辅助驾驶三国时代：物理AI如何从识别走向理解

辅助驾驶喊了很多年以前大家比的是谁家的车道保持更稳、跟车距离更准、高精地图覆盖更全。但从最近一段时间的技术风向和产品节奏来看辅助驾驶正在进入一个新的阶段竞争焦点从“识别道路”转向“理解真实世界”。这个转向背后一个很关键的概念被反复提起就是物理 AI。我个人的判断是辅助驾驶正在形成三种路线并行的“三国时代”而物理 AI 开始成为决定后续产品上限的核心变量。这篇文章不打算做厂商对比也不解释某一款车的具体功能而是想把“物理 AI”这件事讲清楚它到底解决什么问题和以前基于规则和感知的辅助驾驶有什么不同以及真实落地时我们该用什么标准去判断它是不是真的变强了。1. 辅助驾驶的“三国时代”到底指什么1.1 不是三家厂商打架而是三条路线并行走很多人第一次看到“三国时代”会以为是在说三家头部车企或者三家方案商在竞争。这个理解不算错但更准确的说法是现在行业内同时存在三条技术路线分别代表了三种对辅助驾驶未来的判断。第一条路线是传统模块化路线。感知、预测、规划、控制分开做每一个模块单独训练再通过规则把它们串起来。车道线识别一个模型目标检测一个模型决策规划再用一套显式规则。这条路线成熟早、调试方便、出了问题容易定位但瓶颈也很明显规则是写不完的真实世界里的长尾场景太多靠人写规则永远会有遗漏。第二条路线是端到端学习路线。把感知、预测、规划压缩到一个大模型里输入是传感器数据输出是驾驶决策或者轨迹。端到端的最大优势是减少规则堆砌让模型从海量驾驶数据里自己学出“什么情况下该怎么开”。但缺点是难解释、难调试、对数据质量和覆盖度要求极高。遇到模型没见过的场景它的行为可能很难预测。第三条路线就是物理 AI 方向。它不完全等同于端到端也不是传统模块化。物理 AI 强调的是模型要具备对真实物理世界的理解能力不只是识别出“前方有一个行人”还要理解行人的运动趋势、身体状态、可能遮挡的关系、路面的摩擦力对车辆制动的影响甚至要预测一个皮球滚到路上之后后面可能跟着跑出来的孩子。现在市面上的方案没有谁 100% 属于某一条路线基本都是混合状态。但不同团队在资源投入、数据策略、产品宣讲上的侧重已经能明显看出他们站的是哪条路线。这才是“三国时代”的含义不是三家公司在打而是三种技术信仰在抢同一个落地窗口。1.2 早期阶段更像“感知辅助”核心是给驾驶员减负回看前几年的辅助驾驶大多数功能本质上还是“感知辅助”。ACC 自适应巡航是让车根据前车距离调整速度AEB 自动紧急制动是在传感器检测到碰撞风险时触发刹车车道保持是让车沿着车道线走。这些功能的共同点是车辆对世界的理解停留在“对象检出”层面。举个例子早期的系统检测到前方有一个骑自行车的人它只知道“这里有障碍物”。至于这个人是在正常骑行、准备转弯还是突然要横穿系统并不清楚。如果这个人的轨迹超出了预设规则系统就容易出现刹车过晚或者误触发。这也是为什么早期辅助驾驶在高速公路这种结构化道路上表现尚可一旦进入城市路口、施工路段、非机动车混行区域体验就会断崖式下降。1.3 现在拼的不只是识别而是场景理解和行为预测到了近两年辅助驾驶的核心能力开始上移到预测和规划。很多新系统能够识别的不只是物体类别还包括对道路参与者行为的预测。比如一个行人站在路边系统要判断他是静止等车还是有向车道移动的意图一辆大型货车在相邻车道系统要预测它的车头和尾部的摆动范围而不是把它简单当成一个带速度的矩形框。这个变化背后技术栈从“传感器数据规则判断”转向“数据驱动模型场景推理”。高精地图的重要性也在下降取而代之的是实时构建的局部语义地图。车辆开始把路面、路沿、栏杆、斑马线、树木、车辆、行人、非机动车整合成一张带有语义的空间图再用模型去推理下一步可能发生什么。这时“物理 AI”这个概念就会被频繁提起因为它描述的不只是更聪明的感知而是一种对真实世界更本质的建模方式。2. 物理 AI 是什么它和传统 AI 差在哪2.1 物理 AI 的核心从“看见”到“理解”物理 AI 并不是一个严格的学术术语更像是一个对模型能力的描述。它强调模型要理解和预测真实物理世界中的因果关系而不只是做模式匹配。传统视觉模型擅长的是给定一张图输出图像里有哪几类物体、它们的位置在哪里。哪怕模型做得非常准它的知识边界仍然是“看到什么就报什么”它不理解物体为什么存在也不理解接下来会发生什么。物理 AI 要解决的问题是让模型具备类似人类的“常识推理”。看到前方地面有一个水坑不仅知道那里有水还要知道车辆高速经过时可能会有打滑风险看到前方车辆刹车灯亮起不仅知道前车在减速还要根据前车减速度推算出自己是否需要提前松开加速踏板看到侧方道路有锥桶还要判断这个锥桶排列是否代表施工区域车辆是否需要提前变道。这类能力很难通过堆规则实现。因为物理世界里的变量实在太多规则只能覆盖有限的情况。物理 AI 的路径是让模型在海量真实数据中学习物理世界的运行规律从而在遇到没见过的组合时也能给出一个相对合理的判断。2.2 世界模型、空间智能和因果推断物理 AI 相关的技术里有三个词出现频率很高世界模型、空间智能、因果推断。这三个词解决的问题不一样但合起来构成了物理 AI 的能力底座。世界模型指的是模型内部有一套对环境的动态预测能力。它不只是描述当前这一刻的状态还能预测下一帧、下几秒可能发生什么。在辅助驾驶场景里世界模型可以用来做“想象推演”如果车继续保持当前速度前方行人走到这里会不会发生冲突如果提前变道旁边的车辆会不会加速这类推演能力本质上是把驾驶任务从“看到再反应”变成“预判并提前规划”。空间智能则强调模型对三维空间的理解。图像是二维的但驾驶环境是三维的。模型需要能够从多个传感器的数据中恢复出物体的深度、大小、朝向、运动速度并在统一的空间坐标系里处理。没有空间智能模型就只能做图像层面的识别无法精确判断距离和碰撞时间。因果推断是物理 AI 里最难的一块。传统模型学习到的是相关性比如“看到刹车灯亮前车大概率减速”但物理 AI 需要理解的是因果前车为什么减速是因为前方有障碍物还是因为它要转弯或者只是轻点刹车不同的原因会导致完全不同的后续行为。理解这一点辅助驾驶系统才能做出更接近人类的决策。2.3 与常规感知方案的对比对比维度传统感知模型物理 AI 模型核心任务识别物体、车道线、交通标志理解场景、预测行为、规划动作对真实世界的理解类别位置速度空间关系因果关系动态趋势处理长尾场景依赖规则补充规则写不完依赖数据学习泛化能力更强可解释性相对好解释各模块职责清晰难以解释更像一个整体判断系统对数据要求需要标注足够多的目标框需要高质量、连续、多维度的场景数据部署难度相对成熟算力要求可控对车载算力、模型压缩、安全验证要求更高这个表格不是说传统感知模型要被淘汰而是说辅助驾驶的上限正被物理 AI 拔高。传统模型负责守住底线物理 AI 负责把天花板抬高。3. 辅助驾驶如何用物理 AI 理解真实世界3.1 从做检测到做预测道路参与者的行为建模辅助驾驶要理解真实世界第一步就是给所有的道路参与者建立行为模型。这个行为不只是一个速度向量而是一套可能的动作集合。比如前方有一个骑电动车的人。传统检测模型输出目标类型为骑行者位置在车道右侧速度 3 米/秒。这组信息是对的但不够。物理 AI 模型会进一步判断这个骑行者的行驶轨迹是否稳定他有没有频繁回头看他前方的路面是否有障碍物迫使他向车道中间偏移他后座上载的货物宽度会不会超出车身。这些信息组合起来系统才能判断是保持当前速度通过还是提前减速并预留横向距离。我在评估一套辅助驾驶系统时会刻意留意它在非机动车混行场景下的表现。如果系统对电动自行车、三轮车、行人的处理像“识别到了但浑身僵硬”说明它还在用传统感知模型如果系统能够提前、平滑地调整车速和横向位置并且动作理由看起来合理那说明它的行为建模已经上了一个台阶。3.2 复杂路口的场景泛化最考验物理 AI 的成色复杂路口是辅助驾驶最好的试金石。没有车道线、没有护栏、交通信号灯位置不固定、外卖骑手突然斜穿、公交车进出站、对向车辆在路口大转弯。这些情况放在一起规则式方案很容易“宕机”或者进入一种极其保守、不断等待的状态。物理 AI 的做法是把路口当成一个动态场景来理解。模型看到的不是一个一个孤立的物体而是一个整体博弈局面哪些车在排队哪些车在减速哪些行人开始有穿越倾向交警的手势是否在指示某种特殊放行方式。系统需要在这种高度不确定的环境里选出一个既能保证安全、又不至于让后车疯狂按喇叭的决策。这个能力不是靠多装几个传感器就能解决的。传感器负责把信息采集回来但理解和决策要用模型。这也是为什么很多团队在算力上的投入越来越大因为用物理 AI 做行为预测和场景推理远比单纯做目标检测消耗算力。3.3 极端天气和异形目标物理 AI 的泛化优势物理 AI 还有一个经常被提及的价值就是面对极端天气和异形目标时比传统规则方案更稳。雨雪天气下车道线会被覆盖普通摄像头识别能力大幅下降夜间城市道路各种灯光反射会让目标检测困难施工路段锥桶、水马、临时围挡的摆放方式五花八门道路上的异形车辆比如大型工程车、拖着挂斗的农用机械传统模型可能从未见过。物理 AI 的优势在于它不一定需要“见过完全一样的样本”才能处理。如果模型学习的是物理规律和空间关系它能从“这个物体的体积很大、运动速度很慢、边缘离我的车道越来越近”推算出应该避让。这与传统模型只能识别已知类别的逻辑有本质区别。当然这个能力目前还不能说已经成熟。我更愿意把极端天气和异形目标理解成测试物理 AI 能力上限的考题。不同方案之间的差距往往不是在标准测试场里体现出来的而是在这种不完美、不规则的真实场景里露馅。4. 落地时最现实的难点和判断标准4.1 数据不等于数据场景连续性和冲突样本是关键物理 AI 对数据的需求不是简单的“数据量更大”而是“场景连续性更强”。模型要理解物理世界的动态变化就必须有连续帧数据而不是一帧一个拼接好的静态图片。数据里还要包含大量复杂的交互样本两车同时变道、行人犹豫是否通过、非机动车从视觉盲区突然出现。这类样本天然稀缺采集和筛选成本都很高。更麻烦的是物理 AI 的训练数据需要有“反事实样本”。比如同一个路口车辆选择加速通过没问题但如果车辆选择减速等待会不会更安全传统数据标注只记录“发生了什么”物理 AI 训练还需要知道“本可以发生什么”。这种对照数据很难从真实道路采集很多团队只能靠仿真环境生成。所以判断一个团队物理 AI 能力的时候不要只看它宣传用了多少亿帧数据。更要看它的数据体系是不是按场景组织、有没有冲突样本、有没有仿真回流机制。数据体系的质量往往决定了模型能力的上限。4.2 模型可以更聪明但安全冗余和可解释性不能丢物理 AI 模型最大的问题是它的判断难以解释。传统模块化方案里如果车突然刹车工程师可以定位到是感知漏检还是预测模块给出的概率过高。但在端到端或者大模型体系里一个决策可能是几千万个参数综合作用的结果很难回答“为什么”。对于数码产品系统不好解释顶多就是难用。对于辅助驾驶不好解释意味着安全验证非常困难。厂商需要回答监管层和用户一个问题当系统在未知场景里做决定时依据是什么如果它给出一个人类不能理解的决定我们有权利质疑它是否安全。现阶段更稳妥的思路是混合架构用物理 AI 做感知预测和部分决策建议但保留传统规则作为安全兜底。一旦系统输出超出预期或者自车驾驶员风险太高规则系统要能接得住。这也是为什么很多辅助驾驶产品在实际体验里“有点保守、不够像老司机”因为在安全冗余和体验激进之间团队通常选择先保底。4.3 车端算力与模型压缩决定技术能否上车物理 AI 模型往往很大。要在数据中心里跑一个几百亿参数的模型做研究和把它压缩到车端一个几十瓦功耗的计算平台上是完全不同的两件事。车端部署至少要考虑三个指标算力占用模型前向推理一次需要多少 TOPS是否影响其他功能同时运行。内存带宽多个传感器数据同时输入时内存能否支撑实时处理。延迟上限从传感器数据进入到输出规划结果必须在可接受的时间内完成。超出这个时间系统就不适合做实时控制。还有一个容易忽略的问题大模型在车端发热和功耗是否可控。辅助驾驶系统不可能把整车电量都留给智驾也不可能为它加装大型散热系统所以模型压缩就显得很重要。量化、剪枝、蒸馏这些技术在传统深度学习里已经很成熟但用在物理 AI 这种超大模型上还需要不断调整。4.4 什么时候算“真正理解真实世界”这个话题很容易被玄学化。我提供一个更实操的观察角度看系统在从未见过的场景里能不能自动降级成安全行为。比如前方出现一个没有交通标志的路口地面没有车道线同时有一辆洒水车在作业喷出的水雾遮挡了部分视野。传统系统可能直接退出辅助驾驶或者突然减速。物理 AI 能力比较强的系统虽然无法 100% 理解这个场景但它可以通过对水雾、车辆轮廓、作业状态的空间推理判断出“这是一个正在移动的大型作业车”然后给出减速、保持横向距离、准备接管的建议。判断标准不在于系统能不能处理所有情况而在于它面对未知情况时是表现得像一个“程序在报错”还是像一个“人在有限信息下做合理决策”。后者就是我们说的理解真实世界。5. 对普通用户和从业者的实用评估方法5.1 普通用户试驾时重点关注三个指标辅助驾驶介绍得再复杂最终还是要落到体验。普通用户没有条件看技术报告试驾时可以重点关注三个指标。第一看接管率。一段固定的城市道路系统全程需要驾驶员接管多少次这些接管是因为系统主动提示还是因为车辆已经出现不安全行为才被迫介入接管率不只是体验问题也是系统对场景理解能力的直接映射。第二看场景覆盖类型。有些系统在高速上表现不错进了城市就频繁降级有些系统能把高速、城市主干道、老城区小路全部串起来。试驾时不要只看销售规划的路线最好自己挑一段以前开过、路况没有那么规则的路段去试。第三看降级策略。系统遇到处理不了的场景时是平稳地把控制权交还给驾驶员还是突然退出、同时没有任何提示降级策略做得好的系统至少说明团队对安全边界有清晰认知。这个点比系统平时表现得多聪明更重要。5.2 从业者需要补的三块能力如果你在自动驾驶、智驾产品、车载 AI 相关行业工作物理 AI 这个方向值得花时间补三块能力。第一块是跨模态的空间感知知识。车辆上的摄像头、毫米波雷达、激光雷达、超声雷达各有所长物理 AI 模型需要把多传感器数据在空间和时间上对齐。只懂单传感器处理已经不够要做的是把不同模态信息融合成一个统一空间表示。第二块是数据体系的构建能力。物理 AI 的训练数据不是拉一车传感器路上跑一圈就能解决的它需要场景挖掘、自动标注、闭环仿真、困难样本回流这套工程体系。能够把数据管好比简单堆算力更能拉开团队差距。第三块是模型安全验证思维。过去做传统模型看准确率、召回率就差不多了。物理 AI 模型要额外关注分布外样本的表现、不确定性估计、决策边界的安全距离。这些不是依赖一两个公开数据集能验证出来的要建立自己的一套场景库和评价基准。5.3 分阶段看待物理 AI 在辅助驾驶里的进程最后给出一个分阶段参考第一阶段物理 AI 用于增强感知。典型表现是模型能更准确地识别异形物体、复杂道路结构和恶劣天气场景但规划和决策仍然依赖规则。这个阶段现在已经进入量产落地期。第二阶段物理 AI 用于行为预测和场景推理。典型表现是系统可以预测行人、非机动车的意图并用预测结果参与规划。一些头部方案已经接近这个水平。第三阶段物理 AI 成为端到端驾驶模型的主干。系统不再区分感知、预测、规划模块而是由一个世界模型统一输出驾驶策略。这个阶段目前更多在研发和定向测试中离大规模量产还有距离。不建议普通用户因为“物理 AI”这个词就去神话某款产品。现阶段最值得肯定的是辅助驾驶终于开始从“规则堆叠”向“理解世界”迈出实质步伐。这个方向对了剩下的都是工程问题更可靠的数据、更强的算力、更严格的安全验证。踩过不少智驾测试的坑之后我的感受是物理 AI 并不是一个营销噱头它代表的是整个行业对辅助驾驶本质的重新理解。以前我们在教车“认东西”现在我们在教车“懂世界”。“懂”到什么程度决定了辅助驾驶在真实复杂路面上能走多远。对用户来说别急着为名词买单多观察系统在未知场景下的应对方式对从业者来说真正值得投入的是数据体系、空间推理和安全验证能力。这两件事做好了物理 AI 才会从概念变成真正能让人放心使用的驾驶能力。