撰文 | 張祥威 編輯｜馬青竹

2025年最后一個月，部分車企獲得L3級自動駕駛路測牌照，為明年的新一輪競賽埋下伏筆。

另一邊，無人駕駛公司也在持續(xù)打磨L4。

最近，Waymo的無人駕駛出租車因大規(guī)模停電，在十字路口紅綠燈全黑時出現(xiàn)大面積“趴窩”，引發(fā)嚴重擁堵。

有行業(yè)人士分析，深層問題在于其采用“規(guī)則驅動”而非AI驅動。

可見智駕仍需進化，至少從技術角度看，仍有不少謎題待解。

諸如：

“端到端+VLM”的下一站，是不是VLA？

“一段式端到端+強化學習”，是否比VLA更先進？

世界行為模型和VLA相比究竟有何不同？

VLA和世界模型，究竟誰才是更優(yōu)解？

當智駕領域疑云彌漫，厘清問題，可以更好地辨別孰強孰弱，也許還能照見“陷阱”。

那么，智駕進化到2025年底，究竟有沒有理出一條清晰的路線圖？

大亂斗

12月下旬，英偉達全球副總裁、汽車事業(yè)部負責人吳新宙，在上海浦東測試了多家車企和供應商的智駕方案。據(jù)悉，其對文遠知行、地平線的方案評價頗高。

但過去一年的經(jīng)驗證明，單說體驗層面，似乎有點你追我趕，名次波動頻繁，其實難以直接斷言不同方案的優(yōu)劣。

例如，基于規(guī)則驅動的智駕表現(xiàn)，在某個時間段內也許比基于數(shù)據(jù)驅動更加穩(wěn)定。不同代際的模型架構，在某個時間點也會出現(xiàn)“舊”打敗“新”的情況。

即便就技術本身而言，行業(yè)有共識，更不缺爭議。

去年還被各家一致夸贊的“端到端”，如今被理想、小馬智行等競相指出存在技術局限。

行業(yè)普遍認為：“端到端的本質是模仿學習，存在overfit（過擬合）和不可解釋等問題。”面對訓練過的場景會表現(xiàn)出色，但遇到從未在訓練集中見過的新場景時，就有可能導致決策錯誤。一句話，學得太死板。

邁入「端到端」時代值得慶祝，但需補充新的能力，各家的技術路線由此分化。

截至目前，據(jù)《出行百人會/AutocarMax》不完全統(tǒng)計，市面上的核心智駕模型至少有6種，分別為VLA、WEWA、“端到端+強化學習”和世界模型等。

一類采用“端到端+VLM+強化學習”。如地平線，在一段式端到端的基礎上，借助云端的“VLM+強化學習”來訓練語義模型，從而處理可變車道等需要理解交通規(guī)則的場景。

另一類堅信VLA。這一技術陣營包括理想、小鵬、卓馭和元戎啟行等。其核心觀點為，“端到端+VLM”存在延時和信息損失，可支持實現(xiàn)L3，但要實現(xiàn)L4則離不開VLA。

值得注意的是，對于“端到端+VLM”的協(xié)作，早期有人將其比喻為教練坐在副駕指揮駕駛員開車，后來也有人將其比作賽車手和領航員（參數(shù)丨圖片）的配合關系。無論如何，基本可以認為，端到端的確存在能力的局限性。

據(jù)悉，小米汽車正一邊布局“端到端+世界模型+強化學習”，同時也在投入VLA研發(fā)。小米汽車智能駕駛VLA負責人陳龍指出，其要做的VLA是將端到端和VLM的能力融合在一起，如果VLA在各種場景下都比端到端好，那么將全面切向VLA這一新方案。

還有一類采用“端到端+強化學習”，代表公司是Momenta。

其創(chuàng)始人、CEO曹旭東認為，“VLM、VLA是很好的方向，但屬于錦上添花。想要提升，要用到強化學習，把端到端大模型放到通過海量真實數(shù)據(jù)構建起來的仿真環(huán)境去做探索?！?/p>

Momenta這種訓練大模型的方法，類似給ChatGPT喂大量數(shù)據(jù)，最終產生類人的通識。

至于采用WEWA技術的公司，代表是華為。

其做法是，輸入視覺、“觸覺”等多模態(tài)信息，直接輸出控車指令。這一過程中，跳過語言轉換環(huán)節(jié)（VLA會將視頻等信息轉化為語言Token，然后輸出控車指令），以避免精度損失和信息轉換延遲。

華為智能汽車解決方案BU CEO靳玉志曾表態(tài)，“不會走VLA的路徑，這樣的路徑看似取巧，其實并不是走向真正自動駕駛的路徑。華為更看重WA，也就是World Action。”

最后還有一類選擇世界模型的公司，如小馬智行和蔚來。

小馬智行副總裁、北京研發(fā)中心負責人張寧曾告訴我們，公司在2023年布局端到端研發(fā)，后來發(fā)現(xiàn)其不能解決所有問題，便轉向世界模型。

從規(guī)則驅動，到數(shù)據(jù)驅動，如今又來到“認知驅動”，智駕技術持續(xù)進化，背后有沒有一些共識？

共識

上述各家方案，雖稱謂不一，但均未繞開“端到端、VLM、VLA、世界模型、強化學習”等技術范疇。拆解這些技術，可以發(fā)現(xiàn)一些共識。

共識一，智駕模型不僅要會模仿，還要能“理解”。

陳龍在加入小米汽車前，曾在英國自動駕駛初創(chuàng)企業(yè)Wayve供職，不僅與團隊共同提出了“視覺-語言-行為”的模型框架，還是LINGO系列模型的核心開發(fā)者之一。

他認為，“端到端就像教動物學開車，但動物并不理解開車背后的行為。而VLA是在學習了人類世界的知識、交通規(guī)則、價值觀的基礎上，同時具備推理能力。”

這一觀點與理想類似。

前理想汽車智能駕駛技術負責人賈鵬，曾在拆解算法原型時表示：

“端到端模型的目的是學習行駛軌跡，但行駛軌跡是不確定的，即使同一個司機，在不同的場景、不同的時間，駕駛行為也不太一樣。如果只是一味地通過模仿學習人，只能模仿對的，不知道什么是錯的，會出現(xiàn)很多詭異的駕駛行為?！?/p>

基于此，理想在訓練過程中引入強化學習，讓系統(tǒng)知道對與錯，從而得出一個駕駛技巧、價值觀均正確的模型。

共識二，目標逐漸趨同，要打造智能駕駛領域的基礎模型。

近日，地平線創(chuàng)始人余凱與元戎啟行創(chuàng)始人周光討論智駕前景時，二人一致認為，如果能迅速構建基礎模型，智駕將從L2+更快通往L4，L3的存在階段將變得很短暫。

目前，各家的做法可大致分為幾項：

通過去掉人工監(jiān)督和標注等做法，減少信息損失和時延，提升模型的效率；

通過更大規(guī)模的優(yōu)質數(shù)據(jù)，覆蓋更多corner case，提升模型的泛化能力；

通過預訓練、強化學習或世界學習等，提升模型對物理世界規(guī)律的理解能力；

通過思維鏈、VLA或世界模型等，提升長時序推理能力。

只不過細節(jié)有差別。例如，Momenta強調的強化學習，主要通過海量真實數(shù)據(jù)構建起來的仿真環(huán)境來訓練模型，這是因為其已經(jīng)搭載在足夠多的量產車型上。

而小馬智行提出的世界模型，據(jù)我們了解更接近強化學習。這意味著，除了采集數(shù)據(jù)的規(guī)模不同，兩家的目標存在相似性。

如果跳出智駕，在人形機器人等更廣泛的具身智能領域，則在研發(fā)“通用模型”。一種設想是，未來或許會出現(xiàn)由人形機器人開車的情況。

未來，究竟是汽車機器人自己行動，還是由人形機器人坐進來開車，又或者是兩種可能性都會發(fā)生？

結語

智駕從陷入corner case的汪洋大海，到受ChatGPT啟示，借助大語言模型相對輕松地游走在數(shù)據(jù)海洋，再到現(xiàn)在，正忙于煉出一顆類人的駕駛大腦。

可以看到，模型開車的技巧在提升，已經(jīng)能在小路上做出博弈等動作。也要看到，智駕領域的corner case并未被完全解決。

回看文章開頭的那些問題，有的由發(fā)展階段不同導致，也有的更多是技術細節(jié)的差別。在游戲沒有通關前，或許真的存在多種解法。無論如何，提升模型能力，才是根本。

—THE END—

出行百人會 | AutocarMax

追蹤汽?出行產業(yè)鏈進化，關注新產品、新科技、商業(yè)邏輯與商業(yè)人物，影響圈層中有影響力的人。