PONYWorld 2.0 核心升级 - 公司发布新一代物理AI世界模型PONYWorld 2.0 其核心升级在于模型能力边界的重构 而非单点性能提升[1] - 系统首次具备“自我诊断+定向进化”的闭环能力 使AI从被动优化对象转向主动驱动研发流程的主体[1] - 该能力重构主要体现在决策理解层、数据生产层和训练优化层三个层面[1][2] 决策理解层能力 - 引入与车端模型联动的Intention（意图）语义层 对每一次驾驶行为进行结构化解析[1] - 实现决策结果的自动回溯与归因 系统不仅能复盘“发生了什么” 更能判断“问题出在哪里”[1] - 诊断结果可直接映射至后续训练流程[1] 数据生产层能力 - 基于自我诊断结果 系统可自动识别模型精度不足的具体场景[1] - 系统能生成具有明确目标的定向数据采集任务[1] - 数据获取从“广撒网”转向“问题驱动” 显著提升数据利用效率[1] 训练优化层能力 - 系统能围绕车端模型的薄弱环节 在世界模型中自动构建针对性训练场景[2] - 从源头减少冗余样本的存储与计算开销[2] - 使每一轮训练更具“有效性” 而非单纯规模扩张[2] 应用与影响 - PONYWorld 2.0已在小马智行的L4级自动驾驶车队及研发体系中落地应用[2] - 通过持续提升系统在安全性、舒适性与通行效率等关键指标上的表现 加速技术成熟度向规模化运营能力的转化[2] - 为Robotaxi商业化提供更具确定性的支撑[2]