【高端智见】中国国际经济交流中心创新发展研究部处长梅冠群：高水平推进人工智能与交通运输融合发展

由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社联合主办的第二十二届中国汽车产业发展（泰达）国际论坛（以下简称“泰达汽车论坛”）于2026年9月17日至9月20日在天津市滨海新区举办。本届泰达汽车论坛将围绕“智绿筑基·生态蓄势·共创共赢”的年度主题，邀请重磅嘉宾展开深入研讨。

在9月19日“高端智见——智引转型 绿促升级 共筑汽车产业新生态”中，中国国际经济交流中心创新发展研究部处长梅冠群发表题为“高水平推进人工智能与交通运输融合发展”的演讲。

 中国国际经济交流中心创新发展研究部处长  梅冠群

以下是演讲实录：

大家好！

现在我们正迎来以人工智能为代表的新一轮重大科技革命和产业变革，人工智能技术创新性、对千行百业渗透性，以及对生产生活颠覆性，其程度远远超越其他技术，人工智能概念提出到现在70多年了，技术一直往前发展，直到最近一些年，有几个关键节点，AlphaGo、ChatGPT、智能体这几个关键节点为代表人工智能发展连续跨越多个阶段，发展速度越来越快，目前人工智能发展已经到了重要的节点时刻。

从中美两国人工智能前沿技术攻关方向来看，人工智能发展有几个重要趋势。

第一，递归自我改进。递归自我改进可以使人工智能获得自我进化的能力，AI可以通过自我修改代码，改变架构，训练流程，调度算力，从而实现快速迭代演化。AI也将从具有感知和理解能力的技术工具，转变为能够自身控制，自我决策，自主执行的智能体，这是一个趋势。

第二，AI将会从智能体逐步发展为通用人工智能，未来会出现超级人工智能，超级人工智能本质上超越生产工具，人类经济社会发展逻辑发生根本性变化，现在正处于走向通用人工智能阶段。

第三，人工智能将会从大语言模型、多模态模型、进一步发展为世界模型。AI通过对自动驾驶车辆、机器人以及各类物联网终端的控制，实现与物理世界耦合，将从虚拟交互走向“物理在场”，这是人工智能发展的几个趋势。

现在AI已经成为大国竞争必争之地，中国必须要在基础模型和场景应用两端同时发力，虽然基础模型和技术不如美国，但是距离正在快速拉近。

而且在场景应用方面中国有优势，要把场景驱动、数据供给，模型升级飞轮跑起来。在场景应用中，当前最重要的包括汽车在内的交通行业。之所以这样认为，主要有以下几个方面原因：

第一，相比复杂工业生产场景和生活辅助场景，交通运输行业场景相对简单，因为机器人在工业生产大规模应用，包括在生活广泛应用还是有一定距离，但是自动驾驶发展非常快了。

第二，交通运输领域可能是最先实现商业闭环领域，比如说自动驾驶现在一些商业模式已经出来了。

第三，交通运输又是体量场景非常大，高质量数据资源比较丰富的领域。相比美国，我国交通运输规模更大，场景更加丰富多元，在人工智能应用中理应比美国更具优势。如果人工智能能够在交通运输领域大规模深度的应用中取得突破，把需求牵引，市场驱动这个飞轮跑起来，非常有利于拉动我国人工智能技术创新。

怎么看人工智能+交通运输，不是一个简单把人工智能应用于交通运输这一个行业，这一个领域的问题，而是在中美整个大的人工智能博弈中，交通运输作为先手棋，作为重要抓手，推进人工智能+交通运输有四个关键问题需要注意：

第一个问题，高度关注前沿模型和发展趋势，特别是世界模型。现在世界模型在自动驾驶领域已经有一定应用，特别是在仿真领域，但是由于技术不成熟，不能直接用于车端决策，但是需要用发展眼光看待世界模型。

从全球来看，目前世界模型主要有四大技术路线：

第一，基于大语言模型世界模型，现在我国世界模型大多数都是在大语言模型基础上进一步训练开发。优点语言大模型比较成熟，缺点把物理世界规律通过语言描述，有的时候效率比较低。

第二，基于像素的世界模型，比如OpenAI、谷歌、英伟达、字节这些世界模型都是在视频生成基础上进行训练开发。缺点通过像素来描述世界并非真正物理世界，还是存在幻觉率比较高的问题。

第三，三维结构的世界模型，比如李飞飞团队的模型，包括腾讯世界模型，优点是比较好地描述物理空间状态，但是仅仅建立静态几何状态，对于力、热这些属性表征能力不足。

第四，基于视觉表征的世界模型。先把物理空间先做抽象表征以后再做训练，因此，对于算力需求相对更低，计算效率更高一些。

大体上全球世界模型是这四种路线，现在这些路线整体处于并跑状态，从趋势上看，未来两到三年是世界模型发展关键期，多元分散技术路线出现收敛，各种技术路线出现融合，特别是迈过通用人工智能门槛以后，世界模型成熟度大大提速，加速在现实世界中应用。

世界模型应用最大两个领域：一个是自动驾驶，一个是机器人。自动驾驶会是最先规模化的应用，自动驾驶场景比机器人应用简单，也就是二维平面数据，也不用三维立体数据，也不需要力学相关的数据。在自动驾驶应用成熟以后技术会进一步扩散，像无人机、无人艇、无人装备，整个无人体系和自动驾驶都具有高度同源性和架构统一性，以后影响我国整个全空间无人体系整体技术演进。

第二个问题，特别关注美国在技术模型，技术架构领域系统布局。现在自动驾驶、具身智能也在面临电脑当年intel时刻，面临智能手机安卓时刻，未来世界模型成为自动驾驶和具身智能通用操作系统。不同厂商只需要在基座基础上进行自我调配就可以，基础模型和基础架构至关重要。美国正在这方面开展体系化布局，比如说英伟达，正在基于GPU软件栈CUDA系统，进一步开发了世界模型和仿真系统，并将自动驾驶机器人等领域终端数据来反哺模型迭代，希望打造尤其主导世界模型产业生态。目前英伟达仿真系统成为全球世界模型领域主流仿真系统，我国世界模型很多企业也在用它的系统，如果美国企业在硬件底座，开发工具，通用模型领域形成全栈合围，将会扩大中美模型代差，未来美国模型一旦成为物理AI时代基础操作系统，我国包括自动驾驶机器人在内，包括无人机，空间计算，智能制造等等领域都将受制于人，这是一个潜在风险，可能会危及我国产业安全和国家安全。

第三个问题，要充分挖掘好发挥好我国场景优势。在自动驾驶和交通运输领域，我们国家有非常丰富的场景优势，但是这些场景优势很多还只能说潜在优势，有的场景开放仅仅是试点小范围区域，比如说自动驾驶很多场景开放程度不够，虽然有很多复杂场景，但是还没有开放，只有将更多场景开放出来，转换成高质量数据，用于需求牵引模型迭代，数据和模型又能进一步沉淀成标准和治理规则，场景优势才能真正从潜在优势转变为显性优势。在推动自动驾驶场景开放方面，美国正在抓紧布局，布局力度也很大，最近美国交通部刚发布了2026—2030自动驾驶国家战略，战略核心主线以安全作为底线，改革老旧汽车法规，破除监管枷锁，维护美国在自动驾驶领域全球领导地位。虽然美国也没有围绕自动驾驶形成综合性联邦法律，但是在现有车路安全法和联邦机动车安全标准框架下，正在使用企业自我认证，缺陷调查，事故报告和产品豁免等工具逐渐去修订原来是适应人类驾驶员规则标准。美国对自动驾驶边部署，边监管，边修订规则这套部署方式，显示出比较强灵活性和弹性。

第四个问题，在相对比较开放治理方式下，现在自动驾驶发展速度很快，比如说特斯拉累计里程超过100亿英里，包括Waymo的测试车队已经超过4000辆，美国德州、佛州、内华达几个州也在开展试点实验，发展非常快。总体上看，虽然美国在自动驾驶领域布局力度在加大，虽然开放地区没有我们多，但是其开放场景更深，安全与发展兼顾灵活度弹性更高，如果我们不能做更深度场景开放，设定更加深入试点沙盒，可能在底层模型和场景应用这两方面都落后于美国。

当前，汽车行业正面临新的变革节点，正在从新能源上半场走向智能化下半场，重塑汽车行业不仅来自汽车行业本身，还来自外部技术创新，特别是人工智能技术发展，中美在自动驾驶汽车领域，乃至整个大交通领域竞争，不仅仅是行业竞争，更是两个国家在人工智能、顶尖科技以及掌握未来科技主导方面的系统性竞争，人工智能+交通是一个最重要的环节。要从战略高度看待人工智能+交通运输发展，这就要求更多顶层设计和制度支持，要支持人工智能技术创新，推动AI在汽车和交通领域场景化应用，要加强场景开放，数据资源建设，可信数据空间建设，要从兼顾发展和安全的角度来做更多政策研究和制度设计，要在画好一定安全底线红线基础上，步子更大一些，形成开放、包容、弹性治理体系，把政策创新和产业实践有机衔接起来，为汽车和交通智能化转型创造一个更好的环境。

我的发言到这里，谢谢！

本文根据泰达汽车论坛现场速记整理，未经演讲嘉宾审阅，仅供参考。