文|詩弦

來源|博望財經(jīng)

作為智能世界的關鍵入口，AI+終端正驅(qū)動智能汽車等實現(xiàn)形態(tài)重構、交互革新與生態(tài)重塑。

2025年，國產(chǎn)AI大模型加速上車。將大模型應用于智能駕駛，已是行業(yè)普遍選擇。尤其是端到端模式逐步成為智駕主流之后，智能駕駛的技術路徑與成本結構得以重構，智能駕駛駛入新階段。

但業(yè)內(nèi)大多數(shù)企業(yè)對大模型的應用仍存在兩大瓶頸——一是缺乏實時的物理世界感知能力，二是缺乏全局的AI認知系統(tǒng)。

原因在于，傳統(tǒng)大語言模型（LLM）只能處理靜態(tài)文本，無法處理多模態(tài)信息流和物理世界實時數(shù)據(jù)，更無法通過互聯(lián)網(wǎng)數(shù)據(jù)信息預測現(xiàn)實世界。且目前大多數(shù)AI系統(tǒng)僅僅是單體智能，無法對整個城市交通效率進行全局優(yōu)化。

而中國智駕領域的新生力量正以對物理世界的深度理解，賦予大模型AI全局感知、深度認知和實時推理決策能力，重新定義自動駕駛的邊界。

01

大模型驅(qū)動自動駕駛脫“虛”向“實”

7月26日，全球AI領域規(guī)模最大、專業(yè)度最高、影響力最強的頂級盛會WAIC正式開幕。本屆大會以“智能時代 同球共濟”為主題，聚焦具身智能與自動駕駛前沿領域，展現(xiàn)了以大模型為代表的新一代通用智能技術對各行業(yè)基礎能力的深刻重構。

作為“AI+交通”的典型場景，自動駕駛正迎來技術路線轉(zhuǎn)向和規(guī)�；�落地的關鍵拐點。從有限視野到全局洞察，車輛對物理世界的完備感知，源自感知AI大模型賦予的“慧眼”。

在AI企業(yè)云集的H2展區(qū)，中國AI獨角獸蘑菇車聯(lián)（MOGOX）與特斯拉緊鄰亮相。WAIC期間，蘑菇車聯(lián)正式對外發(fā)布了首個物理世界認知模型——MogoMind大模型，成為本屆大會最受關注的人工智能技術應用之一。

近期，英偉達創(chuàng)始人、CEO黃仁勛公開指出，當前，人工智能浪潮已從感知AI、生成式AI進階至推理AI階段，而物理AI將主導下一波浪潮，成為未來關鍵領域。“這意味著，AI所有的能力都能夠融入到我們的物理世界——AI需理解基礎物理概念，如摩擦力、慣性和因果關系，才能與人類協(xié)同應對現(xiàn)實挑戰(zhàn)。”不久前，OpenAI創(chuàng)始人Sam Altman亮出的一份時間表顯示，到2027年，AI將進入物理世界創(chuàng)造價值。

而蘑菇車聯(lián)順應最新的物理AI浪潮，此次發(fā)布的MogoMind定位于物理世界的搜索引擎，是首個深度理解物理世界的AI大模型，深度融合了物理世界的動態(tài)實時數(shù)據(jù)，具備全局感知、深度認知和實時推理決策能力。MogoMind支撐實時數(shù)字孿生、路側數(shù)據(jù)上車等關鍵應用，為多類型智能體提供物理世界實時信息的深度理解與規(guī)劃決策服務，成為城市和交通高效運行的“AI數(shù)字基座”，是理解現(xiàn)實世界的鑰匙與通往現(xiàn)實世界的超級入口。

在一眾科技企業(yè)開發(fā)的通用大模型與車企自研的行業(yè)大模型中，MogoMind憑借卓越的模型性能與出色的應用效果，實現(xiàn)了行業(yè)領先，展現(xiàn)出強大的技術優(yōu)勢與落地能力。

測試數(shù)據(jù)顯示，MogoMind感知精度與認知準確度均超90%，多模態(tài)推理準確率高達88%以上，長尾場景處理綜合準確率達85%，可推演超800種交通場景，有效緩解約30%的交通擁堵現(xiàn)象，將交通管理效率提升約35%。

通過深度整合實時、海量的多模態(tài)交通數(shù)據(jù)，MogoMind能夠從物理世界的復雜數(shù)據(jù)中抽取意義、從經(jīng)驗中學習規(guī)則、在不同場景中靈活決策，形成對交通環(huán)境的全局感知、深度認知和實時推理決策能力，可以為多類型智能體提供實時數(shù)字孿生與深度理解服務，推動城市交通從“單點智能”邁向“全局智能”。

02

MogoMind開啟城市交通“無延時”時代

AI的終極戰(zhàn)場不在虛擬空間，而在車輪滾滾的街道和川流不息的城市——MogoMind則讓AI從“紙上談兵”走向“實地作戰(zhàn)”。針對模型上車實操中實時性和全域性兩大現(xiàn)實痛點，MogoMind給出了AI與現(xiàn)實場景無縫融合的創(chuàng)新解法。

通過對城市中每一條道路、每一個角落的實時“無死角”覆蓋，MogoMind能夠全面、高精度地采集各類交通數(shù)據(jù)，并在數(shù)據(jù)源頭進行初步處理，大幅縮短了數(shù)據(jù)傳輸與分析時間。

基于上述全方位、立體化的物理世界感知網(wǎng)絡，MogoMind構建起一套多源融合的實時感知系統(tǒng)。

無論是宏觀層面的交通流量調(diào)控，還是微觀層面的單個路口優(yōu)化；無論是交通數(shù)據(jù)流的實時全局感知，還是道路風險的實時預警提醒，MogoMind都能打破數(shù)據(jù)孤島與區(qū)域限制，基于全域數(shù)據(jù)快速做出科學決策，使交通管理者能夠?qū)崟r精準掌握整個城市交通系統(tǒng)的運行全貌，避免因感知滯后導致的應急響應遲緩問題。

當面臨車流潮汐現(xiàn)象、臨時交通管制及各類交通事件時，MogoMind能從全局視角進行分析與預測，為管理者科學決策提供重要支撐。

比如，當城市舉辦大型活動時，MogoMind可提前整合活動場地周邊及全市的交通數(shù)據(jù)，預測人流車流變化，不僅優(yōu)化活動區(qū)域的交通組織，還能同步調(diào)整全市道路的信號燈配時、公交線路規(guī)劃，實現(xiàn)交通資源的全局動態(tài)調(diào)配。

當?shù)缆吠话l(fā)交通事件時，MogoMind可在數(shù)秒內(nèi)實現(xiàn)交通事件的超視距實時感知，迅速計算出受影響的路段范圍，實時規(guī)劃最優(yōu)路徑，并將預警信息推送至周邊車輛和交通管理部門，最大程度減少事件造成的擁堵和后續(xù)風險，真正做到 “厘米級感知、毫秒級響應”。

MogoMind以實時動態(tài)數(shù)據(jù)為基礎，將分散的交通數(shù)據(jù)信息進行深度融合與關聯(lián)分析，形成涵蓋交通流、道路設施、出行需求等要素的全局認知模型。

這使MogoMind具備了交通數(shù)據(jù)流實時全局感知、物理信息實時認知理解、通行能力實時推理計算、最優(yōu)路徑實時自主規(guī)劃、交通環(huán)境實時數(shù)字孿生、道路風險實時預警提醒等六大關鍵能力。

例如，MogoMind此前已在浙江桐鄉(xiāng)實地部署，與當?shù)卣�府深度合作，建成了首個全息實時數(shù)字孿生路口，并正式投入運行，實現(xiàn)路側數(shù)據(jù)上車應用。該路口位于烏鎮(zhèn)大道與二環(huán)北路交叉口，車流量大、多車型和人流混雜。蘑菇車聯(lián)通過部署“通感算”AI數(shù)字道路基站（MOGO AI Station）和路側系統(tǒng)（MRS），實現(xiàn)路口300米范圍內(nèi)所有交通參與者動態(tài)信息全天候、不間斷、無死角獲取，實時構建數(shù)字孿生系統(tǒng)。

03

以開放平臺引領智慧交通協(xié)同進化

先進的交通系統(tǒng)，不是單點技術炫技或簡單的堆砌設備，而是全局協(xié)同進化，讓每個參與者都從中獲益。

MogoMind具備強大的兼容性和可擴展性。作為一個開放的物理世界AI大模型，MogoMind可無縫接入來自不同廠商、不同類型的交通設備與系統(tǒng)，包括道路傳感器、車載終端、交通管理軟件等，實現(xiàn)多源數(shù)據(jù)的統(tǒng)一管理和協(xié)同處理。同時，MogoMind提供多種接入方案，方便車企接入平臺數(shù)據(jù)進行功能適配與應用開發(fā)。

除了車企，政府部門、交管部門、也能在MogoMind找到適合自身需求的應用場景，實現(xiàn)資源共享、優(yōu)勢互補，推動AI與交通生態(tài)的融合發(fā)展。

在出行服務場景中，MogoMind是車輛行駛的“AI全能副駕”，提供物理世界實時信息深度理解與規(guī)劃決策服務，超視距路況提醒、最優(yōu)路線動態(tài)規(guī)劃、盲區(qū)風險實時感知等能力提升駕駛安全與出行效率。如在長途駕駛中，提前告知前方路況變化。

在交通管理場景中，MogoMind能夠擔當城市交通“決策中樞”，助力交通管理者掌握城市交通運行全貌，基于實時動態(tài)數(shù)據(jù)融合分析，在宏觀交通流量調(diào)控、微觀路口優(yōu)化、突發(fā)事件應急處理等方面做出科學決策，實現(xiàn)城市交通管理整體協(xié)同優(yōu)化。例如，在重大活動期間，合理調(diào)配交通資源，保障交通順暢。

在自動駕駛場景中，MogoMind更成為高階智駕的“隱形基座”，通過多源數(shù)據(jù)融合和長尾場景持續(xù)學習，反哺自動駕駛模型訓練，提升自動駕駛技術安全性與可靠性。推動多款L4級前裝量產(chǎn)自動駕駛車輛（RoboBus、RoboSweeper 和 RoboTaxi）在多場景應用。以RoboBus為例，其搭載端到端“MogoAutoPilot + MogoMind”系統(tǒng)，已在全國 10 個省份成功運營，安全行駛里程突破200萬公里，服務乘客超20萬人次。

除了桐鄉(xiāng)，蘑菇車聯(lián)的MogoMind大模型此前還在北京、上海、沈陽、長春、鄂爾多斯、南京、無錫、武漢、廣州等多個城市完成落地驗證和實地部署，收獲地方政府和業(yè)界的高度評價。

在AI技術加速演進的當下，AI大腦正成為推動各行各業(yè)智能化轉(zhuǎn)型的核心引擎，幫助企業(yè)跳過重復造輪子的大模型研發(fā)階段，快速切入場景化應用，構建“算法—數(shù)據(jù)—場景”深度融合驅(qū)動的智能產(chǎn)業(yè)新生態(tài)。而在MogoMind的助力下，“零事故、零擁堵”的未來城市交通圖景也正加速到來。

       原文標題 : 大模型“上車”，“看懂”物理世界是必由之路