2025年几家自动驾驶公司的采访总结

>>国内首个自动驾驶全栈交流社区：自动驾驶之心知‍识星球（戳我）

本文已获转载授权，转载请联系原文作者

简洁版

• note：世界模型有两个定义，一个是生成的世界模型，就是做视频生成的。另一个则是预测的世界模型，就是预测世界环境的变化，后面这个可以集成到端到端模型中。这个可以参考 翻译-迈向视频世界模型（Towards Video World Models）。

1. 核心技术演进与派别之争

核心结论：

• 共识：端到端（End-to-End）是基础架构，世界模型（World Model）是训练与验证的关键基础设施；

• 高阶认知：出现了VLA（引入语言模型进行逻辑推理）与WA（剔除语言环节追求直觉反应）的路线分歧，这本质上是对计算效率与推理能力（快思考 vs 慢思考）的不同权衡。

支撑论点：

（1）基石共识：端到端与数据驱动是必经之路

• 一段式端到端（One-Stage E2E）已被验证可行（如特斯拉FSD V12），它统一了L2和L4的开发范式，打破了规则驱动的上限。

• 未来三年是现有深度学习范式的“极致优化期”，而非理论重构期，核心在于通过数据“种树”，让能力自然生长。

（2）关键分歧：VLA（逻辑）与 WA（直觉）的路线之争

• VLA派（理想、英伟达）：认为AI需要具备“思维链”和解释能力。VLA不仅能驾驶，还能用语言解释“为什么减速”，处理未见过的长尾场景（System 2，慢思考）。

• WA/反VLA派（华为、小鹏）：认为驾驶更像“直觉反应”，引入语言（Language）环节会增加延迟和算力消耗，应直接从世界模型映射到动作（System 1，快思考）。

• 务实派（小米）：不纠结名词，追求“智能密度”。当前主推“端到端+世界模型+强化学习”解决直觉问题，内部预研VLA以备复杂推理需求。

• 作为模拟器：解决数据长尾问题。通过生成式AI（如英伟达Cosmos、小米世界模型）构建高保真虚拟环境，让车辆在其中“做梦”和试错（强化学习），从而实现从“模仿人类”到“超越人类”的训练闭环。

• 作为大脑：赋予车辆因果推断能力（例如预判物理碰撞），弥补纯模仿学习的不足。

2. 各家公司技术选择对比表

3. 核心技术关系

这些技术并非孤立存在，而是呈现出分层互补的关系：

• 作用：替代规则代码，直接从传感器输入到轨迹输出。

• 局限：主要是“模仿学习”，上限受限于训练数据，缺乏逻辑推理。

• 对内（训练）： 作为“超级模拟器”，生成大量合成数据（解决Corner Case），让端到端模型在虚拟中通过强化学习（RL）反复试错迭代。

• 对外（推理）：作为“预测机”，帮助车辆理解物理规律和因果关系（如：球滚出来后面可能有人）。

• 作用：引入大语言模型（LLM），赋予车辆逻辑推理（Chain of Thought）和长时记忆能力。

• 场景：用于解决端到端无法处理的、需要复杂博弈或逻辑解释的罕见场景。

• 代价：算力消耗极大，推理延迟较高（因此华为/小米目前倾向于在多数场景下不强制使用L层）。

总结： 现在的竞争焦点在于如何利用世界模型“榨干”数据的价值（训练闭环），以及是否需要在车端实时引入语言模型（VLA）来进行决策。

基于提供的资料，除了端到端、VLA（视觉语言动作）等核心算法架构的选择外，智驾行业的竞争早已超越了单纯的模型之争。研发基建（Infrastructure）、数据策略（特别是仿真）、算力规模与芯片适配、工程化能力以及用户体验的落地，成为决定智驾成败的关键变量。

以下是影响智驾发展的五大关键非核心技术因素：

1. 研发“基建”与工程效率

如果说算法是“菜谱”，那么研发基建就是“厨房”。

• 基建决定迭代速度：小米智驾负责人陈光指出，基建（以数据为核心的研发效能）是关键。如果“厨房”里有人把菜洗好、案板放好，做饭就会很快。小米能在一年内实现“追三代”的技术跨越，核心在于云端基建的复用和自动化率的提升。
• 挖掘与闭环效率： 基建的好坏取决于发现问题后，能否迅速从海量数据中挖掘出类似场景，并形成高质量标注数据进行训练。
• 组织工程能力：地平线苏箐强调，面对技术范式变化（如从规则驱动转向端到端），唯一的确定性是强化公司的工程能力和组织能力。这被视为公司的“工业母机”，只有具备集团军作战能力，才能消灭新技术导入期爆发的海量问题。

2. 仿真与合成数据（"Physical AI"的训练场）

单纯依赖真实路测数据已无法满足高阶智驾的需求，“仿真（Simulation）”成为解决长尾问题（Corner Case）的核心。

• 解决“长尾”难题：真实世界中极端危险或罕见的场景（如高速路上运输几十米长的大风叶）很难采集，但在仿真器中很容易生成。小米陈光透露，在训练数据中，仿真数据占比约为20%，但这20%的数据价值极高，节省了数倍的人力成本。
• 合成数据的兴起：英伟达CEO黄仁勋指出，为了教AI物理世界的常识（如因果关系、物体恒存性），必须使用合成数据生成（Synthetic Data Generation）。英伟达通过Cosmos世界模型生成符合物理定律的视频数据来训练自动驾驶模型Alpamayo。
• 训练闭环：理想汽车等公司强调从“数据闭环”走向“训练闭环”，即让AI在虚拟世界中进行强化学习，自我探索最优驾驶策略。

3. 算力规模与芯片适配（"Engine"）

智驾不仅是软件问题，更是算力和硬件的暴力美学。

• 算力就是工业本质：地平线苏箐直言，计算机工业的本质就是“玩命堆算力”，未来每一代产品都将坚持十倍算力提升。英伟达发布的Rubin平台更是为了应对每年增长5倍的AI思考（推理）需求，通过提升算力将推理成本降低至原来的1/10。
• 芯片迁移成本（护城河）：算法上车面临巨大的“部署偏差”。陈光指出，从一颗芯片迁移到另一颗芯片（如从Orin到Thor，或跨品牌迁移），通常需要6-10个月的时间来解决算子支持、计算精度对齐等问题。这种高昂的迁移成本构成了芯片厂商的护城河。
• 显存墙与记忆：随着AI开始进行长序思考（System 2），车辆需要记住漫长的对话和上下文，这对车载芯片的“显存（Memory）”提出了巨大挑战。

4. 商业化成本与泛化能力

• 成本决定普及：技术再先进，如果成本无法覆盖（Cover），就难以量产。智驾系统的目标是将L4级体验以极低的部署成本普及到10万元级别的车型上,。英伟达推出Rubin架构的核心逻辑之一也是解决Agentic AI“算不起”的问题。
• 泛化效率： 过去L4自动驾驶需要在一个个特定区域（ODD）反复打磨，而新一代端到端技术通过数据驱动，在一个复杂城市搞定后，大概率能泛化到整个国家，极大地降低了扩张成本。

5. 用户体验与安全冗余

• 拒绝技术焦虑：小米陈光认为，用户不关心背后是VLA、WA还是VA，只关心体验。技术先进性不等于体验更好，必须在收益和风险之间取得平衡，避免为了“显摆技术”而制造焦虑。
• 双栈安全机制： 即便是目前最激进的端到端方案，也需要安全兜底。英伟达展示的方案中，包含了一个经典的AV栈（规则驱动）作为安全护栏。当端到端模型（Alpamayo）遇到信心不足的场景时，系统会回退到更安全的规则系统，确保持续安全。

总结： 智驾的下半场竞争，除了核心算法的“智力”比拼，更是数据工厂的生产效率（基建）、虚拟世界的构建能力（仿真）、算力成本的控制力（芯片）、以及最终产品定义能力（体验）的综合博弈。

参考文章

小鹏：[CVPR'25] Keynote - Xianming Liu, XPeng

特斯拉：ICCV 2025 Tesla FM 分享总结

理想：理想ICCV'25分享了世界模型：从数据闭环到训练闭环

小米：21对话｜小米陈光：我们不想制造技术焦虑了 - 21经济网

地平线：地平线副总裁兼首席架构师苏箐：未来每代产品将十倍提升，统一范式贯通L2-L4 | 雷峰网

英伟达：黄仁勋CES演讲全文来了！Rubin全面投产，算力暴涨5倍，砸掉智驾门槛All in物理世界

大疆卓驭：对话卓驭沈劭劼：从大疆到百亿智驾公司 CEO 的十年之路