具備自主預(yù)判性，才是真正的智能輔助駕駛。

一萬年太久，只爭朝夕。高階智能駕駛輔助正駛在發(fā)展的快車道上，技術(shù)迭代幾乎在以一年一大版本的節(jié)奏演化著。頭部玩家們2023年開推“無高精地圖”路線，24年主講“端到端”故事，25年則流行起了“世界模型”。

而當(dāng)版本迭代到“世界模型”后，駕駛輔助終于開始展現(xiàn)出真正的智能，因為系統(tǒng)被賦予了自主預(yù)判的能力，它開始變得像一個擁有自主意識的人類了。

智能駕駛系統(tǒng)利用高清攝像頭、激光雷達(dá)、毫米波雷達(dá)等感知硬件探測出周圍的環(huán)境，在理解了外面的世界后，汽車才能在做出通行策略，并執(zhí)行正確操作。

但外界環(huán)境對于智能駕駛系統(tǒng)來講，還是過于復(fù)雜了。不同特征的道路規(guī)劃、不受控的行人、不規(guī)則的車輛、不可控的天氣狀況等，都是不確定因素，造成的結(jié)果就是，未知“極端個例”永遠(yuǎn)海量般地存在著。身陷在一個個新的Coner case中，智能駕駛自然就成了“人工智障”。

端到端智能輔助駕駛縮短了程序鏈路，尤其一段式的端到端，把感知、決策、執(zhí)行環(huán)節(jié)整合進(jìn)統(tǒng)一的神經(jīng)網(wǎng)絡(luò)之中，一定程度上提高了系統(tǒng)的應(yīng)對效率，因此被認(rèn)為更具泛化、適應(yīng)能力。

但如果智能駕駛的底層邏輯仍停留在“規(guī)則主導(dǎo)”上，依靠數(shù)據(jù)投喂，覆蓋新的個例場景，并制定應(yīng)對的規(guī)則，就永遠(yuǎn)是在進(jìn)行一種“填鴨式”的被動學(xué)習(xí)。

這個過程中，不僅海量的數(shù)據(jù)冗余帶來標(biāo)注負(fù)擔(dān)和算力浪費(fèi)，還永遠(yuǎn)無法完全覆蓋所有“極端個例場景”。駕駛關(guān)乎人身安全，一般情況下，不允許妥協(xié)，而陷入“龜兔悖論”中，也就意味著永遠(yuǎn)達(dá)不成真正的智能駕駛。

真正的駕駛，并不應(yīng)該是看到信息后機(jī)械似地做出被動應(yīng)對，而是結(jié)合過往經(jīng)驗，理解所處的環(huán)境，在大腦中形成提前的預(yù)判，或做出靈活的應(yīng)變。

這恰是面對未知的極端場景，系統(tǒng)與人類的本質(zhì)區(qū)別所在，而預(yù)見性的自主判斷和靈活的決斷，正是世界模型期許到達(dá)的未來。

例如在蔚來最近發(fā)布的NWM世界模型中，系統(tǒng)每0.1秒可生成超200種的可能軌跡，并且會在下一幀信息輸入后，篩選最佳路徑，這個過程其實就是在模擬人類駕駛員“反復(fù)評估—微調(diào)—決策”行為。

世界模型這種生成式人工智能如此特別，在于其可以“反事實推理”。系統(tǒng)不僅被動地接受我們賦予的限制條件和對應(yīng)決策，還能夠思考如何類似、但還未實際經(jīng)歷的情況下，做出合理的決策。

系統(tǒng)就像一個開始萌發(fā)自主意識的孩童，不光觀察、學(xué)習(xí)著周遭世界，還在執(zhí)行、模仿之余，擁有“舉一反三”的思考能力，去主動探索這個世界。

特斯拉FSD入華后，雖然出現(xiàn)了很多適配性方面的問題，如看不懂交通標(biāo)識、占用非機(jī)動車道等，但體驗過FSD的業(yè)界大佬，都不約而同地認(rèn)可特斯拉是當(dāng)下最成熟的智能駕駛，駕駛得很絲滑。

特斯拉給人的感覺是，它像個不太熟悉中國交規(guī)、路況的老外，經(jīng)常出錯，啼笑皆非。但它又確實是懂怎么開車的，是當(dāng)下最接近人類駕駛員的智駕系統(tǒng)。

特斯拉很少紕漏其智能駕駛方面的技術(shù)細(xì)節(jié)，但可以確定的是，特斯拉很早便開始利用高效的大模型，來加速數(shù)據(jù)驅(qū)動下的系統(tǒng)進(jìn)化，這其實也是行業(yè)頭部玩家們都在角力的賽道。

2025年CVPR輔助駕駛國際挑戰(zhàn)賽“端到端輔助駕駛”賽道，NVIDIA輔助駕駛應(yīng)用研究團(tuán)隊通過泛化軌跡評（GTRS）方法連續(xù)奪魁。

這次挑戰(zhàn)賽的主題恰是“實現(xiàn)通用的具身系統(tǒng)”，也即基于數(shù)據(jù)驅(qū)動的非反應(yīng)式輔助駕駛仿真框架，NVIDIA泛化軌跡評（GTRS）方法的核心正是生成各種軌跡，并逐步篩選出最佳路徑。

基于感知到的環(huán)境，GTRS可擴(kuò)散性地創(chuàng)建出涵蓋各種情況的粗略軌跡集和適用于安全關(guān)鍵情況的細(xì)粒度軌跡集，然后利用依賴感知數(shù)據(jù)訓(xùn)練出的Transformer解碼器，捕捉相似軌跡之間細(xì)微但關(guān)鍵的差異，逐漸篩選出最具可能性的候選軌跡。

其實早在CES 2025上，NVIDIA發(fā)布的Cosmos?便是一個為具身智能打造的集成平臺，整合了前沿生成式世界基礎(chǔ)模型的各個環(huán)節(jié)，用于加速數(shù)據(jù)處理和管理，目的就是為世界模型訓(xùn)練提供支持，加速智能汽車、機(jī)器人的物理AI開發(fā)。

當(dāng)強(qiáng)化學(xué)習(xí)的效率被提高，智能駕駛終于開始展現(xiàn)出“所有AI項目之母”的潛力，雖然曾經(jīng)這么認(rèn)為的蘋果CEO蒂姆·庫克早已經(jīng)放棄了造車。

世界模型遠(yuǎn)不是自動駕駛的終點，需要解決的問題有很多，例如模型訓(xùn)練時長、構(gòu)架精度優(yōu)化等，不同玩家間的路線和策略也很不同，以“蔚小理”為例：

蔚來NWM的核心是模型重建，結(jié)合視頻自監(jiān)督方式生成軌跡；小鵬的XVLA側(cè)重高頻閉環(huán)訓(xùn)練來加快車端部署和提升用戶體驗；理想MindVLA則強(qiáng)調(diào)了語言模型與擴(kuò)散建模的融合，很獨特的側(cè)重點。

但隨著世界模型等推動強(qiáng)化學(xué)習(xí)的效率提升，底層的技術(shù)在加速迭代，最終也會反應(yīng)在表層的產(chǎn)品體驗上。

曾經(jīng)，參加廠家有關(guān)智能駕駛的試駕體驗，多少是有些抗拒的。在我眼中，用著依賴高精地圖的智駕版本，行駛在廠家規(guī)劃好的單調(diào)路線上，和乘坐“有軌電車”的區(qū)別也不算明顯，味如嚼蠟。

現(xiàn)在，汽車面對未知環(huán)境時生成無數(shù)模擬線路，并根據(jù)實時信息選擇或是調(diào)整最優(yōu)路線的方式完全不同，有些像奇異博士，可以看到無數(shù)條未來的時間線，并選擇最優(yōu)解的那一個，酷的。

沒錯，汽車通過強(qiáng)化學(xué)習(xí)，擁有自主預(yù)判性，開得更像人類，而不是按照既定規(guī)則去機(jī)械死板地行駛，很重要。

不久前，連續(xù)體驗了三款不同品牌、價位、感知策略的車型，實際感受大相徑庭。其中兩款價位相近、同為純視覺感知、主打“科技平權(quán)”的產(chǎn)品：

搭載德州儀器TDA4 VH智駕芯片（官方未明確公開信息，可能旗艦版搭載3顆TDA4 VH，等效96TOPS算力）的桂B(yǎng)車型，在用戶體驗的完成度上，主要是最體現(xiàn)智駕功力的領(lǐng)航輔助駕駛功能，尚不及接手自滴滴、換裝2顆NVIDIA Orion-X智駕芯片、等效508TOPS算力的新勢力粵A車型（尤其該車與路上其他車輛進(jìn)行路權(quán)博弈時，竟有點人類駕駛的味道了）。

花小錢、辦大事，采用高性價比智駕硬件，推動“科技平權(quán)”，并在泊車等方面帶來切實好用的功能，不失為一種成功的產(chǎn)品策略。

但如果想把“科技平權(quán)”貫徹到底，基于前沿硬件的高昂研發(fā)投入是必要的。智能駕駛走向普及，性能向上的突破與價格向下的普惠，相輔相成，缺一不可。

實際上，桂B(yǎng)廠商也已經(jīng)在規(guī)劃了，在技術(shù)進(jìn)化日上宣布，將會在未來采用NVIDIA Thor芯片，并加快大模型的上車與提高數(shù)據(jù)驅(qū)動的效率。

而首搭700TOPS算力的NVIDIA Thor芯片、多模態(tài)大語言模型、激光雷達(dá)和高清攝像頭，則可以快速賦予一臺售價30萬元以上的自主大型SUV該有的智能化水準(zhǔn)。

但拿到Thor芯片流片用來匹配、開發(fā)的時間還是太短了，僅僅一個多月，所以就用戶體驗而言，還需OTA升級幾個版本后，這臺杭州灣品牌的旗艦SUV才能達(dá)到令人滿意的成熟度。

對于智能駕駛輔助，硬件基礎(chǔ)依然是必要的，但不能確保帶來優(yōu)秀的用戶體驗，這就像一些復(fù)雜、優(yōu)質(zhì)的食材要經(jīng)過大廚的精心烹飪，才會是美味佳肴。而這，是個爭先、投入、探索、迭代的過程。

特斯拉自研的HW3.0系統(tǒng)在2019年便擁有了144TOPS算力與高清攝像頭。蔚來2022年在ET7上落地了1016TOPS的智駕算力與激光雷達(dá)。小鵬也是最早在緊湊級家用車上部署激光雷達(dá)，雖然現(xiàn)在開始轉(zhuǎn)為“純視覺+高算力”為主的路線。

大模型的更新與智駕芯片算力的軍備競賽還在被推向新高，小鵬正在研發(fā) 720 億參數(shù)的基座模型，大約是當(dāng)下主流VLA模型的35倍，并構(gòu)建了一個相當(dāng)于萬卡集群的10EFLOPS算力的超算中心。

小鵬G7搭載3顆圖靈AI芯片，算力達(dá)到2200+TOPS。蔚來自研的5納米神璣NX 9031芯片的流片在2024年實現(xiàn)了流片。特斯拉HW5.0芯片算力也可能達(dá)到2500TOPS。

高度自定義硬件底層的高算力自研智駕芯片，與超算中心和強(qiáng)化學(xué)習(xí)模型，組出了駛向完全自動駕駛的車具。

基于“高算力+高感知”積累下的有價值的數(shù)據(jù)喂養(yǎng)，經(jīng)過端到端、世界模型等先進(jìn)模型的強(qiáng)化學(xué)習(xí)，讓智駕頭部玩家們可以展現(xiàn)出領(lǐng)先的體驗與可期待性。

后來者切換或者構(gòu)建出自身智駕體系時，可能會還要面對，一邊經(jīng)歷著初期有效數(shù)據(jù)和訓(xùn)練量偏少而造成的體驗波動，一邊看著“早鳥們”極速向前迭代。

很有趣，這種先發(fā)優(yōu)勢，有點類似于歐洲車企們在底盤調(diào)校方面的積淀與造詣。就像法系可以把扭力梁調(diào)好、保時捷能把麥弗遜玩出花活，特斯拉和一些自主品牌也在智能化方面展現(xiàn)先出獨到優(yōu)勢，輔之與供應(yīng)鏈的良好合作，這會是智能電動時代定義領(lǐng)先的新能力。

本文作者為踢車幫 孫小樹