次把世界模型做進了Gemini體系。

路線不同，共識一致：大語言模型不夠了，AI必須理解物理世界。

往大了說，世界模型在物理AI里的位置，相當于大語言模型在數字AI里的位置。一個靠預測下一個詞壓縮語言常識，一個靠預測下一幀壓縮物理規律。

數字AI的底座已經催生了萬億美元市場，物理AI的底座剛剛開始。而自動駕駛是這個基座最先落地的場景。

但研究是一回事，量產是另一回事。

楊立昆自己說AMI Labs可能需要五年才出產品。李飛飛的World Labs剛發布首款商用產品Marble，切入3D世界生成.

Tesla的FSD V14在端到端上走得最快，但它是封閉系統，只服務自家車型，技術不向行業開放。

開放陣營里，粗略分兩層：底層是NVIDIA這樣的訓練基礎設施，上層是量產級的車端部署方案。

真正把世界模型做到量產上車的公司中，就有這樣一家中國公司Momenta。

今年4月，他們正式交付了最新的R7世界模型。

具體來說，R7的架構可以分為三層：

第一層，預訓練。

乘用車量產車隊積累的90萬輛、超100億公里實車里程，提煉1億段黃金數據，學物理世界的底層規律。物體有質量有慣性，前車急剎后車追尾，行人加速闖入車道。

第二層，仿真。

真實道路上極端場景太稀疏，十萬公里才遇一次鬼探頭。

世界模型理解物理規律之后能自己「想象」——用真實數據生成虛擬世界，拿實車和仿真的一致性做校準，直接縮小仿真與真實之間的差距。效率比實車路測高出上萬倍。

第三層，強化學習。

在仿真出的極端場景里反復試錯，獎懲驅動自主進化。不再模仿人的動作，而是在物理約束下找最優解。

一套模型，吃下千億賽道

不過，如果世界模型只是「讓輔助駕駛更好用」，故事到這里就講完了。

但過去幾年，自動駕駛行業學到了一個殘酷的教訓：單一場景燒不出未來。

Argo AI被福特和大眾聯手放棄，Cruise大幅縮減運營。純做Robotaxi的公司，數據靠自有小車隊采集，成本高、規模小、商業化遙遙無期。

行業開始意識到，能活下來的公司必須同時解決兩個問題：數據從哪來，錢從哪來。

而世界模型打開了一條新路。

它學的不是某種車型的駕駛習慣，是慣性、運動、因果這些通用規律。轎車里學到的物理常識，放到卡車上成立，物流車也一樣。

Momenta的All-in-One平臺就建在這個邏輯上：一套底座，四個場景——乘用車L2++、Robotaxi、Robovan、Robotruck。

核心技術能復用，意味著場景越多，數據交叉越密。

乘用車的日常里程喂給Robotaxi的世界模型，Robotaxi遇到的極端場景反過來提升乘用車的安全性。

量產車隊每天產生真實駕駛數據，灌進世界模型做預訓練；模型進化了，再通過OTA推回車端。

更好的產品拉來更多OEM客戶，更多客戶帶來更大的車隊，更大的車隊又反哺數據。

現在，Momenta已經把這個循環轉了起來——不僅許可收入三年翻了42倍，甚至七家互為競爭對手的車企都同時做了它的股東。

這背后是一個正在發生的行業轉向：智駕研發成本太高、迭代太快，多數OEM已經從自研轉向外采，問題只剩下選誰。

據CIC灼識咨詢，量產智駕加上Robotaxi、Robovan、Robotruck，2030年全球總盤子超5000億美元。

物理世界的Anthropic？

5000億美元的市場，飛輪一旦轉起來，后來者連門都進不了。最終大概率只剩3到4家贏家。

Momenta要占哪個位置，取決于它像誰。

數字AI的格局花了三年定型。OpenAI、Anthropic、谷歌各據一方。

在這之中，Anthropic不是最早做大模型的，參數量也不是最大的。但它做對了一件事：找到編程這個價值密度最高、反饋最快的場景，All-in。

Claude Code上線不到一年，ARR突破25億美元，Anthropic整體ARR從不到10億飆到超300億。站穩之后，再切金融、醫療、企業服務。

為什么是編程？因為代碼有明確的對錯標準，反饋循環最快，付費意愿最強。

自動駕駛在物理AI里扮演的角色幾乎一樣。明確的安全指標做驗證標準，海量實時數據做反饋循環，OEM量產做商業閉環。

Momenta的路徑幾乎是Anthropic的鏡像——先在自動駕駛站穩，再把能力復制到更廣闊的物理世界。

• 技術底層：一個有Claude基座模型理解語言邏輯，一個有R7世界模型理解物理因果。

• 商業驗證：Anthropic靠編程場景率先跑通現金流，Momenta靠量產率先跑通數據閉環。

• 泛化路徑：Anthropic從代碼切入金融、醫療、法律，Momenta從乘用車延伸到無人出租、物流、干線。

• 終局形態：都不是垂直供應商，是平臺。

不同的是壁壘。

Anthropic是純軟件公司，Momenta的模型從第一天就長在硬件上——量產車是數據入口，OEM關系是護城河，OTA是迭代通道。軟硬一體，比純API更厚。

當然，自動駕駛的安全驗證沒有代碼的「單元測試」那么絕對。

但正因如此，數據規模的意義更加關鍵：只有足夠多的真實里程，才能讓概率收斂。

Momenta的90萬輛車，正是在做這件事。

如今，數字AI已經卷成紅海，物理AI才剛剛開場。

而物理世界，很可能是比數字世界大得多的那一半。

當世界模型成為基座，當Momenta帶著R7敲響港交所的鐘聲，物理AI大規模量產的序幕，真正的「GPT時刻」或許不再遙遠。