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加碼自動駕駛。在今年的GTC大會上，黃仁勛強調最多的一句話：“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、日產四大頭部車企，再加上Uber等出行巨頭，高調宣布要加速L4級自動駕駛規模化落地。

2026年，可以視作自動駕駛的分水嶺之年，全球科技企業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務重心、小鵬成立Robotaxi業務部、蘑菇車聯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，誰能率先跑通商業化閉環、誰將重構未來出行生態，答案將在新一輪產業競速中揭曉。

從“一級跳”到“二級跳”

過去十多年，自動駕駛技術的發展經歷了從規則驅動、數據驅動，再到學習驅動的階段性演進。在這一進程中，自動駕駛系統逐步提高了對環境的感知精度和路徑規劃能力，但其核心仍然側重于統計模式識別和數據擬合。

英偉達所定義的“物理AI”（Physical AI） 則提出了一種不同于傳統學習驅動架構的技術方向，其核心是理解現實世界中的因果關系與物理規律，通過‌仿真、合成數據生成和端到端模型‌來訓練AI在物理環境中的感知、推理與行動能力，‌在此基礎上實現與現實世界的交互。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級重構，尤其體現在對極端和長尾場景的處理能力上。

映射到自動駕駛領域，這意味著系統不再僅根據感知結果或模型輸出直接生成控制指令，而是需要在復雜交通環境中識別潛在風險、評估多種可能情境，并推演下一步行為。當面對施工區域、非常規交通行為或未被充分覆蓋的場景時，系統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據訓練。

基于這一思路，自動駕駛系統被AI重新改造成為一種“推理平臺”，其核心轉變在于從以“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，自動駕駛系統需要具備三項關鍵能力：

1）對物理環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。

這些能力在以數據擬合為主的傳統學習驅動架構中難以完全保障，尤其是在面對長尾事件時，系統表現往往受限于訓練數據的覆蓋范圍。

對此，“世界模型+強化學習”正在成為這一難題的核心路徑。傳統強化學習的核心瓶頸在于，智能體必須通過與真實環境的持續交互獲取數據，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，甚至無法實現規模化應用。

而世界模型的融入，恰好為這一困境提供了破局之道。它本質上是為智能體構建一個內部預測系統，能夠基于歷史狀態與動作輸入，精準預判環境的未來演化趨勢，將真實環境的復雜動態規律“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，就能快速探索最優策略。

這樣的技術架構，讓自動駕駛系統從“被動記憶”轉向“主動思考”，真正具備了應對未知的能力。整個智駕行業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，希望通過一個統一的模型架構，‌深度融合三維空間感知、多模態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”

除了技術持續進化之外，商業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業的投資邏輯，正在經歷一場從“愿景敘事”到“實效驗證”的轉向。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、商業閉環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新來創造盈利空間，打破市場對自動駕駛商業化進程的質疑。

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“景區觀光車”“園區接駁車”的淺層認知層面，認為它只是傳統巴士的智能化升級。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、實現多元化盈利的“黃金載體”，其商業價值遠超市場想象。

根據全球權威研究機構Fortune Business Insights測算，全球城市客車市場規模預計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、公交接駁、園區景區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，需求穩定性強。在城市微循環交通中，傳統公交存在“運力不均、覆蓋不足”的問題；在園區、景區等封閉區域，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定，為商業化落地提供了基礎。

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。

文旅景區是自動駕駛巴士商業化落地的“首選戰場”。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、車內景點講解、文創產品售賣等增值服務提升收益，同時依托景區場景的曝光度，承接車身廣告、品牌聯動等商業合作，實現“基礎服務費+增值收益+廣告收入”的三重盈利，進一步挖掘商業價值。可以說，自動駕駛巴士不僅解決了景區的接駁難題，更成為景區增收的“新引擎”。

如果說文旅景區是自動駕駛巴士的“試金石”，那么城市公交就是其實現規模化盈利的“主戰場”，其商業邏輯更偏向長期穩定與規模化效應。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的深度融合，自動駕駛巴士的盈利邊界還在持續拓寬。

例如，通過整合公交大數據，為城市交通治理提供數據服務；與商圈、社區、醫院等機構合作，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”轉型，盈利穩定性和盈利能力持續提升。

從行業發展趨勢來看，自動駕駛巴士在全球城市公交領域的規模化落地已進入加速期，全球多個國家和經濟體已將自動駕駛公交巴士納入公共交通升級規劃，為其商業化落地提供明確的政策保障。新加坡明確提出三年內實現自動駕駛巴士與普通巴士協同運營；國內方面，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、企業通勤、旅游四大出行場景。今年3月，國內首個服務于跨境醫療場景的自動駕駛微循環專線“琴澳醫線”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絡。

不止是國內，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化的L4級自動駕駛巴士系統。

新加坡迎來首輛自動駕駛公交巴士，該巴士是蘑菇車聯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”轉型。

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

隨著技術成熟、政策完善和運營模式的優化，自動駕駛巴士有望在2027-2030年實現城市公交領域的全面規模化應用，重構城市公共交通版圖，也將催生一個萬億級的新商業藍海。

在文旅景區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（產業園區、工業園區）是自動駕駛巴士重要的延伸場景，主要為企業員工提供通勤接駁服務，盈利模式以企業年度付費、園區購買服務為主，無需承擔過多市場推廣成本，且需求長期穩定，是企業快速實現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票務收入與廣告收益；在高校校園，為師生提供校內通勤服務，由學校或后勤集團統一付費，同時可結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，多場景的協同發展，讓自動駕駛巴士的商業價值實現了“1+1>2”的效應。不同場景的運營經驗可以相互借鑒，比如景區場景的服務模式可復制到園區，城市公交的智能調度技術可應用于機場接駁。而規模化的運營布局，能夠帶動自動駕駛巴士的批量生產，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，為后續更大規模的落地奠定基礎，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的自我造血能力和清晰的商業化路徑。以自動駕駛巴士為代表的賽道，或許不像Robotaxi那樣自帶光環、備受矚目，但它正在以一種更務實、更可持續的方式，為自動駕駛技術的規模化落地鋪平道路。

站在這個節點上，我們可以清晰地看到，英偉達的入局、頭部車企的跟進、創業公司的突圍，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“現在進行時”的商業實戰。而自動駕駛領域那些還處于發掘階段的“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折點。

       原文標題 : 英偉達攪動L4，自動駕駛開始“二級跳”