出品丨虎嗅汽车组

作家丨肖漫

头图丨电影《终极对弈》

"企业作念宣传时，讲得信口开河，说是端到端、数据驱动，有多样各类的新词，但对平凡消耗者来说，很简便，上车以后 5 分钟能不行嗅觉家具是实足卓尔不群的，是不错信托的，这样的家具才调去卖。"本年事首，地平线苏箐在媒体调换会中有感而发的这段话，仍旧警示车圈智驾生态。

客岁一整年，车企皆在作念端到端。华为、设想、小鹏和国外的特斯拉还是评释，端到端模子锻练出的自动驾驶软件不错起程——至少在大部分期间如斯。

端到端是一个黑盒系统，其逻辑是通过神经汇注模拟东谈主类行为，通过概率模子转头出来的驾驶政策，存在出现问题的概率，且一朝出现问题可能酿成严重的后果。（对于蔚小理华的上一代架构，虎嗅汽车团队曾在《抄不了特斯拉的功课，"蔚小理华"可咋整》一文中有过详备解析）

端到端想路开端于东谈主工智能鸿沟的深度学习，本体是把智驾算法简便化，再通过多数的数据锻练来补足软件智商。

但一些车企还是发现，端到端无法实足惩处问题。当智能驾驶要往更安全、东谈主类滋扰更少的 L3 场地进阶，就要想见识补上端到端的缺点。

于是车企们甩出一堆新的名词——天下模子、VLA、基座模子 ...... 这些词汇意味着什么，真的能惩处智能驾驶问题吗？

智驾道路出现分野

投入端到端 2.0 阶段，时刻道路莫得了尺度谜底。

设想在 AI TALK 上公布下一代自动驾驶架构 VLA（视觉 - 谈话 - 行为大模子）；小鹏最新时刻架构则是打造一个云霄天下基座模子，通过蒸馏法子，出产出小尺寸的车端模子 XVLA；华为乾崑 ADS4 引入了 WEWA 架构—— WE 代表云霄天下引擎（World Engine），WA 代表了车端的天下行为模子（World Action Model）。

"各家厂商软件架构不一样，其实是各家的硬件研发进程和买卖模式导向的放手。"一位业内东谈主士说谈。

小鹏和设想皆走了 VLA 的旅途，上述东谈主士告诉笔者："这是传统车企转向一个机器东谈主企业，或者说 AI 企业必须要去走的，早走晚走皆得走。"

小鹏咫尺是汽车和机器东谈主两手捏，而设想的机器东谈主业务还仅仅主义阶段，这种业务布局的互异性让这两家在并吞时刻道路上又滋生了另一条支线。

小鹏在云霄锻练了一个 72B 参数目的天下基座模子，是主流车端模子的 35 倍以上。小鹏但愿天下基座大模子能够实在阐明、领路，致使雠校物理天下，能够用在自动驾驶鸿沟，也能渐渐延展到机器东谈主和航行汽车。

一位业内东谈主士告诉笔者，小鹏最新一代时刻架构大约率布局在小鹏自研的图灵芯片上，而不是基于双 OrinX 的硬件设置打造。

据悉，小鹏图灵芯片已于客岁 8 月流片顺利，或将于本年二季度量产上市，主义用于汽车、机器东谈主和航行汽车上。图灵芯片对 AI 需求、端到端大模子进行特定筹算，集成了 2 个小鹏自研的神经汇注处理大脑，并面向神经汇注作念了特定架构处理，最高能处理 30B 参数的大模子，让天下基座模子蒸馏后部署车端具备了可能性。

设想咫尺还无暇顾及八字还没一撇的机器东谈主业务，更宽广于车端智商的普及，打造了一个司机 Agent 的扮装。

设想全新架构的超越之处在于花鼎力气前训了一个 LLM 基座模子（Large Language Model，大谈话模子，简称 LLM），莫得选拔业内通用的第三方的大谈话模子行为基座。

之是以这样，是因为设想在端到端 +VLM 阶段发现，VLM 基于千问，使用互联网 2D 图文数据，但对于 3D 天下的阐明和驾驶常识存在不及之处，会导致产生多数幻觉；而通过前训有利针对自动驾驶的 LLM 基座模子能够摈弃部分幻觉的同期，还能够骨干汇注的参数目压低，减少车端算力的承载。

这背后包含的一个布景要素是，设想自研的芯片样式"舒马赫"确认相对平安，现阶段无法赐与自研芯片去作念定制化诞生，只可不息取舍英伟达的 Thor 芯片。

华为相似打造了一个原生多模态的基座模子，即"天下行为模子"。华为的作念法是，通过获得包括"视觉、听觉、触觉"的多传感器全模态感知信息输入，经过 token 化青年景智驾原生基模子，选拔 MoE 多群众智商架构，不同场景调用不同智商，临了输出两类信息——给车用的轨迹生成和给东谈主看的场景意图，从而完竣东谈主机共驾。

蚁集其引入天下引擎模子，华为当下要惩处的是往 L3 场地濒临的难例场景问题，镌汰时延、普及料想智商，保险十秒预警智商。华为要达成的，是成为最早一批投入 L3 梯队的玩家。

无论是小鹏"鼎力出遗迹"的天下基座模子，如故设想的 VLA，或是华为 ADS4，这些道路是否是一个后果最高的表情，是否有后果更高的架构出现，咫尺如故打问号的阶段。莫得东谈主实在评释过这些道路不错普及自动驾驶时刻的跳跃速率，总共厂商皆还处在探索阶段。

优质数据成要道

不管是 VLA 如故蔚来选拔 NWM 天下模子，车企作念自动驾驶的逻辑皆是用更多、更好的数据锻练模子，用 Scaling law 不息加快时刻跳跃。

在端到端 2.0 阶段，大模子需要更多的优质数据，扩大的需求放大了厂商们的数据窘境，主淌若两方面：对实车采集的数据进行东谈主工标注，太贵了；找到刚好不错用的难例数据，太难了。

"用于智驾锻练的数据，不缺平凡数据，缺的是长尾的多样 Corner case 数据。"华为引望靳玉志在 ADS4 发布会上惊叹谈。

尽管大部分厂商皆宣称领有多数用户数据 / 行车数据，但若何从中找出优质数据则是一大门槛，依赖东谈主工标注去真实场景中挖掘优质数据，背后的资本支拨相配大。

在数据难题眼前，厂商们料想的见识是，通过天下模子仿真模拟惩处数据问题。简言之，如果在现实天下中采集不到弥漫的数据，就在虚构天下里出产数据。

据一位作念强化学习的工程师表露，咫尺锻练中的真数据跟假数据（东谈主工合成 / 生成数据）达到 1:2 的程度。

天下模子在自动驾驶鸿沟的作用是，通过大模子生成弥漫精准致使拟真的数据，模拟更多更复杂的驾驶场景以锻练模子。这种作念法的优点是，数据获得资本低，车企不再需要车一遍遍在路上开以采集数据，只需要让 AI 按照要求生成即可；获得的数据种类也会更多。

地平线余凯对仿真的气派更为激进，其认为"在东谈主工智能期间，用户行为数据不伏击，99% 的司机行为不值得学习，刹车、拐弯、换谈等体验并不好。自动驾驶顶级玩家已不靠司机数据学习，往常仿真可能是最伏击的。"

地平线对仿真的心疼与其供应商身份离不开关连，相较于车企而言，地平线难以在车端获得多数用户数据，仿确切惩处数据瓶颈的一大优解。

余凯把这一想路的终极形态描摹为" AI 教 AI "，就像 Alpha Zero 在仿真平台阁下互搏，棋艺远超东谈主类，棋战法子亦然东谈主类历史上莫得的。这意味着，这一终极形态这不仅把开车的东谈主类开脱了，也把作念自动驾驶软件的东谈主类开脱了。

不外，在现存时刻要求下，仿真模拟和 AI 生成数据的质料皆远不照实车行驶采集的数据。数据隔离的要道 gap 是，东谈主类还无法教机器充分意识天下，也无法在虚构天下齐备复刻现实。

咫尺各家厂商辞天下模子皆停留在探索阶段。这亦然时刻差距最容易拉大的阶段，其门槛之高，决定了不是总共厂商皆有智商迈进。

端到端的"遮羞布"将被打开

本年以来，多家车企动不动以"高阶智驾"智商标榜自己，在"端到端"等时刻名词的包装下，各家厂商似乎被拉到并吞水平线，智驾智商的分化变得朦拢。跟着新的时刻架构产生，被长入时刻道路拉近的时刻差距将因为时刻分歧再次拉开。

一位业内东谈主士向笔者示意，智驾还是运行出现分化。"最高阶的是往 L3 场地迈进，包括华为 ADS4、沉开阔 H9 等决策皆还是明确指向 L3，提供双冗余的硬件设置；中阶版块则是以单 Thor、双 OrinX 的决策为主，选拔纯视觉或单激光雷达，基本是往城区扶持驾驶的 L2 场地去作念再往下等于高速加部分城市领航功能的决策。"

随之而来的，智驾的买卖模式也将发生转变。

L3 将是触及"重时刻 + 强运营"的一个体系。" L3 的包袱包摄从用户转机到车企，这要求车企一定要作念好更新和提神，那么这就不是一个纯时刻问题，而是一个重运营的形态。"一位业内从业者说谈。

L2 时期的车企和决策厂商不错在糟蹋切换时刻道路后，分歧本来的决策进行提神，但投入 L3，无论是时刻决策的取舍如故双倍硬件设置冗余，以及软件后期提神等皆应该具备细目性。

有智商自研的车企还是朝着更难更伏击的时刻变化前进，智商一般的车企，只可寄但愿于供应商惩处问题。投入城区自动驾驶这种更难的时刻鸿沟后，供应商也需要升级我方的时刻。供应商时刻智商的锐利在更高门槛的鸿沟，也会更容易被分袂。

"从时刻层面来看，作念到高速 NOA 其实并不贫窭，但城区的场景比高速难至少 10 到 100 倍。想要把城区扶持驾驶家具作念好，我认为是滚雪球一样的历程。雪球不仅会越滚越大，何况越滚越快。"智驾大陆首席扩充官厉飚说谈。

订单会贴近到更少数供应商手中。"量产是曲常要道的维度，施行上这个门槛还是相配明显了，莫得经过量产的厂商，主机厂基本不会去选。当今量这样大，对安全要求这样高，在这些点上我合计简直莫得作念过量产的，还是基本上是进不去了。"于骞说谈。

于骞还指出，量产以外，家具的录用周期、录用资本、录用后的体验等方面皆是主机厂在筛选供应商时的考量。层层筛选下来，能被取舍的厂商还是未几。

智驾全行业皆在往表层智商迈进，高阶的道路仍在探索，但已被考据过的场景和阶段的发展旅途还是十分明确尊龙凯时体育，靠" PPT "刷无图 NOA、端到端等时刻名词的表情将不再顺利，智驾商场将投入袼褙更强，弱者淘汰的场面。