深度 | 物理 AI 应者云集，元戎启行为何独行「窄门」？

文：308

编辑：周易

2026年 1月 5日，英伟达CEO黄仁勋在CES 2026开幕前夕的例行主题演讲中，给物理AI的发展定下了一个浓墨重彩的调子。他的原话是：

物理AI的ChatGPT时刻即将到来（The ChatGPT moment for physical AI is nearly here）。

确实，从2026年的情况来看，物理AI热潮涌动，在巨头和资本的纷纷加码中，上下游的玩家们动作不断。其中，从技术链来看，包括仿真平台、芯片算力、高速光模块、环境感知、核心零部件、机器人本体、场景落地等链条，已然是千帆相竞，玩家众多。

但是，有一个重要的技术支点，却鲜有玩家深耕：物理AI基础模型。

实际上，近年来AI在数字世界蓬勃发展的起点，正是以语言逻辑为核心的基础模型（Foundation Model）本身。某种程度上，一个真正能够感知、理解、洞察物理世界并遵循其规律的基础模型，才是物理AI长期发展的技术根基，也是其最大的难点。

然而，就是在这个背景下，国内已经有玩家躬身入局，迎难而上——这个玩家有一个听起来比较高深莫测的名字：Superfluid Lab。

一个「没有摩擦力」的组织

Superfluid，中文译为「超流体」，这个在日常生活中并不常见的词汇，却是一个典型且真实存在的物理学概念，它指的是一种摩擦力接近于零的物质状态——以这个名字来给一个Lab命名，本身就蕴含了对物理AI进行探索的意味。

这也是元戎启行成立Superfluid Lab的初衷。

事实上，这个瞄准了物理AI底层技术难题的小团队，早在2026年5月就已经在元戎启行内部成立，并且在7月底正式亮相——从整个行业面来看，这也是国内首个面向物理世界基础能力研究的AI Lab。

根据官方介绍，该实验室成立的关键目标是，以基座模型研发为核心，重点探索VLA（视觉-语言-动作）模型，同步推进世界模型、多模态等方向研究，锚定物理世界AI基础能力，聚焦训练面向物理世界的通用基础模型。

对此，Superfluid Lab负责人也表示：

不要把基座模型理解成是一种技术手段，它更像是一份信仰。对基座模型的研究，本质上是执着地挑战智能上限。能够解决越来越复杂的问题，就是这类研究最本质的价值——而不是为了解决某个具体的社会问题才去做它。

据时间线Timelines了解，Superfluid Lab的负责人，由曾经在DeepSeek负责多模态模型研发的阮翀担任，并且已经吸引了多个业内的AI研发大牛加入；自5月份成立以来，团队已完成基础设施重构等前期工作，并顺利开展研究。

目前，Superfluid Lab还在继续招聘，主要是面向大模型算法、仿真算法、AI Infra等方面的AI人才，核心还是认同「让AI理解并作用于物理世界」的目标。

为了吸引真正的顶级AI人才，Superfluid Lab选择了「超流体」的组织理念。

一位接近Superfluid Lab的内部人员告诉我们，团队对于Superfluid本身的定义，超越了一种物理现象，它本身也体现了团队的的组织理念，也就是内部的信息流动没有阻力，协作没有内耗，「彼此之间没有摩擦」，因此更加安静，从而让研究能够更接近科学本身的节奏。

「团队也非常理解，这个方向可能需要很长时间才能出满意的结果，也会非常有耐心」，这位内部人士称。

所以，Superfluid Lab并不是行业普遍认知中的研发部门，它更像是一个为了专门探索物理AI而产生的全新组织形式。

基于此，相对来说，整个实验室的氛围也更加开放和宽松，也不会过度强调职级与工作边界，每位研究人员都围绕同一个模型展开协作，并共同对最终模型能力负责——为了更好地支撑AI研发，团队也已经为人才们准备好充足的算力。

「这个实验室的组织方式本身，就是一个实验」，上述负责人表示。

当然，需要明确的是，在持续推动基础技术研究的同时，Superfluid Lab作为一个致力于研究物理AI关键问题的团队，它并不会「闭门造车」，不会游离在具体的业务需求之外，而是与产业的实践深度融合，从而让模型在真实世界中不断验证、迭代与成长。

范式切换，仅仅是一个起点

元戎启行成立Superfluid Lab的一个行业大背景是：自动驾驶技术的演进遭遇了明显瓶颈。

实际上，自动驾驶在经历了端到端、VLA等技术范式的演进之后，其在落地体验层面带来的提升越来越有限。尤其是进入2026年，在激烈的行业竞争中，众多自动驾驶玩家们都在寻求破局之道，与AI大模型的结合，成为一个被寄予厚望的技术趋势——特斯拉、Waymo、小鹏等玩家都已经参与其中。

相对而言，元戎启行对于这个趋势的认知和选择，是更早的。

早在2025年3月，元戎启行CEO周光在百人会的演讲中明确表示，语言大模型的发展经历了「专家系统-通才系统-强专家系统」这三个阶段，智驾和机器人也要经历这些阶段；因此，他认为，要用大模型架构来做自动驾驶，才可以享受Scaling law带来的优势。

站在今天的视角来看，元戎启行对于自动驾驶技术架构的认知和判断，呈现出明显的前瞻性。

但这并非孤例——在国内的一众自动驾驶玩家中，元戎启行给外界最深的印象，一直是它总是能够提前看到并选对新的技术架构，也因此被外界认为是「技术前瞻者」。

比如，2022年，当整个智驾行业都认为必须依赖高精地图才能实现城市NOA的时候，元戎启行就已经决定去掉高精地图，坚定采用「无图」方案。到2023年3月，元戎启行开始做端到端，这个时间几乎与特斯拉内部转向端到端的节奏同步，更是在特斯拉公开宣布之前就已经开始布局。

这个时间点，可以说是早于国内绝大部分厂商。

到2024年下半年，当端到端成为智驾行业共同的行业范式，元戎启行又提前布局，以VLA为方向推进下一代智能驾驶技术架构。可以说，这样的技术前瞻性，让元戎启行成功预判、踩中并且在一定程度上引领了智驾技术发展的节奏。

这种技术前瞻性也给元戎启行带来了具体的商业回报。在智能驾驶的量产落地中，元戎启行成为城市NOA方案中的主流选择之一。官方数据显示，到目前为止，搭载元戎启行城市NOA方案的量产车辆已经超过50万辆，而元戎启行也还将在2026年冲刺100万辆量产交付的目标。

在这样的成绩之下，元戎启行也已然在量产辅助驾驶业务的落地实践中，积累了足够丰富的同构数据、真实道路场景及算力资源；这些资源也为Superfluid Lab的模型训练提供了坚实的支撑。

不过，在周光的认知中，元戎启行并非是一家智驾公司，而是一家AI公司。

也正是因为如此，元戎启行更加倾向于技术发展的终局看待问题，并且在2025年3月了就推出了指向自动驾驶终极场景的RoadAGI。当时，周光在采访中明确表示，要想实现自动驾驶的终极目标，必须要对普遍的物理世界有通用的认知。他的原话是：

按照现在的专家系统做法永远不行，一定得让系统通用化，让大模型对物理世界各类场景都能理解，实现通用能力是实现L5级自动驾驶必需的条件。

由此，构建一个能够理解物理世界的基础模型，成为元戎启行从长远视角推动自动驾驶持续演进的客观需求，也是它决定成立Superfluid Lab来打造物理AI基础模型的内在动因。

「滑向冰球将要到达的地方」

对于物理AI的发展来说，自动驾驶无疑是当前最为重要的落地场景，但绝非全部。

事实上，从整个行业面来看，有不少自动驾驶玩家都在物理AI的大框架下积极向外拓展业务边界。其中，特斯拉在推进FSD上车的同时，又发布了Optimus机器人；小鹏也去年亮相了旗下AI人形机器人Iron……在智能驾驶之外，物理AI的边界确实在不断扩大。

对于元戎启行来说，智能驾驶确实是它在实现物理AI道路的商业化选择，但它的自我定位，一直是一家专注于做物理AI的企业，「未来能成为物理世界的AI基础设施」。

这样的定位背后，其实是周光本人对于物理AI的执念。

要知道，周光毕业于清华大学基础科学班，拥有极其强大的数学物理背景；本科毕业后，因为对物理的热爱，周光曾进入清华大学高能物理研究中心工作，随后又到得克萨斯大学达拉斯分校攻读人工智能博士学位。离开学校之后，周光的整个职业生涯也都与物理AI相关。

在这个背景下，身处产业界的周光，骨子里依旧是一名科学家的角色——这也是他决定成立一个具有一定技术理想主义色彩的Superfluid Lab的底层逻辑。这背后不仅仅是对于技术的敬畏和坚持，还有实现物理世界AGI的执念。

实际上，在2025年3月的公开采访中，周光曾经表示：

元戎启行会持续在物理AI领域突破，而智驾也许是物理AI第一个大规模落地的场景。所以我们会不停地去做更好的AI，直到真正实现物理世界的AGI。

也正是因为这个目标，元戎启行在下定决心构建物理AI基座模型之初，就超脱了自动驾驶的限制，因为智能汽车本质上就是机器人，一旦沉淀形成一个物理世界的基础模型，未来也会更容易迁移到其他机器人场景。

这一点，也在元戎启行CTO曹通易2026年3月的GTC活动演讲中得到确认。他表示，元戎启行正在构建的Foundation Model，不仅是面向下一代辅助驾驶系统的大脑，更是面向物理世界的AI基座模型。

如今来看，为了打造这个「物理世界的AI基座模型」，周光和他带领下的元戎启行做出了一种更加极致、更加长期主义的选择：不仅还请来了多模态大模型领域顶尖专家阮翀来担任元戎启行首席科学家，还让他牵头成立了Superfluid Lab这样的实验室。

原因无他，越是难以攀登的高峰，越需要更好的人才、更长的时间、更多的耐心。

2007年1月，乔布斯在苹果Macworld大会上发布了即将改变世界的初代iPhone之后，引用了加拿大传奇冰球运动员Wayne Gretzky的一句至理名言：我要滑向冰球将要到达的地方，而不是它已经在的地方（I skate to where the puck is going to be, not where it has been）。

如果说「物理AI」是一颗冰球，那么，「物理世界AGI」毫无疑问将会是这颗冰球终将到达之处。

如今，在这条日渐拥挤的物理AI赛道上，下一个万亿级的市场和商业机遇等待被挖掘，玩家们越来越多；而从长远来看，只有以终为始、沉潜技术的硬核玩家，才有机会在这条暂时看不清路标的漫长征程中，首先到达并占有自己的一席之地——这并非一场短时间内就能结束的竞争，但比赛的发令枪，已经打响了。