黄仁勋预言落地，物理AI开年第一枪竟是中国公司打响

贾浩楠 发自 副驾寺

智能车参考 | 公众号 AI4Auto

2026自动驾驶最热黑科技——世界模型，开年第一个进展，来自中国明星企业文远知行。

当自动驾驶圈关于世界模型该放在车端还是云端争论不休时，文远知行给出了一个大胆的答案——为什么不直接做“上帝”呢？

这正呼应了黄仁勋此前预言的物理AI“ChatGPT 时刻”已至——通过仿真构建可学习、可交互的虚拟世界，正成为自动驾驶进化的关键路径。从特斯拉的世界模型到英伟达借高精仿真打造的虚拟试验场Cosmos，行业已清晰指向：谁能构建并掌控高度拟真的数字世界，谁就能加速驶向泛化与落地。

文远知行发布的WeRide GENESIS是一个“通用仿真模型” ，它构建起物理AI（Physical AI）与生成AI（Generative AI）之间的融合桥梁：

可以无限生成、回放和变化“长尾场景”的虚拟世界系统，可以在任何时间、任何地点、任何天气，准确还原物理世界的法则、因果——如同黑客帝国中的Matrix世界。

但WeRide GENESIS又超越行业常见的“自动驾驶版Sora”内涵，在构建世界之外，还给这个世界配齐了一整套自动化的反馈、调参、部署、验证工具。

简单地说，“上帝”创造、修改虚拟世界的方式，也AI起来了。

WeRide GENESIS，是什么？

文远知行刚刚公布的WeRide GENESIS，是一个自动驾驶仿真平台，但更加强调通用。

这意味着和以前常见的自动驾驶卡车、Robotaxi、物流小车等专用仿真环境不同，WeRide GENESIS可以支撑各种自动驾驶产品研发。

这本身就与文远知行“搏二兔”——既有量产L2+，又有无人化L4——的战略契合。对应不同产品，WeRide GENESIS既可以模拟量产一段式端到端的L2+车辆，也能模拟Robotaxi，当然还有各种无人小巴、清扫车等等。

通用的另一个含义，是WeRide GENESIS本身对于环境的精准构建，几乎能“一句话”无限生成、回放和变化“长尾场景”：

△ WeRide GENESIS可模拟任意空间内的位移，自动生成新视角仿真，指数级扩大仿真世界范围

你可能会联想到3D游戏开发引擎，实现各种以假乱真的视觉效果：

从“渲染场景”这个角度，它的确和游戏引擎有相似之处，但除基本场景外，其他完全不同：WeRide GENESIS不关心材质、纹理细节，也不需要“光追”级别的计算资源，更加关心的首先是场景环境的物理法则：

包括光照、重力、雨雾、碰撞力学等等。

第二点，则是事物、事件之间的因果关系，生成的环境场景连续、低时延、可解释，仿真测试中的任何bad case或good case，都能反映真实情况，而且能够根据WeRide GENESIS的反馈数据迅速归因。

一句话概括：无限生成、回放和变化“长尾场景”，系统性地验证算法能力。

WeRide GENESIS的核心包括四大AI模块，首先是AI场景，负责构建各类关键情境，模拟自动驾驶车辆可能遇到的多种场景，包括临车侵入、无保护左转、紧急避险、行人骑手闯入、火灾地震、道路受阻、极端天气以及其他稀有事件，全面覆盖了数十亿公里的自然驾驶数据。

更重要的是，文远知行超八年来从公开道路上采集的海量长尾和极端案例，也都成为WeRide GENESIS的“创作素材”。

第二个模块是AI主体，针对驾驶员、行人、骑手等不同交通参与者构建了智能行为模型，能够模拟从日常驾驶到高风险行为的全谱系反应，也就是让模拟环境中发生的事永远在真实范围内，避免产生离谱的数据影响模型行为。

如对比视频所示，在左侧“原始算法+无AI主体”的组合下，自车表现犹豫，直至对向车辆完全通过后才开始通行，无法满足效率要求；在中间“新算法+无AI主体”的模拟中，自车仅按预设轨迹行驶，缺乏对周边车辆行为的预测，最后发生碰撞，无法满足安全要求；在最右侧“新算法+AI主体”的加持下，自车能够实时判断周边车辆的行驶意图，在确保安全的前提下流畅通过，实现了效率和安全双重保障。

高精度的智能实体建模其实是行业公认的技术难题，核心在于超越“平均化”的交通参与者行为模型，真实反映客观世界中复杂且难以预测的交互行为，例如人类驾驶员突然鲁莽加塞到自动驾驶车辆行驶的车道等场景：

这两个模块配合，可复刻任意路况、可编写任意场景、可合成任意不同传感器位置视角、可适配任意传感器套件、可模拟任意大范围街区……

另外两个模块分别是AI指标和AI诊断，前者建立了一套覆盖安全、合规、舒适、效率等维度的量化评估体系，能够将驾驶行为转化为可对比、可分析的数据表现，从而自动判定算法迭代的实际效果。

后者则能够自动捕捉不理想的驾驶行为、分析其根本原因，并提供可执行的改进方案。

四大模块协同，WeRide GENESIS构建了完整的闭环迭代体系：

自动生成高价值场景、自动量化性能瓶颈、自动定位弱点环节、自动给出优化方向。

以经典科幻IP打个比方，文远知行扮演了《黑客帝国》中“建筑师”的角色，创造了一个供AI司机训练、实战的无限武器库、训练道场：

AI司机在其中的体验、经验，和在现实世界没有任何不同，一颗“蓝药丸”就能快速部署到实际任务中：

不过，从基本能力来看，WeRide GENESIS算得上是热门前沿的世界模型吗？

实际上，自动驾驶、智能汽车领域关于世界模型一直有争论：有玩家认为世界模型就是单纯后端的模拟器，用于数据生成仿真训练。

尤其是端到端、数据驱动成为共识后，训练数据的分布、质量直接影响模型能力，但关键少数的困难场景数据又很难在道路实测中碰到，所以世界模型的生成能力，被认为是解决corner case，降低接管率最重要的手段。

但是，也有另一派玩家把车端的系统直接叫世界模型，任务是进行实时环境认知与决策，强调的车端“平行世界推演”能力，相当于“脑内小剧场”。

其实，两派并没有根本矛盾，属于工程落地与宣传上侧重点不同，因为AI行业对于世界模型是有阶段性共识的：

从海量数据中自主提炼物理与社会规律，形成对世界运作方式的抽象理解。

从这个定义出发，WeRide GENESIS当然是世界模型。

只不过文远知行的WeRide GENESIS，意义又超越常见的“自动驾驶版Sora”。

WeRide GENESIS给“Robotaxi第一股”上分

家家都说世界模型，但大部分玩家都把重点放在“生成”能力，比如XX秒连续视频、XX种目标模拟等等，不自觉对齐OpenAI宣传Sora的套路。

但对于自动驾驶而言，容易被忽略的重点其实是WeRide GENESIS后两个模块——AI指标、AI诊断。

因为这是“真·数据驱动”的最直接证据。

也不瞒各位，自动驾驶圈很多数据闭环，其实是“伪闭环”。

一种稍微好点的，是各个算法团队内部的“小闭环”，代表这支团队完成了“模型化”，但还没有构建起统一基座模型能力。

这种模式最可能出现的场景是：用户吐槽+工作群截图，引发老板的不满……接到投诉反馈的研发，连夜加trigger试图把bad case捞上来。

这是问题驱动数据，而不是数据自动发现问题。

真正的数据闭环应该是这样的：首先系统能从海量运行的数据里自动发现异常行为，然后将问题自动归类、建成数据集，再针对性自动进行训练/仿真，出了解决方案后，系统还能自动评估效果。

数据能不能回来不是关键，而是bug、问题能自动走完从“被发现”到“被解决并被验证”的路径。

比如现实中因急刹车引起的乘客不适，这一行为可在WeRide GENESIS仿真中被AI指标模块，量化为具体的舒适度评分，并实时反馈给算法团队，推动针对性优化与快速复验。

再比如，当自动驾驶车辆遇到复杂交互场景中识别感知延迟或预测偏差问题，WeRide GENESIS可通过“AI诊断”功能快速修复问题，并重新进行场景验证，确保车辆行为始终符合预期标准。

△AI诊断模块的工作流程遵循了功能路测→问题检测→问题归类→根因分析→算法改进→再测试与再验证的闭环逻辑

数据闭环的真正含义，应该是安全/体验/效率等指标被持续量化、某项指标异常偏离后，系统自动报警，以及自动聚类对应数据包，把相似问题聚成“问题簇”。

研发中“人”的作用，是定义和监管、决策，而不是自己徒手标注、调参、评估、部署……

“数据直接解决问题”，尤其是广义端到端技术范式普及后，自动的数据处理、反馈能力成为持续迭代最关键的核心能力。

这看似简单，实际是自动驾驶行业最稀缺的能力，会直接影响泛化性、效率、成本。

比如GENESIS实现的“生成场景-量化评估-诊断优化”完整闭环，可自动生成高价值场景、定位算法弱点、提供优化方向，将数百万公里测试压缩至数天的虚拟仿真中。

有“磨刀不误砍柴工”的意思，高效数据闭环，直接影响的是自动驾驶玩家的产品泛化性、研发效率，以及整体运营成本。

文远知行能成功融合特斯拉路线和Waymo路线，成为全球唯一实现L4级无人驾驶和L2+级辅助驾驶规模商业应用——创始人、CEO韩旭所说的“搏二兔”——除了算法能力之外，“数据闭环能力”也是关键因素。

所以，综合四个模块来看，WeRide GENESIS既是评价文远知行研发能力现状最好的指标，也是理解“Robotaxi第一股”的一个最直接切入点。

文远知行从容“搏二兔”

眼下，文远知行已经在全球10余座城市部署了超过1000辆Robotaxi，其中，北京、广州、阿布扎比已实现纯无人商业运营。

放眼整个L4赛道，萝卜快跑2025年11月公布的所有Robotaxi的最新周订单数是25万单；小马智行Q3财报显示，其Robotaxi车队数为961台，广州单台车日均订单量达到23单。

北美“一哥”Waymo，“被”披露的数据是车队2500辆、每分钟就能完成45单。

至于落地广度，文远知行则是整个L4赛道最早敏锐意识到海外需求和机遇的玩家，并且迅速付诸行动，率先在11个国家、40多座城市开展自动驾驶研发、测试及运营，也是行业唯一拿下8个不同国家自动驾驶牌照的科技企业。

截至目前，文远知行既是中国Robotaxi出海No.1，同时还是整个自动驾驶行业落地Robotaxi场景最丰富的玩家。

另一边，2023年文远知行首次合作博世，帮助这家百年Tier 1追赶高阶智能辅助驾驶方案：

落地量产奇瑞旗下的星途星纪元车型。

△奇瑞星途星纪元ES

2025年年末，文远知行又发布了量产一段式端到端方案，同样是帮助博世一夜间追赶上L2+最先进技术范式。

从这个层面看，文远知行首先是整个L4赛道唯一有稳定量产智能辅助驾驶项目的玩家；另一个角度，文远知行也是整个自动驾驶行业内，唯一一家L4、L2技术栈覆盖，且都有成熟落地案例的公司。

从一段式量产节奏来看，文远知行现在同样也处于行业内的T0梯队。

也就是说，文远知行现在明明白白在“搏二兔”，而且搏成了行业领先。

L2+、L4落地场景、技术要求各不相同，海外迅速落地数十城，环境、路况、交通规则、基础设施标准也各不相同。

这样的泛化性，除了算法本身，背后离不开WeRide GENESIS构建的仿真测试、数据闭环体系——文远知行“来时路”的一部分，现在终于清楚了。

更进一步，WeRide GENESIS也可以解释文远知行为何能“搏二兔”，在量产智能辅助驾驶和Robotaxi这两个看似尖锐对立的阵营游刃有余。

L2阵营紧跟的端到端，本质不是一段式、两段式、VLA，甚至不是绝对的模型化，而是数据驱动，是一种底层方法论。

数据驱动下，可以纯视觉，可以融合感知，可以一段式，可以多段式，可以世界模型，也可以VLA，甚至也可以有规则存在。

所以对于L4阵营来说，探索世界模型根本谈不上“转轨”，甚至Waymo早就在做。

文远知行无意参与行业争论口水仗，只是默默开启探索规则+模型多元技术体系，自证自动驾驶L4的安全性、L2的泛化性可以共存，符合一贯的“行胜于言”。

最后，从WeRide GENESIS，又能看出文远知行未来的可能性。

数据闭环能力之外，再次回到“生成”：WeRide GENESIS本身是物理AI（Physical AI）与生成AI（Generative AI）之间的融合桥梁，真正打通“现实物理世界”与“虚拟仿真世界”之间的能力通道。

让AI从海量数据中自主提炼物理与社会规律，形成对世界运作方式的抽象理解——而这是实现通用人工智能（AGI）的关键路径之一。

黄仁勋预言物理AI的“ChatGPT 时刻”已至，从文远知行的实践来看，这个时刻很有可能最先出现在跑通通用自动驾驶的玩家身上。