世界模型的另類思考？｜對話輕舟智航于騫&李棟

撰文 | 青竹 編輯｜周長賢

物理AI成了智駕圈最新最統一的「信仰」。

截至目前，野心勃勃、有名有姓的幾家，都跟物理AI綁定。差異只在細節和話術。

特斯拉的World Model探索，華為WEWA2.0賦能乾崑ADS 5.0，小鵬第二代VLA已加入X-World，Momenta的世界模型三層次，卓馭的物理基座大模型……都在以不同節奏向這一方向收斂。

范式名稱各異，話術各有側重，但底層邏輯一致：讓AI真正理解物理世界和規律，而非僅靠數據擬合。

“范式都差不多，差別無非是誰真的在做，誰做得好。”一位智駕負責人表示，未來可能交替領先，但也不過2-3個月身位的差別，可是跑下去，總會有人掉隊。

作為風格務實的智駕方案商，同樣是世界模型+強化學習，輕舟智航有些獨特的思考，值得大家共讀。

例如：

• 物理AI不能簡單復制LLMs的成功范式。單純堆資源解決不了。

• 物理AI還需要2-3個大技術突破，世界模型或是其一。

• 自動駕駛數據的勻質性，被大多數討論忽略。

• 世界模型在車端和云端同時存在，不是簡單的蒸餾關系。

• 語言不會被拋棄，將來需要更高層級的語言長/深度思考。

• L4運營的關鍵指標：一個人能看多少車。

2026北京車展上，輕舟物理AI模型發布之后，輕舟智航聯合創始人、董事長兼CEO于騫和輕舟智航CTO李棟接受了群訪，以下為QA精編：

問題：物理AI的發展程度？

于騫：物理AI的大范圍普及，我覺得可能還有兩到三個比較大的技術突破要完成，現在還做不到。不是單純靠技術突破，也不是單純靠堆資源就能解決。

自動駕駛是物理AI最大規模、最快能夠落地的場景。首先數據不成問題，工程化、產品的形態已經比較完整，已經有很多基礎。

問題：兩到三個技術突破是？

于騫：其一很有可能就是世界模型。世界模型加強化學習就可以使物理AI應用非常大地提升。

問題：世界模型范式有何不同？

于騫：大語言模型有很多的數據，幾乎涵蓋人類知識的總結，輸入以后預測下一個Token，是整個最底層的問題表述，當然也有加強化學習。

但物理世界模型，首先要求對物理世界有很強的感知，要理解世界，同時還要能夠理解世界未來怎么變化，然后指導行動，幾件事在一起，不是單點。

不是單純堆資源就能壟斷。

問題：數據處理有何不同？

李棟：語言模型的數據比較勻質，基本上所有的文字都可以轉化成Token。

視覺模型最新的探索，包含機器人的本體數據。像自動駕駛，有非常多本體駕駛數據，非常友好。

但在更廣的領域，本體數據非常稀缺，而且差異化非常大，不同的機器人數據不一樣，自由度不一樣。

還有視頻類的數據，類似YouTube，要用起來都非常挑戰，也是現在比較前沿的研究。

問題：智能駕駛有數據優勢？

李棟：自動駕駛有天然優勢，數據是比較勻質的，量非常大。訓練世界模型，一方面能補充稀缺數據，另一方面，對世界的判斷和理解能力，有通用性。未來去操作有更多自由度的機器人，做特定或通用的事情，有非常廣闊的空間。

問題：智能駕駛的世界模型處于什么階段？

李棟：在自動駕駛領域，處于應用階段，已經做Demo接近量產。包括車上的世界模型，還有云端世界模型，都已經用于生產各種數據做模型訓練。

但在一些高自由度、高復雜度的環境，世界模型還在偏研究階段，很難直接生成比較復雜操作，簡單動作可以，特定動作可以，泛化的動作比較難。

問題：智駕物理AI階段，VLA的作用是？

于騫：VLA可以更好地應用于端側，能更好用到語言和人類的經驗，但并不根本，和世界模型并不矛盾。

問題：VLA能力未來會被拋棄嗎？

李棟：即使模型特別厲害，總得和它交流，交流就涉及到語言。

而且語言模型有個特點，隨著思考加深，能得到更好的通用能力，所以有額外算力的話，語言可以讓整個模型的效果更好。

在應用中，即使在物理世界，語言雖不是最核心的模塊，但不能拋棄。語言的思考能力比較獨特，會給整個系統加分，在一些特殊場景需要這種思考能力。

將來，如果模型對物理世界特別理解，知道物體材質、運動規律、物理體驗之后，可能會發現需要更高層級的語言長/深度思考，更多的需求會出來。

問題：大家的世界模型一樣嗎？

于騫：世界模型，其實有很多不同的理解，會有很多種流派，包括楊立昆和李飛飛都在不斷探索。在學術領域還沒有收斂，更別提在技術、工程落地方面，但是發展很快，我們要以開放的態度看待。

我們是比較務實的一家公司，不是什么新就用什么，我們非常非常克制。

問題：世界模型可以帶智能駕駛走向終局嗎？

于騫：我覺得應該是的，是很重要的技術方向，需要有很大很大突破。但是不是唯一的路，不是做完就完了，還有很多其他的工作要做。

問題：乘風Max這款產品引入了世界模型加強化學習，主要在云端？

于騫：當然車端布置，因為我們不可能在云端跑這種模型，所有安全性的東西必須在車端。

我們的世界模型，把端側、云端一起考慮。并不是簡單的蒸餾關系，模型學到的是物理世界大的分布。我們希望端側學到的是整體分布本身，而不是某個局部。

問題：L2、L3和L4的關系？

于騫：L3肯定有價值，但如果使用范圍非常小，只能在北京四環某一段路上開，那價值不夠。目前邊界/限制范圍太多了。

不管是L2、L4，底層技術高度一致，都是要把車開得更好，只是產品形態不同，L4有L4的產品邏輯，L2有L2的產品邏輯，并不是說靠堆人來解決的。

李棟：底層技術能力越強，擴展新應用邊際成本越低。就什么車都能開，什么場景都能解決，我們也在Robovan上看到這一點。

L4減去L2，就是安全運營，我們關注模型到底能支撐什么運營成本？成本邊際效益是不是足夠低？

問題：L4商業化的關鍵點？

李棟：模型的能力增強，L4的應用范圍、運營效率就會越來越高。，比如說一個人可以看1,000輛車，L4就能非常好運營，這個指標非常關鍵。

今年我們會達到千臺到萬臺車，達到大幾千臺車這樣的運營水平，因為如果水平太差的話，沒法運營起來。

問題：L4車型有什么區別？

于騫：我們的Robotaxi車從外觀上看，根本看不出來這是Robotaxi，就像普通車一樣。

底層的核心能力都是一樣的，算法同源，只是產品形態不一樣。算力更大，實際上是更強大腦，范式是一樣，只是模型能力大一些。

L4要加各種各樣的安全冗余、硬件冗余、傳感器冗余，硬件一定是能量產的，如果不能量產，我們肯定不要。

問題：關于標配和國產化？

于騫：今年一兩百TOPS算力算主流了，明年相信500TOPS算力開始標配。未來幾年所有的車都會智能化，包括油車。

我們不斷革自己的命，500+TOPS算力方案，目標是奔著一兩千TOPS算力的體驗，就是越級的體驗，這就是差異化，是給客戶、消費者帶來的真實價值。

（以上文字經過不改語意的精編）

—THE END—

出行百人會 | AutocarMax

追蹤出行與智能產業鏈進化，關注新產品、新科技、商業邏輯與人物，影響有影響力的人。