Superfluid Lab 这个名字挺抽象，这是元戎启行打造的国内首个面向物理世界基础能力研究的 AI Lab，名字取自物理学里的 " 超流体 " ——一种摩擦力接近于零的物质状态。但它的技术方向其实很具体。
核心就一件事：训练一个能够理解物理世界的通用基础模型。
从 " 分科教学 " 到 " 整体理解 "
先说说以前的智驾系统是怎么做的。
接近 " 分科教学 " ——识别车辆是一门课，预测轨迹是一门课，规划路线又是另一门课。工程师把这些能力分别训练出来，再拼成一套系统。
这种方式的问题在于：每个模块都只负责自己那一亩三分地，缺乏对全局的理解。就像一个球队，前锋、中场、后卫各自练各自的，上了场才发现配合不起来。
基座模型的思路不一样。它先教机器理解世界——通过海量数据学习物体、空间、运动和因果关系，再把这些理解迁移到不同任务中。
遇到一个此前没专门训练过的场景，模型也有机会根据已有认知作出判断。
这就是大模型和小模型的本质区别。小模型更像条件反射——见过的东西能处理，没见过的就抓瞎。大模型追求的是认知智能——理解规律，然后举一反三。
元戎在 GTC 上展示的 VLA 基座模型有约 400 亿参数规模。但参数规模只是表象，真正的差异在于架构的统一——驾驶决策、场景理解、行为评估全部放在同一套模型里，而不是多个模块拼接。
具体研究什么？
Superfluid Lab 聚焦三个技术方向：VLA 模型、世界模型、多模态理解。
VLA 视觉 - 语言 - 动作模型把视觉感知、语言理解和动作执行揉在一起。以前的车只能 " 看 "，VLA 能让车既 " 看 " 又 " 理解 " 还能 " 行动 "。
举个具体的例子：看到一块 " 前方施工 " 的牌子，传统系统只做文字识别，VLA 能理解 " 施工 " 意味着什么——前面可能有障碍物、车道可能变窄、可能需要减速变道。理解语义，然后转化为行动。
世界模型解决的是 " 世界会怎么变化 " 的问题。
传统自动驾驶的逻辑是 " 看见什么就应对什么 " ——看见一个人就刹车，看见一辆车就绕行。这是反应式的。
世界模型追求的是预测式的——理解物理世界的因果规律，提前预判接下来会发生什么。
一个塑料袋滚到路中央和一块石头滚到路中央，后果完全不同。塑料袋可以碾过去，石头得绕开。一个真正理解物理世界的模型，应该能区分这两种情况，而不是看见 " 有东西 " 就一律刹车。
元戎在模型预训练阶段采用了视频预测任务来让模型理解世界——视频的每一个像素都能作为监督信号，数据利用率达到 100%。这意味着模型不只是 " 看 " 视频，而是在学习 " 视频里的世界接下来会怎么变 "。
多模态则是把视觉、语言、传感器数据等各种信息融合起来，让模型对世界的理解更全面。
一个更难定义的目标
Superfluid Lab 的定位文件里有一句话：不局限于单一应用场景，致力于打造支撑具身智能、机器人控制与真实环境交互的通用 AI 基座。
翻译一下：这套模型不光给车用。
车只是一个载体，一个验证场景。真正想做的，是一个能理解物理世界、能在物理世界里行动的通用智能。将来机器人、无人机、机械臂都能用同一套底层能力。
这就是为什么元戎说自己的长期愿景是成为 " 物理世界的 AI 基础设施 " —— " 就像通信、电力一样，成为支撑现实世界运行的基础能力 "。
通信和电力没人会天天念叨，但离了它们什么都不转。元戎想做的就是这个——让 AI 理解并作用于物理世界的能力，变成像水电一样随时可调用的东西。
为什么元戎能做这件事？
一个关键条件是数据。
元戎已经有超过 50 万辆量产车在路上跑。研究人员的模型可以面对持续变化的真实交通环境，可以观察一个判断怎样变成车辆动作，也可以看到算法在真实世界中犯下的错误。
对于研究物理 AI 的人来说，这是一套规模庞大的真实世界实验装置。其他 AI 实验室很难复制这个条件——他们没有这么多车在真实世界里跑。
从开车到理解世界
元戎的计划是：先让模型学会开车，完成之后再把模型从汽车迁移到更多机器和场景中。
能够应对开放道路的模型，才有资格进入更多物理场景。智驾因而成为物理智能的试金石——负责验证能力，却不再限定能力的边界。
Superfluid Lab 因此不是传统意义上的智驾研发部门，也还不是一家独立的基础模型公司。它处在两者之间，借用商业化业务积累的资源，寻找超出业务边界的答案。
一个塑料袋和一块石头有什么不同？这个问题看似简单，但让机器理解其中的物理差异，需要的是对世界本质的认知。
Superfluid Lab 就在做这件事。
