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。