使用 JEPA 架构研究具身智能或自动驾驶的公司与机构

作者	Qwen3.8
提示词作者	将狼才鲸
创建日期	2026-07-30

---

一、JEPA 架构源头：AMI Labs

项目	详情
创始人	Yann LeCun（图灵奖得主，2025年底离开Meta）
联合创始人/首席研究创新官	冯雁（Pascale Fung，港科大讲座教授）
融资	2026年3月完成 10.3亿美元 种子轮，估值35亿美元（欧洲AI初创史上最大种子轮）
投资方	贝索斯探险等顶级资本
核心成果	V-JEPA → V-JEPA 2（12亿参数）→ LeWorldModel（1500万参数，单GPU训练，规划速度快48倍）→ AdaJEPA（支持测试时自适应）→ LeJEPA数学证明（2026.5，证明JEPA可学到与真实世界变量线性对应的表征）
与自动驾驶的关系	V-JEPA 2论文明确面向"理解自动驾驶汽车等物理物体的运动规律"；LeCun多次公开表示JEPA将用于自动驾驶
首个落地场景	医疗健康（非自动驾驶）
LeCun预判	3-5年内世界模型将取代大语言模型成为主流AI范式

2026年7月ICML大会上，冯雁作为首个特邀演讲者，系统阐述了"JEPA路线相较生成式路线的结构性优势"。

---

二、方案商 / 初创公司

1. 日冕开物 🇨🇳（2026年3月成立）

项目	详情
创始人	肖中阳博士（清华），曾主导智驾行业首个复杂交互场景世界模型交付，已搭载超 70万辆蔚来汽车
基座模型负责人	钟元鑫博士，前华为"天才少年"，曾主导华为新一代智驾世界模型基模的设计与量产
后训练负责人	王云龙博士，前蔚来Super Spark / 智元机器人
融资	2026年7月披露：连续两轮种子轮，合计数亿元人民币（鼎峰科创、远图未来、百度风投、沃衍资本、武岳峰科创、万林国际）
技术路线	LaMPA（Latent Manipulation and Prediction Architecture），明确"在JEPA理论体系基础上进一步延伸"
核心创新	三重表征体系（环境表征 + 本体表征 + 经验表征）+ 块扩散架构 + 世界奖励模型
是否做像素生成	❌ 不做。在隐空间中预测未来状态并生成控制指令
当前落地	与远图未来合作，进入服务器制造高精度装配场景；WAIC 2026现场演示半小时训练即可适配新环境
部署计划	2027年百台级 → 未来万台级
与驾驶的关系	创始团队全部来自智驾世界模型（蔚来70万辆 + 华为世界模型基模），技术可直接迁移至自动驾驶

2. 具脑磐石（EBKernel）🇨🇳（2025年6月成立）

项目	详情
创始人	朱森华，前华为云AI算法创新Lab主任，华为"具身大脑一号位"
融资	种子轮数千万元（2026.1）→ 亿元级新一轮（2026.5），更新一轮同步交割中
技术路线	明确"对标JEPA路线"，认知世界模型（CWM）：在抽象表征空间中学习状态演化、推理未来趋势
是否做像素生成	❌ 明确不做。“不同于传统AI逐帧复刻画面”
关键数据	仅需 1/10数据量 即可达到VLA方案同等效果
商业进展	已签国内汽车龙头千台级机器人订单（纽泰格，2025.12）；完成日本工业场景PoC；获国际化智能制造龙头千万级合同
与驾驶的关系	当前聚焦工业机器人，但已签车企订单，技术路线可迁移

3. Nexar 🇮🇱

项目	详情
产品	BADAS（Beyond ADAS，2025.10）→ BADAS-2.0（2026.4，基于V-JEPA 2理论）
LeCun背书	LeCun亲自在LinkedIn和X上转发
技术原理	在潜在空间做masked feature prediction，完全不生成像素
性能	99.4% Average Precision，4个主流基准全部第一
参数效率	22M参数的Flash-Lite版（比NVIDIA COSMOS小91倍）仍显著超越COSMOS-Reason2
消融实验	V-JEPA风格自监督贡献 +28.1pp AP（vs 蒸馏仅+1pp）
数据基础	超10亿英里真实驾驶数据（非仿真）
应用	事故预测、碰撞预判、ADAS安全增强

---

三、车企预研

4. 小鹏汽车 🇨🇳

项目	详情
论文	《Drive-JEPA: Video JEPA Meets Multimodal Trajectory Distillation for End-to-End Driving》（2026.1，arXiv:2601.22032）
合作方	弗吉尼亚理工大学、普渡大学、南京大学
核心创新	首个将视频JEPA预测学习与多模态轨迹蒸馏结合的端到端自动驾驶框架
模型参数	约 3亿参数（远小于Transformer方案）
效果	在多个权威基准上创下SOTA
后续	2026年6月发布 X-Foresight（CVPR 2026主题演讲，小鹏是唯一受邀主题演讲的中国车企）；3月发布X-World、4月发布X-Cache，形成完整智驾研究生态
量产方案	主力量产仍为第二代VLA（2026 Q1全量推送），Drive-JEPA为前沿研究储备

5. 长安汽车 + 中科院自动化研究所 🇨🇳

项目	详情
论文	DreamerAD（Latent World Model + RL）和 Latent-WAM（2026.3）
项目负责人	郑宇鹏
核心方法	在潜在空间（latent space）中预测未来场景，用VAE压缩图像为latent表示，不重建像素
成绩	NAVSIM v2 EPDMS得分 89.3，刷新世界模型自动驾驶纪录
参数效率	仅 1.04亿参数，零成本训练数据，训练与推理硬件成本降低90%以上
量产状态	纯学术论文阶段，长安量产车型尚未搭载；长安已获工信部L3级自动驾驶许可（重庆试点）

---

四、全景对比

#	公司/机构	国家	JEPA纯度	与自动驾驶关系	阶段	关键数据
1	AMI Labs	🇫🇷	⭐⭐⭐⭐⭐ 架构原创者	中（通用物理AI，含驾驶）	基础研究	10.3亿美元，估值35亿
2	日冕开物	🇨🇳	⭐⭐⭐⭐ JEPA延伸	高（团队来自智驾世界模型）	工业落地+驾驶迁移	数亿元融资，蔚来70万辆经验
3	具脑磐石	🇨🇳	⭐⭐⭐⭐ 对标JEPA	中（偏具身，已签车企订单）	早期商业化	1/10数据量，千台订单
4	长安+中科院	🇨🇳	⭐⭐⭐⭐ 潜在空间预测	高（端到端驾驶）	论文	EPDMS 89.3，1.04亿参数
5	Nexar	🇮🇱	⭐⭐⭐⭐⭐ 纯潜在预测	高（ADAS事故预测）	产品化	99.4% AP，LeCun背书

---

五、行业背景与趋势判断

2026年关键信号

事件	时间	意义
LeCun发表LeJEPA数学证明	2026.5	首次从数学上证明JEPA可学到与真实世界变量线性对应的表征
冯雁ICML 2026首个特邀演讲	2026.7	系统论证"JEPA比生成式世界模型天然更具结构性优势"
全球物理AI融资超370亿美元	2026年至今	同比激增160%，世界模型成为资本主战场
国内世界模型相关融资超20起	2026年	2026年被业内定义为"世界模型元年"
WAIC 2026具身智能首与智算并列	2026.7	物理AI从概念走向产业验收

世界模型四大技术路线并存

路线	代表	核心特征
以语言为中心	VLA（小鹏VLA 2.0、理想MindVLA-o1）	语言驱动，泛化好但物理理解弱
以像素为中心	视频生成（Sora、NVIDIA Cosmos 3）	生成逼真画面，计算成本高
以3D结构为中心	空间智能（World Labs Marble）	几何精确，场景构建复杂
以表征为中心	JEPA（AMI Labs、日冕开物、具脑磐石、小鹏Drive-JEPA、Nexar）	参数高效、物理理解强、不生成像素

核心判断

JEPA路线的核心竞争力在于：用极少的参数和算力，在潜在空间中实现对物理世界的深层理解与预测。这对车端部署（算力受限）和大规模训练（成本控制）具有天然优势。长安Latent-WAM仅用1.04亿参数即达EPDMS 89.3、Nexar用22M参数超越91倍体量的COSMOS——这些实证正在验证JEPA的效率假说。

但JEPA在自动驾驶领域的大规模量产落地，仍面临可解释性认证、评测生态不成熟、商业验证不足等挑战。LeCun预判3-5年内世界模型将成为主流范式，而2027年前后可能是JEPA路线在驾驶场景被规模验证的关键窗口。

华为和Momenta为何不急于布局JEPA？"纯JEPA"自动驾驶玩家全景

---

一、华为和Momenta为什么不"心急"？

核心判断：不是"不能"，而是"不愿"在当下切换。

JEPA是一种与感知模态无关的学习范式——无论输入是摄像头图像、激光雷达点云、毫米波雷达信号还是多模态融合数据，都可以在潜在空间中做预测。因此，华为的多传感器方案、Momenta的感知体系，在技术上都完全可以使用JEPA架构。它们不选JEPA，原因不在感知层面，而在更深层的技术哲学和商业逻辑。

---

1. 华为乾崑：选择了世界模型的"生成式"分支

维度	华为现状
架构	WEWA 2.0（World Engine + World Action）
云端WE	多智能体博弈 + 在线强化学习，“边生成、边学习、边验证”
车端WA	世界行为模型，直接基于物理世界理解决策
规模	辅助驾驶里程超102亿公里，搭载量超190万辆，合作50+车型
投入	2026年智驾研发超180亿元，未来5年追加700-800亿

华为不选JEPA的真正原因：

• ① 技术哲学分歧：华为WEWA的"世界引擎"核心是生成高保真仿真场景用于训练。JEPA的核心是不生成任何东西，只在潜在空间做预测。两者在"是否需要生成"这个根本问题上对立。
• ② 可解释性需求：华为面向L3商用（已获国内首个高速L3认证），监管和责任认定需要"AI看到了什么、为什么这样决策"的可视化证据。生成式仿真天然提供这种可解释性，JEPA的潜在空间预测则难以直观展示。
• ③ 规模锁定：190万辆车的OTA生态、50+合作车型、25个品牌关系，架构切换的商业风险极大。
• ④ 内部已有JEPA基因：华为前"天才少年"钟元鑫（曾主导华为新一代智驾世界模型基模设计）已于2026年3月离职，联合创立了日冕开物，其LaMPA模型明确"在JEPA理论体系基础上进一步延伸"。这说明华为内部有人认同JEPA方向，但公司层面选择了生成式路线。

一句话：华为不是"不懂JEPA"，而是在"生成式世界模型"和"潜在空间预测"之间，选择了前者——因为前者更适合其L3商用的可解释性需求和已有的仿真训练体系。

---

2. Momenta：生成式世界模型已跑通商业闭环

维度	Momenta现状
架构	R7三层：预训练 → 生成式仿真 → 强化学习
规模	量产车突破100万台，城市NOA第三方市占率61%
客户	全球前十大车企中九家（奔驰、宝马、奥迪、比亚迪、丰田等）
上市	2026年7月港交所，市值超700亿港元

Momenta不选JEPA的真正原因：

• ① R7第二层明确是"生成模型"：官方描述为"利用生成模型推演环境演变，构建高保真模拟器"。这与JEPA"不生成、只预测表征"的哲学直接矛盾。
• ② 商业优先级：刚上市，核心KPI是交付量和安全性（R7比R6安全提升3-5倍），不是架构革命。
• ③ 数据飞轮已成型：120亿公里真实数据 + 生成式仿真 + RL，pipeline已跑通，切换到JEPA意味着整个训练体系重建。
• ④ 客户SOP刚性：奔驰、宝马的量产节点不可推迟，不可能因为"更好的架构"而推迟交付。

一句话：Momenta的"世界模型"是生成式的（生成仿真场景用于训练），不是JEPA式的（在潜在空间预测未来状态）。它已经用这套方法拿下61%市占率和100万台量产，没有动力在商业巅峰期换引擎。

---

3. 更本质的问题：为什么整个行业对JEPA"不急"？

因素	解释
JEPA在驾驶场景尚无规模验证	Drive-JEPA（小鹏）仍是论文；BADAS-2.0（Nexar）仅做事故预测，非完整自动驾驶
LeCun自己的预测是2027年	WAIC 2026上说"2027年初行业范式将转向JEPA"，意味着现在还不是切换窗口
生成式路线也在进化	NVIDIA Cosmos 3（2026.6开源）、华为WEWA 2.0等都在强化生成式路线，并非"死路"
可解释性/安全认证	L3/L4需要向监管证明"AI为什么这样决策"，潜在空间预测难以直观展示
路线未收敛	行业公认四大路线并存（语言中心/像素中心/3D中心/表征中心），押注单一路线风险极大

---

二、除小鹏、长安外，"全力押注类JEPA"的玩家

筛选标准：

✅ 在潜在空间（latent space） 中预测未来状态
❌ 不做像素级画面生成
❌ 不做3D场景重建/渲染
✅ 与自动驾驶/物理AI高度相关

---

符合条件的玩家全景：

#	公司/机构	国家	产品	JEPA纯度	与自动驾驶关系	阶段
1	AMI Labs（LeCun）	🇫🇷	LeWorldModel、V-JEPA 2、AdaJEPA	⭐⭐⭐⭐⭐	中（通用物理AI，含驾驶）	基础研究，10.3亿美元融资
2	日冕开物	🇨🇳	LaMPA世界模型	⭐⭐⭐⭐	高（创始团队来自蔚来/华为智驾世界模型）	种子轮数亿元，2026.3成立
3	具脑磐石	🇨🇳	认知世界模型（CWM）	⭐⭐⭐⭐	中（偏具身机器人，已签车企千台订单）	亿元融资，2025年成立
4	长安 + 中科院	🇨🇳	DreamerAD / Latent-WAM	⭐⭐⭐⭐	高（端到端驾驶）	论文，EPDMS 89.3
5	小鹏汽车	🇨🇳	Drive-JEPA	⭐⭐⭐⭐	高（端到端驾驶）	论文，3亿参数
6	Nexar	🇮🇱	BADAS-2.0（基于V-JEPA 2）	⭐⭐⭐⭐⭐	高（ADAS事故预测）	产品化，LeCun亲自背书

---

逐一分析：

① AMI Labs（LeCun）— JEPA的"教主"

• 纯度：100%。LeCun公开宣称"生成式模型是死胡同"，JEPA是唯一正确路线
• 与驾驶的关系：V-JEPA 2论文明确提到"理解自动驾驶汽车的物理运动规律"；LeWorldModel（2026.3）规划速度快48倍，适合车端部署
• 局限：团队仅十余人，无产品，无客户，纯研究阶段
• 融资：10.3亿美元种子轮（欧洲史上最大）

② 日冕开物（2026年3月成立）— 华为/蔚来智驾世界模型团队的"JEPA出走"

项目	详情
创始人	肖中阳博士（清华），曾主导智驾行业首个复杂交互场景世界模型交付，已搭载超70万辆蔚来汽车
基座模型负责人	钟元鑫博士，前华为"天才少年"，曾主导华为新一代智驾世界模型基模的设计与量产
后训练负责人	王云龙博士，前蔚来Super Spark / 智元机器人
技术路线	LaMPA（Latent Manipulation and Prediction Architecture），明确"在JEPA理论体系基础上进一步延伸"
核心创新	三重表征体系（环境表征 + 本体表征 + 经验表征）+ 块扩散架构 + 世界奖励模型
是否做像素生成	❌ 不做。在隐空间中预测未来状态并生成控制指令
当前落地	服务器制造场景（与远图未来合作），计划2027年百台级部署
与驾驶的关系	创始团队全部来自智驾世界模型（蔚来70万辆 + 华为世界模型基模），技术可直接迁移

关键信号：华为和蔚来的智驾世界模型核心人员，选择离开大厂、创立新公司、押注JEPA路线——这本身就说明他们认为大厂现有的生成式路线存在局限。

③具脑磐石（EBKernel）— 中国唯一明确"JEPA路线"的具身公司

项目	详情
创始人	朱森华，前华为云AI算法创新Lab主任，华为"具身大脑一号位"
技术路线	明确"对标JEPA路线"，以类脑智能为底层范式
核心产品	认知世界模型（CWM）：在抽象表征空间中学习状态演化、推理未来趋势
是否做像素生成	❌ 明确不做。“不同于传统AI逐帧复刻画面”
关键数据	仅需1/10数据量即可达到VLA方案同等效果
商业进展	已签国内汽车龙头千台级机器人订单，完成日本工业场景PoC
与驾驶的关系	当前聚焦工业机器人，但已签车企订单，技术路线可迁移

④ 长安 + 中科院 — 学术最强的"潜在空间驾驶"

• 纯度：DreamerAD明确"在latent空间预测未来场景"，用VAE压缩图像为latent表示，不重建像素
• 核心创新：将视频生成模型去噪后的latent feature作为RL的"想象空间"
• 成绩：EPDMS 89.3，世界模型自动驾驶全球第一
• 局限：纯学术论文，长安量产车型尚未搭载

⑤ 小鹏 Drive-JEPA — 参数效率最极致

• 纯度：标题即"Video JEPA Meets…"，在潜在空间做预测+轨迹蒸馏
• 核心优势：3亿参数（远小于Transformer方案），打破数据/算力/存储三重桎梏
• 局限：2026年1月论文，尚未公布量产时间表；小鹏主力量产方案仍是XNGP（端到端+VLA）

⑥Nexar— 最接近"纯JEPA + 自动驾驶产品化"的公司

• 纯度：BADAS-2.0明确基于V-JEPA 2理论，在潜在空间做masked feature prediction，完全不生成像素
• 关键数据：
  • 消融实验证明：V-JEPA风格自监督贡献了 +28.1pp AP（vs 蒸馏仅+1pp）
  • 22M参数的Flash-Lite版比NVIDIA COSMOS小91倍，仍显著超越COSMOS-Reason2
  • 99.4% Average Precision，4个基准全部第一
• 应用：事故预测、碰撞预判、ADAS安全增强
• LeCun亲自背书：“JEPA世界模型将拯救生命”

---

三、为什么"纯JEPA + 自动驾驶"玩家仍然极少？

原因	解释
① 可解释性困境	潜在空间预测无法像生成式模型那样"看到"AI在想什么，L3/L4安全认证困难
② 缺乏可视化验证	车企/监管需要"AI看到了什么"的可视化证据，JEPA天然不提供
③ 生态不成熟	没有JEPA专用的训练框架、评测基准、部署工具链
④ 商业风险	在L2+/L3量产窗口期（2025-2027），没有车企敢用未验证架构赌量产
⑤ 人才集中在大厂	真正理解JEPA+驾驶的人才大多在华为/蔚来/Momenta内部，出来创业的极少

---

四、总结

华为/Momenta 的心态：
"JEPA与我们的传感器方案不冲突，但我们选择了世界模型的另一条分支
 ——生成式仿真。原因不是技术限制，而是：
  1. 生成式仿真提供可解释性（L3认证需要）
  2. 我们的训练pipeline已经围绕生成式建好了
  3. 100万/190万辆车的商业惯性不允许换引擎
  4. 等2027年JEPA被规模验证了，跟进也不迟"

纯JEPA玩家的心态：
"生成式世界模型是在用100倍的算力做冗余的事。
 真正的物理理解不需要重建每个像素/点云。
 我们赌的是：当算力成本成为瓶颈、当L4需要真正的因果推理时，
 JEPA的效率优势和物理理解深度将碾压一切。"

最终判断：华为前"天才少年"和蔚来智驾世界模型负责人联手创立日冕开物、华为"具身大脑一号位"创立具脑磐石——这些人才流动本身就是最强的信号：大厂内部已经有人看到了生成式路线的天花板，选择出来押注JEPA。 但公司层面的切换，确实要等到2027年前后JEPA在驾驶场景被规模验证之后。