汽车产业正在经历一场比电动化更深层的变革。电动化改变的是动力来源，智能化改变的则是汽车作为产品的根本属性。当一辆车能够自己感知环境、自己做决策、自己规划路线，它就不再只是一个代步工具，而是变成了一个会思考、能行动的智能体。

ECCV 2026 把 Jamie Shotton 请来做 Keynote，本身就很说明问题。作为 Wayve 的首席科学家，他带来的主题是自动驾驶里的世界模型。再加上 LeCun 讲基础模型、Kristen Grauman 讲视频与具身感知，三场演讲串在一起，一条主线就浮现出来了——世界模型正在从理论构想走向应用落地，而自动驾驶是第一个真正把世界模型用起来的大规模场景。

对于工业设计行业来说，这条技术主线的意义远远超出汽车本身。因为世界模型这件事，本质上是在解决一个非常基础的问题——让机器理解真实世界的运行规律。这个能力一旦成熟，能用到的地方就太多了。所有和物理世界打交道的产品，都可能因为这项技术而被重新设计。

我们先来看自动驾驶里的世界模型具体解决什么问题。今天的自动驾驶系统，已经能够识别红绿灯、检测行人和车辆、规划行驶路线，但遇到一些复杂场景的时候还是会出问题。比如下雨天路面反光导致误判，比如施工路段的临时通行规则搞不清楚，比如有人突然从路边跑出来的时候反应不够快。这些问题的根源，很大程度上在于系统对世界的理解还停留在识别层面，而没有真正建立起预测和推理的能力。

世界模型要做的，就是补上这块短板。它让车辆不只是看到眼前有什么，还能预判接下来可能发生什么。旁边那辆车会不会变道，前面那个行人会不会过马路，绿灯时间够不够通过路口，这些判断都需要对世界运行规律有认知。有了这个认知，车辆的决策就会更像老司机——不是机械地按照规则走，而是能预判、能权衡、能随机应变。

这种从识别到预测的跃迁，和产品设计里的一个核心命题很像。很多设计师做用户体验的时候，也还停留在"识别用户操作、给出对应反馈"的层面。用户点一下，系统动一下。用户不说，系统就不知道该做什么。但真正好的产品体验，是能预判用户需求的。就像一个经验丰富的设计师，在用户还没开口的时候，就已经想到了他接下来可能会遇到什么问题，提前把解决方案准备好了。

创品千乘在做产品设计的时候，经常会和客户聊使用场景。不是聊功能列表，而是聊用户在真实环境里怎么用这个产品。他什么时候拿起来，怎么握，按哪个键，眼睛看哪里，遇到问题会怎么办。把这些场景想透了，设计出来的产品用起来才顺手。这个推演场景的过程，其实就是设计师脑子里的"世界模型"在工作。设计师对用户、对环境、对产品的交互方式理解得越深，这个"模型"就越准，设计出来的东西就越好用。

AI 世界模型的出现，相当于把这种只存在于设计师脑子里的经验模型，变成了可以计算、可以迭代、可以大规模部署的系统能力。以前一个产品的体验好不好，很大程度上取决于负责设计的那个人经验够不够丰富。以后有了世界模型，产品本身就具备了理解环境、预测行为、动态调整的能力。体验的上限就被大大抬高了。

当然，自动驾驶的世界模型现在还远没有到完美的程度。交通场景的复杂度非常高，各种边缘情况层出不穷，要做到完全的自动驾驶还有很长的路要走。但方向已经很清楚了——从感知到认知，从识别到预测，从规则驱动到模型驱动，这是一个不可逆的技术趋势。

更有意思的是，自动驾驶领域积累的世界模型技术，将来可以横向迁移到很多其他产品领域。因为底层的能力是相通的——都是理解物理世界、预测物体运动、做出合理决策。把这套能力用到不同的产品形态上，就能催生各种各样的智能产品。

比如在家电领域，一个真正理解家庭环境的智能设备，应该能知道用户现在在干什么、接下来可能需要什么。做饭的时候自动调节抽油烟机的风量，吃完饭自动进入省电模式，有人靠近的时候自动亮起屏幕。这些事情靠预设规则也能做一部分，但有了世界模型之后，适应性就会强得多。不管家里的布局怎么变、用户的习惯怎么变，设备都能自己适应。

在医疗设备领域，世界模型可以帮助设备更好地理解手术场景、预判操作风险、辅助医生做决策。医疗环境的复杂度很高，不同的病人、不同的病情、不同的医生操作习惯，变量太多了。靠固定的程序很难覆盖所有情况，但世界模型可以通过学习大量数据，建立起对医疗场景的深度认知，在关键时刻给出提醒和建议。当然，医疗场景的合规要求非常高，任何AI辅助都必须经过严格的验证，这也是为什么医疗设备的智能化步伐会相对谨慎一些。

创品千乘的四力五维方法论里，合规维在医疗板块的权重特别高。任何智能技术在医疗产品里的应用，都必须把合规放在第一位。功能再强大，如果过不了认证，进不了医院，就没有实际价值。这和自动驾驶其实是一个道理——技术上能做到是一回事，法规上能不能用、安全上能不能保障，是另一回事。好的产品设计，必须在技术可能性和现实约束之间找到平衡点。

从这个角度看，自动驾驶成为世界模型的第一个大规模应用场景，不是偶然的。汽车行业本身有足够的体量来支撑研发投入，有足够的数据来训练模型，同时又有相对明确的场景边界和法规框架。它像是世界模型技术的练兵场——在这里把技术打磨成熟了，再向其他领域扩散。

对于工业设计公司来说，关注自动驾驶领域的技术进展，不只是为了做汽车设计的项目。更重要的是，从这些前沿技术的发展中，看到未来产品设计的方向。今天在自动驾驶上跑通的技术，三五年后可能就会出现在家电、医疗、装备等各个领域的产品里。提前理解这些技术、积累相关的设计经验，等到行业风口到来的时候，才能接住机会。

创品千乘在服务不同板块的客户时，就特别注重跨品类的经验迁移。家电板块积累的人机工程经验，可以用到医疗设备上；装备板块打磨的工艺控制能力，可以用到机床产品里。这种跨领域的学习能力，是设计公司保持竞争力的重要手段。AI 世界模型这件事也是一样，虽然现在主要在自动驾驶领域火，但它的底层能力是通用的，迟早会渗透到各个产品品类中。

我们再回到 ECCV 的三场 Keynote，看看它们之间的内在联系。LeCun 讲的是基础模型，相当于在搭理论框架，回答世界模型为什么可行、应该朝什么方向发展的问题。Jamie Shotton 讲的是自动驾驶里的应用，相当于拿一个具体场景来验证，回答世界模型在真实环境里到底好不好用的问题。Kristen Grauman 讲的是视频与具身感知，相当于在拓展感知的边界，回答世界模型怎么获取更丰富的环境信息的问题。

三件事各有侧重，但目标是一致的——让 AI 更好地理解物理世界。这个目标一旦实现，影响的就不只是计算机视觉这个学术领域，而是整个实体产品产业。因为几乎所有的实体产品，都是放在物理世界里给人用的。AI 对物理世界的理解越深，能做的事情就越多，产品的形态和体验就越有想象空间。

当然，这一切都还需要时间。世界模型现在的能力还处在早期阶段，离真正通用的物理世界认知还差得远。ECCV 上展示的更多是研究层面的进展，离大规模商业化落地还有一段距离。但对于做产品设计的人来说，这个时候恰恰是最值得关注的时候。因为技术还在发展期，产品形态还没有定型，设计的空间最大。等技术完全成熟了、产品形态都固化了，设计师能发挥的空间反而就小了。

所以看 ECCV 这样的顶会，不能只看论文本身，更要看到论文背后指向的产业趋势和设计机会。技术论文讲的是"能做什么"，产品设计要回答的是"做什么对用户有价值"。这两个问题之间有一段距离，而这段距离，就是设计师的舞台。

自动驾驶的世界模型，给这个舞台拉开了一道幕布。后面还会有更多的技术、更多的场景、更多的产品形态陆续登场。对于愿意学习、愿意拥抱变化的设计师来说，这是最好的时代。因为你有机会参与定义下一代产品的体验和形态。而创品千乘要做的，就是在这个变化的浪潮中，始终站在设计和技术的交汇处，把最前沿的技术能力转化为实实在在的产品价值。

具体到项目实践中，这种技术敏感度的价值体现得特别直接。比如做一款智能家电产品，如果设计师对 AI 技术不了解，就可能只是在传统产品的基础上加个屏幕、加个语音控制，做出来的东西没有灵魂。但如果真正理解了 AI 能做什么、不能做什么，就能从交互逻辑、功能架构、产品形态层面做系统性的重新设计，做出真正有差异化的智能产品。

创品千乘在做智能产品设计的时候，就特别强调技术和设计的深度融合。不是技术团队给个接口，设计团队套个壳子。而是从产品定义阶段开始，设计师和技术专家就一起讨论——这个功能用 AI 怎么做，体验能做到什么程度，成本大概是多少，量产有没有问题。从源头把技术可行性和设计目标对齐，后面做出来的产品才不会走样。这种深度协作的能力，也是专业力的重要组成部分。

很多人对工业设计的理解还停留在外观设计的层面，觉得设计师就是画个壳子。但真正的工业设计，从来都是从内到外的系统工程。内部结构怎么走、电子元器件怎么放、生产装配怎么实现、用户交互怎么设计，这些都是设计师要考虑的事情。AI 时代到来之后，设计师的工作范围又扩展了——算法怎么和硬件配合、智能功能怎么呈现给用户、数据怎么流转、隐私怎么保护，这些新的问题都需要设计师参与进来。

设计的边界在不断扩展，对设计师的要求也在不断提高。以前会画图、懂点工艺就能做设计，现在还得懂电子、懂软件、懂 AI、懂用户研究、懂商业逻辑。这种变化对从业者来说是挑战，也是机遇。因为门槛越高，真正有能力的人就越稀缺，价值也就越大。

合规维在智能化产品的设计中，权重也在不断提升。AI 功能涉及的数据采集、用户隐私、算法安全，这些都有越来越严格的法规要求。特别是汽车、医疗这些领域，合规门槛非常高。设计师在做方案的时候，不能只想着功能好不好用、体验好不好，还要考虑每个功能背后的数据流向合不合法、隐私保护到不到位、出了安全问题谁负责。这些问题想不清楚，产品做得再炫也过不了审，上不了市。