先说一件今天的事。

今天上午，看到了机器之心的文章《英伟达讲了三年的故事，Momenta准备在港交所兑现》。机器之心给Momenta起一个很大的名号——「物理 AI 第一股」。

我们把这篇稿子读完，第一反应不是 Momenta 终于要上市了，是另一件：「物理 AI」这四个字，最近半年几乎成了整个自动驾驶行业的统一话术。 不是一家公司的口径，我们梳理了一下这半年的时间线：

• 英伟达讲了三年，黄仁勋把机器人、数字孪生、自动驾驶、世界模型统一塞进「Physical AI」框架，CES 上喊自动驾驶的「ChatGPT 时刻」，6 月初 GTC 台北又带着全模态世界模型 Cosmos 3 登台；
• 理想，李想今年 3 月公开讲「自动驾驶，只是物理 AI 的一个起点」，GTC 上詹琨发布 MindVLA-o1；
• 小鹏，1 月 8 日发第二代 VLA「物理世界大模型」，何小鹏的开工信直接把 2026 定义成「物理 AI + 全球化」，还喊出了自动驾驶的「DeepSeek 时刻」；
• 轻舟智航，4 月北京车展发了「世界模型 + 强化学习」的物理 AI 模型，于骞干脆把公司战略从「无人驾驶」改名成「通用物理 AI」，原话是「未来十年是物理世界 AI 的时代」。

半年之内，从算力巨头到主机厂到第三方供应商，大家都在讲物理AI。

有意思的是，「物理 AI 第一股」、「物理 AI 元年」这种名号，还不止一家在抢。

一个词能传染得这么快，背后一定有比技术本身更值得讲的东西，虽然我确实听腻了。

这就是我们今天想聊的：自动驾驶的叙事，正在发生一次集体转向。 而转向的方向、原因，以及它到底是范式革命还是新一轮估值故事，值得和大家聊聊。

我们的判断会有点不留情面，但尽量客观。

物理 AI 是个大染缸

先把逻辑讲透，再说后面的。

明确一点，物理 AI 的叙事，内核其实很自洽，甚至很漂亮。它的起点是一个现实的问题：语言模型再聪明，也不知道一颗苹果从车顶滚落会怎么弹跳，不知道湿滑路面刹车要多提前。

这些是物理世界的常识，藏在物理规律和因果里，纯互联网的文本可能学习不到。

所以这套叙事是说：数字 AI 的基座是语言（GPT 压缩了人类的文本知识），物理 AI 的基座应该是世界模型——把物理世界的运行规律压缩进一个模型，让 AI 拥有物理世界的「常识」。逻辑上，它和 GPT 之于语言完全对称，只是研究对象从文字换成了物理规律。

落到自动驾驶，大概有这么几套说法（先用机器之心的说法）：

1. 世界模型/基座模型预训练：让模型「懂物理」，把海量真实驾驶视频送给模型，得到基座模型；
2. 世界模型/闭环仿真：给模型一个「练兵场」，用生成模型推演环境演变，对长尾场景做闭环测试；
3. 在世界模型里做强化学习：当「教练」，反复试错，摸出比人写规则更优的策略。

简单来说就是：预训练负责「懂」，仿真负责「练」，强化学习负责「精进」。这套话术讲得确实好，逻辑闭环、层层递进，配上 120 亿公里行驶里程、1 亿段「黄金数据」的数据底盘，听起来像一次扎实的范式切换。

我承认这套逻辑成立，数据壁垒也是真的。

但问题来了，「物理 AI」到底是个什么边界的东西？

所以，我在标题里面写的是「物理 AI 是个大染缸」。

你看，物理 AI 的定义是「让 AI 理解世界如何演化」。可一旦用这个标准去套，自动驾驶过去这些年做的事，几乎全都能装进去：

• 模仿学习、监督学习：端到端本身就是在学「人在这个场景会怎么开」，这难道不是在理解世界？
• 世界模型：不管是自回归、扩散，还是双向视频生成，都是在预测「下一刻世界长什么样」；
• 闭环仿真、神经重建：3DGS、NeRF、NuRec，做的就是把真实世界重建出来推演；
• 甚至 BEV、OCC：把视觉变成「车周围的世界现在是什么结构」，本质也是一种世界理解。

也就是说，把这些原本各有名字的老技术，统一换上「物理 AI」这层包装，叙事一下子就宏大了。 从「我在做端到端」「我在做仿真」，升级成「我在构建物理世界的基座模型」。

但落到每家工程师的工位上，做的还是预训练、还是数据闭环、还是 RL 调策略、还是仿真 mining 长尾 —— 老东西，新名字。

这就是我们想说的第一层：物理 AI 的叙事很宏大，但落到实处很骨感。

它更像一个把行业既有工作重新打包的总称，并不是一个突然冒出来的新能力。

讲了物理 AI，不等于真有这个能力

这是我们作为一个技术类自媒体，应该有的判断。

自动驾驶现在的认知陷阱，从来不是技术不够，而是把方法当成结果，把名词当成能力。物理 AI 这波叙事，就是把这个陷阱放大了。

我们一直跟大家强调一条阶梯，这里再写一遍：

讲了某个概念（世界模型 / VLA / 物理 AI）≠ 跑出了模型指标 ≠ 经过了道路验证 ≠ 量产可用 ≠ L4 无人化运营。

这里面，都是量产的坑，都是工程的壁垒。

韩旭前一段时间在轩辕论坛上开喷大词的时候，讲的就是这件事：技术路线 ≠ 自动驾驶，把方法包装成结果才是问题。

我们当时写过那篇，现在拿出来看，放在「物理 AI」这波叙事上，一个字都不用改。

所以当一家公司说「我们做了世界模型 + 强化学习 + 端到端」，我的第一反应不是鼓掌，而是真想看看你们实车的表现，当然你们让我看看代码也可以。

自动驾驶或许不是日落西山

讲到这，真正的问题浮上来了：为什么是现在？为什么大家在这半年集体转向物理 AI？

面上的解释是「自动驾驶不行了，得找新故事融资」。这个说法确实很符合大家的体感。

很有冲击力，但我觉得不准。Momenta 营收三年翻三倍（7.43 亿到 24.13 亿）、许可收入三年增长 42 倍、现金储备 100 亿，它根本不缺钱，它是来兑现的。

拿它当「日落西山」的例子，我们觉得有些不负责任。

我们的判断是另一个版本，更克制：自动驾驶不是日落西山，是 L2++ 辅助驾驶这个商业故事的资本溢价见顶了。

顺着这个逻辑能看清楚。L2++ ，这两年发生了几件事：

1. 价格战见底。 高阶智驾从几万块的选装，一路下探到「全系标配」「免费」，硬件 BOM 和方案报价的下降空间已经不多；
2. 第三方市占率固化。 Momenta 一家拿走大半市占率，格局基本定型，后来者再想讲「我会成为最好的智驾供应商」，资本市场已经不太买单；
3. 渗透率能看到天花板。 高阶辅助驾驶的渗透率还在涨，但增长曲线大家心里都有数，它撑不起「再翻十倍」的想象。

当一个生意的确定性变强、想象力变弱，它就撑不起更高的估值了。 这时候怎么办？把叙事往上抬一层。

于是我们看到了这次转向的真正动作。从「自动驾驶公司」升维成「物理 AI 平台公司」，从 L2++ 的确定性故事，切换到 L4 + 世界模型的想象力故事。

目前，很多公司的叙事都是这个模板，这里就不点名了，怕文章挂掉。

之前我们写《余凯说，各家智驾技术路线没有本质区别》时，就有过一个感受：当技术路线开始趋同，公司之间比拼的重心，就会从「谁的技术更强」悄悄滑向「谁的故事讲得更大」。

物理 AI 这波，把这个趋势演到了台前。

行业的关注度，确实到了一个冰点

最后说点我们最直接的感受。

自动驾驶之心创办这么久，我们能明显感觉到，这几个月自动驾驶行业的外部关注度，掉到了一个冰点。

这是我们一线的体感：发布会还在开，论文还在出，但行业外的目光，明显被具身智能、大模型、和 Agent 分走了。自动驾驶从前几年的「最热风口」，变成了一个「还在稳步推进、但不再让人兴奋」的领域。

某种程度上，这正是「物理 AI 转向」最朴素的动因。当一个行业自身的热度降温，它需要把自己接进一个更大、更热的叙事里，重新获得关注和定价。

但没有热度就并非就是坏事。我们觉得，当下更值得分享一些做实事的公司，敢于分享自己的量产经验、工程卡点，把技术底牌亮出来让整个行业共享。

我们还是会保持谨慎，也保持期待。