Superfluid Lab這個名字挺抽象，這是元戎啟行打造的國内首個面向物理世界基礎能力研究的 AI Lab，名字取自物理學裡的“超流體”——一種摩擦力接近于零的物質狀态。但它的技術方向其實很具體。
核心就一件事：訓練一個能夠理解物理世界的通用基礎模型。
從“分科教學”到“整體理解”
先說說以前的智駕系統是怎麼做的。
接近“分科教學”——識别車輛是一門課，預測軌迹是一門課，規劃路線又是另一門課。工程師把這些能力分别訓練出來，再拼成一套系統。
這種方式的問題在于：每個模塊都隻負責自己那一畝三分地，缺乏對全局的理解。就像一個球隊，前鋒、中場、後衛各自練各自的，上了場才發現配合不起來。
基座模型的思路不一樣。它先教機器理解世界——通過海量數據學習物體、空間、運動和因果關系，再把這些理解遷移到不同任務中。
遇到一個此前沒專門訓練過的場景，模型也有機會根據已有認知作出判斷。
這就是大模型和小模型的本質區别。小模型更像條件反射——見過的東西能處理，沒見過的就抓瞎。大模型追求的是認知智能——理解規律，然後舉一反三。
元戎在GTC上展示的VLA基座模型有約400億參數規模。但參數規模隻是表象，真正的差異在于架構的統一——駕駛決策、場景理解、行為評估全部放在同一套模型裡，而不是多個模塊拼接。
具體研究什麼?
Superfluid Lab聚焦三個技術方向：VLA模型、世界模型、多模态理解。
VLA視覺-語言-動作模型把視覺感知、語言理解和動作執行揉在一起。以前的車隻能“看”，VLA能讓車既“看”又“理解”還能“行動”。
舉個具體的例子：看到一塊“前方施工”的牌子，傳統系統隻做文字識别，VLA能理解“施工”意味着什麼——前面可能有障礙物、車道可能變窄、可能需要減速變道。理解語義，然後轉化為行動。
世界模型解決的是“世界會怎麼變化”的問題。
傳統自動駕駛的邏輯是“看見什麼就應對什麼”——看見一個人就刹車，看見一輛車就繞行。這是反應式的。
世界模型追求的是預測式的——理解物理世界的因果規律，提前預判接下來會發生什麼。
一個塑料袋滾到路中央和一塊石頭滾到路中央，後果完全不同。塑料袋可以碾過去，石頭得繞開。一個真正理解物理世界的模型，應該能區分這兩種情況，而不是看見“有東西”就一律刹車。
元戎在模型預訓練階段采用了視頻預測任務來讓模型理解世界——視頻的每一個像素都能作為監督信号，數據利用率達到100%。這意味着模型不隻是“看”視頻，而是在學習“視頻裡的世界接下來會怎麼變”。
多模态則是把視覺、語言、傳感器數據等各種信息融合起來，讓模型對世界的理解更全面。
一個更難定義的目标
Superfluid Lab的定位文件裡有一句話：不局限于單一應用場景，緻力于打造支撐具身智能、機器人控制與真實環境交互的通用AI基座。
翻譯一下：這套模型不光給車用。
車隻是一個載體，一個驗證場景。真正想做的，是一個能理解物理世界、能在物理世界裡行動的通用智能。将來機器人、無人機、機械臂都能用同一套底層能力。
這就是為什麼元戎說自己的長期願景是成為“物理世界的AI基礎設施”——“就像通信、電力一樣，成為支撐現實世界運行的基礎能力”。
通信和電力沒人會天天念叨，但離了它們什麼都不轉。元戎想做的就是這個——讓AI理解并作用于物理世界的能力，變成像水電一樣随時可調用的東西。
為什麼元戎能做這件事?
一個關鍵條件是數據。
元戎已經有超過50萬輛量産車在路上跑。研究人員的模型可以面對持續變化的真實交通環境，可以觀察一個判斷怎樣變成車輛動作，也可以看到算法在真實世界中犯下的錯誤。
對于研究物理AI的人來說，這是一套規模龐大的真實世界實驗裝置。其他AI實驗室很難複制這個條件——他們沒有這麼多車在真實世界裡跑。
從開車到理解世界
元戎的計劃是：先讓模型學會開車，完成之後再把模型從汽車遷移到更多機器和場景中。
能夠應對開放道路的模型，才有資格進入更多物理場景。智駕因而成為物理智能的試金石——負責驗證能力，卻不再限定能力的邊界。
Superfluid Lab因此不是傳統意義上的智駕研發部門，也還不是一家獨立的基礎模型公司。它處在兩者之間，借用商業化業務積累的資源，尋找超出業務邊界的答案。
一個塑料袋和一塊石頭有什麼不同?這個問題看似簡單，但讓機器理解其中的物理差異，需要的是對世界本質的認知。
Superfluid Lab就在做這件事。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
