中经记者 陈靖斌 广州报道

4月10日，小马智行发布其物理AI体系中的新一代世界模型——PONYWorld 2.0。相较1.0版本，此次升级的核心不在于单点性能提升，而在于模型能力边界的重构：系统首次具备“自我诊断+定向进化”的闭环能力，使AI从被动优化对象转向主动驱动研发流程的主体。

具体而言，过去自动驾驶模型的迭代，依赖工程师对问题进行定位，并据此设计数据采集与训练策略。而在PONYWorld 2.0中，这一流程被前移并内嵌至模型内部：系统能够识别自身能力短板，明确改进方向，甚至反向“指导”研发与数据体系的运作逻辑。

这一能力重构，主要体现在三个层面：

在决策理解层，PONYWorld 2.0引入与车端模型联动的Intention（意图）语义层，对每一次驾驶行为进行结构化解析，实现决策结果的自动回溯与归因。系统不仅能够复盘“发生了什么”，更能够判断“问题出在哪里”，并将诊断结果直接映射至后续训练流程。

在数据生产层，基于自我诊断结果，系统可以自动识别模型精度不足的具体场景，并生成具有明确目标的定向数据采集任务。这意味着数据获取从“广撒网”转向“问题驱动”，显著提升数据利用效率。

在训练优化层，PONYWorld 2.0能够围绕车端模型的薄弱环节，在世界模型中自动构建针对性训练场景，从源头减少冗余样本的存储与计算开销，使每一轮训练更具“有效性”，而非单纯规模扩张。

截至目前，PONYWorld 2.0已在小马智行的L4级自动驾驶车队及研发体系中落地应用。其直接作用在于，通过持续提升系统在安全性、舒适性与通行效率等关键指标上的表现，加速技术成熟度向规模化运营能力的转化，进而为Robotaxi商业化提供更具确定性的支撑。

（编辑：赵毅 审核：童海华 校对：颜京宁）