AI行业正在发生一场根本性的维度跃迁：从数字AI的“思考生成”，走向物理AI的“落地行动”。
此前的大模型竞争，聚焦文本、图片、视频等数字内容生成，本质是虚拟世界的智能推演；而当下席卷行业的物理AI，核心是让AI真正读懂现实物理世界、理解因果逻辑、预判未来变化，并自主完成感知、决策、执行全闭环。
黄仁勋早已定调，物理AI是继数字AI之后的下一个万亿级增长浪潮，正式迈入“ChatGPT时刻”。这场变革最核心、最落地的主战场，正是智能驾驶。2026年也因此被业界定义为物理AI智驾元年，智驾行业彻底告别参数堆砌、价格内卷，进入底层技术范式重构的全新周期。
一、智驾演进史：从机械应激，到AI主动进化
智能驾驶的百年演进，本质是一场从模块化割裂到端到端融合、从被动应激到主动预判的技术革命。所有技术迭代，都在破解同一个难题：让机器真正适配复杂、不确定的真实物理世界。
早在1925年，全球首辆自动驾驶汽车便已亮相纽约街头，但早期技术仅停留在机械辅助层面，无智能可言。行业真正的启蒙拐点，来自2004年美国DARPA自动驾驶挑战赛。莫哈韦沙漠的首场长距离自动驾驶赛事，虽无队伍完整完赛，最优成绩仅完成全程5%，却彻底点燃了全球智驾探索的浪潮。
这场赛事培育了初代智驾人才梯队，大量核心技术人才后续入职谷歌、Waymo、优步、通用等头部企业，奠定了现代自动驾驶的产业根基。
初代智驾技术普遍采用模块化割裂架构，将感知、预测、决策、控制拆分独立运作，依赖人工规则算法与高精地图辅助。这种模式逻辑清晰、可控性强，但存在致命短板：模块间数据传输存在损耗、信息理解出现偏差，系统泛化能力极差，仅能应对固定场景，无法适配复杂路况，被业内类比为“昆虫式低级智能”。
行业破局的关键，是端到端技术的崛起。2024年特斯拉FSD V12的落地，彻底重构了行业技术架构，通过单一神经网络整合感知、决策、控制全流程，砍掉30万行手写规则代码，实现“图像输入、控制输出”的极简闭环。
国内赛道快速跟进，2024-2025年分段式端到端技术大规模装车，2025-2026年一段式端到端成为行业主流。华为、百度、小鹏坚守两段式迭代路线，商汤、Momenta等企业深耕一段式架构，两大流派并行发展。
但早期纯端到端技术存在天然缺陷：黑箱属性极强，决策逻辑无法追溯，一旦出现事故，难以定位问题、优化迭代，无法支撑高阶自动驾驶落地。在此背景下，行业迎来新一轮技术升级，VLA（视觉-语言-行动模型）应运而生，让自动驾驶从“黑箱决策”变成“可解释智能”。
VLA融合计算机视觉、自然语言处理与强化学习，搭建起环境感知、语义理解、决策执行的统一智能体，解决了端到端无法解释决策逻辑的痛点。而随着物理AI技术成熟，行业不再满足于“看懂当下”，开始追求“预判未来”，世界模型正式登上舞台，智驾技术迈入超越人类驾驶能力的新阶段。
二、技术路线之争：VLA与世界模型，从二选一到双融合
2026年之前，智驾行业长期存在核心路线争议：到底是深耕VLA语义理解，还是攻坚世界模型物理推演？两大头部阵营曾各执一词、针锋相对。
以Momenta、华为为代表的企业，曾坚定看衰纯VLA路线。Momenta CEO曹旭东直言，VLA脱胎于大语言模型，训练重心偏向文本语义，与自动驾驶核心的物理场景适配需求存在偏差，属于“锦上添花”而非“雪中送炭”，语义优先级过高会导致核心驾驶能力不足。
华为车BU CEO靳玉志更是精准比喻：VLA就像背题库的学生，擅长应对标准化、常见路况，但面对突发、复杂的物理场景极易失效，无法真正理解世界运行的底层逻辑。因此，华为坚定押注WA世界-动作模型，跳过语言中间层，依托视觉、声音、触觉等多源感知，直接构建物理世界的因果逻辑，实现原生驾驶智能。
而特斯拉的技术迭代，彻底终结了行业路线对立。2026年FSD V14版本上线，首次实现xAI Grok大模型与世界模型的深度融合，证明VLA的语义理解与世界模型的物理推演并非二选一，而是相辅相成、缺一不可的核心能力。
行业迅速达成终极共识：VLA负责理解当下，世界模型负责预测未来。
VLA依托语言与视觉融合能力，让汽车看懂路况、读懂场景语义、理解交互逻辑，解决“当下发生了什么”的问题；世界模型通过海量真实路况数据训练，掌握物理世界运行规律，能够提前推演路况变化、预判风险，解决“接下来会发生什么”的核心难题。
两大技术的融合落地，成为2026年智驾行业的核心趋势。小鹏X-Mind将世界模型作为VLA的视觉思维链，实现先推演、再决策；蔚来推送世界模型+闭环强化学习架构，覆盖数十万存量车型；地平线HSD V2.0采用双引擎架构，同步强化语义理解与物理预判。VLA+世界模型的融合方案，正式成为全行业公认的终极技术路线，也是超越人类驾驶能力的核心底气。
三、行业终局重构：告别参数内卷，进入物理AI基座之战
物理AI浪潮的到来，彻底改写了智能驾驶的竞争逻辑，行业完成三次竞争迭代：早期比拼硬件堆叠、中期比拼价格下沉、当下比拼物理AI底层基座。
过去的智驾竞争，是具象的参数竞赛：激光雷达数量、芯片算力、续航里程、辅助驾驶功能多少，本质是硬件堆砌的浅层竞争。而物理AI时代，竞争核心从“堆配置”转向“建底座”，谁能搭建更成熟的物理世界理解、推演、行动体系，谁就能掌握产业价值链的绝对主导权。
随之而来的是企业定位的全面升级，主流车企、智驾科技公司纷纷撕掉“出行工具厂商”标签，重塑为物理AI科技企业。
特斯拉明确从汽车公司转型为AI企业，依托统一基础模型，同时驱动FSD自动驾驶、Optimus人形机器人、车载智能体多终端；理想汽车合并基座模型与VLA研发团队，统一技术底座，赋能智驾、座舱、机器人三大业务；小鹏定位为“物理AI世界出行探索者”；Momenta、轻舟智航、卓驭科技等一众玩家，全面聚焦通用物理AI、移动物理AI赛道。
更关键的是，物理AI正在打破行业边界，实现多终端技术互通。智驾、智能座舱、人形机器人、智能终端共享同一套基础模型与物理推演能力，行业彻底告别碎片化技术研发，进入通用AI基座的大一统时代。华为WEWA 2.0引入多智能体博弈学习，Momenta世界模型实现量产落地，蔚来NWM成为国内首个量产智驾世界模型，产业落地节奏全面提速。
四、现实瓶颈：数据、算力双门槛，终极形态仍需沉淀
尽管物理AI已成行业共识，但现阶段所有智驾系统，距离真正成熟的物理AI终极形态仍有巨大差距，核心卡在两大核心瓶颈：真实世界数据储备、超高算力支撑。
第一是数据壁垒。世界模型的核心竞争力，源于海量、真实、多样化的物理路况数据。截至2026年5月，特斯拉FSD监督版车队累计行驶突破100亿英里，稳居全球第一，形成无可替代的数据壁垒；而国内多数新势力车企累计行驶里程仅数十亿公里，数据积累不足，导致模型物理推演精度、场景泛化能力存在明显短板。
第二是算力壁垒。物理AI模型的训练、仿真、落地，需要极致算力支撑。特斯拉手握约23万张H100等效算力资源，构筑绝对算力优势；华为五年计划投入700亿元升级AI算力，29个月实现算力21倍增长，2026年智驾研发投入超180亿元；小鹏Robotaxi搭载单端3000TOPS超高算力硬件，全力攻坚L4级无人驾驶。头部玩家的算力军备竞赛持续升级，中小玩家的生存空间持续被挤压。
五、写在最后：破解莫拉维克悖论，物理AI开启智驾新未来
1988年提出的莫拉维克悖论，精准解释了当下智驾行业的核心困境：AI擅长人类高难度的逻辑推理、数理运算，却难以掌握人类与生俱来的物理感知、环境直觉。
过往的智能驾驶，看似智能化程度高，实则缺乏对物理世界的底层认知，只能机械执行预设规则，这也是用户不敢完全放权、高阶智驾难以普及的核心原因。
而物理AI的核心价值，正是破解这一悖论。通过VLA理解当下场景，通过世界模型推演未来变化，让汽车拥有堪比人类的物理直觉、因果认知和预判能力，真正实现主动感知、主动思考、主动避险，完成从“看见什么做什么”到“预判未来、提前行动”的质变。
2026年作为物理AI智驾元年，只是行业上半场的开端。未来五年，随着数据持续积累、算力不断突破、双模型融合技术持续迭代，L3、L4级高阶自动驾驶将逐步普及，真正超越人类水平的智能驾驶，终将从概念走向现实。