近日，总部位于广州南沙的自动驾驶企业小马智行正式发布其物理AI领域最新技术成果——PonyWorld世界模型2.0。

这一成果被视为自动驾驶核心训练体系的重大升级，标志着小马智行的自动驾驶研发进入全新范式：AI不再依赖工程师大量人工判断模型缺陷与数据需求，而是能够自主诊断自身短板、定向进化，并主动指导人类团队的研发与数据采集工作。

三大核心能力突破，精度持续提升

据小马智行方面介绍，与上一代相比，PonyWorld世界模型2.0最本质的变化在于赋予了AI自我诊断与定向进化能力。系统可根据车端模型的实际薄弱环节，在世界模型中自动生成针对性训练场景，大幅削减无效训练数据的存储与计算开销，显著提升每一轮迭代的效率与效果。

这一升级背后依托的是一个自我强化的精度飞轮：大规模L4无人车队商业运营产生真实世界的高价值数据，进而提升世界模型精度，再反哺车端模型能力持续增强，支撑更大规模无人车队部署，形成闭环。

小马智行方面指出，当AI驾驶能力远超人类司机后，普通人类驾驶数据对世界模型精度提升的价值趋近于零。唯有L4级全无人车队在真实复杂交通环境中独立运营所产生的、包含AI与其他交通参与者独特交互模式的数据，才能持续推动世界模型进化。目前，小马智行已积累千万公里级、覆盖城区、高速、园区、停车场等多元场景的纯无人驾驶数据，构成难以复制的结构性优势。

研发范式变革：从“人类驱动”到“AI驱动”

PonyWorld世界模型2.0的发布，折射出自动驾驶研发范式正在经历深层转变。

小马智行从2020年起逐步打造了一套贯穿云端与车端的强化学习体系，让AI在“虚拟驾校”中反复训练博弈交互能力。世界模型并非简单的仿真环境生成工具，而是一套完整的强化学习训练系统与开发范式。

在行业发展早期，AI能力弱于或接近人类，研发高度依赖工程师设计规则、标注数据与判断训练重点，效率天花板受限于团队规模与认知带宽。而当AI在一项任务上的水平远超人类之后，人类已难以精准评估其能力并帮助其继续进化。此时，AI系统开始接管自身进化中的更多环节，甚至整个公司的研发流程——从数据收集、模型训练到仿真效果评估——均由AI驱动。

人类工程师的角色从“驾校教练”逐步转变为AI大脑自我进化的物理执行者。研发节奏不再依赖人工经验判断，而是由AI根据自身进化需求自动生成，显著提高了世界模型的持续迭代效率。

技术意义：支撑大规模无人车队安全扩张

作为物理AI领域首个成熟商业化落地应用，L4级自动驾驶与Robotaxi对安全性要求极高，唯有远超人类驾驶水平才能实现大规模上路运营。小马智行表示，PonyWorld世界模型2.0正是支撑无人车队从百辆级向千辆级乃至万辆级扩张、保障安全性持续提升的关键技术方案。

此外，该技术框架不局限于自动驾驶场景，也为物理AI在其他领域的应用探索提供了进化能力的基础。