2026年行至年中，中国智能辅助驾驶领域的“功能普惠”与“体系进化”双线并进，愈演愈烈。

城市NOA下沉至10万级家用车成为行业共识，百万级量产交付规模成为智驾玩家的竞赛点，例如轻舟智航成为继华为乾崑之后第二个NOA冲破百万量产大关的自动驾驶公司。根据行业数据来看，国内L2+辅助驾驶功能已成为主流配置，渗透率达68%-69%，几乎覆盖所有新能源车型与主流燃油车。

智驾底层技术同样在快速进化。当前，端到端方案已是高阶智驾的主流，以数据驱动和模型架构升级的方式，让自动驾驶系统的能力更拟人。随着城市NOA的规模化落地，需要智驾功能从“功能炫技”转向“长期用户价值兑换”，因此必然要求更加安全可靠的高阶自动驾驶系统，因此以“构造物理世界AI大脑”的新技术范式，就成为行业的新共识。

以世界模型、VLA多模态统一模型为代表的物理AI，成为端到端架构升级的全新范式，也是头部企业一致投入的技术竞赛点。以全球物理AI基础设施提供商自居的英伟达，已推出"世界模型 + VLA + 数字孪生" 三位一体的自动驾驶全栈物理AI解决方案，特斯拉也早已为纯视觉端到端路线构筑起VLA+世界模型的底层物理AI能力。

回看国内，新势力当中的理想、小鹏都在构筑自己的世界模型+VLA的物理AI架构方案，华为乾崑是坚定的世界模型实践者，Momenta也推出了基于强化学习的世界模型方案、轻舟智航打造了基于世界模型+强化学习“的统一物理AI架构，卓驭也在构造基于原生多模态的移动物理AI方案。

至此，2026年下半场将彻底迎来自动驾驶的“物理AI”技术范式的大爆发。

01.

为什么物理AI是自动驾驶“最终解”？

过去数年，自动驾驶技术研发的核心一直是“解决车辆行驶单一任务”，感知、预测、规划独立，形成上下游模块，导致在复杂极端场景处理、跨城市路况泛化能力上难以有实质提升。

2022年之后，随着端到端技术范式的成熟，自动驾驶将感知、预测、规划任务全部模型化，并逐步放入到一个神经网络当中，极大提升了自动驾驶模型的能力上限，提高了规控的响应速度和系统的泛化能力。

2024年以来，随着AI大模型的爆发，特别是多模态大模型技术的成熟，行业开始认识到AI技术必然要从数字世界进入到物理世界。自动驾驶领域对于物理AI的探索也同期开始，VLA（视觉-语言-行动模型）、WM（世界模型）技术开始被逐步引入到自动驾驶领域。

世界模型的本质首先是一个“渲染器”，也就是能够构建一个强大仿真引擎，可以构造出符合真实物理环境的合成数据，解决自动驾驶数据稀缺问题。

其次世界模型需要成为一个“仿真器”，就是能够准确预测物理环境中参与物的运动状态和运动轨迹，真实还原物理世界的运动规律。

第三，世界模型需要成为一个“规划器”，也就是能够根据世界的实时变化来决定自车的行为轨迹，具备行为意图推理、物理规律理解和常识推理的规划能力。

世界模型的构建、训练，首先必然是在云端完成，需要足够的算力、海量的数据，依靠强化学习算法，进行无数次的环境学习和行为意图博弈，不断提升世界模型“规划器”的能力。

世界模型同时也必须能够成为一个车端模型，将学到的物理世界的知识应用到车端行为模型中，在车端发挥“感知-预测-行动”的一体化推理能力，实现完全类人甚至超越人的真实驾驶。

实际上，VLA模型就是通过一个多模态模型，特别是LLM（大语言模型）所掌握的世界知识来实现规划和控制，试图解决端到端算法“黑箱不可解释”的技术难题。

尽管大语言模型几乎掌握了人类社会的所有知识，包括开车的知识，但语言模型的知识压缩始终是稀疏的，相当于将感知传感器获得的海量信号变成文本Token，并进行过度压缩，实际上可能难以应对物理世界当中的稠密信号，比如，从路旁滚出来的一只足球意味着是不是还有人追出来，动物在路上行走是否要绕行等等。

简单来说，语言并不是实现驾驶任务或者移动任务的决定性因素，就如动物不需要掌握语言就可以灵活自如的行动，一个人不需要多少知识也可以掌握驾驶技能，因为其早已从生活经验中掌握了关于物理世界的行动规律。

但是掌握语言知识（看懂符号、理解语义）能够让一个人成为合格的司机，从而才能够胜任在现代交通环境下的“正确”驾驶。也就是说，语言模型不是自动驾驶系统的关键，但却是一个必不可少的辅助。

2026 年上半年，随着国内多家头部企业先后发布基于世界模型、VLA、强化学习等核心技术的物理 AI 方案，行业从 "端到端范式" 正式迈向 "物理AI范式" 的新阶段。我们可以看到各家的方案都在走向趋同，都在强调世界仿真模型和强化学习的作用，也都重视VLA在车端方案中的作用。

物理AI 被看做是自动驾驶最终实现的“最终解”。

轻舟智航面向自动驾驶领域推出的“世界模型+强化学习”物理AI统一架构，成为本轮技术变革的一个典型标杆样本。

02.

自动驾驶物理AI的“轻舟范本”

2026年4月的北京车展上，轻舟正式发布统一的通用物理AI架构，构建出云端+车端的统一技术底座，用统一的架构同时支撑乘用车L2+城市NOA和L4 自动驾驶两大产品线，去解决高低阶采用不同研发体系的行业痛点。

具体来讲，轻舟构建起“云端世界模型”和“车端世界行为模型”这两层架构，可以为乘用车、无人车等全场景提供统一AI基座。

其中，“云端世界模型”搭载了世界仿真引擎与安全强化学习，具备高可控视频生成、零样本场景生成、低成本闭环仿真三大能力。通过基于运动模拟的交通流、障碍物难例、高危罕见场景生成以及恶劣天气零样本生成，云端世界模型可以低成本、高保真地生成海量“长尾场景”，让AI在数字世界中获得近乎无限的训练机会。

“车端世界行为模型”则同样采用“世界模型+强化学习”模型架构，以世界模型为主干，实现感知到决策全链路模型化，可以实时预测行人、非机动车、机动车未来动态，提前完成减速、避让、绕行操作，从被动避险升级为主动预判风险。

2026年下半年，行业将开启物理AI的方案的量产上车进程。轻舟也计划实现基于超500TOPS算力的城市NOA方案量产上车。

这一方案采用 “世界模型 +强化学习” 的物理AI统一架构，大幅度提升复杂场景和罕见场景的处理能力。轻舟认为，世界模型一定能够上车，其关键就是模型的轻量化，创新之处就在于算法优化而非单纯硬件堆料。

最后我们回到智驾安全。这一问题始终是高悬自动驾驶行业的“达摩克利斯之剑”。

智驾安全的解法一直有两种思路，一种是增加感知冗余、算力冗余、规则冗余，但无形增加了系统成本和开发成本；另一种是通过算法创新、工程创新、架构创新，通过物理AI的新技术范式来构建更强大和聪明的“智驾AI大脑”。

根据轻智航CEO于骞的观点看来，人类开车时候有大量盲区，但依然能够安全的开车，就在于有一个强大的大脑。显然，通过世界模型等物理AI模型，是构建起更强的智驾安全的关键因素。

从技术层面来说，依托世界模型+安全强化学习，智驾系统可在虚拟空间遍历上万种极端危险场景，持续优化避险逻辑，能够掌握极端场景下的应对经验，从底层的算法层面，就保证了系统的安全性，从而让真正大规模的智驾安全兜底成为可能。

从商业层面来说，智驾安全的首要价值是降低行车过程中的事故损伤，其次的价值就是带给用户真金白银的收益，也就是智驾用户可以花费更低的保费来保障出行安全。于骞在2026年初就预判，成熟的高阶城市NOA车辆长期保费有望较普通车辆降低50%。

2026年下半年，我们将见证物理AI技术的加速落地。这一进程不仅会体现在各家主机厂新车型的参数当中，也会深入到每一次智驾功能开启后的丝滑体验中，更是会在未来体现到智驾安全提升带来的实际收益当中。

这是这一轮物理AI的技术变革，能带给智驾行业无比确定的稳定预期。