作者： edit

声明：本文来自于微信公众号 字母榜，作者：李峰

原生AI入口正在进入分流时刻。

过去两年，大模型产品的竞争焦点主要是模型能力。但进入2026年，问题开始变化。

Agentic能力不断进化，AI从“会聊天”走向“能办事”。任务能力越强，产品分层越明显。复杂办公、深度研究、代码生成、长链路Agent，都意味着更长上下文、更多工具调用和更高推理成本。

在这些背景下，一些AI厂商开始将高阶能力单独定价。

近日，豆包推出专业版。公开信息显示，豆包专业版基于豆包2.1系列大模型，标准套餐连续包月68元，加强套餐连续包月200元，高级套餐连续包月500元。

AI生产力正在被重新定价，但另一件事也在同时发生。百度文心宣布网站整合升级，把另一条路推到台前:通过统一入口和模型升级，继续维持免费，降低普通用户使用AI的第一道门槛。

中国生成式人工智能用户已经进入6亿级市场。AI助手面对的不只是程序员、研究员和企业用户，也包括学生、家长、普通职场人、自由职业者这样的普通受众群体。

于是，国产AI的商业化路径正在走向分化:AI到底该先服务少数专业用户，还是先让更多普通用户用起来、用得懂?

A

当前，智能体等AI应用的竞争正在加速。

从办公助手到代码助手，从研究助手到营销助手，从个人助理到企业智能体，AI产品都在把“回答问题”升级为“完成任务”。

普通聊天通常只需要模型给出一次答案;复杂智能体任务往往要经历多轮推理、信息检索、工具调用、文件处理和结果校验。

在这个过程中，AI使用账单已经先一步变化。

近期公开报道显示，亚马逊等公司开始限制员工使用AI工具。原因并不复杂:高级模型和智能体工具的计算成本，明显高于普通聊天机器人。

一些学术研究也在指向同一个问题。

今年4月，斯坦福大学数字经济实验室发布工作论文《How Do AI Agents Spend Your Money?》（《AI智能体如何花掉你的钱》），分析了8个前沿大模型在SWE-bench Verified上的任务轨迹。

SWE-bench Verified是用于评估模型解决真实软件工程问题能力的基准。论文称，智能体编码任务的Token消耗可达代码推理和代码聊天任务的1000倍;同一任务不同运行之间，Token消耗最高相差30倍。更高Token消耗也不必然带来更高准确率。

对专业B端用户来说，只要AI能够减少人力投入、缩短交付周期、提高工作质量，企业就会把它放进生产力账本。

然而，C端用户面对的是另一套问题。

普通用户未必理解智能体是什么，也未必知道不同模型之间有什么差异。面对Agent生态的加速迭代，很多人首先遇到的不是能力上限问题，而是使用门槛。

这个门槛正在变成行业共识。

中国互联网络信息中心（CNNIC）第57次《中国互联网络发展状况统计报告》显示，截至2025年12月，中国生成式人工智能用户规模达到6.02亿，普及率为42.8%。生成式AI应用场景正在向生活、生产领域渗透。

6亿用户之后，AI助手面对的已经是大众市场。

学生、家长、普通职场人都在加速使用AI产品。对他们来说，AI助手的关键价值，不在参数大小，也不在概念新旧，而在能不能更容易地完成一项任务。

去年8月，国务院发布《关于深入实施“人工智能+”行动的意见》，明确提出“推动人工智能普惠共享”，推动技术开源可及，帮助更多国家和人群参与智能化发展进程。

高阶能力需要商业闭环，基础能力也需要亲民入口。前者决定AI生产力能否持续供给，后者决定AI能否进入数亿普通人的日常任务。

在这条分流线上，百度选择了升级产品入口。

今日，百度宣布对文心旗下多个网站入口进行合并升级，统一整合为全新的百度文心网站，打造一站式AI服务入口。用户可在一个平台内便捷使用全部AI功能，大幅降低使用门槛，提升交互效率。

这意味着，百度把更先进的模型能力和AI服务，被整合进了一个更大众和统一的入口里。

B

目前，升级后的百度文心网站已经形成多元能力矩阵:多模态搜索、中文写作、图片问答、AI PPT、视频生成和跨端协同等能力，被放进同一个入口，覆盖生活、学习、工作和娱乐。

统一入口的价值，是减少用户选择成本。

过去，用户要完成一个任务，常常要在多个工具之间切换。写报告要找资料，找资料要搜索，做PPT要整理大纲，生成图片视频又要打开另一个创作工具。

百度文心网站把这些能力集中起来，用户面对的不是多个工具菜单，而是一个可以承接任务的AI入口。

哪怕是一个职场用户提出“我要做一份汇报”，背后也可能涉及一套复杂的Agent调用链路。

整合后的文心，承接的正是这类普通用户高频、真实、跨工具的任务。

以生活服务场景为例，本月10日，百度发布今年高考服务升级方案，推出AI志愿报告，并引入真人专家背书机制。

据了解，AI志愿报告通过文心助手多轮对话采集考生信息，结合历年投档分数线、高校及专业数据、专业就业前景等数据库，为考生输出个性化志愿填报方案，并向考生免费开放。

高考志愿填报牵涉分数、院校、专业和就业预期。文心助手通过多轮对话和数据库生成方案，AI入口开始进入更重的生活决策场景。

用户不必先学习专业软件，也不必在多个入口之间来回跳转。复杂模型和智能体能力，被整合到一个普通人可以便捷使用的入口里。

文心和豆包专业版的路径分化，也由此拉开。

豆包专业版把高阶任务能力做成更清晰的付费层级，以付费订阅验证产品价值并反哺研发。

文心网站则把基础模型、智能体能力和高频任务入口打包给用户，让更多人先用起来、用得懂、用得上。

百度的普惠路线，也有更早的用户基础。

QuestMobile研究院今年3月发布的《2025年AI应用层发展核心报告》显示，2025年PC端AI应用月活跃用户规模达到2.05亿;在月活跃用户规模TOP10的PC网页版应用榜单中，百度旗下文心助手、百度文库、百度翻译占据三席，且均位于前五。

报告还提到，AI搜索引擎、AI综合助手和AI效率办公正在构成PC端主力赛道。

今年春节期间，文心助手增长也提供了一个侧面样本。春节红包活动启动以来，文心助手MAU同比增长4倍;生图功能调用量同比增长50倍，生视频功能同比增长40倍，AI打电话功能增长近4倍。

用户被入口带进来之后，增长落到生图、生视频、AI打电话等具体功能调用上。文心网站这次整合，承接的正是百度已经跑出的网页端和应用端AI需求。

对C端用户来说，普惠不能只是一句口号。

它要求入口简单，也要求覆盖高频使用场景。复杂模型和智能体能力只有被打造成普通人能理解的服务，才可能真正穿过6亿AI用户的使用门槛。

C

文心网站这一轮升级背后，是百度对AI应用价值的长期判断。

上个月，在Create2026百度AI开发者大会上，百度集团创始人李彦宏在开幕式上提出，AI时代的度量衡可能是“日活智能体数（DAA，Daily Active Agents）”。

移动互联网时代，平台关注日活用户数。智能体时代，平台需要关注有多少智能体在为用户干活，并交付结果。

Token可以衡量模型调用和算力消耗，但DAA显然更接近任务完成和用户价值。

当前，文心网站的升级方向，与这个判断高度一致。

真正的智能体生态，需要大量用户不断提出真实任务。只有足够多的任务被执行、被验证、被复用，智能体才能从概念走向日常服务。

而这需要更完整的生态布局。

百度过去的基础盘，来自中国互联网时代最重要的信息入口之一。用户查资料、搜地图、看百科、找文档，绝大多数需求都曾通过搜索完成。

进入AI时代，这些入口能力没有消失，而是在文心里转化为任务场景。

搜索时代，用户要的是找到信息。AI时代，用户要的是拿到结果。文心网站把AI能力和服务继续向一个入口集中，实际是在把信息入口改造成任务入口。

与此同时，在基座模型能力上，百度也在持续升级补强。

上月，文心5.1正式上线。公开信息显示，文心5.1继承文心5.0知识能力，在总参数、激活参数和预训练成本上做了压缩，并通过智能体后训练强化了Agent、知识、推理和深度搜索能力。

该模型迅速登上LMArena搜索榜国内第一，在智能体、知识、推理和深度搜索等方面表现出色，创意写作能力与Gemini3.1Pro相当。

AI能力越强，越需要面向更广泛的人群开放。只服务少数专业用户，AI很难成为基础服务;只有让普通人低门槛使用，AI入口才有真正的规模价值。

这也是头部大厂在AI时代需要承担的角色。

从互联网时代的搜索框到今天AI应用的任务框，百度一直在承接国民级用户需求。QuestMobile数据显示，百度文心助手月活跃用户规模3.6亿。

AI需要应用场景不断扩展，需要用户在真实任务中反复使用。在这一点上，中国的AI厂商正在走向不同路线。

豆包分层付费在证明AI生产力需要被定价。百度文心要证明的，是AI生产力也需要被普惠化。再强大的模型能力，也需要在更多用户的日常结果中得到验证。

今年1月，李彦宏在接受《时代》杂志专访时谈到，百度的基础模型采取应用驱动路线，训练会围绕搜索、数字人等具体应用展开;他还提到，开放模型能让更多人尝试效果，带来更多关注。

这两件事，恰好发生在这次文心网站升级的延长线上。

入口合并让文心继续承接普通用户的高频任务;自去年文心4.5系列以来，百度模型团队持续开源，把能力交给更多开发者和企业继续改造。

用户的使用入口不断降低门槛，开源模型不断扩大覆盖面，Agent在真实场景里验证结果，百度文心的生态才会越滚越厚，为下一轮AI产业竞争筑牢根基。

目前，AI生产力固然进入了定价周期，但只有穿过足够多的任务、组织和人，AI才会变成下一代入口的底座。

百度文心押注的，正是这条更长期、也更考验耐心的路。

前天晚上，我的微信账号，终于拿到了微信小微的内测资格。

无论怎么说，微信这种十几亿日活国民级别的产品，全面拥抱AI，我觉得在整个互联网行业，都是一个巨大的信号，也是值得大家研究的案例。

在深度玩了一天以后，我想说，微信Agent在跟微信原生能力的打通上，有很多超出我预期的部分，但是在智能程度上，也有蛮多不及我预期的部分。

但是我依然愿意称，这是微信有史以来最大的更新。

还是先聊聊功能上。

当你获得小微的体验资格以后，它就会常驻在你的左上角了，替代了原来的星标区域。

点开以后，其实就是一个大家每天都会见到的对话框。

默认进来是语音输入，点击一下才会变成文本输入框，然后支持上传照片、吊起摄像头拍照、以及上传文件。

在这个对话框里，你可以直接调用大模型来跟微信的很多原生能力进行交互。

小微背后的基座模型，应该是两个，一个是主模型WeLM，这是微信自己做的，另一部分偶尔会借助DeepSeek模型来进行回复。

WeLM目前没有太多的数据，只能通过官方年初发布的部分信息看出端倪。

之前透露出了两个模型型号，一个是WeLM-V4-80B的MoE，激活参数量是3B，一个是第三代的，WeLM-V3-258B，激活22B的MoE。

坦率的讲，微信的算力压力还是巨大的，因为我觉得微信很难在这块进行收费和商业化，他们大概率自己也还没有想清楚，现在内测人数不多，他们还是能扛得住的，但是如果真的哪天全量了，那可是14亿的用户，这个数量级的用户的推理需求，我感觉国内哪家公司都可能都抗不住。

这就是AI时代和互联网时代最大的不同，互联网时代用户的边际成本几乎为0，但是AI时代，那不好意思，每一个用户，那真的背后都是白花花的钱。

这也是我为啥看好端侧算力的原因，因为只有这样，才能让所有用户，享受到真正的AI普惠。

从我的测试直觉上，这次的WeLM有可能就是这个80B激活3B的小模型系列来进行服务的，所以从这个参数上来说，你就不能指望它能完成多么复杂的任务。

这个对话框中，目前支持蛮多的功能。

比如一个很多很多人都觉得没啥蛋用的功能，让Agent给人发消息、发红包、打电话之类的。

我的小微回复的口吻稍微会有点特殊，不是正常回复，是因为我想看到小微背后的工具链具体是咋实现的，学习一下做法，所以强行让他扭了过来，让它每一步都要吐一些工具调用，这个其实是不正常的，大家跟小微对话的时候，它回复的还是正常的预期，就像第一张图一样。

小微有一个其实不是很Agent的点，就是几乎每一步都需要你确认，确认是否要拨打语音电话，确认是否要发消息，确认是否真的给这人转账。

这个我们也能理解，因为通讯录以及人与人之间的交互这个事，实在是太敏感了，不谈隐私问题，有无数的灰产这么多年一直跟微信斗智斗勇，你这个东西如果不进行确认，那基本就炸了，最开心的，就是那群灰产了。

这个思路，也几乎贯穿这小微这个Agent所有的设计中。

比如大家最最想要的方便你我他的，比如批量给人发送消息、定时给人发送消息等等，都不可以。

整个微信通讯录其实被封装成了一个skill，我把skill文档给扒了下来，其实就可以看出来一些端倪了。

比如这一连串的禁止事项。

其实微信在通讯录和消息这块的处理，从这个skill我都能感受到，压力也挺大的。

所以开放的能力都非常谨慎，目前基于通讯录开放的能力中，就是给个人/群聊发消息，给个人发起视频通话，给个人发红包或者转账这几个场景比较好，但是同时，就跟很多人说的一样，不够便捷，反而鸡肋。

因为本质上用户的交互成本差不多。

比如我要给鲜虾包打电话。

Agent交互流程是:点击小微 – 输入“我要给鲜虾包打电话” – 等待 – 确认。

常规GUI流程是:点击搜索框 – 输入鲜虾包 – 点击头像 – 点击菜单 – 点击语音通话。

其实只是把点击成本转化为了输入成本，在便利性上，并没有方便特别多。

基于通讯录这块，比较期待微信后续对Agent能力的开放了，比如是不是可以批量或者定时发消息之类的，这些我觉得就能真正的体现出Agent的价值了。

当然，也不是说完全就没有用了，因为如果你只做这一件事，那确实是意义不是很大，但是如果是个稍微复杂一点点的长程任务，这就会方便非常多了。

比如说，我明天要找鲜虾包中午吃饭，那我可以直接给自己设置一个明天中午吃饭的日程提醒，同时也要把这个消息直接发给鲜虾包。

这种就简单很多了。

Agent真正的价值，我还是觉得在未来的长程复杂任务上，能帮我们更便捷的省心省力。

在这个主入口中，还有一些其他的能力，比如打通了朋友圈，你可以问，今天最装逼的朋友是谁。。。

不过其实朋友圈本质是先筛选，并且限制了最多只能拿到最近2天的时间，所以，你想总结过去所有的朋友圈之类的操作，其实就不是特别现实了。

不过最后挑出来的朋友圈，右边那个小按钮，是可以直接点开浮起一个弹窗，支持跳转到朋友圈原文的，这个好评的。

除了朋友圈，也支持公众号和视频号的查询和搜索。

也支持创建提醒，处理文件，创建笔记，这种就是常规操作了。

不过我本来还挺期待，Agent可以跟我的微信收藏打通，但是这个权限并没有开放，小微只能操作他自己创建的笔记。

还有个好玩的事，就是也跟微信支付打通了，可以进行一些好玩的查询操作，比如说，我可以授权以后，来查我今年发了多少红包出去。

不过整体所有你跟小微的交互，都有一个比较核心的特点，我总结成了4个字:

只读不动。

微信目前已经在尽可能的给小微开权限了，但是还是人口基数过于庞大，你不能保证每一个人都是能熟练操作手机的，更别提是能熟练使用Agent了，如果操作权限也给了一部分，你很难说，会发生什么样的舆情。

所以像一些帮我删掉加了超过一年但从来没有说过话的好友、比如取消关注我3个月以上没有打开的公众号等等，全都无法操作。

因为这是微信，所以这个谨慎的态度，是可以理解的。

而在小程序操作上，目前支持很多小程序，这块我也直接列一个我扒拉出来的官方skill的边界吧。

##触发条件用户明确说"打开/用/通过…（某小程序名）做X"本地生活类下单/预约:外卖、奶茶咖啡、扫码点餐、堂食排队、KTV、洗车、家政出行类:打车(滴滴等)、共享单车、查公交地铁、查驾车路线/耗时、查火车票机票、订酒店票务类:电影票、演唱会票、景点门票、展览门票、博物馆预约查询类:快递物流查询、订单状态查询、附近商家/POI检索、营业时间查询充值缴费类:手机充话费、加油卡、水电燃气、ETC模糊本地服务表述:"我想吃饭"，"附近有什么好玩的"，"帮我找个能X的小程序"基于上一次小程序操作截图的追问/微调(如"换成大杯"，"看第二家"，"下一场")

## 不触发条件纯知识/资讯问答 → 走通用问答用户明确要求用 App、网页、桌面客户端完成（非小程序）→ 走对应渠道调用非微信生态平台（如直接调淘宝API、抖音内部操作）→ 不属本 Skill与微信账号/支付/隐私设置相关的系统级操作 → 走客服/系统设置用户只是闲聊、打招呼、表达情绪 → 走通用对话

比如说，我说定个周六晚上的我家附近的电影票，因为我让他记住我家在哪了，所以他知道，然后他会列出目前他可以操作的小程序，然后使用第一个来为我们服务。

小程序支持的还真的蛮多的。

一个电影就列出了5个，然后他选了第一个猫眼进行操作。

小微有一个很棒的点就是，他虽然没有办法帮你直接操作完小程序，但是他会一直操作到，他能操作的部分，然后把剩下的交给你，你接着Agent的步骤，做完后续的部分就行。

比如猫眼这个。

因为我没有指定电影院，我只说了家附近，所以他会先自己操作一会猫眼，最后给我停在玩具总动员5的影院选择界面，我点进去就是列表页，我选个影院就行了。

小微在小程序的操作适配上，这一点我觉得做的还是非常棒的。

除了这个主入口之外，小微的各种小入口，依然还是无处不在。

我能找到的，就有5个。。。

本质上都是一些快捷入口，不过比较特别的就是在群聊对话界面和个人对话界面，这两个的底部菜单栏唤出的小微，是带有了聊天记录的上下文的，这个是主入口里也做不到的。

而且微信居然会把聊天记录的权限在特定的入口里给小微开放出来，这个点，就已经完完全全的超出我的预期了，我以为这个纯粹的0.0.1的内测版本，是不会有聊天记录的，因为这个对于微信来说，就是纯粹的命根子。

比如我直接在两个群聊里面问。

不过这个时效性，跟朋友圈是一样，只能拿到最近2天的数据，拿不到更久以前的。

私聊也是如此，只能拿到最近2天的聊天记录，这个微信卡的非常严格。

除了这些东西之外，你从主入口的小微点进去，右上角的更多里面，其实还藏了一些功能。

比如这个记忆，其实就是会记录下你的部分的信息，比如我就让它记下了我家和公司的地址。

我就可以实现，直接说帮我打车去公司。

然后还有一个比较离谱的东西，就是那个小工具。

点进去以后，你就发现，你是可以，直接用一句话，来创建你想要的小工具的。

比如我就直接昨天一句话，创建了一个体重变化的小工具，这个玩意，是纯粹给我自己用的。

我其实觉得，这玩意有点杀死比赛的意味了。

因为，这个小工具，是完完全全复用的小程序的逻辑和架构。

现在虽然不能转发，但是做这个页面，明显就是未来为了分发而预留的口子。

过去一年时间，出现了无数的AI生成小程序小游戏的平台，大家都觉得，这感觉是个很棒的市场，因为有很多的创作者来这个平台上面做应用，然后就有可能，成为未来的新时代的APP store。

软件这个形态未来还是不是主流咱们另说，咱就说一个点，做过互联网产品的人应该都知道一个概念，双边市场。

平台的价值来源于同时连接两端，供给侧和需求侧。

平台最难的事情，永远是同时把两端的用户聚起来，也就是经典的冷启动困境，没有消费者就没有创造者，没有创造者就没有消费者。

但是过去一年多时间，大家最大的困境都是，只有创造者，但是，消费者不来。

但微信没有这个问题，微信有14亿用户，他的起点，是无数产品这一生的终点。

在微信里生成一个小程序，它天然就在全中国最大的消费者池子里，分发路径、用户基数、支付体系、社交关系链，全是现成的。

你做的每一个小程序，从诞生那一刻起就自带分发能力，因为微信本身就是分发。

所以，当微信自己进军，用AI直接生成小工具的赛道，很多其他的AI生小程序的产品，我觉得就非常的难受了。

整个小微大概就是这样。

能体验的部分、他们的部分技术调度我也都给大家展示了。

整个第一版，虽然还是只读不动。

但其实权限开放的已经有一点超我预期了。

毕竟，平台的信任是一种不可再生资源，透支了就很难恢复。

对于微信来说，出一点点的事，那都是无比大的大事。

而今天，微信也在用着非常微信的方式，把自己十几年积累的上下文资产和分发网络，用一种极其微信的节奏，接入AI时代。

我是从2012年开始用微信的。

到今天为止，差不多用了14年。

回望过去我印象中所有的大更新，我觉得没有什么，比这次更大了。

这是新时代和旧时代的区别。

也会在互联网和AI历史上，留下浓墨重彩的一笔。

声明：本文来自于微信公众号 深响，作者：何理

AI的风向，已经变了。

此前，无论大语言模型还是Agent、龙虾，AI始终在“屏幕内”，「数字AI」不断探索边界，也卷成了红海。而现在，在屏幕之外，一个更庞大、更具想象力的AI新战场正在形成——行业目光集体转向能真正在真实世界里动手干活儿的「物理AI」。

巨头对此纷纷下注:英伟达高调推出全模态物理AI模型NVIDIA Cosmos3，还亮出了机器人领域的全家桶，黄仁勋反复强调物理AI将成为下一波浪潮，世界模型是实现物理人工智能的核心;马斯克也在将AI的触角延伸至物理世界，FSD（完全自动驾驶）实现端到端进化，Optimus人形机器人高频迭代……

有意思的是，在物理AI的蓝图里，率先承接机会的并非是尚在实验室里练习行走的双足人形机器人，而是已经在公路上比比皆是的智能汽车。自动驾驶是目前非常稀缺的能够同时跑通“海量物理数据闭环”与“高频商业造血”的通用物理AI场景。而世界模型则是物理AI的底座，是激发物理AI“GPT时刻”的关键突破口。

6月23日，物理AI公司Momenta通过港交所聆讯，正式进入IPO冲刺阶段，即将领衔“物理AI第一股”。在智驾的基础上，Momenta正在打造一个能够理解物理规律、推演世界演变的通用世界模型，成为物理AI基座模型的构建者。

目前，Momenta R7世界模型已实现量产首发，意味着物理AI正式从技术理念走向规模化量产落地，实现从“看见世界”到“理解世界”的跨越。与此同时，在竞争最为激烈的中国第三方城市NOA供应商市场中，Momenta以高达65%的市占率行业居首，Momenta的客户已覆盖国内全部主流乘用车企业，且全球前10大车企中已有9家与其开展合作，成为“全球品牌的共同选择”，这也验证了自动驾驶作为物理AI的核心赛道的规模化商业价值。

此外，Momenta的股东阵容极其豪华，汇聚了全球最核心的产业和科技战略投资人，以及全球顶级财务投资人。产业资本囊括了全球汽车产业链的核心玩家，包括:上汽、通用、奔驰、丰田、比亚迪、现代、奇瑞等7家全球顶级车企，以及博世、德赛西威、立讯精密等头部产业链合作伙伴，和Uber、Grab、Stone Venture等Robo合作伙伴。科技巨头则包括腾讯、阿里云、蚂蚁集团、京东等。财务投资人更是覆盖了淡马锡、IDG、阿曼投资局、亦庄国投、Granite Asia、顺为、蔚来资本、凯辉基金、云锋基金、蓝湖资本、创新工场、真格基金、鼎晖投资、高榕创投、高成资本、众为资本、愉悦资本、钟鼎资本、盈峰资本、招银国际、华泰创新资本、混沌资本、春华资本、大湾区基金、国新基金、光合创投、九合创投、锦秋基金等全球最顶尖投资机构。超豪华、多元化的股东阵营，不仅为Momenta提供了战略和资本支持，还从业务协同、用户增长和全球化布局等方面助力了Momenta高速增长。

世界模型带来新的“GPT时刻”

说起“物理AI”其实不难理解，简单来说，它就是将人工智能的感知、决策与学习能力，深度嵌入机器人、智能设备、自动化产线等物理实体系统中，使其能够在复杂、动态的真实物理环境中自主执行任务。如果说过去AI突破主要体现在数字世界，那么物理AI的兴起，则意味着AI发展进入了以理解和影响物理世界为核心的新阶段。

但不同于数字AI，物理AI并不是一条单线赛道。具身智能、自动驾驶、工业机器人、边缘AI，都在把AI从屏幕带进现实世界，它们之间也并非对立关系，更像是物理AI走向现实的不同入口。而世界模型（World Model），正是这一切的共同底座——它是AI理解物理世界、预判未来并自主决策的“内在思维系统”。

要理解世界模型的关键性，我们不妨将其与大语言模型（LLM）做个对比:

大语言模型擅长的是“读万卷书”，它理解语义、擅长推理，在虚拟符号世界里无所不知，但它并不真正掌握物理规律，无法本能地理解“推倒杯子水就会洒”;世界模型则擅长“行万里路”，它能够深刻理解物理世界的规则，预测动作带来的后果，并支持AI在现实世界中做出实际行动。

纯语言模型或传统简单算法的短板很明显:它们要么不懂物理规律，无法应对瞬息万变的动态场景;要么必须在真实环境中通过海量的肉身试错来“刷经验”，比如机器人不断摔倒，这不仅导致硬件损耗成本高昂，更伴随着不可承受的安全风险。

现实世界场景多变且充满不确定性，人类无法用死板的规则预设所有的突发情况。因此AI必须具备自主理解和预判能力，才能适应不同环境。而世界模型正是要解决这一痛点——在AI的大脑中搭建了一个“虚拟练兵场”，先通过预训练赋予模型理解现实世界的“物理直觉”，让AI真正“懂物理”;再利用这套规律在虚拟练兵场里“脑补”行动后果，配合强化学习的奖惩机制，让大模型在无风险、低成本的环境中反复探索、试错并给出最优决策。这种从理解物理规律到在虚拟试错中进化出最优行动方案的闭环能力，正是世界模型能够打破虚拟与现实鸿沟，成为具身智能和通用人工智能核心基石的关键原因。

今年世界模型热度明显升温，很多不同的技术路线、不同的场景模型都冠以世界模型:

有的以语言为中心，比如VLM、VLA是把其它模态、其它能力映射到语言空间。

有的以像素为中心，比如Sora，实际上是在预测下一个2D像素场景，由于其训练数据大量来自影视作品，模型极易生成不符合真实物理规律的内容，比如像星战“原力”一样违背重力逻辑的画面。图灵奖得主Yann LeCun也曾多次公开批评，生成像素并不等同于理解物理因果;

还有的以三维结构为中心，比如李飞飞World Labs的"空间智能"理念，从单张图片生成可交互的持久化3D环境，本质上瞄准的是数字世界的构建。但模型重建3D空间不等于理解世界，几何结构也不代表复杂的物理动态演变状态。

由此可见，当前各个方向的世界模型的痛点核心，在于对物理规律的理解深度，以及能否最终服务于“行动”。我们开发世界模型，不是为了教模型去生成一段好看的视频，而是要教它理解物理规律，并基于这种理解去精准预测下一个状态。行业真正需要的，是把多模态感知、物理规律理解和动作执行三者彻底打通。

Momenta R7世界模型

如何构筑物理AI底座?

而要实现多模态感知、物理规律理解和动作执行三者打通，就必须拥有海量的真实物理交互数据与场景，率先跑通数据和商业规模化闭环，让“数据回流再推动模型能力跃升”的正向循环真正转起来。在这个前提下，拥有断层式数据红利的自动驾驶赛道，自然成为了最先解出这道题的产业先锋。

无论是Mobileye、Waymo，还是Momenta，这些自动驾驶的头部公司都不约而同地成为了物理AI的排头兵，自动驾驶公司积累的能力，正在被重新理解为可以泛化到更广义物理AI的平台能力。

Momenta在数据、场景、世界模型架构方面的优势格外显著:

在数据规模方面，Momenta拥有基于120+亿公里实车里程提炼的1亿段黄金数据，还有真实世界里大量数据的反馈，覆盖更多长尾场景。Momenta以真实数据学习生成世界，它可以通过实车和仿真的一致性来做对齐和校准，并拥有明确可参考的基准，这种“真生成”最大程度地减少了仿真与现实之间的差异，比生硬的渲染方式要可靠得多。

而在世界模型方面，Momenta R7的三层架构更是独树一帜。

第一层World Model Pre-Training（世界模型预训练）， 让模型懂物理。传统的智驾大模型大多是在“背题库”，而R7则是在“学规律”。它通过海量真实驾驶视频的预测训练，将物理规律、常识与因果关系压缩进模型，让系统形成对物理世界最底层的基础认知，不再机械地依赖人工规则。

有了物理常识，模型需要演练，第二层World Model Simulation（世界模型仿真），就是让模型拥有“练兵场”。R7利用生成式模型推演周围环境进行闭环仿真，让系统能够推演自身行为变化时世界将如何演变。依托这种高效场景推演能力，AI可以对现实中很罕见、很危险的长尾场景进行性能评估，其效率比传统实车路测提升了上万倍。

第三层则是World Model Reinforcement Learning（在世界模型中进行强化学习），系统通过精心设计的奖惩机制让大模型反复探索与试错。它在虚拟世界里经历千万次的博弈推演，自主学会了在复杂多变的动态环境里如何做出最优决策，最终输出更安全安心、高效丝滑的类人驾驶表现。

这套架构可以说是物理AI现实价值的直观体现。比如开车的时候，前方意外掉落一箱苹果，Momenta就可以自主预判苹果滚落的轨迹与扩散范围，提前平稳减速、规划绕行路线，以更从容、更贴合人类驾驶逻辑的方式处理突发路况。

Momenta R7理解的是物理世界的运动规律与交互逻辑，而非依赖场景记忆与规则匹配。真正的物理AI，不只是让车辆在绝大多数日常场景中顺畅行驶，更要在万中无一的罕见极端场景中，依然为用户提供更稳健的安全保障。

从整体视角来看，Momenta R7世界模型这三层架构并不是孤立的三个模块，而是一个有机统一、高频自运转的整体:一方面认知一体，从第一层的“理解物理”，到第二层的“推演未来”，再到第三层的“动作决策”，R7架构打破了过去感知、预测、规划各自为战的割裂状态，信息在同一套基座模型中流动;另一方面可以自进化，第一层提供认知，第二层提供空间，第三层在空间里刷经验，三者互为因果，数据在内部滚动即可实现模型的自我升级。

目前行业内普遍仅将世界模型用作“生成数据”的仿真工具，好比考前多刷一些模拟题，Momenta是市场上极少数直接将世界模型用于“端到端基座模型预训练”的公司。这种底层的应用代差，让系统整体的产品性能和进化上真正与其他人拉开距离。

另外，招股书显示，2025全年Momenta研发投入为18.69亿元，占其年度收入的77.5%，近三年累计研发投入达46.6亿元。截至2025年底，公司拥有研发人员1157名，研发人员占比近82%，超过三分之二拥有硕士及以上学历。坚决的研发投入会进一步巩固和加强Momenta的技术领导地位。

技术跨场景落地

指数级优势显现

而更重要的是，技术的积累正在落地于应用。Momenta R7世界模型已经走出了实验室，在真实的产业与资本浪潮中率先跑通了数据+商业的两大闭环。

一方面是实打实的量产，Momenta R7世界模型已量产首发，目前搭载Momenta系统的量产车辆规模已超90万台，已成功交付超100款量产车型，累计定点车型数超210款，并实现最快不到40天交付10万台的高效部署。复杂路况下产生的海量交互数据，实时、高频地流回模型，会进一步促使 R7实现指数级自我进化。

另一方面则是实打实的营收，招股书显示，Momenta近三年营收规模实现跨越式增长:2023年至2025年，Momenta营业收入从7.43亿元增长至24.13亿元，三年翻三倍，年均复合增长率超80%。截至2025年底，公司现金储备超100亿元，为加速Robo市场和全球化发展提供了有力支撑，有利于其在物理AI的长期战役里占据主动权。

图源:招股书

由此Momenta得以形成飞轮效应，“平台级”的架构将终结过往各场景孤立开发、重复造轮子的传统模式。其用一套大模型同时覆盖乘用车以及无人驾驶出租车（Robotaxi）、无人物流车(Robovan)，2027年还将扩展至无人驾驶卡车(Robotruck)领域。

核心底层技术的跨场景复用，极大地摊销了多业务线并行的研发成本，使得边际成本大幅降低。可以想象，未来这种从智驾中锤炼出来的、打通了“感知-物理常识-行动”的底座能力，还可以无缝延展到具身智能、工业机器人等更广阔的通用物理 AI 领域。

Momenta的“两条腿”策略

目前，智驾领域正呈现出一种“摩尔定律”式的进步节奏，在端到端与世界模型的加持下，行业部分头部企业开始展现出远超以往的能力迭代速度。

而Momenta的规模效应和先发优势也在多个维度展开:体验上，数据越多，算法越聪明，体验越好;交付上，建立工程化壁垒后迭代极快，Momenta 交付首个10万台车用了整整2年，而如今仅需要不到40天即可完成10万台车的交付;客户上，头部车企的信任也在不断积累，在 Momenta 的客户群体中，既有BBA德系豪华，也有通用、大众、丰田、日产、本田等20余家全球主流车企，拥有不同背景的中德美日韩顶流品牌，这些合作案例也成为 Momenta 量产能力和市场接受度的最直观证明。

回头看AI的发展路径，会发现一个有趣的规律:每一次技术范式切换，资本市场最终定价的都不是某个单点产品，而是能够定义下一代基础设施的平台能力。

大语言模型时代，市场重估的是能够理解和生成信息的数字智能;而当AI开始走出屏幕、进入真实世界，市场重新寻找的则是能够理解物理规律、预测世界演化并驱动行动决策的物理智能。从这个角度来看，Momenta上市的意义，不仅是自动驾驶业务的资本化，更是世界模型、物理AI第一次进入公开市场的价值验证。

行业普遍判断，智驾及物理 AI 底座最终将是“马太效应”的局面，未来全球市场最终可能只会留下少数头部玩家。而Momenta势必能以自身的稀缺性、技术领先、商业闭环迎来“赢者通吃”的应许之期。