正式推出PonyWorld世界模型2.0，这是其在物理AI领域的关键技术突破，标志着自动驾驶核心训练体系完成重大升级，迈向“AI驱动”。该模型已全面应用于

　　与1.0版本相比，PonyWorld 2.0最本质的革新在于具备自我诊断与定向进化能力。传统自动驾驶研发中，模型迭代高度依赖工程师人工判断短板、规划数据采集方向，耗时耗力且效率有限。升级后的世界模型可自主识别自身精度不足，主动规划进化路径，甚至反向指导研发与数据采集工作，彻底改变了自动驾驶技术的训练与迭代逻辑。

　　作为一套完整的强化学习训练系统，PonyWorld并非简单的虚拟仿真环境，而是帮助AI提升驾驶博弈交互能力的“虚拟驾校”。自2020年起搭建云端与车端协同的训练体系，摒弃“模仿人类驾驶”的传统思路，以“比人开得更好”为目标，通过强化学习持续锤炼AI驾驶能力。随着模型精度不断提升，AI司机的安全性已远超人类，如何高效迭代模型精度成为技术攻坚核心，PonyWorld 2.0正是这一需求下的最优解决方案。

　　一是自我诊断能力，模型结合车端Intention意图语义层，可对每一次驾驶决策自动回溯归因，精准定位问题根源，并直接反馈至训练流程，让AI清晰知晓“自身短板”。

　　二是定向进化能力，基于诊断结果，模型能自动识别精度不足的具体场景，生成定向数据采集指令，例如指定时段、路口、逆光条件下的非机动车与行人混行场景采集，研发团队据此高效协作，从“广撒网”式数据采集转向“精准补短板”。

　　三是训练效率跃升，模型可针对车端薄弱环节自动生成针对性训练场景，过滤大量无效训练数据，降低存储与计算成本，让每一轮迭代都聚焦“难题突破”，大幅提升训练效果与效率。

　　依托三大能力，PonyWorld 2.0构建起自我强化的精度飞轮：大规模L4无人车队商业运营产生高价值真实数据，推动世界模型精度提升，进而增强车端模型能力，支撑更大规模无人车部署，最终产出更多高精度数据，形成技术与规模的双向赋能。

　　值得关注的是，当AI驾驶能力超越人类后，普通人类驾驶数据对模型迭代的价值已趋近于零。小马智行已积累千万公里级、多城市复杂场景的纯数据，覆盖城区、高速、园区、停车场等全场景，形成行业难以复制的数据优势，为PonyWorld 2.0持续进化提供核心养料。

　　从行业层面看，PonyWorld 2.0的发布推动自动驾驶研发实现深层范式变革。早期行业研发依赖工程师经验设计规则、标注数据、判断训练重点，效率受限于人力与认知边界。如今AI能力全面超越人类，已可自主接管数据采集、模型训练、仿真评估等核心研发环节，人类工程师从“驾校教练”转变为“定向数据采集员”，成为AI进化的物理执行者。

　　这一变革不仅突破了传统研发的效率天花板，更为物理AI拓展至更多应用场景奠定了进化基础。目前，PonyWorld 2.0已在小马智行L4级车队落地应用，持续提升车辆安全性、舒适性与通行效率，助力无人车队从百辆级向千辆、万辆级规模化扩张，加速商业变现进程。

　　小马智行表示，PonyWorld不局限于自动驾驶场景，未来将持续探索物理AI在更多领域的应用可能，以自主进化的AI技术，推动智能驾驶与物理世界交互的技术革新。自动驾驶研发迈入AI驱动新阶段，小马智行发布PonyWorld世界模型2.0