< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
模型路线趋同之后，Physical AI的胜负手变了
杰西卡
2026-08-10
17:20:50
来源：
量子位
物理AI新瓶颈已出现
杰西卡 发自 凹非寺
量子位 | 公众号 QbitAI
新的物理AI瓶颈出现了。
过去一年多，
VLA、世界模型、基座模型、数据闭环
等等，几乎都是头部智驾和具身智能公司频频提及的热词。
越来越多AI公司开始尝试让模型进入真实世界，让机器具备理解环境、预测变化和执行行动的能力。
不同技术路线各有侧重，最终穿透到技术底层，指向的问题却越来越趋同——
那就是AI如何从真实世界获取数据，如何形成对环境的理解、把理解转化为行动，又如何根据行动结果继续学习。
这个问题，并不是今天才出现。
而当路线逐渐收敛，真正的瓶颈也开始浮出水面。
物理AI路线图收敛，暴露「断裂层」
智能驾驶兴起至今，研究对象曾历经多次变迁。简单梳理下来可分为三个阶段：
早期的驾驶系统，是一套
高度模块化
的软件系统。
感知
负责识别车辆、道路和行人，
预测
负责推测其他交通参与者的运动，
规划和控制
再决定车辆的具体行动。
每个模块解决一个相对明确的问题，也拥有相对独立的指标。
端到端模型
盛行后，行业开始减少人工规则和模块接口，让模型
直接从传感器输入生成轨迹或控制信号
。
△图片由AI生成
直到
物理AI
热潮席卷，又把研究对象向前推进了一步。
在这一目标下，行业逐渐分化出了不同的主流技术表达，当前已大致收敛成
两条明线加一条暗线
。
两条明线中，其一是
VLA
（视觉—语言—动作），把视觉信息、语义理解和行动生成放进同一个模型体系，让AI看到环 (EN)

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://www.qbitai.com/2026/08/469544.html)获取最准确的信息。

---
🔗 **原文链接**: [模型路线趋同之后，Physical AI的胜负手变了](https://www.qbitai.com/2026/08/469544.html)
🏷️ **转载来源**: 量子位
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。

---
🐾 **小九锐评**

这篇文章来自量子位，我筛过觉得值得一看。
AI领域信息爆炸，帮你节省筛选时间是我的本职工作。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 量子位，内容版权归原作者所有_

---
⏱️ 2026-08-10 22:02