“企業做宣傳時，講得天花亂墜，說是端到端、數據驅動，有各種各樣的新詞，但對普通消費者來說，很簡單，上車以后 5 分鐘能不能感覺產品是完全與眾不同的，是可以信賴的，這樣的產品才能去賣。”今年年初，地平線蘇箐在媒體交流會中有感而發的這段話，仍舊警示車圈智駕生態。

去年一整年，車企都在做端到端。華為、理想、小鵬和海外的特斯拉已經證明，端到端模型訓練出的自動駕駛軟件可以上路——至少在大部分時候如此。

端到端是一個黑盒系統，其邏輯是通過神經網絡模擬人類行為，通過概率模型總結出來的駕駛策略，存在出現問題的概率，且一旦出現問題可能造成嚴重的后果。（關于蔚小理華的上一代架構，虎嗅汽車團隊曾在《抄不了特斯拉的作業，“蔚小理華”可咋整》一文中有過詳細解析）

端到端思路來源于人工智能領域的深度學習，本質是把智駕算法簡單化，再通過大量的數據訓練來補足軟件能力。

但一些車企已經發現，端到端無法完全解決問題。當智能駕駛要往更安全、人類干預更少的 L3 方向進階，就要想辦法補上端到端的漏洞。

于是車企們甩出一堆新的名詞——世界模型、VLA、基座模型......這些詞匯意味著什么，真的能解決智能駕駛問題嗎？

智駕路線出現分野

進入端到端2.0階段，技術路線沒有了標準答案。

理想在 AI TALK 上公布下一代自動駕駛架構 VLA（視覺-語言-行為大模型）；小鵬最新技術架構則是打造一個云端世界基座模型，通過蒸餾方法，生產出小尺寸的車端模型XVLA；華為乾崑ADS4 引入了 WEWA 架構——WE代表云端世界引擎（World Engine），WA代表了車端的世界行為模型（World Action Model）。

“各家廠商軟件架構不一樣，其實是各家的硬件研發進度和商業模式導向的結果。”一位業內人士說道。

小鵬和理想都走了 VLA 的路徑，上述人士告訴筆者：“這是傳統車企轉向一個機器人企業，或者說 AI 企業必須要去走的，早走晚走都得走。”

小鵬目前是汽車和機器人兩手抓，而理想的機器人業務還只是規劃階段，這種業務布局的差異性讓這兩家在同一技術路線上又衍生了另一條支線。

小鵬在云端訓練了一個 72B 參數量的世界基座模型，是主流車端模型的 35 倍以上。小鵬希望世界基座大模型能夠真正理解、認知，甚至改造物理世界，能夠用在自動駕駛領域，也能逐步延展到機器人和飛行汽車。

一位業內人士告訴筆者，小鵬最新一代技術架構大概率布局在小鵬自研的圖靈芯片上，而不是基于雙OrinX 的硬件配置打造。

據悉，小鵬圖靈芯片已于去年8月流片成功，或將于今年二季度量產上市，計劃用于汽車、機器人和飛行汽車上。圖靈芯片對AI需求、端到端大模型進行特定設計，集成了2個小鵬自研的神經網絡處理大腦，并面向神經網絡做了特定架構處理，最高能處理 30B 參數的大模型，讓世界基座模型蒸餾后部署車端具備了可能性。

理想目前還無暇顧及八字還沒一撇的機器人業務，更注重于車端能力的提升，打造了一個司機 Agent 的角色。

理想全新架構的特別之處在于花大力氣前訓了一個 LLM 基座模型（Large Language Model，大語言模型，簡稱LLM），沒有采用業內通用的第三方的大語言模型作為基座。

之所以這樣，是因為理想在端到端+VLM 階段發現，VLM 基于千問，使用互聯網 2D 圖文數據，但對于 3D 世界的理解和駕駛知識存在不足之處，會導致產生大量幻覺；而通過前訓專門針對自動駕駛的 LLM 基座模型能夠消除部分幻覺的同時，還能夠主干網絡的參數量壓低，減少車端算力的承載。

這背后包含的一個背景因素是，理想自研的芯片項目“舒馬赫”進展相對緩慢，現階段無法給予自研芯片去做定制化開發，只能繼續選擇英偉達的 Thor 芯片。

華為同樣打造了一個原生多模態的基座模型，即“世界行為模型”。華為的做法是，通過獲取包括“視覺、聽覺、觸覺”的多傳感器全模態感知信息輸入，經過token化后生成智駕原生基模型，采用MoE多專家能力架構，不同場景調用不同能力，最后輸出兩類信息——給車用的軌跡生成和給人看的場景意圖，從而實現人機共駕。

結合其引入世界引擎模型，華為當下要解決的是往L3方向面臨的難例場景問題，降低時延、提升預見能力，保障十秒預警能力。華為要達成的，是成為最早一批進入L3梯隊的玩家。

無論是小鵬“大力出奇跡”的世界基座模型，還是理想的VLA，或是華為ADS4，這些路線是否是一個效率最高的方式，是否有效率更高的架構出現，目前還是打問號的階段。沒有人真正證明過這些路線可以提升自動駕駛技術的進步速度，所有廠商都還處在探索階段。

優質數據成關鍵

不管是VLA 還是蔚來采用NWM世界模型，車企做自動駕駛的邏輯都是用更多、更好的數據訓練模型，用Scaling law 繼續加速技術進步。

在端到端 2.0 階段，大模型需要更多的優質數據，擴大的需求放大了廠商們的數據困境，主要是兩方面：對實車采集的數據進行人工標注，太貴了；找到剛好可以用的難例數據，太難了。

“用于智駕訓練的數據，不缺普通數據，缺的是長尾的各種Corner case數據。”華為引望靳玉志在ADS4發布會上感嘆道。

盡管大部分廠商都聲稱擁有大量用戶數據/行車數據，但如何從中找出優質數據則是一大門檻，依賴人工標注去真實場景中挖掘優質數據，背后的成本支出非常大。

在數據難題面前，廠商們想到的辦法是，通過世界模型仿真模擬解決數據問題。簡言之，如果在現實世界中收集不到足夠的數據，就在虛擬世界里生產數據。

據一位做強化學習的工程師透露，目前訓練中的真數據跟假數據（人工合成/生成數據）達到 1:2 的程度。

世界模型在自動駕駛領域的作用是，通過大模型生成足夠精確甚至擬真的數據，模擬更多更復雜的駕駛場景以訓練模型。這種做法的優點是，數據獲取成本低，車企不再需要車一遍遍在路上開以采集數據，只需要讓AI 按照要求生成即可；獲取的數據種類也會更多。

地平線余凱對仿真的態度更為激進，其認為“在人工智能時代，用戶行為數據不重要，99% 的司機行為不值得學習，剎車、拐彎、換道等體驗并不好。自動駕駛頂級玩家已不靠司機數據學習，未來仿真可能是最重要的。”

地平線對仿真的重視與其供應商身份離不開關系，相較于車企而言，地平線難以在車端獲取大量用戶數據，仿真是解決數據瓶頸的一大優解。

余凱把這一思路的終極形態描述為“ AI 教 AI ”，就像 Alpha Zero 在仿真平臺左右互搏，棋藝遠超人類，下棋方法也是人類歷史上沒有的。這意味著，這一終極形態這不僅把開車的人類解放了，也把做自動駕駛軟件的人類解放了。

不過，在現有技術條件下，仿真模擬和AI生成數據的質量都遠不如實車行駛收集的數據。數據差別的關鍵 gap 是，人類還無法教機器充分認識世界，也無法在虛擬世界完整復刻現實。

目前各家廠商在世界模型都停留在探索階段。這也是技術差距最容易拉大的階段，其門檻之高，決定了不是所有廠商都有能力邁進。

端到端的“遮羞布”將被掀開

今年以來，多家車企動不動以“高階智駕”能力標榜自身，在“端到端”等技術名詞的包裝下，各家廠商似乎被拉到同一水平線，智駕能力的分化變得混沌。隨著新的技術架構產生，被統一技術路線拉近的技術差距將因為技術分歧再次拉開。

一位業內人士向筆者表示，智駕已經開始出現分化。“最高階的是往L3方向邁進，包括華為 ADS4、千里浩瀚 H9 等方案都已經明確指向 L3，提供雙冗余的硬件配置；中階版本則是以單Thor、雙OrinX的方案為主，采用純視覺或單激光雷達，基本是往城區輔助駕駛的L2方向去做再往下就是高速加部分城市領航功能的方案。”

隨之而來的，智駕的商業模式也將發生改變。

L3 將是涉及“重技術+強運營”的一個體系。“L3的責任歸屬從用戶轉移到車企，這要求車企一定要做好更新和維護，那么這就不是一個純技術問題，而是一個重運營的形態。”一位業內從業者說道。

L2 時期的車企和方案廠商可以在隨意切換技術路線后，不對原來的方案進行維護，但進入 L3，無論是技術方案的選擇還是雙倍硬件配置冗余，以及軟件后期維護等都應該具備確定性。

有能力自研的車企已經朝著更難更重要的技術變化前進，能力一般的車企，只能寄希望于供應商解決問題。進入城區自動駕駛這種更難的技術領域后，供應商也需要升級自己的技術。供應商技術能力的好壞在更高門檻的領域，也會更容易被區分。

“從技術層面來看，做到高速NOA其實并不困難，但城區的場景比高速難至少10到100倍。想要把城區輔助駕駛產品做好，我認為是滾雪球一樣的過程。雪球不僅會越滾越大，而且越滾越快。”智駕大陸首席執行官厲飚說道。

訂單會集中到更少數供應商手中。“量產是非常關鍵的維度，實際上這個門檻已經非常明顯了，沒有經過量產的廠商，主機廠基本不會去選。現在量這么大，對安全要求這么高，在這些點上我覺得幾乎沒有做過量產的，已經基本上是進不去了。”于騫說道。

于騫還指出，量產之外，產品的交付周期、交付成本、交付后的體驗等方面都是主機廠在篩選供應商時的考量。層層篩選下來，能被選擇的廠商已經不多。

智駕全行業都在往上層能力邁進，高階的路線仍在探索，但已被驗證過的場景和階段的發展路徑已經十分明確，靠“PPT”刷無圖NOA、端到端等技術名詞的方式將不再奏效，智駕市場將進入強者更強，弱者淘汰的局面。

本文來源：虎嗅