新智元报道  【新智元导读】大模型靠预测下一个词读懂语言，世界模型靠预测下一帧读懂世界。

        最近，一家中国公司刚过港交所聆讯，物理AI的「GPT时刻」要来了。

        物理AI过临界点了！6月1日，NVIDIA开源Cosmos 3。

        6月13日，Tesla推送FSD V14.3.4。

        6月18日，一家估值超千亿的中国公司通过了港交所聆讯。

        中国跑城区领航辅助驾驶的车，65%用的是它的方案。

        量产车超90万辆，全球前十大车企九家是客户。大语言模型靠预测下一个词理解了语言，由此开启了数字AI的万亿美元市场。

        这家公司也在用世界模型做着同样的事：靠预测下一帧理解世界，重写自动驾驶的底座。

        只不过这一次，AI要理解的不是语言，是整个物理世界。

        自动驾驶的世界模型时刻过去十年，自动驾驶的主流做法叫模仿学习：录人类老司机怎么开车，让AI照着学。

        数据越多，学得越好。但模仿学习有天花板，而且天花板很低——就是人类本身。

        它只能学到「做了什么」，学不到「为什么这么做」。人在路口减速，不是执行了一条规则，是对物理世界有直觉。

        两吨重的铁在湿路面上刹不住意味着什么，低头看手机的行人下一步往哪走。

        模仿学习学的是动作，不是因果。但AI有个规律，一旦接近人类水平，就会在很短时间内大幅超越。

        AlphaGo如此，人脸识别如此。前提是，方法得对。

        自动驾驶的方法，就是世界模型。2026年，世界模型突然成了全球AI最热的赛道。

        杨立昆离开Meta创办AMI Labs，3月拿下10.3亿美元种子轮押注JEPA架构，公开喊话「大语言模型是死胡同」。

        李飞飞的World Labs 2月融资10亿美元，估值50亿，NVIDIA和AMD都投了。

        谷歌在I/O大会上发布Gemini Omni，第一次把世界模型做进了Gemini体系。

        路线不同，共识一致：大语言模型不够了，AI必须理解物理世界。

        往大了说，世界模型在物理AI里的位置，相当于大语言模型在数字AI里的位置。

        一个靠预测下一个词压缩语言常识，一个靠预测下一帧压缩物理规律。

        数字AI的底座已经催生了万亿美元市场，物理AI的底座刚刚开始。

        而自动驾驶是这个基座最先落地的场景。但研究是一回事，量产是另一回事。

        杨立昆自己说AMI Labs可能需要五年才出产品。

        李飞飞的World Labs刚发布首款商用产品Marble，切入3D世界生成.Tesla的FSD V14在端到端上走得最快，但它是封闭系统，只服务自家车型，技术不向行业开放。

        开放阵营里，粗略分两层：底层是NVIDIA这样的训练基础设施，上层是量产级的车端部署方案。

        真正把世界模型做到量产上车的公司中，就有这样一家中国公司Momenta。

        今年4月，他们正式交付了最新的R7世界模型。具体来说，R7的架构可以分为三层：第一层，预训练。

        乘用车量产车队积累的90万辆、超100亿公里实车里程，提炼1亿段黄金数据，学物理世界的底层规律。

        物体有质量有惯性，前车急刹后车追尾，行人加速闯入车道。

        第二层，仿真。真实道路上极端场景太稀疏，十万公里才遇一次鬼探头。

        世界模型理解物理规律之后能自己「想象」——用真实数据生成虚拟世界，拿实车和仿真的一致性做校准，直接缩小仿真与真实之间的差距。

        效率比实车路测高出上万倍。第三层，强化学习。在仿真出的极端场景里反复试错，奖惩驱动自主进化。

        不再模仿人的动作，而是在物理约束下找最优解。一套模型，吃下千亿赛道不过，如果世界模型只是「让辅助驾驶更好用」，故事到这里就讲完了。

        但过去几年，自动驾驶行业学到了一个残酷的教训：单一场景烧不出未来。

        Argo AI被福特和大众联手放弃，Cruise大幅缩减运营。

        纯做Robotaxi的公司，数据靠自有小车队采集，成本高、规模小、商业化遥遥无期。

        行业开始意识到，能活下来的公司必须同时解决两个问题：数据从哪来，钱从哪来。

        而世界模型打开了一条新路。它学的不是某种车型的驾驶习惯，是惯性、运动、因果这些通用规律。

        轿车里学到的物理常识，放到卡车上成立，物流车也一样。

        Momenta的All-in-One平台就建在这个逻辑上：一套底座，四个场景——

        乘用车L2++、Robotaxi、Robovan、Robotruck。

        核心技术能复用，意味着场景越多，数据交叉越密。乘用车的日常里程喂给Robotaxi的世界模型，Robotaxi遇到的极端场景反过来提升乘用车的安全性。

        量产车队每天产生真实驾驶数据，灌进世界模型做预训练；模型进化了，再通过OTA推回车端。

        更好的产品拉来更多OEM客户，更多客户带来更大的车队，更大的车队又反哺数据。

        现在，Momenta已经把这个循环转了起来——不仅许可收入三年翻了42倍，甚至七家互为竞争对手的车企都同时做了它的股东。

        这背后是一个正在发生的行业转向：智驾研发成本太高、迭代太快，多数OEM已经从自研转向外采，问题只剩下选谁。

        据CIC灼识咨询，量产智驾加上Robotaxi、Robovan、Robotruck，2030年全球总盘子超5000亿美元。

        物理世界的Anthropic？5000亿美元的市场，飞轮一旦转起来，后来者连门都进不了。

        最终大概率只剩3到4家赢家。Momenta要占哪个位置，取决于它像谁。

        数字AI的格局花了三年定型。OpenAI、Anthropic、谷歌各据一方。

        在这之中，Anthropic不是最早做大模型的，参数量也不是最大的。

        但它做对了一件事：找到编程这个价值密度最高、反馈最快的场景，All-in。

        Claude Code上线不到一年，ARR突破25亿美元，Anthropic整体ARR从不到10亿飙到超300亿。

        站稳之后，再切金融、医疗、企业服务。为什么是编程？

        因为代码有明确的对错标准，反馈循环最快，付费意愿最强。

        自动驾驶在物理AI里扮演的角色几乎一样。明确的安全指标做验证标准，海量实时数据做反馈循环，OEM量产做商业闭环。

        Momenta的路径几乎是Anthropic的镜像——

        先在自动驾驶站稳，再把能力复制到更广阔的物理世界。

        技术底层：一个有Claude基座模型理解语言逻辑，一个有R7世界模型理解物理因果。

        商业验证：Anthropic靠编程场景率先跑通现金流，Momenta靠量产率先跑通数据闭环。

        泛化路径：Anthropic从代码切入金融、医疗、法律，Momenta从乘用车延伸到无人出租、物流、干线。

        终局形态：都不是垂直供应商，是平台。不同的是壁垒。

        Anthropic是纯软件公司，Momenta的模型从第一天就长在硬件上——

        量产车是数据入口，OEM关系是护城河，OTA是迭代通道。

        软硬一体，比纯API更厚。当然，自动驾驶的安全验证没有代码的「单元测试」那么绝对。

        但正因如此，数据规模的意义更加关键：只有足够多的真实里程，才能让概率收敛。

        Momenta的90万辆车，正是在做这件事。写在最后如今，数字AI已经卷成红海，物理AI才刚刚开场。

        而物理世界，很可能是比数字世界大得多的那一半。当世界模型成为基座，当Momenta带着R7敲响港交所的钟声，物理AI大规模量产的序幕，真正的「GPT时刻」或许不再遥远。

        秒追ASI⭐点赞、转发、在看一键三连⭐点亮星标，锁定新智元极速推送！