为什么物理 AI 是下一个前沿｜a16z 对话 Applied Intuition

摘要

• Applied Intuition 的核心判断是，最大的 AI 价值池可能在物理经济，而不在浏览器。 公司希望将智能部署到汽车、卡车、坦克、无人机、矿山、港口、农场和供应链中的10亿台机器上；汽车业务目前占比也只有30%。Qasar Younis 认为，若把视角拉到25年后，影响物理世界的公司“可能实际上会比影响数字世界的公司更大”。

• Applied 的近期优势与其说是某一个模型，不如说是一套由专有数据、仿真、硬件和安全能力长期积累而成的生产栈。 公司拥有数百PB数据、全球规模最大的采集车队之一，模型已部署在“50多个平台”上，工程师超过1000人，设有18个全球办公室。公司累计融资约10亿美元，Younis 称这笔钱仍在银行账上——但也提醒，面对正在打开的巨大市场，公司“下个月”就可能把钱花出去。

• 自动驾驶已经从科学不确定性进入成本驱动的工程阶段，但下一阶段的默认形态首先会是 L2++，而不是普遍实现驾驶员退出。 Younis 称当前 Tesla 风格系统的成本低于1000美元，预计与今天 Tesla 体验相当的系统将在2028-30年的量产周期进入市场，并在2030年代初变得足够便宜、甚至免费；价格降至约500美元时，他预计 OEM 会将其作为标配打包销售。他的概括是：“等、等、等，然后突然大量普及。”

• Robotaxi 和工业自动驾驶将按不同节奏扩张，因为两者的经济账、买方和约束条件完全不同。 Andreessen 认为，Robotaxi 到2028年覆盖美国最大的200座城市是合理的可用时间点，到2030年将成为日常交通；Younis 则预计2030年可用，但要到2032或2033年才会被日常使用。卡车运输、采矿和采石场是拿计算器做生意的行业，冗余转向和制动系统必须完成验证；但面对迫在眉睫的劳动力短缺，运营商已经在说：“如果你们能做到，我们什么都给你们。”

• 在许多物理产业，劳动力替代的叙事恰恰相反：自动化正在进入那些危险岗位本来就难以招人的行业。 美国农民平均年龄为58岁，35岁以下占比不到10%；采矿业约占全球劳动力的1%，却占工伤死亡的8%。Younis 称，多家卡车运输公司已经设定驾驶员退出目标，移除安全驾驶员只需“几年”，有望将运输成本从每英里数美元降至20美分。

• Applied 的商业模式是借助行业龙头进行横向分发，更像芯片供应商，而不是 Tesla 或 Waymo 那样的垂直整合公司。 其智能系统以客户品牌运行——日本的 Isuzu 卡车已经在安全员陪同下自主运送商业货物——同时也向希望自行开发的客户出售工具。在主权 AI 时代，Younis 预计物理 AI 的部署将更加本地化、地缘政治上更加碎片化，这有利于深度嵌入本地经济的供应商。其吸引力在于“设计定点”模式：深度集成、长期关系，以及“我们一旦进去，就会一直在里面”。

• Dana 是 Applied 试图将自主系统开发从专家手艺变成智能体软件工作流的产品。 这套平台封装了近10年的场景创建、数据处理、模仿学习、强化学习、仿真、验证和部署能力；过去需要数天或数周的工作，有时现在几分钟就能完成。其目标非常明确：“高中生或初中生”都应该能造出一台配送机器人，而如今晦涩难懂的无人机和人形机器人开发，应当变成“青少年游戏”。

• 世界模型可以加速物理 AI，但实时运行和不完美的仿真仍会守住部署壁垒。 Peter Ludwig 描述了一条从确定性物理、3D Gaussian 表示到反应式神经视频的连续谱；越接近现实，训练就越容易，但准确对齐现实是“几乎不可能的问题”。数字实验室可以容忍万亿参数模型缓慢运行，机载系统却只有毫秒级时间预算，必须保持小型、确定、安全，并能适应雾气、高温、标定漂移和硬件故障。

精读

上游暂未提供，后续同步将继续补齐。