行业趋势共识 - AI发展正从虚拟世界转向物理世界，物理AI成为科技巨头必争的新战场[2][3] - 行业领袖如英伟达黄仁勋和阿里巴巴吴泳铭均认为AI正从生成式、代理式迈向物理AI时代，其核心是AI能直接从物理世界获取数据并自主学习迭代[4] 主要参与者与战略路径 - 特斯拉和小鹏等公司选择垂直整合模式，自研芯片、传感器、软件及整车制造以掌握核心命脉[5] - 特斯拉凭借全自研FSD芯片和视觉算法构建护城河，小鹏则通过自研图灵AI芯片、第二代VLA模型及云端算力集群，将能力复用于飞行汽车和机器人[5] - 英伟达、华为等公司扮演生态赋能者角色，英伟达依靠Blackwell GPU系列和Cosmos平台构建算力帝国，华为聚焦超节点互联以支撑大规模算力[5] - Waymo和百度Apollo等公司长期专注于攻克Robotaxi这一高阶完全无人驾驶场景，以证明物理AI的终极可能性[6] 小鹏公司的核心技术体系 - 小鹏第二代VLA模型实现从视觉信号到控制指令的端到端闭环，避免了传统模型需将画面转为语言描述的信息丢失环节，反应更快且能更直接学习物理规律[9] - 通过自研图灵AI芯片和软硬件优化，将车端算力推高至2250TOPS，远超行业水平，使搭载数十亿参数大模型成为可能，而其他车企通常只能运行千万级参数模型[10] - 云端由近3万张GPU卡组成的算力集群持续对模型进行训练和优化[10] 小鹏公司的多场景商业化落地 - 计划于2026年推出的Robotaxi为前装量产车，不依赖激光雷达和高精地图，凭借纯视觉和二代VLA能力实现不限区域运营，旨在解决成本高、范围小、体验差痛点[11] - 人形机器人IRON被赋予思考能力，目标是从实验室展示品转变为能从事商场导览、工厂巡检等工作的商业工具[13] - 飞行汽车领域，陆地航母已获得7000台订单并进入试产阶段，A868模型共同构成低空出行布局[15] - Robotaxi、智能汽车、人形机器人与飞行汽车四大场景构成物理AI能力逐级攀登、验证与复用的能力阶梯，其高环境复杂性和安全要求能迫使模型发展出更高稳健性[15] 行业核心挑战与竞争关键 - 物理AI面临两大核心挑战：获取高质量数据燃料和构建共赢产业生态[19] - 数据价值在于质量而非数量，关键在于捕获长尾和异常数据以持续反哺模型，因此多场景落地是获取独特数据矿场的战略[21] - 小鹏采取核心自控、生态开放策略，在芯片、模型、数据闭环等核心环节坚持自研，同时将Robotaxi能力以工具箱形式开放给高德等伙伴，并在机器人、芯片架构上寻求合作[21][22] - 竞争本质是让技术转化为普通人愿意购买且放心使用的产品，目前尚无企业完全攻克所有难关，行业正处于产品落地的深水区[22]