英伟达搅动L4，自动驾驶开始“二级跳”

自动驾驶作为物理AI的起点，正在开始“二级跳”。

从CES到GTC，英伟达正以肉眼可见的速度持续加码自动驾驶。在今年的GTC大会上，黄仁勋强调最多的一句话：“下一波人工智能的浪潮是物理AI。AI将理解物理世界的规律，而自动驾驶汽车，就是我们目前能看到的最庞大、最成熟的具身智能机器人。”

为此，英伟达不仅推出DRIVE AV全栈自动驾驶平台，更一口气拉上比亚迪、吉利、五十铃、日产四大头部车企，再加上Uber等出行巨头，高调宣布要加速L4级自动驾驶规模化落地。

2026年，可以视作自动驾驶的分水岭之年，全球科技企业加紧了攻城掠地的步伐。Zoox在迈阿密和奥斯汀开启自动驾驶出租车测试、Arm围绕汽车与机器人重新梳理业务重心、小鹏成立Robotaxi业务部、蘑菇车联自动驾驶公交巴士登陆新加坡、轻舟智航完成亿元融资、文远知行商业化全面提速……

随着政策支持与技术成熟双重共振，自动驾驶在公共交通、干线物流、末端配送等细分场景全面开花，谁能率先跑通商业化闭环、谁将重构未来出行生态，答案将在新一轮产业竞速中揭晓。

从“一级跳”到“二级跳”

过去十多年，自动驾驶技术的发展经历了从规则驱动、数据驱动，再到学习驱动的阶段性演进。在这一进程中，自动驾驶系统逐步提高了对环境的感知精度和路径规划能力，但其核心仍然侧重于统计模式识别和数据拟合。

英伟达所定义的“物理AI”（Physical AI） 则提出了一种不同于传统学习驱动架构的技术方向，其核心是理解现实世界中的因果关系与物理规律，通过‌仿真、合成数据生成和端到端模型‌来训练AI在物理环境中的感知、推理与行动能力，‌在此基础上实现与现实世界的交互。这一变化并非单点技术升级，而是面向真实世界应用的系统级重构，尤其体现在对极端和长尾场景的处理能力上。

映射到自动驾驶领域，这意味着系统不再仅根据感知结果或模型输出直接生成控制指令，而是需要在复杂交通环境中识别潜在风险、评估多种可能情境，并推演下一步行为。当面对施工区域、非常规交通行为或未被充分覆盖的场景时，系统需要以接近人类驾驶员的方式进行推理，而不是完全依赖大量特定场景的数据训练。

基于这一思路，自动驾驶系统被AI重新改造成为一种“推理平台”，其核心转变在于从以“感知+大模型推演”为主的堆栈，向“理解+推理+决策”的架构迁移。

在推理型架构下，自动驾驶系统需要具备三项关键能力：

1）对物理环境中因果关系的理解能力；

2）在罕见和极端场景下保持决策鲁棒性的能力；

3）对自身推理过程进行审计和解释的能力。

这些能力在以数据拟合为主的传统学习驱动架构中难以完全保障，尤其是在面对长尾事件时，系统表现往往受限于训练数据的覆盖范围。

对此，“世界模型+强化学习”正在成为这一难题的核心路径。传统强化学习的核心瓶颈在于，智能体必须通过与真实环境的持续交互获取数据，不仅试错成本高昂，还面临探索与利用的两难抉择——过度探索会浪费大量算力与时间，过度利用则难以适应环境变化，这在自动驾驶、机器人控制等高危场景中显得尤为突出，甚至无法实现规模化应用。

而世界模型的融入，恰好为这一困境提供了破局之道。它本质上是为智能体构建一个内部预测系统，能够基于历史状态与动作输入，精准预判环境的未来演化趋势，将真实环境的复杂动态规律“浓缩”为可学习、可推演的虚拟模型，让强化学习的训练场景从真实世界迁移到虚拟模拟器中，智能体无需在真实环境中反复碰撞、试错，只需在世界模型构建的虚拟场景中模拟不同动作的后果，就能快速探索最优策略。

这样的技术架构，让自动驾驶系统从“被动记忆”转向“主动思考”，真正具备了应对未知的能力。整个智驾行业几乎都有类似的判断，今年3月下旬推送的小鹏第二代VLA，便结合强化学习和世界模型；长期使用世界模型的蔚来，于今年初在世界模型2.0中引入强化学习；理想汽车推出下一代自动驾驶基础模型MindVLA-o1，希望通过一个统一的模型架构，‌深度融合三维空间感知、多模态推理与行为生成能力‌，推动自动驾驶向具备主动思考与预测能力的智能体演进。

寻找下一座“隐藏金矿”

除了技术持续进化之外，商业化成为自动驾驶另一条主线。进入2026年，全球资本市场对自动驾驶产业的投资逻辑，正在经历一场从“愿景叙事”到“实效验证”的转向。相较于过去两年对宏大未来的充分想象，当前市场更关注的是技术落地、商业闭环与财务回报的清晰路径。

不同于此前从概念验证到封闭场景试点的“一级跳”，这场“二级跳”以技术路线收敛、硬件成本骤降、政策瓶颈突破、商业化模式跑通为核心特征，从封闭或半封闭等单一场景切入，逐步向开放道路等复杂场景渗透，同时通过技术降本和模式创新来创造盈利空间，打破市场对自动驾驶商业化进程的质疑。

在自动驾驶众多赛道中，相比自动驾驶出租车（Robotaxi）、末端配送（Robovan）这类竞争已经趋于白热化的细分赛道，还有一些“隐藏金矿”尚未被充分挖掘，比如自动驾驶巴士（Robobus）、自动驾驶卡车（Robotruck）。

对于自动驾驶巴士，很多人对它的认知还停留在“景区观光车”“园区接驳车”的浅层认知层面，认为它只是传统巴士的智能化升级。但事实上，自动驾驶巴士早已突破单一接驳功能，成为贯穿多场景、实现多元化盈利的“黄金载体”，其商业价值远超市场想象。

根据全球权威研究机构Fortune Business Insights测算，全球城市客车市场规模预计2032年将达4320亿美元，仅智能化升级就将催生超千亿美元市场，构成自动驾驶巴士“存量替代”的坚实地基。

自动驾驶巴士契合了城市交通“线网化”的运营特征，凭借公共交通属性带来的政策支持和社会价值，精准踩中了城市微循环、公交接驳、园区景区通勤等高频刚需场景，成为自动驾驶最具确定性的赛道之一。

自动驾驶巴士覆盖的场景多为公共出行刚需场景，需求稳定性强。在城市微循环交通中，传统公交存在“运力不均、覆盖不足”的问题；在园区、景区等封闭区域，短途接驳需求旺盛但人工成本居高不下，自动驾驶巴士的出现恰好弥补了这些需求缺口。这种刚需属性，确保了自动驾驶巴士的市场需求稳定，为商业化落地提供了基础。

从落地场景来看，自动驾驶巴士已形成“文旅景区先行、城市公交跟进、多场景全面渗透”的梯次布局，每个场景都对应着清晰的盈利路径，共同构成了这座“隐藏金矿”的核心价值。

文旅景区是自动驾驶巴士商业化落地的“首选战场”。场景封闭、路线固定、客流量集中且消费意愿强的特点，让自动驾驶巴士的盈利模式更直接，既可以与景区门票捆绑销售，收取接驳服务费，也能通过定制化游览线路、车内景点讲解、文创产品售卖等增值服务提升收益，同时依托景区场景的曝光度，承接车身广告、品牌联动等商业合作，实现“基础服务费+增值收益+广告收入”的三重盈利，进一步挖掘商业价值。可以说，自动驾驶巴士不仅解决了景区的接驳难题，更成为景区增收的“新引擎”。

如果说文旅景区是自动驾驶巴士的“试金石”，那么城市公交就是其实现规模化盈利的“主战场”，其商业逻辑更偏向长期稳定与规模化效应。除了票务收入、政府购买服务、车身广告等基础收益，随着自动驾驶技术与城市公交系统的深度融合，自动驾驶巴士的盈利边界还在持续拓宽。

例如，通过整合公交大数据，为城市交通治理提供数据服务；与商圈、社区、医院等机构合作，开通定制化专线，收取专项服务费用；甚至可以拓展智慧交通解决方案服务，为企业和政府提供技术输出与运营支持，让城市公交场景从“单一运营”向“多元服务”转型，盈利稳定性和盈利能力持续提升。

从行业发展趋势来看，自动驾驶巴士在全球城市公交领域的规模化落地已进入加速期，全球多个国家和经济体已将自动驾驶公交巴士纳入公共交通升级规划，为其商业化落地提供明确的政策保障。新加坡明确提出三年内实现自动驾驶巴士与普通巴士协同运营；国内方面，截至2025年，已有28个城市开放L4级自动驾驶测试，通过政策沙盒支持自动驾驶巴士开展示范应用。

武汉于去年4月新增四条自动驾驶接驳线路，覆盖教育、民生、企业通勤、旅游四大出行场景。今年3月，国内首个服务于跨境医疗场景的自动驾驶微循环专线“琴澳医线”正式开通；成都开通自动驾驶公交4号线、民航飞行学院校内摆渡线。广州公交集团目前已开通30条自动驾驶公交线路，初步构建起城市级自动驾驶公交运营网络。

不止是国内，在GTC 2026大会上，自动驾驶开源软件供应商提雅智行（TIER IV）和五十铃汽车有限公司宣布，将基于五十铃ERGA电动及柴油车型，部署构建面向高容量公共交通优化的L4级自动驾驶巴士系统。

新加坡迎来首辆自动驾驶公交巴士，该巴士是蘑菇车联为新加坡定制的首批自动驾驶公交巴士其中之一，将服务于400号和191号公交线路，满足新加坡日益增长的公共交通智能化需求。这些表明，自动驾驶公交正逐步实现从“半封闭线路”向“全开放公交干线”延伸，从“辅助运营”向“主力公交”转型。

对于企业而言，城市公交将成为自动驾驶技术商业化变现的核心突破口。相较于文旅景区的小众场景，城市公交的规模化需求的能够带动自动驾驶巴士的批量生产，进一步降低硬件成本；而稳定的B端付费模式（政府、公交公司等），能够有效规避C端市场的竞争风险，实现可持续盈利。

随着技术成熟、政策完善和运营模式的优化，自动驾驶巴士有望在2027-2030年实现城市公交领域的全面规模化应用，重构城市公共交通版图，也将催生一个万亿级的新商业蓝海。

在文旅景区与城市公交的双重带动下，自动驾驶巴士正加速向多场景全面渗透，进一步挖掘“隐藏金矿”的价值。

园区（产业园区、工业园区）是自动驾驶巴士重要的延伸场景，主要为企业员工提供通勤接驳服务，盈利模式以企业年度付费、园区购买服务为主，无需承担过多市场推广成本，且需求长期稳定，是企业快速实现盈利复制的重要场景。

此外，自动驾驶巴士在机场、高铁站、高校校园等场景也正逐步落地。在机场与高铁站，主要提供航站楼与停车场、交通枢纽之间的接驳服务，依托庞大的客流实现票务收入与广告收益；在高校校园，为师生提供校内通勤服务，由学校或后勤集团统一付费，同时可结合校园文化开展定制化服务，拓展增值收益。

更值得关注的是，多场景的协同发展，让自动驾驶巴士的商业价值实现了“1+1>2”的效应。不同场景的运营经验可以相互借鉴，比如景区场景的服务模式可复制到园区，城市公交的智能调度技术可应用于机场接驳。而规模化的运营布局，能够带动自动驾驶巴士的批量生产，进一步降低硬件采购和运维成本，反过来提升各场景的盈利能力。同时，多场景的全面渗透，也让自动驾驶巴士逐步融入公众生活，提升公众接受度，为后续更大规模的落地奠定基础，让这座“隐藏金矿”的价值得到充分释放。

对于自动驾驶行业而言，2026年是一个关键窗口期。资本不再为单纯的“技术故事”买单，而是越来越看重企业的自我造血能力和清晰的商业化路径。以自动驾驶巴士为代表的赛道，或许不像Robotaxi那样自带光环、备受瞩目，但它正在以一种更务实、更可持续的方式，为自动驾驶技术的规模化落地铺平道路。

站在这个节点上，我们可以清晰地看到，英伟达的入局、头部车企的跟进、创业公司的突围，都在指向同一个方向：自动驾驶已不再是一个“未来时”的命题，而是一个“现在进行时”的商业实战。而自动驾驶领域那些还处于发掘阶段的“隐藏金矿”，或许正是这场马拉松中，最值得关注的补给站与转折点。

本文来自微信公众号“极智GeeTech”，作者：半山，36氪经授权发布。