北京车展上看到轻舟智航的新东西，说是“自动驾驶赛道的DeepSeek”。他们搞了个叫“轻舟乘风MAX”的方案，把“世界模型”塞进了量产车，算力只要500多TOPS。
演示视频看着挺秀：车子能预判“鬼探头”，丝滑避开违停车的开门杀，甚至能看懂交警不太标准的手势。这些都不是在实验室跑的，是在车载大脑里实时算的。
别的厂还在卷千TOPS算力能不能跑满，他们好像换了个思路：怎么让AI不光模仿人类，而是真正理解物理世界的规律。CEO于骞说他们提出了个“物理AI第一性原理”——所有跟物理世界深度交互、处理复杂多任务的AI，都算物理AI。这跟大语言模型不是一回事，语言模型知道“杯子会碎”，但物理AI得理解重力、硬度、动量这些玩意儿在时空里是怎么相互作用的。
他们的世界模型分云端和车端。云端相当于超级教练，用“世界仿真引擎”和“安全强化学习模块”生成各种极端场景让AI练，甚至能用自然语言指令生成训练场景，比如“傍晚、小雨、一辆外卖电动车从公交站后面窜出来”。车端则用一个小而美的“在线世界模型”实时理解环境变化，做出决策。
还提到个VLA（视觉-语言-动作）模型，不是换赛道，而是用来处理需要推理的场景，比如不标准的交警手势或者施工牌上的文字。世界模型管常规操作，VLA管常识对齐。
据说AEB的误触发率能做到50万公里小于1次，行业平均水平大概是10-15万公里可能会误触发一次。他们强调不是追求覆盖90%场景，而是要做到99%以上场景都能顺利用，减少用户需要莫名接管的情况。
感觉他们想说的核心是：只做L2辅助驾驶、只按主机厂需求清单来，技术体系就比较初级，依赖路测调参，迭代慢，长尾场景永远覆盖不完。真想不躺平，就得投入世界模型和强化学习，而一旦这么干了，本质上就是在做物理AI了。
