TL;DR：
物理AI正通过“世界模型”重构自动驾驶的底层逻辑，使其从单纯的交通工具演变为认知物理世界的通用终端。这一范式转移不仅终结了工程堆料的旧时代，更将自动驾驶确立为通往具身智能的必经之路与核心训练场。
自动驾驶的“范式转移”：从工程堆料到物理推演
过去十年的自动驾驶叙事，是一场关于规则与算力的“工程竞赛”。模块化架构（感知-规划-控制）通过堆砌传感器与人工编写规则，虽然跑通了规模化落地，却在复杂的极端长尾场景前触及了天花板。规则的边际效益递减，使得系统面对非标路况时显得迟钝且脆弱。
物理AI的出现，彻底终结了这一旧范式。它不再将世界视为一系列零散的标签，而是通过构建实时动态的三维物理模型，让AI具备了“主动推演”的能力。正如轻舟智航于骞所言，世界模型是连接数字与物理世界的桥梁1。在物理AI时代，自动驾驶车辆不再是简单的“执行器”，而是能够通过惯性、摩擦力和运动轨迹预判，实时规划路径的“认知智能体”。这种从“看见再应对”到“看懂规律、提前预判”的质变，是行业技术分歧消弭的根本原因2。
字节跳动的战略逻辑：以物流为锚，剑指具身智能
字节跳动近期在自动驾驶领域的探索，虽官方回应保持审慎，但其背后的战略意图已昭然若揭。通过Seed团队的世界模型技术，字节正在复制特斯拉的“飞轮效应”23。
从商业视角看，无人物流只是字节的切入点，其真正觊觎的是具身智能的未来空间。正如马斯克所揭示的，自动驾驶积累的真实路况数据，是训练机器人感知与行为模型最昂贵的资产24。
- 短期价值：通过无人物流实现商业闭环，完成数据的冷启动与飞轮迭代。
- 长期愿景：将已成熟的物理AI模型迁移至人形机器人，通过海量的物理世界交互数据，实现从虚拟世界到物理世界的跨越。
字节的入局，本质上是互联网巨头对“具身智能基础设施”的争夺。算力储备、人才虹吸效应以及强大的多模态生成能力，使其有潜力在后发阶段实现对传统智驾方案的降维打击。
产业格局重塑：数据壁垒与技术代差
随着Momenta上市及头部玩家的技术转型，自动驾驶行业正迎来一轮残酷的价值重估54。这场竞争的核心指标已从“车队规模”转向“物理世界的认知深度”。
| 评价维度 | 传统智驾模式 | 物理AI新势力 |
|---|---|---|
| 核心逻辑 | 规则与分类 | 世界建模与概率推演 |
| 数据价值 | 反馈式优化 | 物理规律沉淀与仿真进化 |
| 能力边界 | 特定交通场景 | 通用物理认知与具身操作 |
目前，以Momenta、蘑菇车联、新石器等为代表的新势力，已初步构建起数据飞轮。Momenta通过与全球顶尖车企的深度绑定，跑通了“量产规模化与L4算法闭环”的共生模式5。这证明了在物理AI时代，谁能率先让AI理解真实的物理因果，谁就掌握了通向下一个工业时代的密钥。
挑战与未来：AI理解物理的深层意义
尽管前景广阔，但挑战依然严峻。车企全栈自研的趋势不断压缩第三方智驾企业的生存空间，如何在“赋能”与“独立”间平衡成为关键。此外，物理AI的“GPT时刻”虽已降临，但从实验室论文走向高可靠性的量产，依然是一场漫长的工程长征4。
物理AI的发展不仅是技术的胜利，更是人类文明向通用机器智能迈进的必然节点。当AI能够像人类一样通过观察物理世界的运动规律来学习，它就不再仅仅是代码的集合，而是真正意义上具备了“生存经验”的数字大脑。这种演进意味着，未来我们将不再“配置”机器，而是“教育”机器。
引用
-
物理AI，让自动驾驶迎来了“第二春”·36氪·2026/7/14·检索日期2026/7/14 ↩︎
-
字节探索自动驾驶，Seed世界模型团队负责｜36氪独家·36氪·2026/7/14·检索日期2026/7/14 ↩︎ ↩︎ ↩︎
-
消息称字节正探索进入自动驾驶领域，由 Seed 世界模型团队负责·DoNews·2026/7/14·检索日期2026/7/14 ↩︎
-
字节跳动否认进军自动驾驶：在物理AI领域有探索·搜狐网·2026/7/14·检索日期2026/7/14 ↩︎ ↩︎ ↩︎
-
Momenta冲刺港股：智驾十年，从数据飞轮到世界模型·中国工业报新闻网·2026/7/14·检索日期2026/7/14 ↩︎ ↩︎