北京车展深度对话：元戎启行发起一场关于物理AI的“灵魂拷问”

4月25日，北京车展。元戎启行发起一场别开生面的AI Talk。没有产品宣讲，没有参数对比，而是邀请来自学界、产业界、教育界的多位嘉宾。

本场对话由复旦大学教授、上海创智学院全时导师张力主持，阿里云智能集团 AI 汽车行业解决方案总经理霍健、蚂蚁灵波科技世界模型与具身智能技术负责人徐英豪、童行书院创始人郝景芳以及元戎首席科学家阮翀共同参与。

发布会 AI Talk 环节

他们用半个小时追问同一个命题：物理AI究竟为何而来？这场跨界对话将围绕层层递进的问题展开，直指物理AI当前最真实的裂缝与未来的可能终局。

关键拷问：大模型还有什么能力需要突破

第一个环节，嘉宾们会被问到一个“冒犯”但真诚的问题：当前大模型已经渗透进日常生活的方方面面，但有哪些具体的现象或时刻，让你意识到它的能力还远远不够？

从过往讨论来看，一个高度共识的答案很可能是：自动驾驶和机器人。数字世界里，大模型能写诗、编程、画图；但一旦进入物理世界——需要在地库出口的坡道上判断盲区、在窄路会车时预判对方意图、在突发状况下保障绝对安全——大模型就显得“水土不服”。这恰恰是物理AI必须跨越的裂缝。

元戎启行首席科学家阮翀演讲

随后，话题将转向积极的一面：有哪些突破性进展，可以为大模型能力的提升提供借鉴？从教育领域的常识推理训练，到机器人研究中的物理约束嵌入，再到多模态交互数据的质量优化，不同领域的“灯塔”正在点亮。

路线之争：世界模型与VLA模型谁是终局

圆桌的第二个核心议题，是一场经典的技术路线辩论。当前自动驾驶及物理AI领域，存在两条代表性路径：一是“世界模型”，强调构建能够预测和模拟物理世界的内部表征；二是“视觉-语言-动作大模型（VLA）”，追求从感知到控制端到端的实时决策。

阮翀给出了元戎启行的判断：二者并非非此即彼。世界模型擅长预测和模拟物理世界的演变，适合做“想象与推演”；VLA擅长从感知直达控制，适合做“快速决策”。在自动驾驶这类对实时性和安全性要求极高的场景中，更可行的路径是以VLA为执行主干，以世界模型作为内部模拟器，在关键时刻进行推演验证。

而在圆桌的最后一层追问，跳出了技术本身：我们最终希望AI带来的是一个什么样的世界？是效率至上、高度自动化，但可能拉大数字鸿沟？还是技术普惠、赋能每一个个体？

这场圆桌提出来的问题，或许每个人都有自己的答案，但提出问题本身，已是物理AI走向成熟的重要一步。在一众比拼参数、配置的发布会中，元戎启行选择用一场“提问”来定义自己的品牌气质。这不仅是一家自动驾驶公司，更是一家思考AI终极命题的物理智能探索者。