自从年初黄仁勋点明物理 AI 趋势后，几乎所有的智驾企业都在拥抱这套叙事。

Momenta 更是吃到了物理 AI 的第一个果实。凭借「物理 AI 第一股」上市敲钟，市值一度突破 700 亿港元，刷新智驾企业市值记录。

物理 AI 能够打开自动驾驶的估值空间，不难理解。

城市 NOA 功能已经下放到 10 万级，当用户对于「车可以自动转动方向盘」见怪不怪时，资本更不会为「一辆车能自动从 A 到 B」这种老剧本感到亢奋。

资本偏爱「边界模糊」的性感生意，就像具身智能之所以火爆，是因为机器人既能进厨房煮饭，也能下工厂「搬砖」，还能去医院递器械，是一张永远猜不透的底牌。

而自动驾驶再折腾，充其量还是四个轮子的车。与机器人横跨多场景相比，自动驾驶的载体和应用边界相对明确，资本更容易测算收入上限。

今天智驾公司只讲自动驾驶，明显配不上这个时代的想象力了，它们瞄准了一个新抓手——物理 AI。

与自动驾驶强调的「车的智能化」不同，物理 AI 是一种升维叙事，强调「物理世界的通用操作系统」。

同一套模型，既能跑在乘用车和商用车之上，也能覆盖 Robotaxi、Robobus，甚至延伸至人形机器人这些移动智能终端。

这就使得智驾企业的定位，瞬间从车企的 Tier1，摇身变为物理世界的基础设施。

只不过，看似所有智驾玩家都在谈论物理 AI，但这场集体狂欢，并不会给行业带来普遍的机会红利。

叙事是一方面，落地又是一方面，资本不会为「未来可期」持续买单，他们只对报表数据的真金白银投票。

同时完成技术泛化、产品迁移和商业复制的玩家，才能真正吃到物理 AI 的红利。

1、物理 AI，资本市场的新叙事

智驾行业没有哪次技术叙事像物理 AI 一般，切换得如此迅速。

根源在于物理 AI 的叙事包容性，它强调模型理解、预测和生成物理世界规律的能力，自动驾驶属于第一站。

以至于，智驾企业谈论物理 AI，甚至不用追寻新的技术路线，过往的技术投入可以直接转化为能力积累。

比如，感知融合和纯视觉，可以被看作「对物理世界理解的不同实现方式」；VLA、一段式端到端亦或是世界模型，统一被归入「物理 AI 基座模型」范畴。

至于从 L4 下探到 L2，还是从 L2+渐进到 L4，亦或者两头并进，这些曾经一较高下的路线差异，站在新的框架里回头看，不过是同一个大方向上的不同探索路径。

可以说，多数智驾企业过去都在做同一件事，让 AI 理解物理世界并做出实时决策。这件事正好可以被包裹进物理 AI 的叙事容器里，是一个「万能接口」。

顺着这一接口，智驾企业的商业化想象空间，被彻底打开。

一是 L4 级商用车玩家，从卖「运力工具」，升级到卖「通用智能载体」。

过去几年，无人物流车、无人矿卡、无人重卡的故事主线高度一致：造一台 24 小时不眠不休的无人车，替代人类司机，降本增效。

尽管规模化稳步推进，但商业化天花板其实也清晰可见。一台无人车省掉一个快递员或司机的成本，整个行业的收入上限就锚定在「现有人力成本的总盘子」里。

这还是最理想的情况，车辆故障、老旧损耗这些「隐形成本」还没往里折算。

如果只停留在「运输」这一层，无人化的技术价值根本没法最大化。能力边界必须向外拓，叙事也必须跟着向上走。

比如新石器转化叙事后，无人车不再是一个简单的运输工具，而是成为一个独立完成「运输、装卸、搬运「全流程的智能体，借此强化服务价值，客单价和客户生命周期都迎来确定性增长。

类似的，希迪智驾 CEO 胡斯博算过一笔账：

自动驾驶只解决运输环节，但采矿作业中 60%-70% 的工作在生产环节，钻孔、爆破、挖掘、装载，这些才是真正的「硬骨头」。

因此，业务线上，除了过去的重载自动驾驶，希迪智驾还增加了重型装备具身智能、智能运载系统，以此将底层模型能力覆盖从地面到井下的全作业流程。

包括无人重卡企业 Deepway，也在通过物理 AI 重新定义「车」的本质，一台重卡不再是搭载辅助驾驶功能的运输工具，而是全球物流网络中的一个「智能关节」。

三个玩家，三种场景，但物理 AI 的叙事是统一的，都是将能力边界拓展到「全流程作业」，把估值逻辑升级为「重构产业」。

二是 L2 级智驾企业，从「项目承包商」进阶到「平台服务商」。

过去智驾企业的核心商业模式是「项目制」，为每个车企客户定制开发智驾方案，按项目收费。这种模式意味着收入跟着人头走，每做一个项目就要投入一批工程师，边际成本高、可复制性差。

物理 AI 叙事转向后，商业模式明显拓宽。

一方面，从「一锤子开发」走向「持续性收租」。软件授权许可费用在营收中的占比开始飙升，Momenta 就是典型注脚，许可服务收入占总营收的比重，从 2023 年的 3.1% 一跃蹿升至 2025 年的 40.1%，相当于进入「按每辆搭载其方案的车销量收授权费」的规模化收租模式。

另一方面，从「乘用车一亩三分地」走向「全场景通吃」。

卓驭已经靠一套智能底座，支撑起乘用车、重卡、物流、Robotaxi、具身智能等多个赛道；

轻舟智航同样从乘用车、Robobus 市场延展，布局起无人物流、具身智能、Robotaxi 领域。

这些玩家都在强调一个基座模型吃透多场景的可行性，比如在攻克 L2+长尾难题后，做无人物流是一种降维打击。

这两条曲线拧在一起，物理 AI 的商业模式就变得非常高级了。

左手是软件授权带来的持续性现金流，右手是场景泛化带来的指数级市场空间，智能驾驶企业跳出单一汽车场景，直面整个物理世界。

但你会发现，能把物理 AI 的叙事逻辑和商业闭环同时讲清楚的，终究只有头部玩家。

毕竟，叙事可以复用，但商业化不能。转型不是换一套 PPT 就能完成的事，卖设备转卖服务、项目制变平台制，背后拼的还是模型泛化的真实厚度、工程落地的交付能力，以及客户的信任投票。

看似赛道变了，实则规则没变，甚至更加严苛。

2、资本不听说了什么，只看做对了什么

拉出近一年智驾行业的投融资态势，能直观感到一个显著变化：资本的审慎程度正空前提升。

与火热的具身智能赛道相比，智驾领域几乎不再有新锐「独角兽」冒头，密集的多轮投资潮也明显减少。

无论是 L2+乘用车还是 L4 商用车业务，热钱只会流向那些已经被市场验证过的老面孔。

即便物理 AI 的叙事再热闹，资本的嗅觉已先于技术概念本身，发生了偏移。

第一点，不再唯技术领先论，而是看商业闭环的兑现能力。

技术领先虽然还是必要条件，但不再是资本定价的充分条件，关键在于技术优势能否转化为量产收入。

过去估值看的是算法指标，如接管率、MPI 等，现在资本看的是财务模型的自洽性。

例如无人矿卡领域，易控智驾的轻资产收入占比已过半，其策略并非兜售整车或高单价解决方案，而是以「运力服务」模式切入，将重资产投入转移给矿方或租赁方，自身专注调度系统与运营效率。

Robotaxi 赛道，小马智行和文远知行作为同日敲钟的「双子星」，在商业模式上稳步推进。

• 前者通过深耕一线城市打磨单车经济模型（UE），率先在广州、深圳实现 Robotaxi 单车运营盈利转正，证明了 L4 级自动驾驶在严苛成本控制下具备自我造血的商业可行性。
• 后者通过成本优化与全球化布局双线验证，成为全球首家在海外取得市级纯无人商业牌照并运营的企业，验证了其商业模式在跨地域、低成本下的可复制性。

可见，单纯技术领先不足以支撑估值，关键是能否找到优质客户持续为其买单。

第二点，数据资产的含金量上升，资本更看重数据闭环的可持续性。

物理 AI 的数据资产不是一个静态的「数据池」，而是一个动态的数据价值链。

一方面，垂类场景必须建立起真实的数据壁垒。比如 Deepway，每卖出一台重卡，就是一个数据采集终端。

截至 2026 年 4 月，DeepWay 累计交付新能源重卡 13707 台，到了 6 月份，车辆整体运营里程已突破 8 亿公里。

数据不可替代性强，重载卡车的制动距离、能耗管理、疲劳驾驶替代，这些都归属于真实运营场景。

而干线快递的数据、港口集疏运的数据、园区短途的数据，彼此之间既有差异又有协同，共同构成一个完整的重卡物流数据生态。

另一方面，通用场景借助生成式 AI 突破场景边界。

文远知行是当下「物理 AI」叙事最积极的布道者之一。

2026 年 7 月，它正式发布了自研物理 AI 认知基础大模型 WITT，首次提出「最小物理事实单元」概念，将连续变化的真实场景拆解为可被识别和验证的事实单元。

从「数据周转率」来看，WITT 带来的效率提升是惊人的。

据文远知行披露，WITT 单卡单日可处理 1 万分钟车辆运行视频，数据处理效率最高提升 200 倍，在自动驾驶场景中的平均事实错误率仅为通用大模型的三分之一。

目前，文远知行已同步布局 Robotaxi、Robobus、无人清扫车、无人物流车等多个场景，并在 L2+乘用车市场持续发力，市场表现强劲，搭载博世与文远知行联合研发方案的奇瑞星途车型，在第一电动网主办的中国智驾大赛中拿下六连冠。

所以，资本不听说了什么，只看做对了什么。

就像地平线创始人余凯曾认为，VLA、世界模型、端到端，很多时候是商业包装大于技术实质。

上牌桌的玩家，技术路线没有本质区别。真正的魔鬼藏在无数个细节里。

而细节这东西无法掩饰，它来自数据闭环的积累、模型能力的迭代、工程验证的死磕，是一点点攒出来的真功夫。

物理 AI 时代，概念本身不值钱，把概念跑成可衡量、可复制的成果，才最值钱。

3、物理 AI，抬高下半场入局门槛

物理 AI 并不是人人都能借的东风，它没有给行业创造普遍机会，反倒抬高了入局门槛。

上一轮 AI 的叙事是「智驾平权」，大模型把能力边界推开，谁先接入谁占先机。

但物理 AI 的逻辑正好反过来，它考验的不是谁先喊出概念，而是谁先跑通数据闭环、积累足够多的真实场景反馈、完成工程验证等。

除了老生常谈的大算力、高质量数据门槛，另一个新维度是：人才。

人才可以从两方面评估。

一是流失严重。

过去一年，智驾人才向具身智能赛道，尤其是人形机器人产业的流动从未停止。

据不完全统计，近两年国内智驾领域已有近 40 位核心高管及技术骨干跨界进入具身智能领域，从蔚小理新势力，到地平线系，几乎都成了这场迁徙的「黄埔军校」。

驱动力很简单：具身智能太热了。

2026 年 1 至 4 月，具身智能招聘指数飙升至 579，较去年同期的 36 暴增 15 倍；

岗位平均月薪从 5.8 万涨到 6.1 万以上，据媒体报道，人形机器人公司开出的薪资涨幅远超智驾领域 20-30% 的常规水平。

智驾精英们流向更热的赛道、更高的薪资。某种意义上，这也倒逼智驾企业必须转型，守住市场的前提是守住人才。

二是招揽精英。

过去，智驾行业的人才标准泾渭分明：要么是精通算法的 AI 天才，要么是深谙汽车工程的行业老兵。

然而，当行业竞争从解决 95% 的常规场景，迈向攻克 99.999% 的极端长尾问题时，能力的质变不再依赖于单点算法的优化，而是依托于底层大模型的持续迭代与训练。

这一转变，正在重塑行业的人才版图。

一个值得关注的趋势是，AI 大模型领域的顶尖人才开始反向涌入智驾企业。他们带来的不只有前沿的模型架构，更是从「语言世界」迈向「物理世界」的底层方法论。

典型案例是元戎启行，这家公司不仅全面转向大模型技术路线，更成功引入了前 DeepSeek 多模态技术核心研究员阮翀出任首席科学家。

由此，人才流动成了智驾行业格局固化的催化剂。

头部玩家吸收了来自 AI 大模型领域的新鲜血液，用「基座模型+物理数据」的新范式武装自己；

而非头部玩家不仅失去了原有的智驾核心骨干，还面临新的人才无法补位的困境，竞争力愈加弱化。

更何况，物理 AI 也在吸引大厂的兴趣。英伟达进一步布局智驾算法，字节跳动的 Seed 团队也被曝正探索自动驾驶领域。

无论是人才门槛抬升，还是巨头的入场，都在印证一个残酷现实。

过去不在第一梯队的玩家，翻盘的概率正趋近于零；而身处第一梯队的选手，则必须全方位进化，一刻不能松懈。

在此背景下，融资与上市成了最紧迫的生存命题。

无论是 L2+阵营的元戎启行、轻舟智航、卓驭，还是 L4 赛道的代表性企业新石器、踏歌智行，均已启动 IPO 进程。

一位长期跟踪智能汽车产业的投资人士判断，自动驾驶行业的竞争内核已从「技术路线之争」切换为「资本效率之争」，谁能率先登陆公开市场，获得更充裕的研发弹药和更高的估值锚点，谁就更有机会在下一轮淘汰赛中占据先机。

毕竟，物理 AI 的估值红利不会永远敞开。

值得一提的是，内部经营压力、外部市场挤压、IPO 窗口期倒计时，共同汇聚在一起时，很难不联想到「智驾终局论」。

而这一观点的发起者，Momenta 创始人曹旭东近期每次回应，都没有改变答案：最终整个行业只会剩下 2-3 家企业。

物理 AI 大门虽然敞开，但留给落后玩家们的时间，已经不多了。