物理 AI 正在重塑自动驾驶的底层范式——从“感知-规划-控制”的三段式结构，进化为“理解-预测-执行”的一体化智能。
在 7 月 17 日至 20 日于上海举办的 WAIC 2026 大会上，比亚迪、千里科技、商汤科技和文远知行分别以“规模驱动”、“原生融合”、“架构统一”、和“数据质量”四条差异化路径，展现了对物理 AI 的不同理解与实践。
Counterpoint 认为，物理 AI 的终局胜负并不取决于任何单一路径，而更可能属于融合规模优势、原生模型能力与数据质量优势的复合型玩家。
物理 AI 的本质含义是让 AI 从“识别像素”走向“理解世界”。具体到汽车行业而言，物理 AI 将现有的强调感知（道路环境识别）和被动响应的道路博弈逻辑转变为实时理解三维物理空间的布局、动力学规律和交互规则，预判行为意图，即真正“看懂”世界。Counterpoint 认为，在物理AI的驱动下，自动驾驶的标准范式将从传统的“感知-规划-控制”的三段式结构进化为“理解-预测-执行”的一体化结构。
2026 年 7 月 17 日- 20 日，在上海召开的世界人工智能大会（WAIC）期间，“物理 AI”作为本次大会热门词汇之一，成为了以比亚迪、千里科技、商汤科技和文远知行为代表的多家公司的核心叙事。但据 Counterpoint 观察，具体到技术锚点、实现路径和解决方案的护城河，上述各家又各有特色。下表总结了上述 4 家企业在通过物理 AI 实现自动驾驶的主要差异。
比亚迪所实现的是“规模溢出型”物理 AI，即其并不追求模型架构的创新，而是借助大规模的量产数据与自研芯片的成本优势，把物理 AI 做成普惠产品。
Counterpoint 认为，比亚迪在物理 AI 方面的竞争力并不在单点技术突破，而在“制造-芯片-数据-成本”的全链路垂直整合。
在 WAIC 2026 期间，比亚迪与智能汽车有关的展示包括：
1) 顶层 AI 决策大脑
璇玑 A3 芯片：4nm 车规级，3 颗协同 2,100 TOPS，舱、驾、电合一中央大脑。
迪迪虾：车载全能 AI 智能体，打通车辆传感器与底盘系统，支持离线流畅交互，并可跨场景深度联动全屋智能家居。
2) 中层整车执行操控
千里科技是四家公司中唯一的“大模型公司+车企”的一体化运营的组合。在吉利、千里科技和阶跃星辰的组合中，吉利控股了千里科技、而千里科技和阶跃星辰的董事长是同一人。在具体的分工界面中，吉利提供造车场景与基建，阶跃星辰提供大模型“大脑”，而千里科技负责将 AI 技术转化为落地的智驾与智舱产品。同时，千里科技+阶跃星辰的组合是一条从模型底座到终端交付的全栈垂直整合链路，覆盖了模型预训练阶段的通用语料与智驾数据配比、模型的端侧部署，以及座舱智能体的全链路任务执行。
在 WAIC 2026 期间，千里科技与智能汽车有关的展示包括：
1) 汽车“超级智能体”——超级 Eva
联合吉利汽车与阶跃星辰共同研发，搭载量产车型极氪 8X，内置阶跃星辰 Agentic 模型 Step 3.7 Flash。具备类人自然交互能力，可以实现模糊意图理解、视觉交互等功能，并能够自主唤起第三方小程序，自主完成订票、服务预约等任务。
2) ASD 高阶智能驾驶
会上展示的 ASD 4.1 版本的亮点包括实现零断点全场景通行（Door to Door, D2D）、以及将语音控车功能与 ADAS 的融合。
商汤科技专注在模型架构层面面向物理 AI 的统一，即其并未为自动驾驶单独训练专属模型，而是构建一个能同时理解、生成、行动的统一世界模型，覆盖包括自动驾驶、机器人以及其他的自主机器设备等物理 AI 的各个应用领域，再通过开源建立生态标准。这是一种典型的“架构驱动型”路径。Counterpoint 认为，该路径的挑战将主要来自于以下两个方面，包括其开源策略能否有效转化为商业闭环、以及从自动驾驶的角度看，机器人场景的数据是否能真正适配车载实时性要求。
在 WAIC 2026 期间，商汤科技并未直接发布与智能汽车有关的展示，但其在展会期间发布的多模态基座模型 SenseNova U1 Pro，定位为业界首个理解-生成-行动原生统一的智能体基座。该模型的的统一架构（NEO-unify）与其绝影智驾的开悟世界模型是同源技术——都是用统一模型打通感知→决策→执行。
文远知行选择了一条少而精的物理 AI 实现路径，即不追求模型参数的竞争，而是用数据的质量替代规模——通过事实提取机制，将其 L4 robotaxi 运营中积累的百万公里级的数据提纯为高密度、低噪声的训练信号。但在 Counterpoint 看来，通过真实车队数据运营所构建的护城河，在以比亚迪为代表通过垂直整合和持续扩大规模的存量车规模面前的竞争力如何，是摆在下一轮物理 AI 竞争中，文远知行最应该关注的内容。
在 WAIC 2026 期间，文远知行与智能汽车有关的展示包括：
1) 物理 AI 认知大模型（WIIT）
该公司在展会期间发布了该模型，并提出“最小物理事实单元”核心理论，构建了事实提取、推理、校验、编排的全闭环能力，提升数据处理效率，为自动驾驶和具身智能落地提供底层范式。
2) 新一代量产 robotaxi GXR
该公司还在展会期间展示了搭载其自研的 HPC 3.0 高性能计算平台与 Sensor Suite 5.6 全新传感器套件的新一代量产的 robotaxi 车型。通过全域车规级全冗余设计，大幅降低了硬件成本与全生命周期总体拥有成本（TCO）。该车型目前已在广州、北京、阿布扎比、迪拜四地实现纯无人商业化运营。
对于物理 AI 的终局，上述四家代表性企业都拥有一样的目标，即让车/机器人真正理解物理世界并自主行动。但具体到实现路径，各家有着鲜明的不同：比亚迪押注“规模出奇迹”——333 万辆车的数据暴力能碾压一切；千里科技看好“原生融合”——从预训练开始就懂物理世界的模型一定优于后天微调的模型；文远知行偏爱“数据质量”——1 万公里的事实提纯胜过 100 万公里的噪声数据；而商汤科技主张“架构统一”——一个能同时理解、生成、行动的模型才是终局。Counterpoint 认为，谁能先实现真正的物理 AI 的落地应用并取得成功，可能并不完全取决于他们各家所坚持的单一路径，而融合了规模、原生模型能力、数据质量等多方面优势的路径将会有更大的机会。
10个月宝宝每天需要喝多少奶粉？
