看遍北京車展里里外外，叩響自動駕駛的大門，目前方法貌似只有一個：

世界模型+強化學習。

華為乾崑智駕ADS 5、Momenta R7、輕舟乘風Max，這三套北京車展期間發布的方案，無一例外，均搭載了這一技術組合。

華為車BU CEO靳玉志，表示ADS 5是面向“自動駕駛”的解決方案；Momenta官方表示物理AI正從理念走向量產。

輕舟智能CEO于騫直接斷言，世界模型+強化學習是通向物理AI的必經之路。

車展舞臺之外，世界模型+強化學習的身影也已無處不在。

蔚來早在2年前就推出了世界模型；地平線的HSD融合了這一技術方案。

小鵬第二代VLA、理想的MindVLA，盡管與世界模型之間存在路線分歧，但這二者的云端訓練，仍然依托于世界模型+強化學習。

各家廠商的想法分歧仍在，但行動卻十分統一，目標更是一致宏大：

自動駕駛猶嫌不足，要沖線物理AI終局。

那么這篇文章，我們就跟大家聊聊，世界模型+強化學習到底是什么？

看懂世界

經過了近兩年輔助駕駛方案的迅速迭代和普及下放，L2的體驗目前正在迅速趨同。

從這次北京車展就能看出，各價位車型的輔助駕駛能力都變得越發全面。

即便是七八萬的零跑A10，也搭載了激光雷達，支持車位到車位級的輔助駕駛。

至于城區領航、高速領航，如今更是遍地開花。

但能用與好用之間，仍有巨大鴻溝。

而填平這道巨大鴻溝的關鍵，就在于補齊系統對場景的理解與能力。

這二者就恰恰決定了輔助駕駛是只能對當下做出被動反應，還是能像人類一樣預判未來、提前布局。

我們自己在駕駛時，也并非只盯著眼前的路況機械應對。

越是駕駛經驗豐富，越知道要時刻觀察周圍環境的動態，在心中推演未來幾秒可能發生的狀況，并提前做出防御性動作。

比如前方有很多胡同口，人類駕駛員自然就會減速行駛，以防胡同里忽然竄出打鬧的小孩、騎著三輪車的老人......

這才是合理的駕駛狀態，輔助駕駛依托世界模型，也正在朝這個方向進化。

不過，要合理的預測，系統首先必須真正掌握這個世界的運行規律，看透各種因果關系。

譬如在高速上，當看到前方剎車燈亮成一片時，你就自然猜想到可能出現交通事故了，然后提前剎車、打起精神觀察周圍路況，甚至打開雙閃，提醒后方車輛及早剎車。

正是基于這種內含上下文因果關系的邏輯，世界模型在云端根據真實的物理規律進行仿真訓練，才讓系統更清晰、更本質地理解人類世界的運行法則。

與此同時，世界模型也能彌補采集數據工作的不足。

因為有些場景全憑現場采集的話，隨機性太強了，比如鬼探頭、一些極端天氣，而世界模型則可以在虛擬環境中生成這種場景，然后進行針對性的訓練。

理解世界規律，只是第一步，如何讓系統基于這種理解，做出最優的駕駛決策？這就輪到強化學習登場了。

強化學習你可以把它理解成一套獎勵機制，做得符合設計目標了就有獎勵，不符合就得接受懲罰。

久而久之，系統自己就摸索出了一套最優駕駛策略，而不是簡單機械地模仿人類司機的操作。

由此，世界模型和強化學習就構建出了一個更完整的訓練閉環：

前者提供還原物理世界的訓練場，后者則讓系統日以繼夜的瘋狂特訓，把實際問題前置，把駕駛經驗攢足。

這就是世界模型+強化學習的價值，相當于給車裝了一顆“人腦”，它讓輔助駕駛真正去理解現實世界的運行規律，最終實現自動駕駛。

而這套方案其實也并不局限于自動駕駛，本質上，世界模型+強化學習就是在教機器如何去看懂世界，汽車只是最快的量產載體。

跟FSD比誰更強？

北京車展上，Momenta將“矛頭”直指特斯拉。

Momenta CEO曹旭東在群訪上對我們直言，Momenta R7這套基于世界模型+強化學習的解決方案，對標的就是特斯拉FSD V14，目標是為中國年輕人造一臺屬于他們的特斯拉。

如今，特斯拉FSD雖尚未真正進入中國市場，但它卻仿佛已經成為中國智駕玩家的“公敵”。

幾乎每一個中國智駕玩家，都在以超越FSD為己任，渴望在這場技術競賽中證明自己。

事實上，特斯拉FSD與世界模型之間也有著千絲萬縷的聯系。

去年10月，特斯拉正式官宣了神經網絡世界模擬器。

它基于真實道路采集的海量數據，在云端重建了一個遵循物理規律的虛擬世界，不僅能預測未來幾秒內環境的動態演化，還能提前評估每一種駕駛動作可能帶來的后果。

對于那些現實中極難采集的長尾場景，比如暴雪中的山路、突發事故后的混亂路口，神經網絡世界模擬器也可以主動生成，進而虛擬世界中反復特訓。

這與世界模型+強化學習的技術邏輯，幾乎如出一轍。

特斯拉的這一技術方案將同時服務于自動駕駛和人形機器人，換句話說，世界模型+強化學習也是特斯拉走向物理AI的橋梁。

從技術范式上看，特斯拉與中國主流玩家之間并不存在方向性的差異。

至于孰強孰弱，真正的分野恐怕就在于工程落地能力。

誰的模型推理延遲更低？誰的博弈能力更強？誰更能應對小概率的長尾場景？

盡管都已經開始聊終局了，但面向自動駕駛和物理AI的工程落地競賽，或許才剛剛拉開帷幕。

寫在最后

技術需要天馬行空，同時也更需要腳踏實地。

物理AI終局很美好，但它最終需要建構在資金、人才和商業閉環等基礎上，這注定只是少數強者的游戲。

對于各大AI玩家來說，跋山涉水這么多年，面對愈發宏大的藍圖，殘酷競爭仍然遠沒有結束。

如今，在世界模型+強化學習的驅使下，他們正在同一條賽道上，奔向同一個終點。

而在緊張刺激的角逐之中，我們所有人好像也都成為了這些強者游戲的一環，生活或將因為自動駕駛、物理AI發生巨大的變化。

最終，當物理AI從理念變成現實，我們也不僅僅會迎來更聰明的汽車，還將處在一個更智慧的、被重新定義的物理AI世界。

人在其中又該或者又能扮演什么角色，更是一個值得討論的命題。