在人均第一梯隊(duì)、個個遙遙領(lǐng)先的本土自動駕駛角斗場里，長城汽車一直是宣發(fā)上比較保守、但研發(fā)上相當(dāng)激進(jìn)的獨(dú)特存在。

猶記得2021年，長城率先量產(chǎn)上線高速NOA，落地時間和功能體驗(yàn)上完全可以跟新勢力蔚小理比肩。

2022年第三季度，更是一度跟小鵬、華為爭奪城區(qū)NOA本土首發(fā)的頭銜。

當(dāng)然了，在吵架最為激烈的2023年，由于技術(shù)路線選擇失誤、算法團(tuán)隊(duì)量產(chǎn)經(jīng)驗(yàn)不足，經(jīng)歷低谷期的長城一度退出了跟頭部智駕玩家的競賽。

不過，進(jìn)入2024年之后，憑借深厚的技術(shù)直覺和遠(yuǎn)見，長城卷土重來，率先落地了端到端。

在行業(yè)大多玩家還在打磨傳統(tǒng)端到端方案的2025年，長城汽車悄然成為本土首家推送VLA輔助駕駛方案的傳統(tǒng)車企。

這一系列低調(diào)扎實(shí)卻不大為人所熟知的事實(shí)告訴我們，是時候重新審視一下長城汽車在自動駕駛上面的實(shí)力了。

作為一項(xiàng)技術(shù)密集型的復(fù)雜系統(tǒng)工程，自動駕駛系統(tǒng)的開發(fā)理念、方法論、技術(shù)和工具始終處于不斷進(jìn)化的動態(tài)演進(jìn)之中。

不帶著大家考古了，反正進(jìn)入感知-決策實(shí)現(xiàn)全鏈路端到端的軟件2.0時代后，一切都變了。

和分模塊方案相比，端到端的優(yōu)點(diǎn)在于，一則，通過減少中間環(huán)節(jié)，實(shí)現(xiàn)了信息的高效無損傳遞和可控的延遲。

二則，借助神經(jīng)網(wǎng)絡(luò)可以捕捉數(shù)據(jù)背后隱藏的更通用統(tǒng)計規(guī)律和特征的優(yōu)勢，系統(tǒng)具備了舉一反三、應(yīng)對未知和復(fù)雜場景的泛化能力。

三則，完全數(shù)據(jù)驅(qū)動，可利用數(shù)據(jù)閉環(huán)+海量數(shù)據(jù)顯著提升模型迭代優(yōu)化的效率，再加上高效利用計算資源、減少資源浪費(fèi)等一系列優(yōu)勢，端到端方案迅速顛覆了分模塊方案。

對于這么一種一舉顛覆過去十年技術(shù)路線的吊炸天新方案，業(yè)界的第一反應(yīng)是猶豫的、遲疑的。

所以，雖然聞道無先后（特斯拉23年8月份正式對外公開量產(chǎn)了端到端FSD），但轉(zhuǎn)型有早晚。

正在那些在規(guī)則時代積累了大量軟件資產(chǎn)、不愿意放棄馬奇諾防線的玩家們還在猶豫不決之時，長城汽車戰(zhàn)略投資的元戎啟行，沒有絲毫的遲疑和猶豫，果斷轉(zhuǎn)型了端到端。

總之，由于轉(zhuǎn)型迅速且堅(jiān)決，雖然不曾像小鵬汽車和理想汽車宣傳得那么鑼鼓喧天。

但從時間線上來看，長城汽車端到端方案的量產(chǎn)時間并不比這倆“全球唯二”、“本土首發(fā)”晚。

小鵬于24年7月30日的AI智駕技術(shù)發(fā)布會上宣布了端到端大模型的量產(chǎn)上車，理想雖然是在24年7月初發(fā)布了基于端到端和VLM視覺語言動作模型的雙系統(tǒng)方案，但其雙系統(tǒng)方案的內(nèi)測推送是7月30日，跟小鵬汽車的發(fā)布會卡在了同一天。

長城汽車的端到端智駕大模型SEE在8月21日上市的魏牌全新藍(lán)山上實(shí)現(xiàn)了量產(chǎn)搭載，要說量產(chǎn)落地，長城比小鵬和理想只早不晚。

時隔一年之后，長城汽車再一次率先所有傳統(tǒng)車企推出了VLA方案。

不要覺得啞然，這事兒實(shí)屬自然而然。

因?yàn)?，從VLA也采用端到端神經(jīng)網(wǎng)絡(luò)形式來看，從（傳統(tǒng)）端到端到VLA，根本就不存在技術(shù)賽道的切換。

不僅不存在切換，更重要的是，VLA能夠復(fù)用端到端實(shí)戰(zhàn)中的各種資源。

理想汽車曾經(jīng)表示，端到端技術(shù)能力的上限是VLA技術(shù)能力的起點(diǎn)，上限即起點(diǎn)，是因?yàn)槎说蕉朔桨傅某晒β涞?，提供了VLA破土而出的先決條件。

一則，端到端打通了感知、預(yù)測、決策、規(guī)劃的壁壘，奠定了處理海量原始數(shù)據(jù)的技術(shù)框架，為后續(xù)的VLA或世界模型處理更為復(fù)雜的多模態(tài)信息奠定了模型架構(gòu)和算法的基礎(chǔ)。

二來，端到端催生了適應(yīng)大模型開發(fā)的數(shù)據(jù)閉環(huán)體系，圍繞數(shù)據(jù)驅(qū)動迭代的工程體系，正是訓(xùn)練VLA這類更大、更復(fù)雜的模型所必需的基礎(chǔ)設(shè)施。

沒有在端到端的實(shí)踐中建設(shè)起來的這套數(shù)據(jù)工廠，VLA的訓(xùn)練將無從談起。

最后，在端到端的戰(zhàn)場上構(gòu)筑起來的數(shù)據(jù)壁壘，建立起來的對數(shù)據(jù)、算力和工程的深刻理解，磨練出來的AI原生研發(fā)思維、組織文化、駕馭技術(shù)不確定性的戰(zhàn)略耐心與定力，使得長城汽車完成了一場認(rèn)知、組織和文化的全面進(jìn)化。

這次能夠領(lǐng)先行業(yè)大部分玩家量產(chǎn)端到端2.0時代的VLA方案，也清楚無疑地表明，長城已經(jīng)從一時的領(lǐng)先做到了體系性的領(lǐng)先。

明人不說暗話，雖然諸多玩家在VLA和世界模型上打了不少的口水仗，但是，正如小鵬汽車在AI科技日上所表達(dá)的那樣，VLA大模型也是世界模型。

既然都是追求讓自動駕駛車輛像人一樣建立起對物理世界的統(tǒng)一理解并具備生成式交互能力。

那么，VLA和世界模型在底層本質(zhì)上就是統(tǒng)一的，兩者的區(qū)別并沒有營銷戰(zhàn)宣傳得那么明顯。

所以，長城汽車沒有卷入VLA和世界模型的無聊口水戰(zhàn)，而是用以用戶價值為起點(diǎn)，選擇VLA路線，克服傳統(tǒng)端到端方案場景理解能力不足、黑盒特性的一系列缺陷。

從物體識別進(jìn)化到場景理解，是高等級自動駕駛系統(tǒng)需要的核心能力。

物體識別的前提是感知，而場景理解的前提是推理，再進(jìn)一步，推理的前提是常識，沒有常識帶來的語義理解能力，永遠(yuǎn)解決不了層出不窮的長尾問題。

VLA里的大語言模型恰可以提供復(fù)雜場景推理所需的常識，結(jié)合視覺信息，VLA可以理解場景背后的含義和潛在風(fēng)險，并基于預(yù)判能力進(jìn)行邏輯推理，實(shí)現(xiàn)擬人化決策和防御性駕駛。

至于端到端方案的黑盒特性，在更廣義的AI層面，幾乎所有AI系統(tǒng)都面臨如何幫助人類建立信任感的老大難。

如果駕駛決策過程不透明，尤其是在發(fā)生非預(yù)期行為時，難以追溯其行為背后的原因，我們恐怕很難建立對自動駕駛系統(tǒng)的信任感。

參照DeepSeek R1引入了CoT思維鏈，VLA也可以將推理過程可視化，在一定程度上打開黑盒，幫助消費(fèi)者建立對智駕系統(tǒng)的信任感。

流水不爭先，爭的是滔滔不絕。

無論是搶跑端到端，還是率先拿出VLA方案，長城汽車以極深的技術(shù)遠(yuǎn)見和不為喧囂所動的戰(zhàn)略定力，向我們清晰地展示了一條通往高等級自動駕駛的可行路徑。

從打磨端到端的基本功，到邁向VLA的無人區(qū)，長城的每一步都踩在了技術(shù)演進(jìn)的核心節(jié)點(diǎn)上，華麗麗地躋身第一梯隊(duì)了。

嗯，是「真」第一梯隊(duì)！