自動駕駛作為物理AI的起點，正在開始“二級跳”。

從CES到GTC，英偉達正以肉眼可見的速度持續(xù)加碼自動駕駛。在今年的GTC大會上，黃仁勛強調(diào)最多的一句話：“下一波人工智能的浪潮是物理AI。AI將理解物理世界的規(guī)律，而自動駕駛汽車，就是我們目前能看到的最龐大、最成熟的具身智能機器人。”

為此，英偉達不僅推出DRIVE AV全棧自動駕駛平臺，更一口氣拉上比亞迪、吉利、五十鈴、日產(chǎn)四大頭部車企，再加上Uber等出行巨頭，高調(diào)宣布要加速L4級自動駕駛規(guī)�；�落地。

2026年，可以視作自動駕駛的分水嶺之年，全球科技企業(yè)加緊了攻城掠地的步伐。Zoox在邁阿密和奧斯汀開啟自動駕駛出租車測試、Arm圍繞汽車與機器人重新梳理業(yè)務重心、小鵬成立Robotaxi業(yè)務部、蘑菇車聯(lián)自動駕駛公交巴士登陸新加坡、輕舟智航完成億元融資、文遠知行商業(yè)化全面提速……

隨著政策支持與技術成熟雙重共振，自動駕駛在公共交通、干線物流、末端配送等細分場景全面開花，誰能率先跑通商業(yè)化閉環(huán)、誰將重構未來出行生態(tài)，答案將在新一輪產(chǎn)業(yè)競速中揭曉。

從“一級跳”到“二級跳”

過去十多年，自動駕駛技術的發(fā)展經(jīng)歷了從規(guī)則驅(qū)動、數(shù)據(jù)驅(qū)動，再到學習驅(qū)動的階段性演進。在這一進程中，自動駕駛系統(tǒng)逐步提高了對環(huán)境的感知精度和路徑規(guī)劃能力，但其核心仍然側(cè)重于統(tǒng)計模式識別和數(shù)據(jù)擬合。

英偉達所定義的“物理AI”（Physical AI） 則提出了一種不同于傳統(tǒng)學習驅(qū)動架構的技術方向，其核心是理解現(xiàn)實世界中的因果關系與物理規(guī)律，通過‌仿真、合成數(shù)據(jù)生成和端到端模型‌來訓練AI在物理環(huán)境中的感知、推理與行動能力，‌在此基礎上實現(xiàn)與現(xiàn)實世界的交互。這一變化并非單點技術升級，而是面向真實世界應用的系統(tǒng)級重構，尤其體現(xiàn)在對極端和長尾場景的處理能力上。

映射到自動駕駛領域，這意味著系統(tǒng)不再僅根據(jù)感知結(jié)果或模型輸出直接生成控制指令，而是需要在復雜交通環(huán)境中識別潛在風險、評估多種可能情境，并推演下一步行為。當面對施工區(qū)域、非常規(guī)交通行為或未被充分覆蓋的場景時，系統(tǒng)需要以接近人類駕駛員的方式進行推理，而不是完全依賴大量特定場景的數(shù)據(jù)訓練。

基于這一思路，自動駕駛系統(tǒng)被AI重新改造成為一種“推理平臺”，其核心轉(zhuǎn)變在于從以“感知+大模型推演”為主的堆棧，向“理解+推理+決策”的架構遷移。

在推理型架構下，自動駕駛系統(tǒng)需要具備三項關鍵能力：

1）對物理環(huán)境中因果關系的理解能力；

2）在罕見和極端場景下保持決策魯棒性的能力；

3）對自身推理過程進行審計和解釋的能力。

這些能力在以數(shù)據(jù)擬合為主的傳統(tǒng)學習驅(qū)動架構中難以完全保障，尤其是在面對長尾事件時，系統(tǒng)表現(xiàn)往往受限于訓練數(shù)據(jù)的覆蓋范圍。

對此，“世界模型+強化學習”正在成為這一難題的核心路徑。傳統(tǒng)強化學習的核心瓶頸在于，智能體必須通過與真實環(huán)境的持續(xù)交互獲取數(shù)據(jù)，不僅試錯成本高昂，還面臨探索與利用的兩難抉擇——過度探索會浪費大量算力與時間，過度利用則難以適應環(huán)境變化，這在自動駕駛、機器人控制等高危場景中顯得尤為突出，甚至無法實現(xiàn)規(guī)�；瘧�用。

而世界模型的融入，恰好為這一困境提供了破局之道。它本質(zhì)上是為智能體構建一個內(nèi)部預測系統(tǒng)，能夠基于歷史狀態(tài)與動作輸入，精準預判環(huán)境的未來演化趨勢，將真實環(huán)境的復雜動態(tài)規(guī)律“濃縮”為可學習、可推演的虛擬模型，讓強化學習的訓練場景從真實世界遷移到虛擬模擬器中，智能體無需在真實環(huán)境中反復碰撞、試錯，只需在世界模型構建的虛擬場景中模擬不同動作的后果，就能快速探索最優(yōu)策略。

這樣的技術架構，讓自動駕駛系統(tǒng)從“被動記憶”轉(zhuǎn)向“主動思考”，真正具備了應對未知的能力。整個智駕行業(yè)幾乎都有類似的判斷，今年3月下旬推送的小鵬第二代VLA，便結(jié)合強化學習和世界模型；長期使用世界模型的蔚來，于今年初在世界模型2.0中引入強化學習；理想汽車推出下一代自動駕駛基礎模型MindVLA-o1，希望通過一個統(tǒng)一的模型架構，‌深度融合三維空間感知、多模態(tài)推理與行為生成能力‌，推動自動駕駛向具備主動思考與預測能力的智能體演進。

尋找下一座“隱藏金礦”

除了技術持續(xù)進化之外，商業(yè)化成為自動駕駛另一條主線。進入2026年，全球資本市場對自動駕駛產(chǎn)業(yè)的投資邏輯，正在經(jīng)歷一場從“愿景敘事”到“實效驗證”的轉(zhuǎn)向。相較于過去兩年對宏大未來的充分想象，當前市場更關注的是技術落地、商業(yè)閉環(huán)與財務回報的清晰路徑。

不同于此前從概念驗證到封閉場景試點的“一級跳”，這場“二級跳”以技術路線收斂、硬件成本驟降、政策瓶頸突破、商業(yè)化模式跑通為核心特征，從封閉或半封閉等單一場景切入，逐步向開放道路等復雜場景滲透，同時通過技術降本和模式創(chuàng)新來創(chuàng)造盈利空間，打破市場對自動駕駛商業(yè)化進程的質(zhì)疑。

在自動駕駛眾多賽道中，相比自動駕駛出租車（Robotaxi）、末端配送（Robovan）這類競爭已經(jīng)趨于白熱化的細分賽道，還有一些“隱藏金礦”尚未被充分挖掘，比如自動駕駛巴士（Robobus）、自動駕駛卡車（Robotruck）。

對于自動駕駛巴士，很多人對它的認知還停留在“景區(qū)觀光車”“園區(qū)接駁車”的淺層認知層面，認為它只是傳統(tǒng)巴士的智能化升級。但事實上，自動駕駛巴士早已突破單一接駁功能，成為貫穿多場景、實現(xiàn)多元化盈利的“黃金載體”，其商業(yè)價值遠超市場想象。

根據(jù)全球權威研究機構Fortune Business Insights測算，全球城市客車市場規(guī)模預計2032年將達4320億美元，僅智能化升級就將催生超千億美元市場，構成自動駕駛巴士“存量替代”的堅實地基。

自動駕駛巴士契合了城市交通“線網(wǎng)化”的運營特征，憑借公共交通屬性帶來的政策支持和社會價值，精準踩中了城市微循環(huán)、公交接駁、園區(qū)景區(qū)通勤等高頻剛需場景，成為自動駕駛最具確定性的賽道之一。

自動駕駛巴士覆蓋的場景多為公共出行剛需場景，需求穩(wěn)定性強。在城市微循環(huán)交通中，傳統(tǒng)公交存在“運力不均、覆蓋不足”的問題；在園區(qū)、景區(qū)等封閉區(qū)域，短途接駁需求旺盛但人工成本居高不下，自動駕駛巴士的出現(xiàn)恰好彌補了這些需求缺口。這種剛需屬性，確保了自動駕駛巴士的市場需求穩(wěn)定，為商業(yè)化落地提供了基礎。

從落地場景來看，自動駕駛巴士已形成“文旅景區(qū)先行、城市公交跟進、多場景全面滲透”的梯次布局，每個場景都對應著清晰的盈利路徑，共同構成了這座“隱藏金礦”的核心價值。

文旅景區(qū)是自動駕駛巴士商業(yè)化落地的“首選戰(zhàn)場”。場景封閉、路線固定、客流量集中且消費意愿強的特點，讓自動駕駛巴士的盈利模式更直接，既可以與景區(qū)門票捆綁銷售，收取接駁服務費，也能通過定制化游覽線路、車內(nèi)景點講解、文創(chuàng)產(chǎn)品售賣等增值服務提升收益，同時依托景區(qū)場景的曝光度，承接車身廣告、品牌聯(lián)動等商業(yè)合作，實現(xiàn)“基礎服務費+增值收益+廣告收入”的三重盈利，進一步挖掘商業(yè)價值�？梢哉f，自動駕駛巴士不僅解決了景區(qū)的接駁難題，更成為景區(qū)增收的“新引擎”。

如果說文旅景區(qū)是自動駕駛巴士的“試金石”，那么城市公交就是其實現(xiàn)規(guī)�；�盈利的“主戰(zhàn)場”，其商業(yè)邏輯更偏向長期穩(wěn)定與規(guī)模化效應。除了票務收入、政府購買服務、車身廣告等基礎收益，隨著自動駕駛技術與城市公交系統(tǒng)的深度融合，自動駕駛巴士的盈利邊界還在持續(xù)拓寬。

例如，通過整合公交大數(shù)據(jù)，為城市交通治理提供數(shù)據(jù)服務；與商圈、社區(qū)、醫(yī)院等機構合作，開通定制化專線，收取專項服務費用；甚至可以拓展智慧交通解決方案服務，為企業(yè)和政府提供技術輸出與運營支持，讓城市公交場景從“單一運營”向“多元服務”轉(zhuǎn)型，盈利穩(wěn)定性和盈利能力持續(xù)提升。

從行業(yè)發(fā)展趨勢來看，自動駕駛巴士在全球城市公交領域的規(guī)�；�落地已進入加速期，全球多個國家和經(jīng)濟體已將自動駕駛公交巴士納入公共交通升級規(guī)劃，為其商業(yè)化落地提供明確的政策保障。新加坡明確提出三年內(nèi)實現(xiàn)自動駕駛巴士與普通巴士協(xié)同運營；國內(nèi)方面，截至2025年，已有28個城市開放L4級自動駕駛測試，通過政策沙盒支持自動駕駛巴士開展示范應用。

武漢于去年4月新增四條自動駕駛接駁線路，覆蓋教育、民生、企業(yè)通勤、旅游四大出行場景。今年3月，國內(nèi)首個服務于跨境醫(yī)療場景的自動駕駛微循環(huán)專線“琴澳醫(yī)線”正式開通；成都開通自動駕駛公交4號線、民航飛行學院校內(nèi)擺渡線。廣州公交集團目前已開通30條自動駕駛公交線路，初步構建起城市級自動駕駛公交運營網(wǎng)絡。

不止是國內(nèi)，在GTC 2026大會上，自動駕駛開源軟件供應商提雅智行（TIER IV）和五十鈴汽車有限公司宣布，將基于五十鈴ERGA電動及柴油車型，部署構建面向高容量公共交通優(yōu)化的L4級自動駕駛巴士系統(tǒng)。

新加坡迎來首輛自動駕駛公交巴士，該巴士是蘑菇車聯(lián)為新加坡定制的首批自動駕駛公交巴士其中之一，將服務于400號和191號公交線路，滿足新加坡日益增長的公共交通智能化需求。這些表明，自動駕駛公交正逐步實現(xiàn)從“半封閉線路”向“全開放公交干線”延伸，從“輔助運營”向“主力公交”轉(zhuǎn)型。

對于企業(yè)而言，城市公交將成為自動駕駛技術商業(yè)化變現(xiàn)的核心突破口。相較于文旅景區(qū)的小眾場景，城市公交的規(guī)�；�需求的能夠帶動自動駕駛巴士的批量生產(chǎn)，進一步降低硬件成本；而穩(wěn)定的B端付費模式（政府、公交公司等），能夠有效規(guī)避C端市場的競爭風險，實現(xiàn)可持續(xù)盈利。

隨著技術成熟、政策完善和運營模式的優(yōu)化，自動駕駛巴士有望在2027-2030年實現(xiàn)城市公交領域的全面規(guī)�；瘧�用，重構城市公共交通版圖，也將催生一個萬億級的新商業(yè)藍海。

在文旅景區(qū)與城市公交的雙重帶動下，自動駕駛巴士正加速向多場景全面滲透，進一步挖掘“隱藏金礦”的價值。

園區(qū)（產(chǎn)業(yè)園區(qū)、工業(yè)園區(qū)）是自動駕駛巴士重要的延伸場景，主要為企業(yè)員工提供通勤接駁服務，盈利模式以企業(yè)年度付費、園區(qū)購買服務為主，無需承擔過多市場推廣成本，且需求長期穩(wěn)定，是企業(yè)快速實現(xiàn)盈利復制的重要場景。

此外，自動駕駛巴士在機場、高鐵站、高校校園等場景也正逐步落地。在機場與高鐵站，主要提供航站樓與停車場、交通樞紐之間的接駁服務，依托龐大的客流實現(xiàn)票務收入與廣告收益；在高校校園，為師生提供校內(nèi)通勤服務，由學�；蚝笄诩瘓F統(tǒng)一付費，同時可結(jié)合校園文化開展定制化服務，拓展增值收益。

更值得關注的是，多場景的協(xié)同發(fā)展，讓自動駕駛巴士的商業(yè)價值實現(xiàn)了“1+1>2”的效應。不同場景的運營經(jīng)驗可以相互借鑒，比如景區(qū)場景的服務模式可復制到園區(qū)，城市公交的智能調(diào)度技術可應用于機場接駁。而規(guī)模化的運營布局，能夠帶動自動駕駛巴士的批量生產(chǎn)，進一步降低硬件采購和運維成本，反過來提升各場景的盈利能力。同時，多場景的全面滲透，也讓自動駕駛巴士逐步融入公眾生活，提升公眾接受度，為后續(xù)更大規(guī)模的落地奠定基礎，讓這座“隱藏金礦”的價值得到充分釋放。

對于自動駕駛行業(yè)而言，2026年是一個關鍵窗口期。資本不再為單純的“技術故事”買單，而是越來越看重企業(yè)的自我造血能力和清晰的商業(yè)化路徑。以自動駕駛巴士為代表的賽道，或許不像Robotaxi那樣自帶光環(huán)、備受矚目，但它正在以一種更務實、更可持續(xù)的方式，為自動駕駛技術的規(guī)模化落地鋪平道路。

站在這個節(jié)點上，我們可以清晰地看到，英偉達的入局、頭部車企的跟進、創(chuàng)業(yè)公司的突圍，都在指向同一個方向：自動駕駛已不再是一個“未來時”的命題，而是一個“現(xiàn)在進行時”的商業(yè)實戰(zhàn)。而自動駕駛領域那些還處于發(fā)掘階段的“隱藏金礦”，或許正是這場馬拉松中，最值得關注的補給站與轉(zhuǎn)折點。

       原文標題 : 英偉達攪動L4，自動駕駛開始“二級跳”