記者 花子健

編輯 高宇雷

高階智駕、無圖NOA、端到端、VLA、WEWA架構(gòu)、NWM······每隔幾個月汽車公司和智能駕駛行業(yè)都會誕生新的名詞，對應(yīng)的則是智能駕駛技術(shù)的快速迭代。

但背后技術(shù)迭代過快的問題同樣顯現(xiàn)，用戶一年前購買的新車，已經(jīng)無法被現(xiàn)在的新技術(shù)接納；甚至用戶的認知都已經(jīng)無法趕上這些新名詞。汽車公司的內(nèi)部同樣是暗流涌動，從規(guī)則式到端到端，再到世界模型、物理AI的架構(gòu)，造車新勢力的智能駕駛部門總是面臨人員更迭、高管離職。

智能駕駛行業(yè)普遍認為，今年第四季度到明年的上半年，是輔助駕駛技術(shù)落地的又一段關(guān)鍵時期，隨著基于世界模型、VLA的升級，包括堅持自研的汽車公司，以Momenta、元戎啟行、文遠知行在內(nèi)的解決方案供應(yīng)商在內(nèi)，領(lǐng)先身位隨時都在發(fā)生變化。

從規(guī)則、端到端再到世界模型

基于規(guī)則的?輔助駕駛系統(tǒng)，核心模塊包括感知、預(yù)測、規(guī)劃、控制，業(yè)界俗稱為“模塊化方案”，優(yōu)勢在于容易量產(chǎn)，但缺點也很明顯，四個獨立模塊以串聯(lián)方式進行工作，時延比較長，信息損耗大。所以，車輛受制于博弈能力，在路上進退為難的情況比較常見。

2023年8月，特斯拉推出基于端到端的FSD V12測試版，“端到端”也成為國內(nèi)智駕圈子的熱門話題。華為、小鵬、蔚來和理想陸續(xù)跟進，Momenta等解決方案供應(yīng)商也陸續(xù)推出了端到端的方案。

但不論是規(guī)則還是端到端，本質(zhì)上都是輔助駕駛系統(tǒng)的模仿和學(xué)習(xí)——將海量的人類駕駛數(shù)據(jù)投喂給系統(tǒng)，讓系統(tǒng)學(xué)會如何駕駛，因此衍生了數(shù)據(jù)采集、標注和清洗等環(huán)節(jié)，核心是讓學(xué)習(xí)模型理解這些數(shù)據(jù)，然后才能提高學(xué)習(xí)的效率和精度。

從根本上來說，這種方法和人類學(xué)習(xí)駕駛的過程基本相似，但不同之處主要在于系統(tǒng)的前期學(xué)習(xí)和后期修正都是被動的，而非人類那樣主動學(xué)習(xí)和主動修正。

舉個例子，在雙左轉(zhuǎn)車道的路口左轉(zhuǎn)，人類駕駛員一般偏向于選擇車輛少的車道，且跟車距離也會各有不同。但基于規(guī)則和端到端的輔助駕駛系統(tǒng)，一般會選擇最內(nèi)側(cè)車道。再比如，當車輛變道進入匝道的時候遇到堵車，人類駕駛員可以擇機匯入，但系統(tǒng)則容易導(dǎo)致車輛原地停留。

另外一個問題是，不具備主動學(xué)習(xí)和修正能力的系統(tǒng)，無法應(yīng)對所有的可能性。用小鵬汽車自動駕駛中心組織負責人劉先明的話來說就是：“即使每天都能解決99%的corner case（極端情況），今天99%，明天99%，但也是解決不完的，除非可以窮盡所有可能，這個要到猴年馬月才能實現(xiàn)L4。所以這就是一個無法收斂的難題?！?/p>

理想汽車創(chuàng)始人李想對此的解釋是，端到端對真實的物理世界是沒有理解能力的，它只是接收到了來自視覺系統(tǒng)的三維圖像，結(jié)合車輛的速度給出運動軌跡。端到端足以應(yīng)付大部分泛化場景，但如果是從來沒有學(xué)到的、特別復(fù)雜的情況，就會遇到問題。這從另外一方面也說明，從去年開始，量產(chǎn)的端到端都是兩段式的，而非一段式。

為了解決端到端無法收斂的短板，理想汽車的做法是加入了VLM（視覺語言模型），但因為這些模型是開源的，在交通場景中的能力非常有限，只能起到非常有限的輔助作用，比如能夠識別紅燈的讀秒，結(jié)合導(dǎo)航地圖輸出運動信號。

模仿人類駕駛，已經(jīng)被證明無法幫助輔助駕駛系統(tǒng)突破到L3，因為模仿行為本身存在短板，它必須要有明確的模仿對象，且需要窮盡模仿的所有行為的可能性——這就像套娃，永遠出現(xiàn)下一個更小的套娃。

“既然模仿的路走不通，那就應(yīng)該回到原點?！眲⑾让髡f，自動駕駛不是簡單的模仿學(xué)習(xí)，而是應(yīng)該重新去理解這個世界，真正像人類那樣駕駛汽車。

李想也表達了類似的觀點：第三階段也就是VLA（vision-language-action，視覺語言行動模型），用3D的視覺和2D組合看真實的物理世界，甚至可以看懂導(dǎo)航軟件，知道它的運行方式——相比起來，VLM看到的只是一張圖片。VLA還有自己的大腦系統(tǒng)，能夠理解看到的物理世界，基于自己的語言體系、思維鏈和推理能力，像人類一樣真正執(zhí)行駕駛動作。

理想汽車的VLA也稱之為“VLA司機大模型”，其原理是將視覺成像轉(zhuǎn)譯為語言，再執(zhí)行動作。小鵬汽車則更加激進，在11月5日的小鵬2025科技日上，何小鵬宣布小鵬汽車將在新一代VLA模型中直接取消語言轉(zhuǎn)譯的環(huán)節(jié)，把攝像頭捕捉到的多模態(tài)物理信號輸入，直接輸出連續(xù)的控制信號。

但小鵬的第二代VLA同樣存在推理過程，只不過至隱藏在模型當中，并不是由一個顯性的語言模型來進行。取消“L“（意指語言）有兩個好處，其一是提高了模型工作的簡潔度和效率，降低信息傳遞過程的損耗，視頻和IMU（空間姿態(tài)傳感器）提供的信號可以不經(jīng)過語言轉(zhuǎn)譯環(huán)節(jié)，直接輸出連續(xù)的控制信號；第二則是系統(tǒng)具備了大規(guī)模“自監(jiān)督學(xué)習(xí)”的可能，車輛從物理世界采集的視頻可以直接成為訓(xùn)練數(shù)據(jù)，系統(tǒng)因此具備了極強的泛化能力。

劉先明說：“在海外任何一個市場，小鵬不再需要重新測繪、標注數(shù)據(jù)，只要有小鵬的車在跑，就能夠支撐模型的訓(xùn)練，可以快速支持部署和落地?！?/p>

對于每家公司來說，做自動駕駛的第三個階段，選擇的路線不盡相同。理想汽車自動駕駛研發(fā)高級副總裁郎咸朋認為，華為是規(guī)則時代的強者，用規(guī)則是打不敗華為的，順著戰(zhàn)略大勢做的端到端本來也是新的技術(shù)路線，但今天它已經(jīng)從新市場變成了舊市場?！叭绻硐胍稣嬲淖詣玉{駛就不能繼續(xù)在這個戰(zhàn)場打了，要換一個戰(zhàn)場，那就是VLA?！?/p>

今年3月，理想汽車已經(jīng)發(fā)布了VLA技術(shù)方案。此后關(guān)于VLA是否可行的討論聲漸起，華為智能汽車解決方案BU CEO靳玉志認為，華為不會走VLA的技術(shù)路線，因為VLA將視頻轉(zhuǎn)化為語言token再對車輛進行控制的做法是“取巧的”，華為的WAWE架構(gòu)和小鵬第二代VLA類似，也是省略語言環(huán)節(jié)，通過視覺、聲音、觸覺等多模態(tài)信息直接控制車輛。

博世智能駕駛與控制系統(tǒng)事業(yè)部中國區(qū)總裁吳永橋則提到VLA落地的四個難點：多模態(tài)特征對齊很困難；多模態(tài)的訓(xùn)練數(shù)據(jù)提取很困難；大語言模型存在無法避免的“幻覺”；當前的智駕芯片存儲帶寬不是為大模型專屬設(shè)計，無法支持大量的數(shù)據(jù)傳輸和計算。

與華為同樣選擇世界模型路線的是蔚來。蔚來自動駕駛研發(fā)首席專家、副總裁任少卿也舉類似觀點，他認為VLA把語言和動作捆綁在一起，仍然以語言為中心。語言模型的帶寬不足以應(yīng)對現(xiàn)實世界的復(fù)雜性和連續(xù)性。

用劉先明的說法，VLA模型中的多模態(tài)特征對齊可能存在信息丟失的問題。小鵬汽車展示的一個接近6秒的視頻片段中，包含非常多的視覺信息、道路狀況和車輛運動信息，如果是使用VLA模型，意味著這些信息要先轉(zhuǎn)化為語言文本，而對齊就是確保轉(zhuǎn)化準確度達到最優(yōu)的過程。“但實際上，就算用上千字來描述，也會比直接視頻呈現(xiàn)存在信息損失，這就是所見非所得。我們認為，去掉語言環(huán)節(jié)是最簡單、簡潔的方式?！眲⑾让髡f。

但不論哪一條路線，背后指向的都是“大算力、大數(shù)據(jù)和大模型”。在小鵬計劃面向Ultra版車主交付的第二代VLA中，支持的算力高達2250TOPS，由三顆自研的圖靈AI芯片提供。蔚來同樣自研了芯片——在蔚來的世界模型里，任少卿力推加入強化學(xué)習(xí)模型，他認為這是把短時記憶的模仿學(xué)習(xí)升級為可處理長時序智能體的關(guān)鍵。

加入蔚來之前，任少卿與曹旭東在2016年創(chuàng)辦了自動駕駛公司Momenta。當他選擇在2020年——蔚來的低谷期加入蔚來領(lǐng)導(dǎo)自動駕駛開發(fā)，曾引發(fā)一時轟動。他認可大規(guī)模的高質(zhì)量數(shù)據(jù)對人工智能技術(shù)變革的推動作用，這也是他從Momenta離開加入蔚來的核心原因。

震蕩的內(nèi)部組織

自動駕駛技術(shù)路線的切換，實際上從2023年底就已經(jīng)開始了。2024年的11月，小鵬把原本在10月24日舉辦的科技日更改到11月7日。在科技日之前，小鵬P7+上市，當時剛剛晉升副總裁，擔任自動駕駛中心負責人的李力耘是端到端技術(shù)發(fā)布的主講。

但當時小鵬已經(jīng)在內(nèi)部同時推進兩條研發(fā)路線——傳統(tǒng)VLA和創(chuàng)新VLA，建成了3萬卡規(guī)模智算集群。所謂的創(chuàng)新VLA就是目前第二代VLA的雛形，去掉L的環(huán)節(jié)。但一直看不到希望，“當時團隊的幾個負責人連月會、周會都不好意思來開了”，何小鵬一度想過放棄，先聚焦傳統(tǒng)的VLA。

創(chuàng)新VLA的曙光出現(xiàn)在第二季度。何小鵬接到了自動駕駛團隊的電話，應(yīng)他們要求親自測試了當時的VLA版本，結(jié)果體驗超出他的預(yù)料。隨后他果斷放棄傳統(tǒng)VLA，全力開發(fā)第二代VLA。

創(chuàng)新VLA項目負責人是劉先明。他在2024年3月加入小鵬汽車，在此之前，他曾在Meta和通用汽車旗下Cruise從事機器學(xué)習(xí)與計算機視覺研究。何小鵬非常信任他，兩人交流的頻率非常高，并且很多次的交流都能持續(xù)幾個小時之久。

2025年10月，國慶假期剛過，小鵬汽車在內(nèi)部宣布劉先明接替李力耘擔任自動駕駛中心組織負責人。劉先明和李力耘是智駕領(lǐng)域不同技術(shù)路線的代表，后者偏向于智駕產(chǎn)品，重在功能實現(xiàn)和產(chǎn)品落地，李力耘幫助小鵬實現(xiàn)了NGP落地至數(shù)百個城市，劉先明則重在打造能夠推演物理世界的世界基座模型，幫助小鵬的自動駕駛技術(shù)具備更強的泛化能力，走向全世界。這一調(diào)整意味著小鵬汽車的自動駕駛技術(shù)路線徹底從功能實現(xiàn)到基礎(chǔ)模型的轉(zhuǎn)型。

更早之前，吉利、蔚來和理想汽車的智駕組織已經(jīng)大幅調(diào)整。吉利將內(nèi)部多個智駕研發(fā)團隊整合到千里科技，同時還引入外部合作伙伴作為核心供應(yīng)商。

今年9月19日，理想汽車將自動駕駛研發(fā)部門重組為11個二級部門，調(diào)整的重點是將研發(fā)資源向VLA傾斜，原本的模型算法團隊被拆分成了基礎(chǔ)模型部、VLA模型部和模型工程部。11個部門的負責人均直接向郎咸朋匯報?！按舜握{(diào)整是為了推動團隊向AI組織演進?！崩硐肫囋趦?nèi)部信提到。同時，他們還取消了過去采用的大規(guī)模封閉研發(fā)模式。

蔚來的調(diào)整和小鵬幾乎處于同一時間。蔚來世界模型負責人馬寧寧、蔚來智駕產(chǎn)品負責人黃鑫、蔚來智駕項目管理部負責人鄭可、蔚來智駕端側(cè)部署AI引擎部負責人吳釗等自動駕駛團隊負責人相繼離職。蔚來對此的解釋是：“主動調(diào)整的組織架構(gòu)，將更有利于蔚來全力沖刺世界模型2.0版本的開發(fā)與交付。”這已經(jīng)是蔚來一年內(nèi)關(guān)于自動駕駛部門的第三次組織架構(gòu)調(diào)整。

每一次技術(shù)路線的切換，都意味著公司投入資源的傾斜和對應(yīng)的人事調(diào)整。規(guī)則時代的模塊化的開發(fā)并不適用于端到端，因此，從規(guī)則式切換到端到端，小鵬、理想、蔚來的自動駕駛部門已經(jīng)發(fā)生了多輪組織架構(gòu)調(diào)整。

2024年8月，小鵬就因為切換到端到端路線，把原本承擔算法研發(fā)，覆蓋了感知、規(guī)劃、控制和定位的技術(shù)開發(fā)部拆成三個全新的部門，分別是AI端到端、AI能效和AI應(yīng)用。

隨著端到端成為舊時代產(chǎn)物，汽車公司也迅速調(diào)整組織以迎合新技術(shù)路線的開發(fā)需求。以理想汽車為例，他們曾經(jīng)將夏中譜負責的端到端從算法研發(fā)部門獨立出來，兩者成為平行部門。但不久之后，理想就將VLA確定為下一代技術(shù)路線，由算法研發(fā)部門的負責人賈鵬主導(dǎo)研發(fā)，人員和研發(fā)資源也向算法研發(fā)部門傾斜，這被認為夏中譜最終離職的原因之一。

逼近的自動駕駛公司

在造車新勢力的帶動下，自動駕駛技術(shù)自研曾經(jīng)被認為是汽車公司的標配。比如奇瑞汽車，后來成立的大卓智能，就是前特斯拉、小鵬汽車自動駕駛專家谷俊麗領(lǐng)導(dǎo)的專門進行自動駕駛技術(shù)研發(fā)的公司。

在自研的浪潮中，長城以內(nèi)部孵化和投資的方式成立了毫末智行；吉利的新能源高端品牌極氪也選擇自研路線。上汽、廣汽和長安也紛紛把錢投向自研。但從去年開始，這些汽車公司開始選擇優(yōu)質(zhì)自動駕駛公司成為核心供應(yīng)商。

長城汽車把魏牌藍山的NOA交給了元戎啟行，還參與了后者的最新一輪融資，形成鮮明對比的是，毫末智行陷入困難，管理層先后離開；奇瑞汽車先后和卓馭科技（前身是大疆孵化的車載事業(yè)部）、文遠知行達成合作，大卓智能始終上不了臺面；廣汽重新和華為合作；上汽在和Momenta合作后，又和華為成立了全新尚界品牌。

自研和供應(yīng)商方案的競爭，在今年愈演愈烈。長期關(guān)注智能駕駛的電動知士資深媒體人大雨認為，今年第四季度，供應(yīng)商方案會成為閃光點，他們的進展非?？?，競爭會從自研的汽車公司主導(dǎo)轉(zhuǎn)向供應(yīng)商主導(dǎo)。

今年8月，文遠知行正式推出與博世合作的一段式端到端輔助駕駛解決方案WePilot AiDrive，這距離他們的兩段式端到端方案量產(chǎn)上車僅過去半年時間。兩位曾經(jīng)參加過該方案的體驗者給予了很高的評價，認為文遠知行足以依靠這套方案躋身第一梯隊，消解小鵬汽車這些汽車公司原本建立的領(lǐng)先優(yōu)勢。這套方案將首先應(yīng)用在奇瑞汽車星途的ES、ET系列車型上。

文遠知行的一段式端到端方案具備可伸縮的算力適配能力、多傳感器構(gòu)型適配能力，意味著兼容能力更強，可適配車型更多。當然，這也是Momenta、元戎啟行這些解決方案供應(yīng)商的天生優(yōu)勢。

一位在造車新勢力負責智駕測試的工程師說，車企的平臺化設(shè)計、成本考量就決定了自研很難擁有供應(yīng)商的自由度、兼容性和快速迭代的能力，的確，車企的核心優(yōu)勢在數(shù)據(jù)，但隨著合作伙伴的增加，供應(yīng)商能夠把數(shù)據(jù)的劣勢縮小。

他這樣比喻自研和供應(yīng)商的區(qū)別：“自研更像是定食套餐，根據(jù)餐廳的定位設(shè)計開發(fā)，給什么就吃什么；供應(yīng)商就像是自選餐廳，要吃什么自己選，豐儉由人?！边@個比喻并不全面，但極具代表性。

資金的效率成為自研的另外一個掣肘。正如何小鵬在2025科技日上感慨的那樣，從2024年至今，小鵬汽車建成了3萬卡規(guī)模智算集群，光訓(xùn)練費用的投入就高達20億元，正因為如此，何小鵬一度考慮過先放棄創(chuàng)新VLA路線。理想汽車同樣如此，為了支持研發(fā)，理想汽車在云端搭建了13 EFLOPS算力。但對小鵬汽車、蔚來而言，今年第四季度盈利又顯得尤為迫切。

不管是規(guī)則式，端到端還是現(xiàn)在的造車新勢力、華為主導(dǎo)的VLA、世界模型等路線，在產(chǎn)品落地層面，仍然屬于L2的框架。但現(xiàn)在VLA和世界模型被認為是通向L4的積極因素。小鵬汽車甚至認為，第二代VLA可以為具身智能的落地鋪路。

何小鵬曾說過，沒有智能化，電動汽車毫無意義。從2020年到現(xiàn)在，智能駕駛真正的競爭才剛剛開始。