智能驾驶迈向物理AI：7位专家解读技术演进路径

第八届智能驾驶大会暨2026环秀湖物理AI产业发展推介会在苏州相城举办。与往届不同，本次大会的议题从智能驾驶进一步延伸至“物理AI”（Physical AI），涵盖世界模型、强化学习、端侧智能、虚拟仿真以及低空飞行器和机器人等形态。

当前高阶辅助驾驶加速渗透，Robotaxi逐步展开商业化运营。但当AI进入汽车、机器人等实体设备，数据获取、闭环训练验证、研发成本以及物理世界安全性成为行业新挑战。多位来自产业界与科研院所的代表分享了对物理AI演进方向的判断。

李克强：突破单车智能瓶颈，车路云一体化提供数据轨道

中国工程院院士、清华大学教授李克强指出，汽车智能化正步入规模化应用与商业闭环期，首要前提是系统安全。单车传感器和算力存在物理边界，高阶自动驾驶亟需向车路云一体化演进。

李克强认为，当前行业面临感知边界、模型训练数据场景覆盖不足、以及“烟囱式”开发架构导致的效率低下等瓶颈。车路云一体化能提供标准化“数据轨道”，向车辆输出超视距的实时交通信息，并构建高可靠的数据服务体系。目前北京、重庆等地已开展城市级车企协同验证，涵盖“鬼探头”、绿波通行等场景，年内已有7家车企启动相关导入。

曲小波：物理AI驱动数字孪生实现毫秒级控制

欧洲科学院院士、清华大学教授曲小波表示，物理AI正推动数字孪生从过去的“被动映射”转向“理解、推演与实时控制”，关键在于将推演时间压缩至100毫秒以内并跨越虚拟到现实的误差鸿沟。

其技术体系涵盖三层：组件级提升电机等执行机构精度；载具级适配飞行器与工程机械动力学；系统级协调异构载具。团队已与奇瑞联合开发自主巡航复合翼模块化飞行汽车，并在湖南株洲常态化运营需求响应公交，平均出行成本较出租车大幅降低。

任冬淳：虚实闭环与高保真合成数据

汤元科技CEO任冬淳展示了Yootta WorldLoop世界模型，构建涵盖数据采集、算法训练、评测与真机回流的虚实闭环。通过为3D资产注入质量、摩擦力、弹力等物理属性，虚拟环境可直接支持机器人和智驾算法的高拟真交互。

任冬淳提到，真机采集1000条抓取数据需超过1000分钟，而利用GPU并行仿真可将耗时缩短至数分钟。系统目前已覆盖家居、工业和行泊车场景，下一步计划扩充至5000个虚实对应场景及500万小时合成数据。

龚昕：RoboX重塑全场景出行服务

曹操出行CEO龚昕认为，出行领域的竞争正从流量端转向全场景供给能力。曹操出行提出RoboX战略，旨在将网约车、无人车、物流车乃至eVTOL封装为可供AI Agent调用的底层运力。

借助连接线上Agent与线下载具的Robo OS，未来用户无需手动叫车，系统将根据行程自主调度。目前曹操出行Robotaxi已部署超200辆，计划在2026年跑通运营闭环，2027年量产正向研发车型，到2030年向海内外规模化铺开。

杨通：打通大模型与物理硬件协议

爱思人工智能董事长杨通指出，大模型正直接连接物理设备。爱思推出Agnes Harness架构，通过标准化硬件协议让大模型以自然语言直接指挥机器狗、无人机或实验设备。

该方案结合TTT（Test Time Training）机制，使模型在运行过程中根据反馈持续沉淀技能并完成在线微调。在小参数验证模型中，系统通过半小时级更新逐步提升多机协同决策效率。

顾功尧：世界模型加强化学习推进全无人驾驶

Momenta副总裁顾功尧表示，城区NOA已下沉至10万元级别车型。Momenta通过“量产辅助驾驶+L4无人驾驶”数据飞轮，已累积超过200亿公里实际路测数据。

Momenta将物理AI具体落实为“世界模型+强化学习”技术路线。其R7世界模型负责推演自车及外部环境行为，并利用强化学习训练车端模型。目前团队正在预研千亿级参数规模的下一代R9世界基础模型，配合千TOPS车端算力，使车辆能够推演更复杂的物理规律变化。

刘知远：密度法则驱动端侧智能成为核心载体

面壁智能联合创始人兼首席科学家刘知远指出，面对数据与算力瓶颈，单纯扩大参数不再具有可持续性，提高“智能密度”是关键解法。他提出开源模型的智能密度大约每100天翻倍，即以一半的参数和算力达成相同智能水平。

随着算法瘦身与端侧算力增长，端侧智能将成为物理AI落地的关键桥梁。面壁智能已将端侧模型部署于座舱、手机与机器人等终端。刘知远认为，高智能密度结合全模态感知，将使原本需要云端万亿参数支撑的能力逐步下沉到边缘物理设备。