在科技发展的浪潮中，自动驾驶技术一直是汽车领域的焦点。2025年5月19日，英伟达CEO黄仁勋在台北国际电脑展（COMPUTEX 2025）的主题演讲中，释放出了自动驾驶领域的重磅消息，为这个充满潜力的市场注入了新的活力。

黄仁勋在演讲中表示，英伟达正在将其AI模型应用于自动驾驶汽车，并与梅赛德斯在全球范围内推出一支车队，使用端到端自动驾驶技术，且今年即可实现。这一消息无疑是自动驾驶领域的一颗重磅炸弹，标志着自动驾驶技术从实验室走向实际应用迈出了重要的一步。

物理AI的终极挑战：让机器理解现实世界

英伟达在AI领域的实力有目共睹。其推出的一系列AI计算系统和硬件，如Grace Blackwell GB300系统、个人AI计算机DGX Spark等，都为AI技术的发展提供了强大的支持。在机器人技术与物理AI方面，英伟达也取得了显著的突破。Isaac Groot平台与Jetson Thor处理器专为机器人应用设计，支持从自动驾驶到人机协作的全场景需求。而与DeepMind和迪士尼合作开发的开源物理引擎Newton，更是为机器人对物理世界的适应能力提供了有力的保障。

黄仁勋认为，在物理世界中制造机器人“不切实际”，必须在遵循物理定律的虚拟世界中训练它们。Newton完全支持GPU加速，具有高度可微性和超实时操作能力，能够通过经验实现有效学习。将该物理引擎整合进Nvidia的ISAAC模拟器，能够以真实的方式让机器人“活”起来。这一理念也为自动驾驶技术的发展提供了新的思路，即通过虚拟世界的训练来提升自动驾驶汽车对现实世界的适应能力。

物理AI需突破“感知 - 决策 - 执行”闭环，实时应对复杂动态环境。英伟达DRIVE平台构建三层技术栈奠定基础：

• DGX超级计算集群：通过数万亿英里虚拟驾驶数据训练世界模型，使AI理解物理世界底层逻辑。
• Omniverse数字孪生：在虚拟空间重构物理世界变量，实现极端场景无限测试。
• AGX车载计算平台：以2000TOPS算力实时处理传感器数据，完成微秒级决策。

这套系统形成的“数据飞轮”效应，改变自动驾驶研发范式。梅赛德斯最新端到端架构基于此物理AI框架，整合感知、规划、控制模块为统一神经网络，使车辆能像人类驾驶员那样“直觉式”应对突发状况。当前，Cosmos世界基础模型已加入到DRIVE平台方案之中，为开发者提供了一个数据飞轮，能够将数千英里的人类驾驶里程转化为数十亿英里的虚拟驾驶里程，从而提升训练数据的质量，加速端到端自动驾驶汽车开发和大规模部署。

自动驾驶场景将率先爆发

为什么说物理AI下的自动驾驶场景将会第一个爆发呢？首先，自动驾驶技术的发展已经取得了长足的进步。从最初的辅助驾驶功能，到现在的端到端自动驾驶技术，自动驾驶汽车的性能和安全性不断提高。英伟达与梅赛德斯的合作，更是为自动驾驶技术的商业化应用提供了有力的支持。一支全球范围内的自动驾驶车队的推出，将让更多的人亲身体验到自动驾驶的魅力，从而推动市场的需求。

其次，社会对自动驾驶技术的需求也在不断增加。随着城市化进程的加快，交通拥堵问题日益严重。自动驾驶技术可以通过优化交通流量，提高道路利用率，从而缓解交通拥堵。此外，自动驾驶技术还可以提高交通安全，减少人为因素导致的交通事故。据统计，大部分交通事故都是由于人为失误造成的，而自动驾驶技术可以避免这些失误，保障人们的生命财产安全。

最后，政策的支持也是自动驾驶场景爆发的重要因素。各国政府都在积极推动自动驾驶技术的发展，出台了一系列的政策和法规，为自动驾驶技术的研发和应用提供了良好的环境。例如，一些国家已经允许自动驾驶汽车在特定的区域进行测试和运营，为自动驾驶技术的商业化应用奠定了基础。

用AI网络颠覆自动驾驶的孤勇者

在全球自动驾驶技术发展的浪潮中，国内的蘑菇车联也展现出了强大的创新能力。蘑菇车联信息科技有限公司成立于2017年，专注于构建智能体与物理世界实时交互的AI网络，使智能体可以理解并进入物理世界。

蘑菇车联的核心业务由两大板块构成。AI网络业务方面，公司基于MogoMind大模型核心能力构建了首个实现物理世界实时数字化的AI网络，使智能体能够实时感知、理解并响应物理世界。这个AI网络可广泛应用于智能网联汽车、无人驾驶汽车、低空无人机、机器人等领域，为城市与管理者赋能。例如，通过实时感知交通状况，为交通管理部门提供准确的信息，从而优化交通信号控制，提高交通效率。

自动驾驶业务方面，蘑菇车联推出了多款L4级前装量产自动驾驶车辆，包括RoboBus、RoboSweeper和RoboTaxi，已在北京、上海、天津等十余个城市落地运营。公司自动驾驶核心技术包括端到端AI模型、混合架构和基于物理世界的认知模型，确保车辆能够实现物理世界的深度理解与最优决策。

端到端AI模型基于Transformer架构，能够让车辆直接从海量的数据中学习驾驶逻辑，实现全局优化。通过大规模数据训练，该模型能够直接关联感知、预测和规划等环节，减少了人工规则的限制，提升了模型的泛化能力。在面对各种复杂的道路环境时，车辆能够更加灵活地做出决策，准确识别道路上的物体、行人和其他车辆，并预测它们的运动轨迹，规划出最优的行驶路线。

混合架构将端到端预测与规则约束相结合。在实际驾驶场景中，例如高速变道、避障以及城市路口通行等关键决策点，AI可以自主学习驾驶策略，同时结合专家规则进行约束。专家规则凝聚了人类驾驶经验中对于安全驾驶和法规遵循的智慧，这样可以确保车辆的行为安全且符合法规要求，避免了单纯依赖AI可能出现的决策失误。

世界模型赋予了自动驾驶系统对未来变化的预判能力。传统的自动驾驶系统往往只能感知当前的环境，对于未来的不确定性应对不足。而蘑菇车联的自动驾驶系统通过世界模型，让车辆不仅能够感知当前环境，还能预测未来的变化，从而提高了在复杂环境下的适应能力。例如在高速公路上，系统可以预判前方车辆的行为，提前规划出最优路径，避免因突发情况而导致的危险。在复杂的城市环境中，世界模型能够帮助车辆更好地应对交通拥堵、行人横穿马路等各种复杂场景，提升了整个自动驾驶系统的智能性和可靠性，为乘客提供更加安全、舒适的出行体验。

物理AI下的自动驾驶技术正迎来前所未有的发展机遇。英伟达与梅赛德斯的合作，将推动端到端自动驾驶技术在全球范围内的应用，让更多的人体验到自动驾驶的便利和安全。而蘑菇车联作为国内AI网络的新兴力量，其独特的技术架构和应用场景，也为国内自动驾驶技术的发展提供了新的思路和方向。

正如5亿年前寒武纪生命大爆发塑造了地球生态，物理AI正在引发机器智能的"物种大爆发"。在这场变革中，自动驾驶既是首个突破的应用场景，也是物理AI向更广阔领域延伸的起点。

或许物理AI革命最深刻的启示：智能的本质，终将在与物理世界的交互中显现。