世界模型升温后，一批自动驾驶背景的创业者和技术人才开始进入Physical AI领域。过去积累的感知、预测、决策与控制能力，正在机器人和更多物理设备上寻找新的落点。

人才流动之外，一些已经拥有产品和客户的智驾公司也开始拓宽能力边界。过去6年，斯年智驾已有1000+无人运输机器人参与真实生产。如今，这家公司正从重载无人驾驶进一步布局世界模型，希望将已有的技术、数据和工程体系延伸至更多重载作业环节。

2026年9月，斯年智驾完成由悦达资本投资的新一轮战略融资，资金将用于世界模型能力升级、自动驾驶系统优化及场景拓展。就在一个多月前，公司刚刚完成3亿元C轮融资。自2021年以来，这家成立仅6年的企业几乎每年都会公布新的融资进展。接连获得资本支持，不仅体现了企业自身的融资能力，也为观察重载自动驾驶下一阶段的变化提供了一个窗口。

无人车开到终点后，还要继续干活

重载运输与乘用车最大的区别，在于车辆抵达终点并不意味着任务结束。

在港口，无人集卡需要与龙门吊精准对位；在钢厂，无人平板车要承载钢卷、钢板，并与装卸设备协同；在散杂货场景中，车辆还要完成举升、自卸、平推和锁止；在铁路场站，不同运输方式之间还需要完成连续衔接。

这些任务已经超出了传统意义上的“自动驾驶”。

在斯年智驾看来，商用领域的无人车不是单纯把货物从A点送到B点，而是一台能够与龙门吊、堆料机等设备协同作业的无人机器人。

车辆上的举升、锁止、平推和伸缩机构，也可以被理解为重载机器人的“机械臂”。它们需要根据货物状态、设备位置和生产任务完成真实的物理交互。

这也是Physical AI开始进入重载运输的原因。

如果说自动驾驶解决的是车辆如何自主移动，那么Physical AI进一步解决的，是机器如何理解真实世界的物理约束，并完成运输之外的具体作业。它面对的不只是道路和障碍物，还包括载荷、货种、设备接口、生产节拍和安全边界。

当无人车开到终点后还能继续干活，它才真正从一辆自动驾驶车辆变成重载无人运输机器人。

世界模型：让重卡从“看见”走向“预判”

要实现从无人运输到无人作业，仅靠传统自动驾驶能力还不够。

传统自动驾驶主要解决“看见什么、如何处理”，世界模型则试图让系统进一步理解场景如何演化，以及不同动作可能产生什么结果。系统由被动响应当前环境，转向主动预判下一步变化。

这种能力在重载场景中尤为重要。

斯年智驾选择重载场景作为世界模型的落地场，并非因为这里更简单。恰恰相反，港口、钢厂和铁路场站集中了载荷、货种、设备接口、工艺流程和安全边界等大量物理约束，但这些约束相对明确，任务时序和动作结果也可以记录、追溯与验证，为世界模型训练提供了真实且可审计的反馈。

同一辆无人平板车，可能部署在湿热、高盐雾的沿海港口，也可能进入温差较大、多雨雪的内陆铁路场站；承载的货物也可能从集装箱变为钢卷、钢板或非标准件杂货。环境、载荷和货种的变化，都会影响车辆动力学、制动距离与作业方式。

港口装卸是其中一个典型场景。龙门吊调整空间有限，无人集卡需要与其完成厘米级精准对位，并通过自身移动补偿位置偏差。传统系统通常在偏差出现后进行修正，世界模型则需要理解车辆、货物和装卸设备之间的关系，预判设备动作与位置变化，提前调整行驶和作业策略。

这类能力很难只靠实验室数据形成。过去6年，1000+无人运输机器人在不同环境、货种和工况中持续参与真实生产。极端天气、载荷变化、设备交互和失败样本，不仅淬炼了系统稳定性，也成为世界模型理解重载物理世界的训练基础。

从一辆车，走向一套生产系统

世界模型要进入真实生产，还需要端侧Agent与云脑协同：端侧负责车辆的感知、决策与执行，云脑则连接车辆、设备和生产系统，统筹任务、路径、能源与作业节拍。

斯年智驾对此有一个直接的判断：如果云只能显示车辆位置，就很难产生真正的经济价值。云的作用不是增加一块大屏，而是帮助局部运行的单车实现全局协同。

当车队从10台、100台增长至1000台后，问题也从“车辆能否运行”变成“如何用相对稳定的团队完成更多交付”。技术需要产品化，项目经验需要模块化，交付与运维也必须标准化。

最终，技术还要进入账本。车辆利用率、电费、轮胎损耗、现场人员和运维成本，都会影响项目收益。“只有公司知道怎么挣钱，客户才会买你的东西去挣钱。”

2026年上半年，自动驾驶重卡赛道公开融资5起，累计金额近70亿元，多家企业密集冲刺资本市场。资本重新关注这一赛道，并非行业重新回到依靠概念讲故事的阶段，而是自动驾驶进入规模化应用后，技术价值开始接受交付能力、客户复购和商业回报的检验。

在这样的背景下，斯年智驾一个多月内接连完成两轮融资：C轮重点投向新一代车规级自动驾驶方案研发，随后引入产业资本，进一步补充整车制造、供应链协同与真实场景资源。两轮融资侧重点不同，却共同指向技术、产品与产业能力的进一步衔接。

斯年智驾CEO何贝曾将2024年前后视为自己从“科学家”转向“企业家”的重要节点。随着1000+无人运输机器人进入真实生产，他关注的问题也从算法是否领先、车辆能否无人运行，转向如何标准化交付、控制成本并获得客户复购。

六年前，他需要回答的是一辆重卡能否实现无人驾驶；如今，公司已经进入千台级真实生产的新阶段，并开始推动既有能力向更大规模复制，让车辆从“会开”进一步走向理解货物、协同设备与自主作业。

当产业资本开始入场，当车规级域控制器获得海外头部企业量产定点，当世界模型在重载场景中找到可审计、可闭环的落地路径，“自动驾驶重卡”也正在从技术验证走向规模化商业应用。

而这一进程的最终答案，不会写在稿子里，而会写在持续运行的车辆、客户复购与真实生产结果中。