文|山自
就在昨天，一則消息在科技圈激起漣漪：字節跳動正探索進入自動駕駛領域，由Seed旗下的世界模型團隊負責，首站瞄準無人物流。官方回應滴水不漏——「物理AI領域有很多早期研究和探索，但並沒有做智能駕駛業務的計劃。」
翻譯一下：這事在做，先別急着按Waymo的故事來估值。
但真正值得玩味的，不是字節要不要「造車」，而是它帶誰進場。過去十年，自動駕駛的敘事主角一直是工程師和路測駕駛員——攢最多的車隊、跑最多的里程、堆最貴的傳感器。字節這次帶來的，卻是一幫研究世界模型的人。這兩種人看自動駕駛的眼光，完全是兩個維度的東西。
世界模型如何終結自動駕駛舊範式
要理解這場變革的深度，得先看清過去十年自動駕駛行業的競爭底色——一場典型的「工程堆料競賽」。
行業沿用的模塊化技術路線，將自動駕駛拆解為感知、規劃、控制三大獨立模塊：感知端識別路況物體、輸出標籤化信息；規劃端依據預設規則制定行駛策略；控制端執行操作指令。這套體系支撐了行業早期的規模化落地，卻存在一個無法根治的先天短板——極端長尾場景無解。
施工錐桶、側翻車輛、橫穿行人、惡劣天氣……這些非標場景無法靠人工窮舉規則覆蓋。更麻煩的是，規則疊加過多還會相互衝突，導致系統失效、決策卡頓。這也是高階智駕長期難以徹底普及的核心瓶頸。
物理AI與世界模型的成熟，正在終結這套傳統範式。
不同於模塊化的「被動反應式智能」，世界模型的核心邏輯是主動推演式物理認知：它不再將畫面拆解為零散標籤，而是在AI內部實時構建三維、動態、符合物理規律的虛擬交通世界。面對複雜路況，搭載世界模型的系統無需調取預設規則庫，便能基於慣性、摩擦力、運動軌跡等物理因果，預判周邊車輛、行人、障礙物的未來動態，提前數秒規劃最優行駛路徑。
簡單來說，傳統自動駕駛是「看見再應對」，物理AI驅動的自動駕駛是「看懂規律、提前預判」。
2026年已然成為行業公認的物理AI元年。生成式多模態技術突破臨界點，視頻時序生成、長鏈路推理、視覺直接規劃能力全面成熟，讓世界模型從實驗室論文變成全行業統一的技術基座。曾經激烈對峙的VLA視覺語言模型與世界模型路線，如今正走向融合：小鵬拆掉VLA冗餘語言模塊、推出X-World世界模型；理想發布MindVLA O1強化空間物理認知；吉利、Momenta、輕舟智航等一衆頭部玩家，全部聚攏到世界模型技術大旗之下，行業技術分歧徹底消弭。
輕舟智航董事長於騫的判斷更為直白：「世界模型+強化學習，就是連接數字世界與物理世界的那座橋樑。」
字節的算盤無人物流是入口，具身智能是終局
字節在這個節點入局，時間卡得恰到好處。
早兩年，帶世界模型團隊進場會被當成PPT團隊；晚兩年，門檻會被抬到只剩巨頭能玩。而字節手裏，恰好攥着國內最強的世界模型團隊之一——Seed團隊不僅有多模態模型和世界模型研發能力，還已涉足具身智能和視覺生成。字節的算力儲備和人才虹吸效應，更是讓行業無法忽視。
如果只看無人物流這個場景，字節完全沒必要這麼大手筆。京東、美團、菜鳥加上新石器，這個賽道已經很擁擠了。新石器已累計部署超萬台L4級無人車，今年交付目標直指5萬台。但字節真正押的，是另一盤更大的棋。
馬斯克反覆唸叨的那句話點破了天機：「特斯拉FSD數十億英里真實道路數據，是物理AI的巨型訓練場。感知、世界建模、運動規劃全部能直接遷移給Optimus。如果沒有FSD，研發Optimus的難度會高出一個數量級。」
翻譯成字節的語言：自動駕駛車輛是具身智能機器人的數據採集器。一個機器人在倉庫搬一天箱子，撞上幾百種邊角情況；一輛自動駕駛車在城區跑一天，撞上幾萬種。把車隊的真實傳感數據反哺世界模型，再去訓練機器人操作模型，比從零開始快十年。
從這個角度看，字節下的是一盤三年起步的棋：第一步，無人物流車隊落地，順便攢自動駕駛的真實數據；第二步，把數據反哺世界模型，讓模型在更多物理場景下表現穩定；第三步，把世界模型連同車端硬件一起，遷移到具身智能機器人上。
無人物流車是入口，世界模型是核心資產，具身智能纔是終局。
自動駕駛新勢力，物理AI時代的價值重估
字節的跨界，只是物理AI浪潮的一個註腳。真正值得一級市場投資人關注的，是那些在物理AI敘事下重新定義自身邊界、正在成為未來自動駕駛產業主力軍的公司。以下為六家代表性未上市自動駕駛新勢力的估值與核心能力梳理：
蘑菇車聯：從景區接駁到新加坡公交的全球化落地
在一衆主打車載端世界模型、純道路推演的玩家中，蘑菇車聯深耕Robobus場景。其自研的物理世界AI大模型MogoMind，被稱為「物理世界的實時搜索引擎」。通過接入物理世界實時動態數據，MogoMind能實現全局感知、實時認知與推理決策，讓AI從「看見現實」升級為「理解並服務現實」。
蘑菇車聯的商業落地版圖已相當可觀。在國內，MOGOBUS已在北京、上海、成都、大理等十餘個城市常態化運營，累計安全行駛里程超500萬公里，服務乘客超20萬人次。具體場景覆蓋了日照萬平口景區、大理洱海生態廊道等旅遊接駁，以及琴澳醫線等跨區域通勤線路。更值得關注的是其海外突破——2025年10月，蘑菇車聯獨家中標新加坡首個L4級自動駕駛巴士官方項目，MOGOBUS將首次被納入海外公共交通系統，服務濱海灣、緯壹科技城等核心區域線路。這是中國自動駕駛方案首次在海外高等級公交項目落地，驗證了中國技術進入發達市場的可行性。
對投資人而言，蘑菇車聯的差異化價值在於：它不是與乘用車智駕供應商在同一紅海競爭，而是在公共交通這一政策壁壘高、場景複雜度高、但商業確定性強的新藍海建立了先發優勢。
新石器：從萬台交付到單月盈利的規模效應
新石器作為國內最早規模化落地的無人配送企業，已構建0.5至12立方米全梯度RoboVan產品矩陣，累計部署超16000台L4級無人車，累計行駛里程近8000萬公里。公司聚焦「人類重複性、高危性勞動替代」場景，依託海量末端配送真實場景數據，持續優化適配低速、高頻、複雜社區場景的物理AI模型，精準預判行人、非機動車動態與道路環境變化。目前加速佈局海外市場，目標2027年實現海外交付5萬台以上，是國內少有的完成規模化出海的自動駕駛新勢力。
規模化背後的邏輯很簡單：末端配送佔物流總成本50%以上，無人化是唯一的降本出路。順豐、中通、郵政等巨頭的大規模採購驗證了這一需求的剛性。
九識智能：百億獨角獸的整合加速度
九識智能2026年初與菜鳥無人車業務合併，整合後車隊規模超2萬台，覆蓋全球20國超300城，成為無人配送賽道首家估值超百億的獨角獸。其B輪系列孖展總額已達4億美元，螞蟻集團、美團持續加碼。
九識的核心競爭力在於運營效率——主力車型Z5讓快遞加盟商每月單車綜合成本控制在2000-3000元，單票配送成本從0.2元壓至0.1元。在「賣車不如賣服務」的行業共識下，九識的運營數據恰恰證明了規模化服務的商業價值。
輕舟智航：從無人駕駛到通用物理AI的戰略升維
輕舟智航的戰略升級最具代表性——從「無人駕駛」全面升級為「通用物理AI」，提出「世界模型+強化學習」統一架構。其輔助駕駛系統已搭載25款量產車型，2026年預計新增超50款。同時與奇瑞商用車達成無人物流戰略合作，首款量產級L4物流車已在蘇州、金華、蕪湖等城市運營。
元戎啓行：瞄準物理世界AI基礎設施
元戎啓行CEO周光明確表示，公司目標是「成為物理世界的AI基礎設施」，2026年量產交付目標突破100萬輛。其城市NOA方案已獲得多家車企定點，正在從輔助駕駛供應商向物理AI平台進化。
踏歌智行：封閉場景物理AI標杆，深耕礦山無人運輸
踏歌智行聚焦礦山、礦區等封閉工業場景，打造專屬工業級物理AI自動駕駛體系，深耕無人運輸細分賽道。其自研「車—地—雲」協同無人運輸方案，針對礦區複雜路況、重載行駛、極端環境等專屬物理特徵優化模型，精準適配工業場景的安全與效率需求。目前已落地國家能源集團、包鋼集團等20餘家頭部央企，累計交付超700台無人礦車，商業化落地規模行業領先。依託封閉場景海量、高質量、高標準化的物理交互數據，踏歌智行的工業級物理AI模型迭代持續提速，構建起細分賽道深厚的技術與落地壁壘。
勝負手：誰的「大腦」更強，數據回誰手裏？
這批自動駕駛新勢力，共同指向了一個核心邏輯：物理AI時代，決勝的關鍵不再是車隊規模或傳感器數量，而是誰的世界模型對物理世界的理解更深、推演更準。
輕舟智航於騫的判斷切中要害：「要用更強的大腦，而非只靠傳感器堆疊。」Momenta曹旭東則認為，自動駕駛要實現規模化的L4，累計投入至少是百億美元級別。這種投入門檻，天然有利於資源高度集中的頭部企業。
對一級市場投資人而言，這批企業值得關注的共性價值在於：
其一，數據飛輪已經形成。無論是Momenta的120億公里里程、新石器的萬台車隊，還是蘑菇車聯的Robobus運營網絡，真實物理世界的數據壁壘一旦建立，後來者很難通過燒錢短期打破。
其二，商業閉環正在驗證。Momenta三年營收翻三倍、新石器單月盈利、無人配送單票成本降至4分錢——這些不是預期，而是已經在運營中跑通的數據。
其三，技術代差正在拉大。當世界模型從「輔助工具」變成「基座模型」的一部分，系統的能力上限可能不是10%的提升，而是10倍甚至100倍的代際差距。率先完成這一躍遷的企業，將建立難以追趕的競爭優勢。
當然，風險同樣存在。車企自研的趨勢正在壓縮獨立智駕供應商的生存空間，小鵬、理想、比亞迪都在走全棧自研路線。如何在「賦能車企」與「保持獨立」之間找到平衡，是所有第三方智駕公司必須回答的問題。字節跨界帶來的變數，也讓行業格局更加撲朔迷離。
但無論如何，物理AI正在重新定義自動駕駛這門生意的本質——它不再是汽車零部件的延伸，而是物理世界認知智能的載體。誰能率先打造出真正理解物理規律的「數字大腦」，誰就能在下一個十年的產業競爭中佔據制高點。
這波浪潮裏跑出來的，不一定是當年那批最會堆料的人，但一定是最先讓AI「看懂」物理世界的人。