为什么重载运输需要物理AI？｜甲子光年

从能开车，到能干活。

作者｜张麟

编辑｜栗子

2026年9月8日，全球领先的自动驾驶重卡解决方案提供商斯年智驾（Senior Auto）宣布完成新一轮战略融资，本轮由悦达资本投资。融资资金将主要用于世界模型能力升级、自动驾驶系统持续优化及相关场景拓展，加速物理AI在重载场景中的落地应用。

斯年智驾的融资节奏非常快，今年7月，斯年智驾刚刚完成3亿元C轮融资，并计划将融资资金重点聚焦于新一代车规级自动驾驶方案研发，并保障技术研发与日常运营的持续投入。

再往前，从2021年开始，斯年智驾每年都有一轮融资，且金额均在亿元人民币水平，对于一家2020年才成立的公司来说，这样的融资能力非常强大。

斯年智驾吸引资本的原因，一方面来自于其技术实力和方案落地能力，作为重卡和商用车领域自动驾驶方案的领先供应商，斯年智驾的智驾系统已经落地了港口、铁路场站等多个场景。

另一方面，将视角扩大到整个行业，重卡领域及商用车领域的智能驾驶赛道在近几年正重新变得活跃。2026年上半年，自动驾驶重卡赛道公开披露的融资达5起，累计金额近70亿元。

这些资金都指向了一个关键词——物理AI。

1.从会开车到会作业

和大众认知不同的是，自动驾驶技术最先大规模落地应用的，不是乘用车市场，而是港口、矿山、重载物流等封闭场景。

这类场景相对封闭，没有红绿灯，也没有行人横穿马路，车辆的运动轨迹严格按照场景规则制定，自动驾驶的难度被天然降低了。

2026年8月发布的《中国自动驾驶规模化应用蓝皮书（2026）》里明确说明，L4级自动驾驶已在港口、矿山等封闭场景实现单点商业化，有些场景已进入了规模化盈利的阶段。

商用车领域的自动驾驶业态已经成熟，但进入2026年，这个市场又表现出了对物理AI的强烈需求。似乎与自动驾驶相关的新技术总要先在商用车领域做实验。

斯年智驾的相关负责人向「甲子光年」解释了原因：商用领域的自动驾驶车辆，不是把货物从A点送到B点的自动运输车，而是一台能够和龙门吊、堆料机交互作业的无人机器人。

斯年智驾宁波港物流车队

简单来说，乘用车领域，自动驾驶的终极目标，是无论面对多么复杂的路况和道路博弈，都要安全、高效地完成人员从A点到B点的运送。

但商用车领域，车辆完成运输任务后，还要继续干活。干活，就必须依靠世界模型和物理AI。

例如在港口，无人集装箱卡车与龙门吊对接时，由于龙门吊移动不便，卡车在停稳后需要多次精细调整以实现和龙门吊的卡位。但在世界模型加持下，无人运输机器人将更准确、更提前地判断龙门吊位置，将自身地移动位置打出提前量，减少多余挪位，提升作业效率。

斯年智驾相关负责人对「甲子光年」表示：“至少在ToB领域，现在的资本热潮不是在炒作概念，而是在为已经全面成熟的无人驾驶技术和清晰的商业化现实买单。”

2.生产力系统是新的竞争标的

在还没有公认的清晰定义之前，世界模型要怎么做，取决于载体到底要干什么。

2026年7月，斯年智驾首次将世界模型作为其核心技术和战略对外公布，其自主研发的“Senior World Model”能够支持无人自卸车、无人集卡、无人平板车在内的多种载具形态和工业园区、港口码头等多种场景的智能驾驶规模化落地。

斯年智驾SMW世界模型

具体来看，斯年智驾的世界模型采用一段式方案，强调解决信息缺失问题和VLA/VLM泛化性不足的问题，为的是能够保留同一基座的复用能力，又能准确适应不同场景的物理约束。

此前，商用车自动驾驶采用的两段式端到端模型，或者VLA模型架构都不能真正做到对物理世界的感知。同时，商用车的作业环境千差万别，同一款无人平板车，需要部署在东部沿海湿热、盐雾的港口码头，也会部署在内陆暴晒、温差巨大、多暴雪的铁路场站中，不同地区的不同工况条件会给自动驾驶模型的感知和决策带来很大影响。

而让所有载具搭载同一套具有高密度物理约束的世界模型作为决策基座，可以满足不同种类的车型在不同项目中的作业需求。

依托超千台智驾车辆和PB级数据资产，斯年智驾建立了从数据采集、回流、训练到车端部署的数据闭环，并通过生成式仿真补充危险、长尾场景，构建出端到端世界模型。模型从海量数据中学习物理世界的演化规律，不仅能预测障碍物下一步如何运动，还会推演自车、周边交通参与者、周边作业人员、作业设备等行为与整个场景的耦联反应，再据此完成感知、决策和控制的一体化推理。

斯年智驾CEO何贝曾提出，公司接下来的重点之一，是将局部的无人运输扩展为全局的无人作业。这意味着斯年智驾并不是只研发了一套大模型，而是构建了一个完整的无人作业系统架构。

斯年智驾宁波港物流车队

“端侧Physical AI执行 + 云脑整体协同”的架构是斯年智驾最为务实的技术体现。其中“端侧Physical AI执行”部分负责载具在真实物理世界中完成感知、理解、决策、执行与反馈；“云脑整体协同”则负责全局优化、生产系统管理、多Agent系统等工作。

对于客户来说，云脑的作用更为明显。

此前，即使部署了自动驾驶车辆的场景，其车端与云端调度也是相互独立的。云端接收场站指令，规划好运力调度与路径选择，再向车端下发执行命令，车端接收到命令后被动响应开始作业。

而斯年智驾的一体化架构能让云脑和车端进行交互，在一个更加宏观的层面上形成具身智能的大脑和小脑。大脑（云端）负责认知与任务规划，小脑（车端）负责具体场景感知与运动控制，二者共同将无人车从只会开车、被动响应的独立载具，变为了能够自动化作业、主动交互的生产力系统。

同时这也意味着，重载自动驾驶的终局竞争，将从“开车的算法”转向“生产的系统”。而斯年智驾已经在这一新赛道中占据了领先身位。

3.产业协同，领先优势

技术是一回事，大规模落地应用是另一回事，甚至有些时候，后者比前者还要重要。

斯年智驾近两轮融资的投资方很值得关注。C轮的投资方之一的颐道资本，在投资了斯年智驾的同时也投资了线控底盘企业千顾科技。后者能够为L3/L4级智能汽车提供线控底盘方案，其产品是自动驾驶车辆执行层的核心零部件。

而本轮融资的悦达资本为江苏悦达集团旗下核心产业资本平台。作为长期深耕整车制造的产业集团，悦达集团在商用车制造、供应链整合及产业资源协同方面具备深厚积累，此轮融资不仅为斯年智驾带来持续的资金支持，也将在主机厂协同、整车平台适配、工程化落地和场景拓展等方面提供更强支撑。

斯年智驾以世界模型为核心的物理AI能力，也将在悦达集团开放的真实作业场景中验证迭代。

在软件生态方面，2025年底，斯年智驾也与云控智行正式签署战略合作协议。双方宣布，将深度融合各自在智能驾驶与车路云一体化领域的技术与资源优势，共同推进技术研发与商业化项目落地，加速在港口、园区、口岸、干线物流等多场景的规模化应用。

可以看到，经过两轮融资，斯年智驾已经在商用车自动驾驶领域完成了产业上下游的布局。

目前商用车领域的自动驾驶市场，技术方和产业方的合作一种是“联合开发”模式，为的是打造“整车+智驾+服务”的一体化协同；另一种则更加轻量化，技术方提供纯软件系统授权，将算法和硬件解耦，交由合作伙伴完成整车改装和运营落地。

但斯年智驾的模式是系统性产业整合，斯年智驾的相关负责人告诉「甲子光年」：“我们的企业定位是自动驾驶重卡解决方案提供商。重载行业客户的需求是多样化的，有的客户需要类似总包的角色，有的客户只是想单纯采购无人车，有的客户想先看看ROI。斯年智驾不会简单地把自己定位为只卖车，或者只运营。而是客户需要什么，斯年智驾就提供什么。”

当技术已经跨越了量产门槛，客户愿意大规模复购，就意味着整个自动驾驶重卡赛道已经真正迎来了大规模商业化推广的爆发期。

而斯年智驾正在用世界模型、物理AI与产业协同形成合力，重新定义重载自动驾驶的商业化路径。

（封面图及未标注图片来源：斯年智驾）