观点 | 自动驾驶正处于特殊发展节点

当下自动驾驶行业正处在一个特殊的发展节点：数字世界的人工智能，已无限接近通用人工智能，甚至在部分领域已然具备超人智能水准，技术落地成效十分突出。反观物理世界，未来十年，或将成为人工智能领域最大的机遇所在，通用物理世界AI的发展空间尤为广阔。而自动驾驶恰好是切入物理AI领域的关键入口。

换言之，如果无法在道路这种结构化场景中，实现四轮交通工具的完全自动驾驶，就更难在非结构化道路与复杂环境中落地具身智能。在于骞看来，自动驾驶正是迈入物理AI时代的必经窗口。

回顾发展历程，自动驾驶早期长期处于机器智能阶段，典型代表如家用扫地机器人，功能单一，仅能完成指定单一任务，不具备泛化能力。2020年之后，随着海量数据积累、算法模型迭代升级，尤其是大语言模型以及VLM、VLA、VA等视觉相关模型的快速发展，智能驾驶开始向类人智能演进。依托端到端技术，自动驾驶系统能够学习人类驾驶行为，具备趋近人类的决策与操控能力。

站在2026年的时间节点，行业正式迈入全新发展阶段，未来智能驾驶将步入超人智能时代，车辆综合驾驶能力将远超人类，甚至达到人类驾驶水平的十倍。这一目标将依托世界模型、强化学习全新研发模式实现。除真实路测数据外，生成式数据将大规模应用，助力系统更深层次理解物理世界运行逻辑，真正迈入超人智能新阶段。

举个直观的例子：围棋项目中，人类曾长期保持绝对优势，认为人工智能难以企及。但如今围棋AI早已超越人类顶尖棋手，将人类水平远远甩开。反观驾驶，本是普通人都能熟练掌握的基础技能，为何人工智能至今仍未能完全超越人类？

核心原因在于虚拟场景可依托无限算力反复推演、自我博弈，快速求解最优解；但物理世界的研发受硬件车辆、路测人员、实地场景等多重条件限制，迭代速度被大幅拖慢。因此，想要迈入超人智能时代，世界模型与强化学习是突破物理世界AI的必由之路。唯有攻克这两项核心技术，才能打造出远超人类水平的物理世界智能体。

在类人智能发展阶段，行业大规模普及端到端技术，依托数百万乃至千万级片段数据，已实现不错的落地效果。但在真实物理驾驶场景中，仍存在诸多待解难题。比如人类驾车行驶时，看到路面滚落足球，会本能预判可能有儿童突然冲出，这源于人类对物理世界的深度认知与关联推理能力。

同时，人类深谙物理世界运行规律与社会常识：车辆驶过积水路段，若周边有行人，驾驶员通常会主动减速，避免水花溅到路人；在L4自动驾驶场景中，还涉及人车交互逻辑，合理规划停靠位置，方便乘客上下车。这类场景虽可通过扩大数据规模训练模型，但想要真正实现超人智能，核心是让系统自主理解物理世界运行规律，而这正是世界模型的核心价值——解决场景推理泛化、吃透物理规则、适配社会常识，也是当前行业极具突破空间的发展方向。