更深刻了解汽車產(chǎn)業(yè)變革

出品： 電動星球

作者：蟹老板本人

蔚來全新的智能駕駛系統(tǒng)，世界模型 2.0或者說 NWM 2.0 已經(jīng)開始陸續(xù)推送了。

對于蔚來而言，這是一個極為重大的更新。因為，在 AI 智能時代，智能駕駛是高端品牌必須「爭強」的核心戰(zhàn)場。

關(guān)于這個版本的簡單評測，我們的視頻會很快上線。

今天的這篇文章，會比較特別。因為在新年之前，電動星球受邀作為評測媒體，參與了對 NWM 2.0 的非公開評測，并在隨后參與了對蔚來智能駕駛的核心人物、智能駕駛副總裁任少卿、蔚來智能駕駛研發(fā)產(chǎn)品系統(tǒng)負責人佘曉麗的溝通會。

圖片說明：蔚來智能駕駛研發(fā)產(chǎn)品系統(tǒng)負責人佘曉麗

在這場持續(xù)近 3 個小時的溝通會上，任少卿、佘曉麗極其罕見地從技術(shù)、路徑、理論思考等各個角度，對高階智能駕駛的路徑選擇、VLA與世界模型的區(qū)別、專家數(shù)據(jù)集與量產(chǎn)數(shù)據(jù)的差異、乃至于強化學習到底能解決什么問題，做了極為深入的闡述。

如果把這些表達放在一起，它更像是一場關(guān)于技術(shù)路線選擇、工程代價與時間耐心的深度自述，或者說智能駕駛路線的大道（參數(shù)丨圖片）之爭！

任少卿沒有回避問題，也不急于給出答案。

圖片說明：蔚來副總裁、自動駕駛研發(fā)首席專家任少卿

因為最終，體驗會給出回答；用戶會做出投票。

以下，是電動星球根據(jù)這場溝通會，盡可能做到的「不那么技術(shù)」的記錄。

本周福利： 公眾號 后臺回復(fù) 【順遂】

可以參與現(xiàn)金紅包的抽獎活動。

從規(guī)則到模仿

在智能駕駛的各類評測報告中，規(guī)則味比較重，確然已經(jīng)成為了「批評」的話術(shù)。

規(guī)則重，在體驗上往往代表機械、不流暢、卡頓，也意味著無法真正應(yīng)對「小概率事件」。在技術(shù)人員的眼中，規(guī)則并不是AI，更像是人類用經(jīng)驗編制的邏輯世界。

因此，在過去三年左右的時間內(nèi)，尤其是隨著 FSD V12、V13的發(fā)布，不管是 BEV 也好，端到端也罷，中國的智能駕駛研發(fā)，不斷在技術(shù)路線上跳動、改變，希望解決這樣的非 AI、非擬人的問題。

當然，「規(guī)則是起點，沒有規(guī)則，系統(tǒng)都跑不起來?！?/strong>在參加溝通會時候，任少卿這樣說。

舉個例子，在蔚來的早期車型中，尤其是第一代車型，規(guī)則幾乎承擔了兜底職責：明確的變道距離、固定的減速邏輯、可解釋的安全邊界。

但隨著城市場景復(fù)雜度提升，規(guī)則系統(tǒng)的邊界迅速顯現(xiàn)?！改憧梢詾?99% 的場景寫規(guī)則，但剩下的 1%，永遠寫不完?！谷紊偾湔f。

于是，模仿學習在第二階段被引入。這個階段，智能駕駛的熱門話題，從開城數(shù)量、「全國都能開」，轉(zhuǎn)變?yōu)椤付说蕉恕?、「?shù)據(jù)驅(qū)動」。

不過，哪怕這樣的技術(shù)轉(zhuǎn)變，「取得了巨大進步」，尤其是核心環(huán)節(jié)——參數(shù)規(guī)模躍升，能海量學習人類駕駛。

但它依然有根本的局限，用佘曉麗的話來說，就是端到端模型本質(zhì)是用參數(shù)去「記住」見過的數(shù)據(jù)，再在真實場景里匹配模式；可現(xiàn)實世界的case 復(fù)雜度遠高于模型參數(shù)能覆蓋的范圍，于是模仿學習不可避免落入「概率平均陷阱」。

「我們將它的特點提煉為一個‘懶’字，研發(fā)內(nèi)部更直接地稱之為‘躺’?！?/strong>

她解釋，這類模型平順、絲滑，是因為確實從人類行為中學來；但人類行為本身不均勻：有人換道、有人不換；有人緩行通過、有人穿插切入。系統(tǒng)「不知道哪種選擇更好或更差」，只能學到概率平均，于是出現(xiàn)一串典型癥狀——路口起步不果斷、換道猶豫、空曠路「異常低速」——也就是最令人頭疼的「不起速」。

她給出的結(jié)論是：過去大家在「怎么更高效地記住和模仿人類」上做結(jié)構(gòu)優(yōu)化，但沒有改變根本矛盾——系統(tǒng)缺少「目標意識」，缺少對行為優(yōu)劣的顯式判斷。

Code 3.0

任少卿則在講述時，引入了特斯拉的「Code 2.0」的概念來闡述智能駕駛路線上的演變。

Code 1.0 是規(guī)則：遇到路口要跨三車道，寫一套「300米變一次、200米再變、100米再變」。300 米旁邊有車變不了，出 Bug，就「收集數(shù)據(jù)—分析原因—添加更多規(guī)則」。

問題在于，代碼會越來越長，百萬行級別的系統(tǒng)里，工程師「難以完全理解如此復(fù)雜的邏輯」，更難避免新增邏輯引發(fā)沖突——規(guī)則彼此打架。

Code 2.0 是數(shù)據(jù)：用模型把規(guī)則壓進參數(shù)，通過看大量真實駕駛數(shù)據(jù)去解決變道、擇道。

但數(shù)據(jù)驅(qū)動也會遇到另一個瓶頸：同一個場景里人類行為不一致，模型容易學到折中的「平均」。

左轉(zhuǎn)并線「有人在這個點換、有人在那個點換」，模型選到「中間態(tài)」就會出問題；雙向小路遇到騎行者，有人繞行有人跟隨，模型為安全傾向保守跟隨，卻不符合用戶對「高效、主動通行」的訴求。

對于 Code 2.0 遇到的問題，行業(yè)常見的方法是打補丁。大致有三類：加 SD+（地圖指引長時序）、采專家數(shù)據(jù)（減少 diversity）、再加規(guī)則。

任少卿說得很現(xiàn)實：「第 1、3 條需要花錢，第 2 條路需要花人?！?/strong>專家數(shù)據(jù)還存在地域強依賴——北京上海采過了，重慶還要專門采重慶本地「專家數(shù)據(jù)」。

那么，有沒有 Code 3.0 呢？

任少卿說，其實是有的，譬如強化學習。蔚來當下正在發(fā)布的版本，就是「邁向完整強化學習系統(tǒng)的一步。」

遇到問題來打分

強化學習解決了什么問題？

首先，模型的邏輯性更好，因為訓(xùn)練中加入了代碼、數(shù)學題等能夠明確判斷對錯的數(shù)據(jù)，解決問題的范式發(fā)生了根本轉(zhuǎn)變，不再是 Code 1.0 的「遇到問題添加規(guī)則」，也不是 Code 2.0 「遇到問題添加數(shù)據(jù)」，而是轉(zhuǎn)變?yōu)?strong>「遇到問題我給你打分」。

模型輸出結(jié)果后，系統(tǒng)根據(jù)好壞給予正負反饋，讓模型自行學習應(yīng)該生成什么樣的結(jié)果。在這個過程中，首先機器會有自監(jiān)督過程的。主要路徑則有兩種：一種是 reward 分數(shù)器，另一種是使用數(shù)據(jù)，比如說人類行為反饋的數(shù)據(jù)，讓 reward 反推出來。

這樣做的好處是什么？

任少卿用左轉(zhuǎn)路口舉例，說蔚來目前的解決方案是：構(gòu)建一個仿真環(huán)境，并在該環(huán)境中，設(shè)定一條目標線。車輛成功越過給予獎勵，且用時越短獎勵越高。如此循環(huán)訓(xùn)練。當然，過程中會有一些更細節(jié)的專家數(shù)據(jù)約束，比如「如果壓實線，我再給你扣兩分」等。除此之外，幾乎沒有其他復(fù)雜規(guī)則。

「具體在哪個點位變道，如何安全通過三條車道，這些都由模型自己在仿真中探索解決。整個訓(xùn)練狀態(tài)是如此。」

任少卿還強調(diào)，在上述這類場景的解決方案中，蔚來既沒有依賴 SD+，也沒有使用專家數(shù)據(jù)。

而這樣做的好處主要有兩點：

第一，沒有增量數(shù)據(jù)，只要仿真環(huán)境中能構(gòu)建出類似的路口場景，邏輯上來說就是泛化。不存在成百上千個特殊路口專門采集數(shù)據(jù)的繁瑣過程，泛化性更有保障（因為只需要見過類似的 case 環(huán)境）。

第二，它沒有復(fù)雜的規(guī)則，也就避免了規(guī)則之間的沖突。

一套規(guī)則可能在 90% 的路口有效，但會因為某個路口的條件假設(shè)不同而失效。越簡單，泛化性質(zhì)量會越好。

任少卿說，他們最近半年徹底改變了整體的迭代邏輯。上一個版本可能還是新舊方法混合的狀態(tài)，而當前版本則完全轉(zhuǎn)向了新的范式。從代碼量來看，保持安全兜底邏輯，整體模型迭代是基于新體系。

需要補充的是，在問答環(huán)節(jié)，當有媒體問起，類似于強化訓(xùn)練、世界模型等，在去年 4 月份，或者更早時間各家都在說這個事情，從您的角度來看國內(nèi)行業(yè)里真正進入 3.0 狀態(tài)的系統(tǒng)多嗎？

任少卿的回答是：在國內(nèi)，實現(xiàn)完整強化學習的系統(tǒng)，目前只有蔚來這一個。

新范式

如果說任少卿強調(diào)的是「范式為什么必須變」，佘曉麗更強調(diào)「變了以后，體驗為什么好」。

她總結(jié)蔚來新范式的三步：

第一步仍是模仿學習：大量學習人類行為與分布；

第二步在新的世界模型中做長時序推理；

第三步高頻次閉環(huán)強化學習：把反饋持續(xù)注入模型。

這三步背后對應(yīng)一個很具體的工程遷移：過去 NWM1.0 時代，小路場景里模型會「吐」出離旁車、甚至人很近的軌跡，蔚來會在推理端「外套一層規(guī)則」去篩選，譬如不要離人太近；任少卿也承認上一版他們會「模型輸出N條候選軌跡，再用規(guī)則（reward 雛形）打分挑最優(yōu)」，且橫向多由模型、縱向速度由模型+規(guī)則共同控制。

但在新版本里，「車端不再輸出多條候選軌跡，而是直接生成一條軌跡；橫縱向控制都由模型自己控制」，不再是「模型一部分、規(guī)則一部分」。

任少卿補充：現(xiàn)在的方式是在訓(xùn)練端去「篩」，推理端只輸出一條好的軌跡——把過去「跑在車上」的糾偏，盡量前移到訓(xùn)練與分布對齊階段。

在具體場景上，任少卿點名「獲益最多」的部分是：「偏航和過路口，包括加塞?！?/p>

佘曉麗則解釋了偏航為什么更適合用長時序閉環(huán)推理：系統(tǒng)要提前預(yù)判——「如果一公里前不換道，一公里后就會偏航」，于是它會在早期接收到「此時不換道將受懲罰」的信號，從而主動決策。

她把這種能力當作新架構(gòu)「最容易實現(xiàn)長周期數(shù)據(jù)閉環(huán)迭代」的證據(jù)：不是靠臨近路口的臨場反應(yīng)，而是靠更長距離、更長時間的推演與獎勵對齊。

數(shù)據(jù)吞吐

數(shù)據(jù)吞吐則是另一個需要展開來說的點。

在過去兩年多的智能駕駛路線之爭中，如何規(guī)避掉模仿學習的弊端，一直是核心話題。

從兩段式端到端、再到 SD+、規(guī)則補齊，甚至小模型+大模型、專家數(shù)據(jù)集，從邏輯上看，起到的作用，跟「強化學習」是一樣的。

如果說其他分支，譬如兩段式、規(guī)則補齊等等，已經(jīng)逐漸被行業(yè)拋棄，那么，在專家數(shù)據(jù)集的使用上，則一直有爭議。

專家數(shù)據(jù)集，到底好不好？怎么用？要不要用？

任少卿的比喻是，「專家數(shù)據(jù)集」是「精致但昂貴的食材」。這些來自專業(yè)司機、測試車隊，經(jīng)過人工篩選、標注一致、質(zhì)量極高的數(shù)據(jù)，能幫助模型快速建立基礎(chǔ)能力。

但是，「專家數(shù)據(jù)很干凈，但世界不是。」

在任少卿看來，專家數(shù)據(jù)有三個核心問題。

首先，成本極高，規(guī)模有限；其次，場景覆蓋不可避免地受限；

這兩點怎么理解？

任少卿說，專家數(shù)據(jù)的采集本身成本高昂，并且針對不同的 corner case，往往需要專門進行采集。

例如，在北京和上海采集了專家數(shù)據(jù)，但重慶有很多獨特路況，北京或上海的司機可能并不知道該如何駕駛。因此，必須專門采集重慶的本地「專家數(shù)據(jù)」，才能進行有效訓(xùn)練。所以，依賴這條路徑，意味著對特定場景的數(shù)據(jù)采集需要專門進行。

以及最重要的第三條，很難反映真實用戶的行為分布。

在任少卿看來，專家駕駛數(shù)據(jù)，只保留了符合人類駕駛規(guī)范或我們期望值的數(shù)據(jù)，類似于大語言模型中提到的「對齊人類偏好」，但它并不能應(yīng)對所有的行為分布。

而這三點，決定了「專家數(shù)據(jù)」不可能長期作為智能駕駛研發(fā)的「主糧」。

那主糧是什么？

從任少卿的講述來看，毫無疑問他傾向于「量產(chǎn)數(shù)據(jù)」。

量產(chǎn)數(shù)據(jù)的優(yōu)勢在于其規(guī)模大，對于車輛而言幾乎是無窮無盡的。但問題在于如何有效地使用這些數(shù)據(jù)。

任少卿說，量產(chǎn)數(shù)據(jù)最大的挑戰(zhàn)在于「數(shù)據(jù)太臟」，不只是變道位置各不相同的案例，還包括壓實線變道、司機玩手機分心導(dǎo)致軌跡異常等不規(guī)范駕駛行為。

因此，量產(chǎn)數(shù)據(jù)雖然體量龐大，但關(guān)鍵在于如何利用這些「臟數(shù)據(jù)」——也就是構(gòu)建系統(tǒng)，構(gòu)架強大的「消化能力」——進而能夠「承受更多的臟數(shù)據(jù)」。

任少卿舉例說，在模仿學習階段，一個路口的「臟數(shù)據(jù)」，如拐彎變道的場景，所有的結(jié)果在模型里面是數(shù)據(jù)分布的。如 Top1 分布是 200m 變線，Top2 是 100m 變線，其次為 300m 變線，最后是不變線。

優(yōu)先級的排序純看數(shù)據(jù)的分布是什么。所以大家在做模仿學習的時候，很多工程師是選擇調(diào)數(shù)據(jù)分布，通過調(diào)數(shù)據(jù)分布的方式來選擇優(yōu)先級，例如希望 200m 變線，那就把 200m 調(diào)成Top1；如果針對某個場景結(jié)果不行，那就調(diào)整數(shù)據(jù)分布；

而現(xiàn)在，蔚來是通過寫 reward 來調(diào)整優(yōu)先級，更能確定數(shù)據(jù)里面的「臟數(shù)據(jù)」含量，通過強化學習的方式來改變模型偏好分布，改變模型的行為傾向，把原本排在后面的選項提到了前面。

佘曉麗把這套機制用更直觀的比喻講出來：強化學習「像教練，對每一個行為給出‘好’或‘不好’的反饋」，系統(tǒng)開始能區(qū)分「60 分」和「100 分」的細微差異。

她用「加塞」舉例：一種是猶豫、魯莽地切入；另一種是稍提前加速、敏捷地插入空隙。行為差異很小，但人的感受截然不同——前者讓人想接管，后者讓人覺得「很聰明」。

當然，只是單一的強化學習，目前來看，也并不能塞下所有的量產(chǎn)數(shù)據(jù)。

究其原因，是因為 AI 對話式的語言模型，幾乎已經(jīng)利用了互聯(lián)網(wǎng)世界的所有數(shù)據(jù)，但目前還沒有任何一個智駕或矩陣模型用到了同樣體量的數(shù)據(jù)，因為處理真實世界的數(shù)據(jù)會更為復(fù)雜。

所以，「還需要其他技術(shù)來解決數(shù)據(jù)規(guī)模和臟數(shù)據(jù)的難題。這一塊我們也在持續(xù)研究，后續(xù)有進展跟大家匯報?！?/p>

任少卿說，目前蔚來的整體狀態(tài)是通過強化學習，使預(yù)訓(xùn)練階段能夠使用更多量產(chǎn)數(shù)據(jù)、承受更多「臟數(shù)據(jù)」。

另外，就技術(shù)而言，還有很多可以提升的點蔚來還沒有實施。譬如加大數(shù)據(jù)規(guī)模、使用 SD+ 等等，都會帶來肉眼可見的提升。「后續(xù)我們會在某些版本中逐步加入這些優(yōu)化?！?/strong>

大道之爭

在外界討論中，智能駕駛的技術(shù)路線常被簡化為幾種標簽：VLA（Vision-Language-Action）、世界模型、端到端強化學習等等。而在當下的中國，一個主流的路線競爭，就是 VLA與世界模型到底誰會成為正確的道路？

任少卿說，VLA 路線的優(yōu)勢在于：短期效果明顯、與大語言模型生態(tài)協(xié)同度高、在復(fù)雜語義理解上表現(xiàn)突出。

但是，這是一條借鑒語言模型已經(jīng)驗證的路徑。它的本質(zhì)是在現(xiàn)有的語言模型基礎(chǔ)再加上一個 vision 到 language 的插件，或者說一個轉(zhuǎn)碼器。

「但是這個轉(zhuǎn)碼器的訓(xùn)練其實用的數(shù)據(jù)量并不多，對于這個真實世界的應(yīng)用并不多?！?/p>

任少卿說，這樣的方式借鑒了或者說產(chǎn)生了一個「小路」，雖然借助了所謂「VLM」來獲取更多互聯(lián)網(wǎng)數(shù)據(jù)，但距離理想中將絕大多數(shù)真實世界數(shù)據(jù)都轉(zhuǎn)化為模型能力還差得很遠。

因而，在實踐中就會出現(xiàn)一個問題：語言模型及其各種變體對于真實世界的理解存在缺陷，或者說能力上限不夠高。

例如，如果用當前的通用語言模型或 VLM 去詢問關(guān)于速度、距離、安全的問題，它們可能給出定性的回答，但定量回答往往不準，包括對物理規(guī)律的理解也是如此。

這種對真實三/四維時空認知的缺失，根源在于當前大語言模型的訓(xùn)練數(shù)據(jù)以文本為主，圖像為輔，視頻數(shù)據(jù)極少。未來語言模型可能會融入更多視頻和數(shù)據(jù)，但現(xiàn)狀就是如此。

任少卿說，他認為僅靠圖像是學不到這些物理量的，必須基于視頻等，人類需要知道視頻中的物體是如何運動的，才能學到這些東西。

因而，要做好智能駕駛，需要一種更新的能力，也是為什么還需要「世界模型」的根本原因。

目前，蔚來正在直接利用海量視頻數(shù)據(jù)來訓(xùn)練自動駕駛或機器人的技術(shù)模型。這是汽車行業(yè)正在探索的另一條路徑。

「近期已有一些突破。例如在機器人領(lǐng)域，近期有 Generalist 使用了 27 萬小時的數(shù)據(jù)進行訓(xùn)練。其實可以看到，真實世界的數(shù)據(jù)作為機器人訓(xùn)練基礎(chǔ)，而不依賴語言模型，用百萬小時量級的數(shù)據(jù)來訓(xùn)練模型，這條路基本快要走通了。」

任少卿表示，就世界模型而言，他們正在努力把它做得更好。而世界模型希望實現(xiàn)的是，在真實世界的應(yīng)用中能表現(xiàn)得更好。

結(jié)語：重回領(lǐng)先

在問答開始之前，任少卿還特別談及了過去大半年，也就是 NWM 1.0 推出后，他們到底在干什么的問題？這是對此前輿論質(zhì)疑的一個回應(yīng)吧。

比較特別的是，任少卿并不是從「功能升級」角度來敘事的，更多是從研發(fā)范式的變革以及工程上的拉通來展開的。

任少卿說，2025 年行業(yè)變化很大，海外如 FSD 進展迅速，而蔚來從年中的NWM 1.0 版本到現(xiàn)在的 2.0 版本也花了半年時間。

這半年多，他們在干什么呢？

首先，是研發(fā)范式的變革。目前蔚來解決問題的思路和路徑，跟年中的 1.0 版本相比有很大不同。這也讓內(nèi)部研發(fā)團隊經(jīng)歷了幾個月的「痛苦期」。而這樣的變化，會帶來產(chǎn)品能力上的提升。

其次，則是自研智駕芯片（神璣NX9031 ）的真正上車。

任少卿說，從去年年中到年底，蔚來二代平臺主銷車型已基本完成 EOP，全面搭載了蔚來的自研芯片。而從前年下半年開始，蔚來也開始基于自研芯片進行迭代。由于是自研芯片，迭代周期通常需要3到6個月才能推上線。

「去年下半年，我投入了比較多的精力來做這件事兒。到現(xiàn)在，我們自研芯片與主線4 Orin平臺的迭代周期基本壓縮到了兩周?！?/strong>

不僅如此，任少卿還透露，自研芯片平臺與 4 Orin 平臺的代碼和模型，共線率已達到95%以上。

「一個功能或版本基本可以兩邊直接用….這次發(fā)布的 NWM 2.0 版本，蔚來將把自研芯片和主線 4 Orin的更新同步推送給用戶。」

而在NWM 2.0 正式發(fā)布之前，李斌也在多個用戶面對面場合，談及了今年蔚來智駕系統(tǒng)的迭代計劃與目標，包括包含這一次推送在內(nèi)的三個大的版本更新，也包括一定會回到第一梯隊的目標。

在 1 月 15 日流出的內(nèi)部講話記錄中，李斌坦承，蔚來的智能輔助駕駛確實選了一條比較難的路——自研智駕芯片、自研操作系統(tǒng)、世界模型，「捏合在一起其實是很不容易的，我們地基挖得非常深?！?/strong>

而在 2026年，蔚來還會在算力和研發(fā)效率上加大投入。李斌說，在公司資源那么緊的情況下，他專門給智駕部門特批了一筆算力預(yù)算。

至于這次發(fā)布的 NWM 2.0，李斌的表態(tài)則是：「我們新版本輔助駕駛的測試反饋也非常不錯。今年我們會在智駕算力方面專門加大投入，爭取今年通過三個大的版本發(fā)布，回到行業(yè)領(lǐng)先的位置。」

拭目以待！

（完）