物理AI瓶颈显现，元戎启行成立Superfluid Lab布局基础能力

AI 摘要

元戎启行成立国内首个物理AI实验室Superfluid Lab，由前DeepSeek核心成员、首席科学家阮翀带队，聚焦基座模型、VLA模型和世界模型，旨在弥合数据、认知、行动与真实世界之间的断裂层。文章指出物理AI竞争已从产品、模型竞争进入基础能力与组织竞争阶段，Superfluid Lab是元戎提前布局第三阶段的尝试。

正文节选

模型路线趋同之后，Physical AI的胜负手变了 物理AI新瓶颈已出现 杰西卡 发自 凹非寺 量子位 | 公众号 QbitAI 新的物理AI瓶颈出现了。 过去一年多，VLA、世界模型、基座模型、数据闭环等等，几乎都是头部智驾和具身智能公司频频提及的热词。 越来越多AI公司开始尝试让模型进入真实世界，让机器具备理解环境、预测变化和执行行动的能力。 不同技术路线各有侧重，最终穿透到技术底层，指向的问题却越来越趋同—— 那就是AI如何从真实世界获取数据，如何形成对环境的理解、把理解转化为行动，又如何根据行动结果继续学习。 这个问题，并不是今天才出现。 而当路线逐渐收敛，真正的瓶颈也开始浮出水面。 物理AI路线图收敛，暴露「断裂层」 智能驾驶兴起至今，研究对象曾历经多次变迁。简单梳理下来可分为三个阶段： 早期的驾驶系统，是一套高度模块化的软件系统。感知负责识别车辆、道路和行人，预测负责推测其他交通参与者的运动，规划和控制再决定车辆的具体行动。 每个模块解决一个相对明确的问题，也拥有相对独立的指标。 端到端模型盛行后，行业开始减少人工规则和模块接口，让模型直接从传感器输入生成轨迹或控制信号。

发布时间：2026-08-10 17:20

抓取时间：2026-08-10 18:51

来源机构：量子位