智驾公司正在寻找物理 AI 的新入口。这两年智驾圈发生了一件有意思的事最懂自动驾驶的人开始讨论自动驾驶之外的事情。具身智能、物理 AI、机器人成了他们挂在嘴边的新词。今年 7 月Mobileye 的创始人 Amnon Shashua 宣布将在继任者到位后卸任 CEO转任董事长并全身心投入人形机器人公司 Mentee Robotics。表面上看这是 Mobileye 从汽车到机器人的业务延伸但本质上这是一场从智能驾驶到物理 AI 的产业迁移。卓驭科技 CEO 沈劭劼把话说得更直接「智能驾驶只是物理 AI 的初始形态绝非终局。」Momenta CEO 曹旭东同样判断自动驾驶是物理 AI 的序章。这不是一场集体逃亡而是行业在重新丈量自动驾驶的边界。在他们的推演里自动驾驶从来不是一个终点而是 AI 走进物理世界踩下的第一个脚印。和其他潜在载体相比汽车恰好是第一台足够复杂、又足够标准化、还能卖出几千万台的机器成了物理 AI 最早跑通「感知-决策-行动」闭环的载体。而这条路径的起点可以追溯到 Mobileye。01、Mobileye 证明了一件事机器可以拥有一双「眼睛」1998 年行业的主流探索锚定在立体视觉上大家希望用更多硬件信息拼出一个更真实的世界。意大利帕尔马大学 VisLab 实验室完成了 ARGO 项目用两颗摄像头搭建的立体视觉系统跑了 2000 公里来验证这条路。而 Shashua 做出了一个反直觉的判断不需要立体系统一个简单的摄像头就能探测三维物体。这个判断最终催生了 Mobileye也划出了自动驾驶产业最早的一条分岔路不停留在「摄像头怎么装」的工程问题而是把问题拉回到原点一台机器如何用更高的效率获得感知物理世界的能力。单目视觉只是入口真正撼动行业的是Mobileye 给了汽车「眼睛」推动「摄像头算法专用芯片」三合一的智能体系。在此之前汽车电子遵循「零件→功能」的线性逻辑摄像头采集图像雷达负责测距ECU 执行控制。每个传感器都是一个孤岛彼此之间没有协同更谈不上「理解」。Mobileye 把三者拧成一股绳摄像头采集环境信息算法理解道路、车辆、行人EyeQ 芯片实时处理并输出判断。汽车第一次拥有了「感知→判断→辅助驾驶」的智能闭环。正是这个闭环定义了自动驾驶 1.0 时代的产业标准。软硬一体化的范式把 ADAS 从实验室推向了全球产线。成立八年后EyeQ 芯片打进宝马、通用、沃尔沃的供应链。Mobileye 从实验室里跑出 Demo 到实现大规模交付坐上了车规级供应商的位置。到 2016 年超过 300 种车型、1500 万辆汽车应用着 Mobileye 的技术。这也是行业第一次意识到机器感知能力可以被标准化、被规模化交付。02、当机器开始理解世界自动驾驶进入 AI 竞争Mobileye 让汽车拥有了眼睛但进入 L2和 L3 阶段光「看到」不够还要「理解」。行业的命题从「感知」转向「认知」。模块化架构感知→预测→规划→控制分而治之每个环节独立运行通过人工定义的接口传递信息。埋下信息损耗和固定规则的隐患。感知模块将丰富的场景信息压缩成干瘪的坐标和标签下游模块拿到的只是「打了折扣的世界」。系统能识别出行人却无法判断他下一秒会不会横穿马路。更棘手的是模块化依赖工程师写规则来运转但路况千变万化需要不断补充规则应对长尾场景。小鹏在 CVPR 2023 上分享的端到端与分模块架构性能对比AI 时代的解法是从「模块化」走向「端到端」。不再区分感知、预测、规划直接上一个统一神经网络从传感器数据进去输出驾驶动作。系统在「数据」里学习模拟人类驾驶行为。自动驾驶的竞争已经从「感知能力」转向「认知能力」。竞争的核心也从「谁的算法更准」变成了「谁的数据更多、模型更大、算力更强」。在这个赛道上新玩家改写了竞争格局沿着数据闭环、整车协同、开放生态等不同路径各自卡位。特斯拉是最早也是最坚决的端到端实践者。2023 年特斯拉发布了 FSD Beta V12一套靠数十亿英里真实驾驶数据喂养的神经网络摄像头进驾驶指令出中间没有人工切分整个流程被一个持续进化的 AI 模型接管。华为选择了另一条路径从芯片贯穿到云端。ADS 走多传感器融合路线加上自研 MDC 计算平台和云端 AI 训练能力把整车协同刻进问界、阿维塔、智界等多个品牌的基因。地平线提供芯片和工具链车企可自研算法靠开放生态突围。Momenta 聚焦数据效率。「飞轮式」数据闭环通过量产车收集数据、持续训练模型、再通过 OTA 升级到车端核心是用更少的里程产生更高质量的数据。这些玩家有一个共同点它们不做「ADAS 供应商」而是重新定义自己为「AI 公司」。抢夺的是新的高地谁的数据飞轮快谁的模型更聪明谁的算力底座更稳固。Mobileye 卡在中间。面对成为「大脑」的挑战Mobileye 不是简单选择行业流行的「端到端」而是提出了自己的答案Compound AI复合人工智能架构。这套专用 AI 模型集合体把驾驶自动化解耦为感知、规划、执行等模块每个模块由一个或多个专用 AI 模型精雕细琢与 Mobileye 一贯的「模块化」理念一脉相承。Mobileye 依靠分层隔离、冗余兜底的逻辑试图在 AI 的灵活性与安全之间找到平衡模块化各层可以独立开发和优化工程师能专注于特定驾驶功能实现更高效的开发。冗余集成多感知模态摄像头、雷达、激光雷达、REM™智能路网信息、多样化 AI 方法及重叠算法层确保在长尾场景中的表现。抽象化在关键环节融入结构化逻辑RSS 模型和 REM™智能路网为系统注入「安全常识」和「道路经验」。从「视觉公司」到「AI 公司」的跨越本质上是战略层面的升维。自动驾驶的技术范式正在经历一场深层转向核心是从「让机器看见」升级到「让机器理解并行动」。汽车开始拥有「大脑」。03、汽车之后物理 AI 寻找新的「身体」「行动」不局限于汽车。相比机器人汽车的「行动」偏向「移动」。而机器人面对的是非结构化环境、开放式任务、高复杂度交互解决的是更广泛的「行动」打开的则是更广阔的空间工厂、物流、家庭、服务。汽车只是物理 AI 的载体之一。从汽车到机器人是自动驾驶能力向更广泛物理世界的自然延伸。2021 年Shashua 埋下了另一颗种子创办人形机器人公司 Mentee Robotics。五年后这颗种子破土而出今年 1 月Mobileye 以 9 亿美元收购Shashua 也将在继任者到位后主攻人形机器人。Shashua 在今年第二季度财报电话会上给出的判断是就 Mobileye 在推进的项目而言自动驾驶技术「基本已被解决」他看不到还存在未解决的科学问题。这句话有两层含义短期看SuperVision 和 Robotaxi 的算法架构已经定型接下来是商业落地和运营拓展的工作。长期看一个不再需要科学突破的领域也不再需要一位科学家型 CEO 坐在指挥位上。截至 2025 年底全球已有超过 2.3 亿辆汽车搭载了 Mobileye 芯片这意味着每 8 辆车里就有 1 辆的「眼睛」来自 Mobileye。从 Mobileye 到 Mentee RoboticsShashua 押注的不是机器人而是物理 AI。为什么汽车和机器人同源在技术逻辑方面自动驾驶和人形机器人在底层高度同构都面临感知环境、理解场景、规划动作、在不确定性中安全决策的核心挑战。Mentee Robotics 判断两大领域「均依赖一套共通的物理 AI 技术栈」。换句话说过去 27 年在视觉感知、芯片设计、安全体系、量产经验上的积累是 Mobileye 进入机器人的底气。感知、认知、行动恰好落在物理 AI 的三个核心层面上。视觉感知能力。成立第一天起Mobileye 做的就是让机器通过摄像头理解世界。从单目视觉深度估计到物体语义识别再到动态障碍物预测这些底层算法和机器人的环境感知逻辑是相通的。专用芯片的算力与效率。EyeQ 芯片经过二十几年迭代打磨这条「专机专用」的 ASIC 路线对需要低功耗、低成本、高可靠性的机器人来说是天然优势。安全体系。这是 Mobileye 最独特的护城河。RSS责任敏感安全模型已成为 IEEE 2846 标准提供了一套可验证、可审计的安全决策框架。量产经验与工程化能力。全球超过 2.3 亿辆汽车的搭载量背后是从实验室到量产的工程化能力竞争对手短期内难以追上。成本控制、供应链管理、可靠性标准的方法论同样匹配机器人。商业逻辑上自动驾驶依然是 Mobileye 的基本盘。但它的增长节奏已经变得可预测订单、定点、量产爬坡这是一条能算出来的曲线。而机器人是那条算不出来的曲线。前者需要的是交付能力后者需要的是创始人式的赌性。具身智能机器人正成为科技圈炙手可热的方向特斯拉 Optimus、Figure AI 等玩家加速入局全球行业迈入「量产落地元年」。收购 Mentee Robotics让 Mobileye 在守住驾驶自动化基本盘的同时切入了这一体量庞大的新市场形成「自动驾驶人形机器人」的双引擎结构。Mentee人形机器人收集箱子从感知时代到智能驾驶时代再到物理 AI 时代汽车只是 AI 进入现实世界的第一台机器。从「让机器看」到「让机器想」再到「让机器做」这是一个技术范式的升维。当 AI 拥有感知、理解、行动的能力应用场景将从汽车延伸到工业自动化、家庭服务、医疗护理等更广阔的领域。但技术迁移从来不是线性复制。机器人面对的现实世界比汽车更开放、更复杂挑战不容低估。这背后有几道真实存在的技术鸿沟。首先要跨越的是感知精度的鸿沟。自动驾驶避障厘米级精度±5-20cm就够用了而人形机器人抓取物体需要亚毫米级±0.1-1cm。更关键的差距藏在响应频率里——车载系统 10 到 30Hz 的决策节奏到了机器人身上要拉到 100 到 200Hz。场景复杂度的差异是另一重挑战。想象一个处于家庭环境中的机器人面对的可能是灶台上的玩具、散落四处的衣服。非结构化环境、开放式任务考验机器人理解混乱、适应变化的能力要在从未见过的场景里找到解法。目前Mentee Robotics 的商业化进度是落后的。我们看时间表2026 年客户验证2027 年小批量试产2028 年规模化量产。而特斯拉 Optimus 已复用 FSD 端到端架构Figure AI 等厂商已进入工厂实际部署阶段相较头部竞品已落后 1-2 个周期。还要考量的是资金链可持续性。Robotaxi 和人形机器人同时烧钱资金链压力不容小觑。接班人悬而未决也持续压制着 Mobileye 的股价表现。技术同源不等于迁移就是复制粘贴。感知精度、场景复杂度、控制频率每一项都是数量级的跃升。这是一场从成熟产业走向新领域的再创业。Shashua 的转身是一个产业转折的缩影。从 Autonomous Driving 到 Autonomous Everything背后的逻辑围绕一个更大的问题展开AI 如何真正进入物理世界并拥有感知、理解和行动的能力。Autonomous Driving只是 Autonomous Everything 的第一站。原文链接智驾公司的终局不只是汽车-36氪