杰西卡 发自 凹非寺
量子位 | 公众号 QbitAI
物理 AI 领域正面临新的瓶颈。
过去一年，VLA、世界模型、基座模型及数据闭环等概念成为智驾与具身智能行业的焦点。随着 AI 公司加速将模型部署至真实世界，不同技术路线最终指向同一核心命题：AI 如何从现实获取数据、理解环境、转化为行动，并基于反馈持续进化。
随着技术路线逐渐收敛，真正的行业瓶颈开始显现。
物理 AI 路线图收敛，暴露「断裂层」
智能驾驶的研究对象历经三次演变：早期的高度模块化系统（感知、预测、规划控制独立）；端到端模型盛行后，减少人工规则，直接由传感器输入生成控制信号；直至当前物理 AI 热潮推动研究进一步深入。
目前，行业技术路线已收敛为“两条明线加一条暗线”：
明线一：VLA（视觉—语言—动作）。将视觉信息、语义理解与行动生成整合至同一模型，实现“看到即行动”。理想、小鹏等企业主要押注此路线。
明线二：世界模型。核心在于学习环境随时间与动作的演化规律，应用于场景生成、闭环仿真及模型评测，为行动模型提供训练验证环境。华为 WEWA、蔚来 NWM 是该路线代表。
暗线：物理 AI 基座。通过大规模物理世界数据预训练，掌握世界运行规律，再经少样本学习适配多任务。这并非与前两者并列，而是共同奔赴的方向。
尽管技术组件日益完善，但各环节间仍存在三层关键“断裂”：
第一层断裂：模型与数据之间
数据规模扩大不等于自动获得世界理解。模型需从数据中学习时空关系与行为规律，并根据能力缺口反向指导数据的收集与生成。数据与模型间必须建立持续的反馈闭环。
第二层断裂：视觉与行动之间
理解场景不代表能形成稳定行动。从识别行人到执行减速、变道等连续动作，涉及实时算力、策略训练及闭环验证。VLA 虽承担连接任务，但仍需多重支撑才能跨越认知到行动的鸿沟。
第三层断裂：模拟与真实之间
仿真系统虽能低成本生成海量场景，但难以完全建模真实世界的长尾事件与不确定性。虚拟环境的提升未必能等比例转化至现实。必须建立“真实问题进入仿真，仿真能力回归真实”的双向链路。
这些断裂层横跨数据、算法、工程等多个维度，指向同一个结论：物理 AI 需要一套能够持续学习和进化的系统，单靠独立模型已无法解决。
弥合断裂层，消除接缝构建闭环
当前首要任务是弥合断裂，构建完整的研究闭环。在此之前，需解决研发体系中的两层“摩擦”。
技术摩擦与组织摩擦
技术层面，模型、数据、仿真等环节若连接不畅，单纯增加投入仅能带来局部优化。组织层面，基础模型、数据、仿真等通常由不同团队负责，目标与节奏难以天然对齐。因此，技术闭环的本质是组织闭环。
在此背景下，国内首个面向物理世界基础能力研究的 AI Lab——Superfluid Lab应运而生。该实验室隶属于智驾头部企业元戎启行，由前 DeepSeek 核心成员、元戎启行首席科学家阮翀带队。
"Superfluid"意为超流体，象征无视摩擦力。其命名蕴含两层深意：一是信息零阻力流动与协作零内耗；二是构建进入物理世界所需的零摩擦底层架构。
据悉，Superfluid Lab 于今年 5 月成立，以基座模型为核心，重点探索VLA 模型，同步推进世界模型与多模态理解。其招聘方向覆盖大模型算法、仿真算法及 AI Infra，旨在构建“基座认知-VLA 行动 - 世界模型推演-AI Infra 支撑 - 真实验证”的技术闭环。
元戎将研究重点概括为三组关系：模型与数据的流畅性、视觉与行动的衔接、模拟与真实的迁移。其中，基座模型被置于闭环中心，被视为一种持续挑战能力上限的“信仰”。
这标志着一种新的组织范式：不再围绕单一产品节点，而是围绕基础模型能力建立长期演进路线。研究人员打破固定边界，共同对最终模型能力负责。
物理 AI 竞争迈入新阶段
回顾行业发展，技术竞争已进入第三阶段：
- 第一阶段：产品竞争。比拼功能覆盖、用户体验与量产效率。
- 第二阶段：模型竞争。聚焦端到端、VLA 及世界模型，比拼数据规模、参数与迭代速度。
- 第三阶段：基础能力与组织竞争。核心是将人才、数据、算力、工程等要素组织成一套能长期进化的系统。
Superfluid Lab 是元戎提前布局第三阶段的尝试。元戎早在 2025 年便定位自身为“物理 AI"公司，依托智驾积累的真实数据与工程能力，向更广泛的物理世界通用基础能力延伸。
这一路径与十年前 OpenAI 的思路相似：在应用爆发前，先构建底层的通用智能体系。当时 OpenAI 探索数字世界智能底座，如今物理 AI 领域正在寻找面向物理世界的智能底座。
相较于短期可见的新模型或新纪录，第三阶段的周期更长，价值验证更难。但正如阮翀所言：“快的东西往往很快被替代，慢的东西一旦建成，会成为很多快的东西的底座。”真正的长期主义，始终是去做那些难而正确的事。