轻舟智航提出“世界模型+强化学习”路径，物理AI落地逻辑引关注

核心观点：物理AI需要新的技术组合

据gasgoo.com于2026年9月18日报道，轻舟智航钱祥隽提出，世界模型与强化学习的结合是物理AI落地的核心技术路径。这一判断将自动驾驶的技术讨论从传统的感知、规划、控制分层架构，进一步推向以学习为核心的端到端范式。需要明确的是，本次新闻仅确认了这一观点本身，未披露具体的产品参数、算力数字或商业化时间表。 物理AI通常指能够在真实物理环境中感知、决策并执行动作的智能系统，自动驾驶是其代表性场景之一。钱祥隽将世界模型与强化学习并列为核心路径，意味着行业对“如何让机器理解并预测物理世界”这一问题的回答，可能正在从模块化工程转向更接近通用智能的学习框架。这一方向值得持续关注，但其工程可行性与车规级验证仍待观察。

算力需求与芯片产业的潜在影响

如果世界模型与强化学习成为主流技术路径，其对车载算力的需求特征可能与当前以推理为主的车端部署有显著差异。世界模型通常需要大规模离线训练与仿真环境支撑，强化学习则依赖大量交互采样，这可能推高训练侧算力需求，并对云端与车端算力协同提出新要求。不过，本次新闻未提供任何具体算力数字，相关影响属于产业推理而非已确认事实。 从行业背景看，自动驾驶芯片市场正处于快速增长期。根据IDC 2024年发布的报告，中国智能驾驶计算方案市场规模预计在2025年超过百亿美元级别，但不同机构口径差异较大，具体数字有待进一步确认。Mobileye、英伟达、地平线等厂商的车载算力平台持续迭代，制程工艺向5nm及以下推进，这些趋势为更复杂的学习型算法提供了硬件基础。

强化学习上车的现实约束

强化学习在自动驾驶中的应用并非新话题，但其落地长期受制于安全验证、样本效率与仿真到现实的迁移难题。世界模型被视为缓解样本效率问题的一种思路，即通过学习环境的压缩表示来减少真实交互需求。钱祥隽将其定位为核心技术路径，可能反映了轻舟智航在仿真训练与闭环验证方面的投入方向。 值得注意的是，本次新闻未披露轻舟智航的具体产品进展、合作方或量产计划。因此，这一技术路径能否在近期转化为可量产的车端方案，暂缺可核验数据。产业界对世界模型的兴趣在2024至2026年间明显上升，但多数工作仍处于研究或早期工程阶段，车规级功能安全认证的路径尚不清晰。

数据参考

• 本次新闻已确认信息：轻舟智航钱祥隽提出“世界模型+强化学习是物理AI落地的核心技术路径”，来源为gasgoo.com，发布时间为2026年9月18日。本次新闻未提供算力、芯片、交易金额或技术参数等具体数据。
• 行业背景参考数据：IDC 2024年报告对中国智能驾驶计算方案市场规模给出预测，但不同来源口径存在差异，具体数值有待进一步确认。
• 制程与芯片趋势参考：SEMI及主要晶圆代工厂公开信息显示，先进制程向5nm及以下节点推进，2024至2025年汽车芯片在先进制程中的占比仍相对有限。
• 强化学习与自动驾驶研究趋势：截至2026年，该方向仍以研究和小规模验证为主，车规级量产案例暂缺可核验的公开数据。 #轻舟智航 #世界模型 #强化学习 #自动驾驶算力