中国公司颠覆自动驾驶!抛弃模仿学习,用“世界模型”理解物理世界,未来大量工作将被取代!

自动驾驶技术是未来交通的关键，但也是全球科技巨头争夺的新“战场”，一旦谁在此领域有突破，玩家们都会不留余力地加码！比如在早几年，多数公司依赖模仿学习推动自动驾驶的进步，靠着拍摄人类驾驶的视频数据来训练模型，在感知层面迅速取得了进展。但这套方法的性能很快就碰到了天花板，因为模型只能学会动作的模式，却很难真正理解“为什么要踩刹车”这类因果关系。

模仿学习模仿的只是行为，而不是物理世界的规律。

而到了近期，中国公司Momenta开始转向世界模型的思路，试图让AI像人一样“预测下一帧”来理解物理世界，并以此反超了传统方案。所以，整个行业开始把目光投向这个新方向，虽然模仿学习依然有效，但Momenta不是丰田，传统车企更不是Anthropic，自知之明的科技企业绝不会固步自封！

如今自动驾驶行业逐渐放弃单一Robotaxi路线，转向多场景规模化落地。当下Momenta拥有约90万辆量产车和超过100亿公里真实驾驶数据，这些数据不仅支撑了R7世界模型的训练，更让AI能够理解惯性、碰撞和行人行为等因果关系。即便没有强算力的边缘设备，但通过数据飞轮——量产车队持续产生数据、OTA升级迭代模型、吸引更多车企合作——车队规模已经成为了最深的护城河。

而且，世界模型的影响范围不局限于交通，而是整个“现实产业”。要知道，此前人们以为物理AI的第一批应用可能是人形机器人，但现实中最先普及的可能是汽车。汽车本身就是移动机器人，每天产生海量真实数据，又有明确的安全指标。不过在场景拓展上，Momenta也有自己的布局：比如在乘用车L2++、Robotaxi、Robovan、Robotruck等四个场景上，使用同一套All-in-One平台，实现数据与技术复用。

首先是商业模式上，他们提出将同一世界模型应用于多个场景，降本增效。而根据行业趋势判断，预计到2030年，智能驾驶及无人运输相关市场规模将超过5000亿美元。所以说，大语言模型改变的是“信息世界”，而世界模型瞄准的是“现实世界”。对于普通人来说，这意味着未来很多传统体力或操作型工作，可能会逐渐被“会理解物理世界的AI系统”替代或重构。