黄仁勋的预言成真，物理AI领域的首个重大突破由中国企业实现。
2026年，世界最热门的自动驾驶技术——世界模型，年初的第一项进展来自中国公司文远知行。
在业界对世界模型应置于车端还是云端争论不休之际，文远知行提出了大胆设想：为什么不直接扮演“上帝”角色呢？
这一举措呼应了黄仁勋先前关于物理AI进入“ChatGPT时刻”的预言——通过仿真构建可学习、互动的虚拟环境已成为自动驾驶技术演进的关键路径。从特斯拉的世界模型到英伟达利用高精度仿真的虚拟试验场Cosmos，行业已明确指出：谁能掌握并控制高度拟真的数字世界，谁就能加速实现广泛部署与落地。
文远知行新发布的WeRide GENESIS是一个“通用仿真模型”，它搭建了物理AI与生成AI之间的桥梁：
它能够无限生成、回放和改变各种长尾场景的虚拟环境，在任何时间地点条件下，准确再现物理世界的规则和因果关系。
但WeRide GENESIS还超越了一般“自动驾驶版Sora”的范畴，在构建世界的同时，配备了一整套自动反馈、调参、部署及验证工具：
换句话说，“上帝”创造与修改虚拟世界的方式也实现了智能化。
WeRide GENESIS到底是什么？
文远知行最近发布的WeRide GENESIS是一个自动驾驶仿真平台，特别强调其通用性。
这意味着它不同于常见的专用仿真实验环境，如自动驾驶卡车、Robotaxi和物流小车，而是支持各种类型的自动驾驶产品研发：
从量产L2+到无人化L4产品的需求都可以得到满足。WeRide GENESIS的通用性还体现在对环境的高度精准构建上。
具体来说，它可以“一句话”无限生成、回放和改变长尾场景：
它可以模拟任意空间内的位移，并自动生成新的视角仿真，极大地扩展了仿真的范围。
你可能联想到3D游戏开发引擎中的技术实现：
虽然在渲染场景方面与游戏引擎有相似之处，但WeRide GENESIS更注重物理法则的精准再现而非视觉效果，比如光照、重力和天气条件等要素。
此外，它还关注事物间的因果关系，生成的环境连续且低延迟，并能及时发现并解决算法弱点：
通过“AI诊断”功能快速修复问题，并重新进行场景验证，确保车辆行为始终符合预期标准。
数据闭环的意义在于，当特定安全或体验指标出现异常时，系统能够自动报警和聚类相似数据包，形成“问题簇”，从而实现高效迭代：
通过这种方式，“人”的角色被重新定义为监管者与决策者而非标注员、调参师等。
文远知行不仅在全球多个城市部署了超过千辆Robotaxi，并且在北京、广州和阿布扎比实现了无人化商业运营：
这使得文远知行成为L4赛道中最早意识到海外市场需求并迅速行动的玩家之一。
与此同时，它还与博世合作，在量产车型上推出高阶智能辅助驾驶方案，并帮助后者在短时间内追赶上了最先进技术。
文远知行因此成为了唯一一家同时具备L4级无人驾驶和L2+级辅助驾驶大规模商业应用案例的公司：
它的成功归功于WeRide GENESIS构建的强大仿真测试与数据闭环体系。
从全球布局来看，文远知行是行业内最早敏锐察觉海外需求并迅速行动的企业之一：
在11个国家、40多个城市开展自动驾驶研发及运营，并且也是唯一一家获得8个不同国家自动驾驶牌照的科技企业。
目前，文远知行不仅是中国Robotaxi出海的第一名，还是整个行业中最先在多地实现商业化部署的企业之一：
其广泛的落地场景和技术要求充分展示了其强大的适应性和泛化能力。
这种广泛性背后的重要因素就是WeRide GENESIS构建的仿真测试与数据闭环体系：
它使文远知行能够在L2+和L4两个看似对立的技术领域中游刃有余，展现出卓越的研发实力。
WeRide GENESIS也解释了为什么文远知行能够同时在量产智能辅助驾驶和Robotaxi这两个领域取得领先地位：
它证明了自动驾驶技术的底层方法论是数据驱动而非具体的技术路径。
文远知行无意加入行业内的争论，而是通过实践自证其技术路线的正确性与可行性。
最后，从WeRide GENESIS可以看出文远知行未来的发展潜力：
除了强大的数据闭环能力之外，“生成”功能也至关重要——它真正实现了现实物理世界和虚拟仿真世界的连接。
这一技术路径被视为实现通用人工智能（AGI）的关键途径之一。黄仁勋关于物理AI“ChatGPT时刻”的预言已经到来，而文远知行的实践表明，这一里程碑很可能首先出现在那些成功实现通用自动驾驶的企业之中。
WeRide GENESIS给“Robotaxi第一股”上分
家家都说世界模型，但大部分玩家都把重点放在“生成”能力，比如XX秒连续视频、XX种目标模拟等等，不自觉对齐OpenAI宣传Sora的套路。
但对于自动驾驶而言，容易被忽略的重点其实是WeRide GENESIS后两个模块——AI指标、AI诊断。
因为这是“真·数据驱动”的最直接证据。
也不瞒各位，自动驾驶圈很多数据闭环，其实是“伪闭环”。
一种稍微好点的，是各个算法团队内部的“小闭环”，代表这支团队完成了“模型化”，但还没有构建起统一基座模型能力。
这种模式最可能出现的场景是：用户吐槽+工作群截图，引发老板的不满……接到投诉反馈的研发，连夜加trigger试图把bad case捞上来。
这是问题驱动数据，而不是数据自动发现问题。
真正的数据闭环应该是这样的：首先系统能从海量运行的数据里自动发现异常行为，然后将问题自动归类、建成数据集，再针对性自动进行训练/仿真，出了解决方案后，系统还能自动评估效果。
数据能不能回来不是关键，而是bug、问题能自动走完从“被发现”到“被解决并被验证”的路径。
比如现实中因急刹车引起的乘客不适，这一行为可在WeRide GENESIS仿真中被AI指标模块，量化为具体的舒适度评分，并实时反馈给算法团队，推动针对性优化与快速复验。
再比如，当自动驾驶车辆遇到复杂交互场景中识别感知延迟或预测偏差问题，WeRide GENESIS可通过“AI诊断”功能快速修复问题，并重新进行场景验证，确保车辆行为始终符合预期标准。
△AI诊断模块的工作流程遵循了功能路测→问题检测→问题归类→根因分析→算法改进→再测试与再验证的闭环逻辑
数据闭环的真正含义，应该是安全/体验/效率等指标被持续量化、某项指标异常偏离后，系统自动报警，以及自动聚类对应数据包，把相似问题聚成“问题簇”。
研发中“人”的作用，是定义和监管、决策，而不是自己徒手标注、调参、评估、部署……
“数据直接解决问题”，尤其是广义端到端技术范式普及后，自动的数据处理、反馈能力成为持续迭代最关键的核心能力。
这看似简单，实际是自动驾驶行业最稀缺的能力，会直接影响泛化性、效率、成本。
比如GENESIS实现的“生成场景-量化评估-诊断优化”完整闭环，可自动生成高价值场景、定位算法弱点、提供优化方向，将数百万公里测试压缩至数天的虚拟仿真中。
有“磨刀不误砍柴工”的意思，高效数据闭环，直接影响的是自动驾驶玩家的产品泛化性、研发效率，以及整体运营成本。
文远知行能成功融合特斯拉路线和Waymo路线，成为全球唯一实现L4级无人驾驶和L2+级辅助驾驶规模商业应用——创始人、CEO韩旭所说的“搏二兔”——除了算法能力之外，“数据闭环能力”也是关键因素。
所以，综合四个模块来看，WeRide GENESIS既是评价文远知行研发能力现状最好的指标，也是理解“Robotaxi第一股”的一个最直接切入点。
文远知行从容“搏二兔”
眼下，文远知行已经在全球10余座城市部署了超过1000辆Robotaxi，其中，北京、广州、阿布扎比已实现纯无人商业运营。
放眼整个L4赛道，萝卜快跑2025年11月公布的所有Robotaxi的最新周订单数是25万单；小马智行Q3财报显示，其Robotaxi车队数为961台，广州单台车日均订单量达到23单。
北美“一哥”Waymo，“被”披露的数据是车队2500辆、每分钟就能完成45单。
至于落地广度，文远知行则是整个L4赛道最早敏锐意识到海外需求和机遇的玩家，并且迅速付诸行动，率先在11个国家、40多座城市开展自动驾驶研发、测试及运营，也是行业唯一拿下8个不同国家自动驾驶牌照的科技企业。
截至目前，文远知行既是中国Robotaxi出海No.1，同时还是整个自动驾驶行业落地Robotaxi场景最丰富的玩家。
另一边，2023年文远知行首次合作博世，帮助这家百年Tier 1追赶高阶智能辅助驾驶方案：
落地量产奇瑞旗下的星途星纪元车型。
△奇瑞星途星纪元ES
2025年年末，文远知行又发布了量产一段式端到端方案，同样是帮助博世一夜间追赶上L2+最先进技术范式。
从这个层面看，文远知行首先是整个L4赛道唯一有稳定量产智能辅助驾驶项目的玩家；另一个角度，文远知行也是整个自动驾驶行业内，唯一一家L4、L2技术栈覆盖，且都有成熟落地案例的公司。
从一段式量产节奏来看，文远知行现在同样也处于行业内的T0梯队。
也就是说，文远知行现在明明白白在“搏二兔”，而且搏成了行业领先。
L2+、L4落地场景、技术要求各不相同，海外迅速落地数十城，环境、路况、交通规则、基础设施标准也各不相同。
这样的泛化性，除了算法本身，背后离不开WeRide GENESIS构建的仿真测试、数据闭环体系——文远知行“来时路”的一部分，现在终于清楚了。
更进一步，WeRide GENESIS也可以解释文远知行为何能“搏二兔”，在量产智能辅助驾驶和Robotaxi这两个看似尖锐对立的阵营游刃有余。
L2阵营紧跟的端到端，本质不是一段式、两段式、VLA，甚至不是绝对的模型化，而是数据驱动，是一种底层方法论。
数据驱动下，可以纯视觉，可以融合感知，可以一段式，可以多段式，可以世界模型，也可以VLA，甚至也可以有规则存在。
所以对于L4阵营来说，探索世界模型根本谈不上“转轨”，甚至Waymo早就在做。
文远知行无意参与行业争论口水仗，只是默默开启探索规则+模型多元技术体系，自证自动驾驶L4的安全性、L2的泛化性可以共存，符合一贯的“行胜于言”。
最后，从WeRide GENESIS，又能看出文远知行未来的可能性。
数据闭环能力之外，再次回到“生成”：WeRide GENESIS本身是物理AI（Physical AI）与生成AI（Generative AI）之间的融合桥梁，真正打通“现实物理世界”与“虚拟仿真世界”之间的能力通道。
让AI从海量数据中自主提炼物理与社会规律，形成对世界运作方式的抽象理解——而这是实现通用人工智能（AGI）的关键路径之一。
黄仁勋预言物理AI的“ChatGPT 时刻”已至，从文远知行的实践来看，这个时刻很有可能最先出现在跑通通用自动驾驶的玩家身上。