2026年，汽车产业的“热词”已从智能化转向一个更崭新的概念——物理AI。在最近举行的智能电动汽车发展高层论坛（2026）上，多位企业高管言必称物理AI。例如，卓驭科技首席执行官沈劭劼直言：“未来存活下来的智驾公司，都将转型为移动物理AI公司”。
在行动层面，近期，轻舟智航完成1亿美元D轮融资，明确将资金投向“世界模型+强化学习”的通用物理AI研发，加速从智驾方案商向物理AI技术服务商转型。更早之前，小鹏汽车董事长兼首席执行官何小鹏宣布，2026年公司将把物理AI相关研发投入提升至70亿元，以技术驱动走出不同于传统车企的盈利路径。
汽车产业链集体押注物理AI
据记者了解，物理AI包含两层核心内涵：一是让AI掌握重力、摩擦力、因果关系等物理世界基本常识；二是让AI具备基于这种常识，与真实世界安全、高效交互的行动能力。这意味着AI的“主航道”正从擅长处理符号、生成内容的虚拟智能，坚定地迈向理解物理规律、执行实体行动的行动智能。
驱动这场范式革命的，是产业端对机器行动能力的刚需，这也是技术端突破数据瓶颈、走向通用智能的必然选择。汽车作为最复杂的移动终端，成为物理AI落地的最佳载体，也将是这场产业变革的核心战场。
近一年来，汽车行业集体发布“物理AI宣言”，车企以及智驾、芯片等供应链企业纷纷升级战略、加码投入，从单纯比拼传感器数量、算力参数的硬件“军备竞赛”，转向构建物理世界理解能力的底层模型竞速。
在车企层面，除小鹏外，理想也同步发力，在英伟达GTC 2026发布MindVLA-o1模型，意在打通智能辅助驾驶与机器人的具身智能链路。吉利则发布WAM世界行为模型，集团副总裁、吉利汽车研究院院长李传海明确提出，物理AI是汽车智能化的终极方向，将与英伟达在物理AI、工业AI领域深度协同，打造全域AI 2.0体系。传统车企如比亚迪、长安也纷纷成立物理AI专项团队，将世界模型、端到端架构纳入下一代智驾规划。
供应链企业的转型也非常迫切。沈劭劼在前述论坛上系统阐释了移动物理AI 路径：以原生多模态基础模型为核心，实现乘用车、重卡、物流车等跨品类零样本的迁移。据他介绍，目前卓驭科技已量产50余款车型、定点超100款，年内将推送跨品类基础模型。
轻舟智航董事长兼首席执行官于骞认为，“世界模型+强化学习”是通向物理AI的必经之路。他表示，该公司D轮融资后将融合VLA与世界模型，打造统一端到端架构，覆盖智能辅助驾驶到L4级自动驾驶全场景。此外，Momenta、元戎启行等头部智驾企业也相继发布物理AI战略，放弃单一智驾场景深耕，转向通用移动智能体研发。
行业共识已日趋清晰：物理AI不是智驾的功能升级，而是汽车产业的底层重构。正如行业专家指出，过去汽车价值链以制造、硬件为核心，未来将以物理AI模型、数据、算法为核心，谁掌握物理世界的理解与行动能力，谁就掌握价值链主导权。这一转向也正在改变汽车行业的竞争逻辑——不再是堆配置，而是建底座；不再是做功能，而是造智能。
两大AI模型最后或走向融合
在2026英伟达GTC大会上，一场关于物理AI技术路线的公开论战，将行业深层分歧推向台前，也让融合趋势愈发清晰。这场论战的核心，是VLA（视觉-语言-动作模型）与世界模型两条路径之争。而最终，它们或将走向互补融合，成为物理AI落地的主流选择。
李传海发布WAM世界行为模型时，公开质疑VLA路线：VLA仅匹配标准答案、缺乏物理规律认知，依赖有限驾驶数据而非海量视频，难以真正建模物理世界。Momenta首席执行官曹旭东认为，VLA对智驾提升有限，“世界模型+强化学习”才能实现十倍至百倍性能跃升。华为车BU首席执行官靳玉志更直言VLA是“取巧”，并非自动驾驶正途。
另一边，理想汽车基座模型负责人詹锟强调，原生3D ViT编码器与预测式隐世界模型融合，可同时驱动车辆与机器人，指向具身智能新范式。小鹏推出第2代VLA，覆盖智能辅助驾驶、L4级自动驾驶及人形机器人。
双方的核心分歧在于：VLA走语义思考路径，用语言逻辑理解场景、做出决策；世界模型走物理推演路径，在云端构建高精度物理仿真，预测物体运动、规划安全轨迹。
其实，论战并未持续太久，行业很快形成共识：VLA与世界模型并非非此即彼，而是“底层基建+上层决策”的互补关系。世界模型承担物理世界建模、轨迹规划、底层数据训练的“基建”角色，依托激光雷达、高算力芯片，在云端完成复杂物理推演；VLA则主攻复杂道路社交、非标突发路况，做出贴合人类习惯的柔性决策。
例如，理想MindVLA-o1也嵌入预测式隐世界模型，将物理推演能力融入语义框架；小鹏第2代VLA在端到端架构中强化物理理解，实现“语义+物理”双驱动；轻舟智航直接提出“VLA+世界模型+强化学习”统一架构，兼顾泛化能力与物理精度。于骞总结说，单一技术无法解决物理AI的全部问题，融合才是量产落地的关键。
汽车价值链被物理AI“改命”了
物理AI为汽车行业打开万亿元级新空间，而且可能彻底重构汽车价值链，重塑市场格局与企业定位，但业内人士认为落地仍面临技术、成本、安全三重核心挑战。
第一，技术落地瓶颈。物理AI需要海量真实物理数据、高精度仿真环境、端云协同算力，当前模型泛化能力不足，极端场景仍易失效。沈劭劼表示：“移动物理AI需要零样本（Zero-shot）迁移能力，目前多数模型仍依赖场景定制，跨地域、跨车型适配成本很高。”
第二，成本居高不下。物理AI需要高算力芯片、多传感器融合、大模型训练与推理，单车硬件加软件成本远超传统智能辅助驾驶，下探至售价15万元以下主流车型仍有难度。
第三，安全与合规风险。物理AI具备自主决策能力，事故责任界定、数据安全、伦理规范尚未完善，L4级自动驾驶的法规与保险体系仍在探索。
传统汽车价值链遵循“微笑曲线”——研发、销售两端高利润，制造环节低利润。而物理AI时代，这一曲线或被彻底改写：物理AI模型、数据、算法成为价值链核心，制造退居基础环节。
首先，价值重心上移。过去，车企利润来自整车销售、零部件配套；未来，则将来自物理AI软件订阅、数据服务、跨场景AI授权。例如，小鹏已规划智驾软件海外独立收费，卓驭科技、轻舟智航等供应商则从卖方案转向“卖模型+数据服务”，形成持续营收。
其次，产业链分工重塑。传统一级零部件供应商主导的链式结构将被打破，物理AI模型商、数据服务商、算力提供商有望成为新核心供应商；车企要么自研物理AI底座，要么与头部模型商深度绑定，传统零部件企业被迫转型。
再次，企业定位质变。车企不再单纯是汽车制造商，而是物理AI科技公司。根据沈劭劼的判断，未来，汽车只是物理AI的第一载体，机器人、飞行汽车、智能物流设备将成为新增长点。
最后，市场格局洗牌。具备物理AI全栈自研能力的车企将占据主导；缺乏底层模型能力的传统车企，要么被整合，要么沦为硬件代工商；智驾供应商中，仅能提供单一方案的企业将被淘汰，具备跨垂类、跨场景物理AI能力的企业将成为生态核心。
从汽车制造到物理AI，汽车行业的变革正在演进。物理AI让汽车从机械产品进化为具身智能体，让价值链从硬件制造转向AI能力，让市场竞争从产品比拼转向技术底座的较量。而这场从制造到智能的重构，才刚刚开始。