白犀牛CTO夏添:自动驾驶算法领先只有半年,决胜点在AI工程基建

2030年左右，自动驾驶可能迎来类似AGI的时刻：一套统一模型能够适配不同车辆和场景。

2025年，无人物流（Robovan）行业高速发展，被戏称为“ L4 全村人的希望”。

白犀牛无人车创始人兼 CTO 夏添感慨，“我从 2013年开始做自动驾驶，2025年，自动驾驶车终于变成了生产力工具。”

截止2025年底，白犀牛的运营车辆增长到2000台，规模接近翻了20倍。2026年，公司计划再把运营规模扩大一个数量级。

但作为局中人，夏添没有感受到太多兴奋，“也就高兴了一两天，更多时候，是焦虑。”

当车辆规模跨过万台门槛，竞争的本质已不再是“算法能不能跑起来”。 客户与监管的要求会像对待人类司机一样不断抬高，倒逼着技术从“实验室”走向“365 天不间断运行”的极端稳定。

在夏添看来，行业的竞争维度已经悄然改变。

算法红利已经见顶，任何技术突破的领先优势通常只有半年，随后便会成为行业共识。自动驾驶的话语权正从天才算法科学家，转移到沉重的工程基础设施。

这是一个从“炼丹”走向“重工业”的过程——不仅要让车跑起来，还要在完全无人状态下，通过数据闭环和工程底座，守住物理世界里极低容错率的安全底线。

夏添预判，2030 年左右，自动驾驶可能迎来类似 AGI 的时刻：一套统一模型能够适配不同车辆和场景。在那之前，他的努力目标是，让白犀牛通过锁定硬件平台、建设数据基础设施，先一步拿到通往下一阶段的关键门票。

以下是智车星球和夏添的访谈实录整理。

智车新球：2026年白犀牛研发主线的工作重点是什么？

夏添：一方面是规模化，每次10倍的增长，都会发现很多之前考虑不到的问题。

另一方面是稳定性，以前很多事情靠人盯着就能做，现在必须依赖自动化工具。包括端到端框架也是。公里数多、场景多，工程师已经没法靠大脑去迭代场景，必须依靠机器去做所有验证、守护版本正向迭代。

如果真的走到模型驱动的阶段，极限情况下可能一个人就能负责一个线上算法模型。

智车新球：那大部分人都干什么去了？

夏添：会转移到线下，需要大量的基础设施支持，做很多评测工具、自动化验证工具，还有数据的自动化标注，以及保证数据质量、实现有效的数据回收等等。

所以我的感觉是，自动驾驶以前最有话语权的，或者说闪光灯最聚焦的，都是那些算法同学。但现在重点慢慢转移了，光有算法工程师，没有基础设施支持，什么也做不了。

而且目前软件算法的发展也看到头了，端到端本质上都是模型驱动，只是模型的功能设计不一样，接下来的核心点是让算法过程中工程师的接触越来越少。

所以，现在看各个公司谁能走得更远、更有竞争力，我觉得不是看谁数据多，因为数据随着范式的变化，收集和对数据的要求不一样；也不是看谁的算法同学多聪明，而是看基础设施和数据闭环的效果。

智车星球：基础设施具体指什么？

夏添：基础设施核心就是数据闭环，数据从采集车上回传，有很多工程化问题。我们需要的是高质量数据，高质量数据一定和算法当前表现相关，不能撒大网收集，要找那些算法开得不好的场景。

随着公里数增加，人看不过来，必须通过算法去挑选数据。而且数据收集多少、在哪里收集，都要靠模型决定，这需要工具链支持，通过模型评测，尽快将数据纳入算法、得到准确的模型结果，如果用了混乱的数据、糟糕的训练过程，得出的结论是不真实的，在含大量噪声的数据上做判断也不行，所以要保证整套流程的正确性，这些都需要工具支持，而非仅仅依靠好的网络结构。

相对来说，算法依然会有突破，但一旦有人突破，半年后就会成为行业共识。很多企业会因为技术原因被淘汰，不是缺算法、不知道怎么做，而是知道怎么做但基础设施跟不上，真正装车后效果达不到预期，这就是核心壁垒。

智车星球：白犀牛的技术团队在组织架构上具体是怎么分工的？

夏添：我们之前是按照传统自动驾驶分感知、规控等模块，2025 年上半年做了调整，把算法分成了三大块。

第一块是基础设施，专门打造工具链和数据闭环，对整个迭代效率负责；

第二块是系统集成，因为我们和主机厂合作，需要适配不同底盘，这个团队从系统层面保障车辆的稳定性、可靠性，以及和硬件的适配；

第三块是算法团队，把之前分模块的算法团队整合，核心负责无人车跑得好不好、像不像老司机。

智车星球：从技术角度看，2025 年 L4 的进步体现在哪里？

夏添：乘用车端到端的技术天花板被打开并得到了验证，这是整个行业共享的技术框架。

但L4 和辅助驾驶不同，容错率极低，需要机器完全兜底，端到端系统要解决所有的问题才能上车，所以目前还没有完全上到 L4。

智车星球：为什么 2025 年无人配送车突然变得这么火？

夏添：核心原因是，第一次让客户觉得这个东西有价值，而且不是辅助驾驶，而是替代司机，并且成本可控，有投入产出比。

另外一个原因是路权。以前是企业找政府申请路权，但从去年开始，各地政府开始主动邀请企业落地无人车。虽然法律体系还没完全建立，但这个态度已经非常积极。

智车星球：L4 什么时候会出现真正的端到端突破？

夏添：我预计今年在 L4 端到端上会有突破，大概率会先在 Robovan 市场突破，因为我们Robovan车量大、前期数据储备多，且容错率比 Robotaxi 高一些。

但挑战也很明显，首先不是把方案直接平移过来就可以了，需要算法继续创新。

比如模仿学习，无人配送车没有司机在车上，我们没法像乘用车一样直接模仿老司机。我们没有人类司机数据，所以不能单纯靠模仿学习，需要更多依赖增强学习，把远程脱困、事故等安全性信息植入系统，保证安全。

智车星球：目前无人驾驶车辆的常规速度是多少，后续想要提升速度的关键是什么？

夏添：现在整个行业监管有个默契，无人车的行驶速度控制在 40km/h 左右，这也是行业迭代的一个关键坎儿。想要安全地提升速度，核心是等端到端技术实现突破，后续速度大概率会从 40 逐步提升到 50、60km/h。

乘用车和货车的速度迭代目标差异很大，乘用车需要在安全性和驾驶体感之间博弈，这会拉长迭代周期；而货车是运货的，体感只要达到安全及格线就行，所以落地会更快。

智车星球：2026年 L4 技术突破会体现在哪些方面？

夏添：我觉得今年一个明显变化是“无图”。以前部署车辆需要建图，有公里数限制，未来车辆放到哪里都能跑。

无图的价值在于，部署成本降低，使用成本降低，商业模式可以扩展。比如车可以自由去需要的地方，车辆之间可以调度，运力可以共享。像打车一样调度。

目前L4领域还没有人实现“无图”的SOP，核心原因是L4要保证安全才能上车。我们2026年有信心实现无图，这也是我们的OKR之一 。

智车星球：白犀牛目前的版本迭代频率是多久，迭代和 OTA 升级过程中遇到了哪些专属难点？

夏添：我们现在的大版本迭代频率控制在三周以内，对于自动驾驶创业公司来说，两到三周也是比较理想的迭代周期。

迭代的核心难点是灰度测试的覆盖率，我们的场景覆盖全国几百个城市，天南地北的路况差异太大，很难保证测试的全面性，所以只能更多依靠仿真测试来守护。

智车星球：在产品层面，白犀牛的差异化优势是什么？

夏添：白犀牛一直坚持用模型的方法去解决自动驾驶问题。早期大家觉得只有感知需要模型，其他模块用规则、用工程师的思维去迭代，更安全可靠、更有效。

早期车辆数量不多，碰到问题工程师设计一个策略就能迅速解决，但在开放道路上，解决一个问题可能带来其他问题，车辆规模变大后这个问题会凸显。

我最早接触 AI 就是机器学习模型，也相信模型的力量，所以一开始我们就建设基础设施和模型平台，尽量通过数据驱动的方式解决问题。

早期这个进程很慢，因为用模型解决需要从收集数据开始，再做模型验证，周期比直接设计策略修复长得多，但后期规模越来越大，模型的价值更大。