模型路线趋同之后，Physical AI的胜负手变了

来源：市场资讯

（来源：量子位）

新的物理AI瓶颈出现了。

过去一年多，VLA、世界模型、基座模型、数据闭环等等，几乎都是头部智驾和具身智能公司频频提及的热词。

越来越多AI公司开始尝试让模型进入真实世界，让机器具备理解环境、预测变化和执行行动的能力。

不同技术路线各有侧重，最终穿透到技术底层，指向的问题却越来越趋同——

那就是AI如何从真实世界获取数据，如何形成对环境的理解、把理解转化为行动，又如何根据行动结果继续学习。

这个问题，并不是今天才出现。

而当路线逐渐收敛，真正的瓶颈也开始浮出水面。

物理AI路线图收敛，暴露「断裂层」

智能驾驶兴起至今，研究对象曾历经多次变迁。简单梳理下来可分为三个阶段：

早期的驾驶系统，是一套高度模块化的软件系统。感知负责识别车辆、道路和行人，预测负责推测其他交通参与者的运动，规划和控制再决定车辆的具体行动。

每个模块解决一个相对明确的问题，也拥有相对独立的指标。

端到端模型盛行后，行业开始减少人工规则和模块接口，让模型直接从传感器输入生成轨迹或控制信号。

△图片由AI生成

直到物理AI热潮席卷，又把研究对象向前推进了一步。

在这一目标下，行业逐渐分化出了不同的主流技术表达，当前已大致收敛成两条明线加一条暗线。

两条明线中，其一是VLA（视觉—语言—动作），把视觉信息、语义理解和行动生成放进同一个模型体系，让AI看到环境、理解场景，直接作出行动。理想、小鹏都押在这一路线上。

另一条明线以世界模型为核心，重点学习环境如何随时间和动作发生变化。

世界模型进入场景生成、闭环仿真、数据生产和模型评测等环节，既可以帮助模型学习物理世界的演化规律，也能为其他行动模型提供训练和验证环境。

△图片由AI生成

华为WEWA、蔚来NWM都是世界模型路线的代表。

而在VLA和世界模型之外，还有一条暗线是物理AI基座。

基座模型通过大规模物理世界数据预训练，学习环境变化、物体关系和世界运行规律，再通过少样本或后训练的方式适配不同任务。

△图片由AI生成

基座模型严格来说，与VLA、世界模型并不并列，而是两条明线共同奔赴的方向。

两条明线的边界肉眼可见地趋于模糊，二者间的关系已从路线选择走向能力协同。

△图片由AI生成

但结合现状来看，整合起来绝非易事。

当前，行业已经拥有这条链路中的大部分技术组件，然而各环节之间却还存在几层“断裂”。

第一层“断裂”发生在模型与数据之间。

物理AI需要海量真实数据，但数据规模扩大并不会自动产生对世界的理解。模型需要从数据中学习空间关系、时间变化、行为规律和行动后果。

模型在真实环境中暴露出什么能力缺口，又会决定下一轮需要收集、筛选或生成什么数据。

因此，数据与模型之间需要持续反馈，由模型发现问题，数据系统补充相应场景，训练系统重新学习，再通过评测和真实环境确认模型是否获得了新的能力。

△图片由AI生成

第二层“断裂”发生在视觉与行动之间。模型看见一个场景，甚至理解其中的关系，也不代表它能够形成稳定行动。

物理AI区别于传统AI最明显的一点，也正是视觉与行动之间的关系。

假设车辆识别出前方行人正在靠近路口，并判断对方可能横穿道路，接下来还有一系列问题需要解决，比如应该在什么位置开始减速，减速幅度多大，是否需要提前变道，周围车辆可能怎样响应，整个动作又能否在实时算力下平稳执行等等。

这一过程中，视觉和语义理解需要转化为连续、实时、可验证的动作。

VLA承担了连接认知与行动的任务，但这条连接仍然需要未来预测、策略训练、闭环评测和真实验证共同支撑。

第三层“断裂”位于模拟与真实之间。

世界模型和仿真系统可以低成本生成大量场景，用于训练、测试。

理论上，模型可以在虚拟环境中经历无限次测试，学习各种复杂情况，但真实世界的情况始终更加复杂。

交通参与者的行为往往具有不确定性，传感器会受到天气、光照和遮挡影响，大量长尾事件很难被仿真系统完整建模。另外，模型在虚拟环境中的提升，未必能够等比例转化为真实表现。

物理AI必须要建立起一条双向链路：真实世界中的问题进入仿真和训练，仿真中获得的能力再回到真实环境验证。

这些横亘在数据、认知、行动和真实世界之间的断裂层，横跨数据、算法、仿真、Infra、产品和工程团队，看似属于不同技术方向，实际上都指向同一个问题——物理AI需要一套能够持续学习和进化的系统。

这已经很难由某一个独立模型解决。

由此，技术问题开始越过技术部门边界，延伸到技术如何被组织，放进同一个闭环。

弥合断裂层，消除接缝构建闭环

现下，物理AI公司的当务之急，就是如何弥合断裂层，把整条链路放进同一个研究闭环。

不过在建立闭环之前，还需要解决研发体系中的两层「摩擦」。

第一层摩擦发生在技术之间。

模型暴露出的不足，需要能够反馈给数据系统；真实环境中的问题，需要能够进入仿真和训练流程；训练后的能力，也需要重新回到现实场景接受检验。

真正的难点在于，这些环节并不是彼此独立存在的。任何一个环节连接不畅，投入再多的数据、算力和模型规模，也可能只带来局部指标的提升。

第二层摩擦体现在研发组织内部。

通常来说，一家公司的基础模型、VLA或世界模型、数据、仿真和AI Infra等内容会由不同团队负责。

每个团队拥有自己的专业目标和工作节奏，但矛盾就在于，完整闭环要求所有环节围绕同一个模型问题快速反馈。

现实中，这几个环节往往很难天然对齐。

所以，技术闭环说到底，最终需要对应的还是组织闭环。

在这一行业困局下，国内首个面向物理世界基础能力研究的AI Lab——Superfluid Lab，出现了。

实际上，Superfluid Lab并非师出无名，而是来自国内头部AI玩家、以智驾技术起家的深圳公司元戎启行，且由前DeepSeek核心成员、元戎启行首席科学家阮翀带队。

实验室的名字其实很有意思。“Superfluid”意为超流体，是一种完全没有黏性的奇特物质状态，可以理解为一种“无视”摩擦力的流体。

由于完全没有摩擦力，超流体可以在环状容器中永无止境地流动，而不会损失任何能量；也可以零阻力穿过极其微小的缝隙。

最先让Superfluid Lab出圈的，实际是元戎在7月29日发布的一篇名为《对话Superfluid》（以下简称《对话》）的文章。里面提到了名字两层意思：

其一，是信息零阻力流动，协作零内耗。

其二，是进入物理世界的智能，同样需要一种零摩擦的底层架构。

这恰恰对应研发闭环所需面对的两层摩擦。

据知情人士透露，Superfluid Lab今年5月就已在元戎内部成立，目前完成了基础设施重构等早期工作。实验室以基座模型为研究核心，重点探索VLA模型，同时推进世界模型和多模态理解。

在首次公开Superfluid Lab时，元戎也同步为实验室发起招聘，将岗位招聘分成三个方向：

从招聘方向来看，Superfluid Lab覆盖了模型、仿真和训练基础设施。

这里能大致推测出Superfluid的基本技术结构来——

基座模型从物理世界数据中形成认知，VLA模型负责把认知转化为行动，世界模型推演行动结果并提供仿真环境，AI Infra支撑大规模训练和高频实验，最终再由真实世界完成验证。

在《对话》中，元戎把研究重点概括为三组关系：

实验室要做的第一步，是定义问题，再进入研究和解决过程。

基座模型因此被放到了闭环的中心位置，阮翀甚至将其称为“一种信仰”。

这里的“信仰”，并非是说某种技术已经拥有确定答案，而是指向研究周期和目标：持续挑战模型的能力上限，让模型解决越来越复杂的问题。

基座模型的特殊之处，在于它改变了过去AI研发以单点能力优化为中心的方式。

因此，基座模型竞争的背后，并不只是算法竞争，也是一套围绕模型持续迭代的研发体系竞争。

这套技术闭环也提出了相应的组织要求。

招聘信息显示，Superfluid Lab强调开放的研究环境、相对扁平的协作方式和较少的固定工作边界。不同方向的研究人员，围绕同一个模型展开工作，并共同对最终模型能力负责。

这是一种新的组织范式。

与传统研发围绕车型、版本和功能迭代不同，Superfluid Lab并不以某一款产品节点作为研究终点，而是围绕基础模型能力建立长期路线，更像一个持续循环过程。

其研究单位开始由独立模块转向持续演进的模型，评价目标也从局部指标扩展到模型最终能力。

当然，这种组织方式是否能够真正提升物理AI的研发效率，仍需要时间验证。

Superfluid Lab本身也更像一次探索，在尝试通过改变研发组织方式，建立更高效的能力积累路径。

而这背后对应的是整个行业正在发生的变化。

物理AI竞争迈入新阶段

回看智能驾驶过去几年的发展，可以发现，行业竞争的核心正在发生变化，技术竞争正在进入新的阶段。

从自动驾驶到物理AI，技术竞争的演进路径，大致可以提炼为三个阶段：

第一阶段是产品竞争。行业比较的是功能覆盖、用户体验、量产规模和商业化效率；技术价值主要通过可交付的产品能力体现。

第二阶段是模型竞争。端到端、VLA模型和世界模型相继成为新的比较对象，数据规模、模型参数、训练算力和迭代速度，也开始影响公司之间的技术差距。

第三阶段则是基础能力与组织竞争。企业需要把人才、数据、算力、模型、仿真、工程和真实世界反馈，组织成一套能够长期进化的系统。

△图片由AI生成

从这一趋势看，Superfluid Lab可以视为元戎提前进入第三阶段的一次尝试。

据接近元戎的人士介绍，元戎内部从创立之初，就把自己定义为一家AI公司。

实际上，元戎也是最早以“物理AI”定位自身的公司，时间大致可以追溯到2025年3月，比行业整体的物理AI浪潮提前了近一年。

之所以早期选择从智驾行业入手，是因为辅助驾驶上积累的真实数据、工程能力和开放道路场景，几乎是行业内普遍认可的物理AI能力“试金石”。

而随着基座模型、多模态等技术逐渐成熟，这些积累开始具备向更广泛物理世界能力延伸的可能。

Superfluid Lab正是在这一背景下成立，依托驾驶产生的数据和工程反馈，可以更专注于把研究目标指向物理世界的通用基础能力。

在这一过程中，元戎启行也逐步从提供辅助驾驶技术的公司，走向成为一家生产物理世界基础能力的公司。

这种变化，与十年前OpenAI的思路存在某种相似性。

2015年末，OpenAI刚刚成立，彼时人工智能已经拥有大量应用和研究成果，但行业仍缺少一套能够持续提升智能能力的基础体系。OpenAI选择围绕更底层的通用智能问题，建立长期研究组织，随后推动了基础模型时代的发展。

几年后，随着大模型技术突破，基础模型成为AI产业的重要底座，大量应用开始建立在这一能力之上。

如今，物理AI也正在经历类似的阶段。自动驾驶、机器人等应用已经开始快速发展，但行业仍缺少一套能够理解物理世界、预测环境变化，并通过真实反馈持续进化的基础能力体系。

只不过，当时OpenAI探索的是数字世界智能的底层能力，而今天物理AI领域正在寻找的，则是一套面向物理世界的智能底座。

Superfluid Lab就是在这一背景下的一次探索。

但不得不说，这一定位目前仍需长期结果支撑。

相较于过去用新模型、新参数和新纪录衡量进步，第三阶段的周期更长，也更难在短期内证明价值。

然而，连接数据、研究、工程和真实世界的能力，往往也只能在更长时间里沉淀。

阮翀对这种长期投入有一个更直接的解释：“快的东西，往往也很快被替代。慢的东西，一旦建成，会成为很多快的东西的底座。”

而真正的长期主义，始终是去做那些难而正确的事。