开云(中国)kaiyun网页版 登录入口

"端到端"尚未系数好意思满开云体育(中国)官方网站，" VLA "已悄然登场，"世界模子"正在成为新的期间图腾 …… 自动驾驶行业的"黑话"越来越多，也越来越难解了。

联想与小鹏都将 VLA（Visual language Action，视觉谈话动作模子）押注为下一代期间架构，声称其能赋予车辆"想考"智商；华为却说 VLA 是"取巧"的期间，转而力推自研的 WA（World Behavior Architecture，世界活动模子），将"世界模子"期间径直部署于车端；蔚来副总裁任少卿在近期的一次采访中强调：蔚来才是"第一个在国内建议世界模子这个认识的"。

层出不穷的"黑话"背后，是围绕着下一代自动驾驶期间的话语权争夺战。当硬件与竖立趋于同质化，智驾智商成为新势力最关键的身份标签。抢先界说往时，就意味着霸占用户剖判与期间品牌的高度。晦涩的"黑话"不仅是期间道路的宣言，更是对期间品牌的用心包装。

但是，喧嚣的认识背后，是落地体验的落差与研发团队的承压。正如两年前小鹏自动驾驶副总裁吴新宙所言，"自动驾驶不是告白学"。但"期货式"的期间发布仍然层出不穷。有车企高管曾对"云见 Insight "坦言他的烦懑：为抢在敌手前发布，团队常在期间未闇练时便被推至台前。相近委派节点，团队东谈主心惶惑。推迟或推送后出现任何造作都是不行接受的破除。

期间本应驱动跨越，但当"造词"的速率比期间跨越的更快，用户赢得的可能不是"颠覆性体验"，而是一个仍需不休优化的 Beta 版块。本文试图梳理术语背后自动驾驶期间的演进眉目，并为用户附上一份"黑话使用手册"。

黑话的发源

在 2022 年之前，自动驾驶行业的期间演进旅途相对明晰，主要由特斯拉和 Waymo 界说，期间术语也多为对特定功能的客不雅描摹。

早期的赞成驾驶系统基于工程师编写的规定，分为感知、谋略、戒指三大模块。自 2016 年起，特斯拉通过自研软件算法和 FSD 芯片，引颈行业从规定期间走向了 AI（Artificial Intelligence，东谈主工智能）。

2021 年和 2022 年，特斯拉连气儿举办的两次 AI DAY 对行业影响深化。第一届 AI DAY 上，特斯拉公布了 BEV+Transformer 期间架构。该有谋略将多个录像头捕捉的 2D 图像和洽投射到俯瞰坐标系中，形成车辆周围 360° 的鸟瞰图（BEV，Bird ’ s-Eye-View），灵验管制了装潢与透视的问题。同期，特斯拉也建议了将 2D 图像径直休养为 3D 矢量空间的占用网罗（Occupancy Network）的早期认识。

在这之前，传统的步调是用卷积神经网罗（CNN）分别处理每个录像头的二维图像，再将其交融到 3D 环境。而 BEV+Transformer 实现了跨录像头的特征"前交融"，大大升迁了感知智商。

这也使得特斯拉解脱了对高精舆图的依赖，仅凭车上的传感器实现更豪迈的场景泛化智商。自后，特斯拉在 FSD Beta V11 版块中把 NOA（导航赞成驾驶）功能从高速公路扩展到城市谈路。

中国的造车新势力和赞成驾驶供应商们马上跟进了这一期间。但由于在神经网罗算法上与特斯拉存在差距，且关于纯视觉道路还存在怀疑，它们早期普遍交融了激光雷达或 4D 毫米波雷达提供的信息。

2022 年— 2023 年，小鹏的 XNGP、蔚来在 NOP+、联想在 AD Max 3.0、华为的 ADS2.0 接踵实现了自研的 BEV+Transformer 有谋略量产，并以此为利器，张开无图 NOA 的"开城"竞速。

范式移动：端到端

若是说 2021 年的 AI DAY 激发了感知期间变革，那么 2022 年的 AI DAY 则透彻突破了感知与谋略的界限，推动了以"端到端"（End-to-End）为中枢的范式移动。

特斯拉在发布会上清晰了 FSD Beta V12 的架构预览：用一个无边的神经网罗同期处理感知、谋略，取代了工程师编写的 30 万行代码。升级后的占用网罗（Occupancy Network）通过将 3D 空间别离为细小体素（voxel）来识别未知破损物，从而实现了感知智商的越级升迁。

中国的新势力们再次"摸着特斯拉过河"，集体转向端到端架构。其中，小鹏更是果决烧毁激光雷达，全面转向纯视觉道路。

但是，出于对系统安全与闇练度的考量，小鹏和华为早期都选拔了相对保守的"多段式"端到端，将感知和谋略模块分别用模子取代，而非系数买通。小鹏发布的 XBrain 架构中，感知选拔 Xnet 网罗驱动 BEV+Transformer 架构，XPlanner 模子负责谋略。直到 2024 年中，小鹏才晓示向系数扶摇架构的车型推送"一段式"的端到端系统。

华为的 ADS 2.0 不异选拔了两段式端到端（BEV 感知 +PDP 预测谋略），并于 2024 年晓示在 ADS 3.0 高涨级为"端到端"的架构，去掉 BEV 网罗，以 GOD 网罗负责感知，PDP 网罗负责预决策谋略。不外，有业内智驾高管曾在本年年中对"云见 Insight "指出，华为其时的期间有谋略实质上仍属多段式。

一位自动驾驶行业的期间东谈主员谈出其中的挑战：早期中国新势力对模子的剖判有限，多段式联想更易于保险安全。传统系统出了问题，工程师不错通过修改代码管制。但端到端模子是一个黑盒，上限更高，下限也更低。"若是出了问题，都不知谈如何改。"

蔚来向端到端期间的更动配合着组织架构休养。2024 年 6 月，蔚来晓示将感知和谋略合并为大模子团队，全力鼓动端到端研发。半年后，任少卿剿袭该部门。 2025 年 1 月，基于端到端架构的智能系统 Banyan 榕 3.1.0 追究推送。

联想在 2024 年发布了"端到端 +VLM "双系统有谋略。端到端模子负责"快想考"，处理大多数老例场景；VLM 模子负责"深想考"，搪塞少数复杂情况。

智能驾驶芯片和有谋略供应商地平线更早建议了访佛架构，本年 4 月发布了基于征途 6P 的 HSD 有谋略，选拔一段式端到端 +VLM 架构。该有谋略谋略于本年 11 月在奇瑞星纪元 ET5 上量产上车。

在 9 月的一次媒体交流会上，地平线副总裁、策略部、智驾居品谋略与市集部负责东谈主吕鹏把端到端系统的演化分为三代：

第一代：两段式端到端，感知和谋略模块分开处理车辆的横纵向的信息，然后把任务拼接起来，系数这个词体验比较割裂。

第二代：一段式端到端 + 重后处理。端到端系统径直输出的轨迹存在好多弱势，因尔后期需要用规定去修正横纵向信息，再王人集到一王人。

第三代：更透彻的端到端。感知信息输入，输出行驶轨迹。与前两代比拟，反应更快，信息蚀本更少，横纵向协作性更好，最终驾驶体验更拟东谈主。

在 4 月的媒体交流会上，地平线 CEO 余凯坦言：固然各家都在死力于宣传我方的有谋略率先，但在其时，国内还莫得简直的一段式端到端。

自动驾驶车是"轮式"机器东谈主

在端到端之前，自动驾驶行业主要跟在特斯拉背面"抄功课"。但跟着特斯拉不再清晰期间细节，中国新势力们只可边追逐、边摸索。爆火的生成式 AI 和东谈主形机器东谈主行业成为了它们的新憨厚。

2023 年，ChatGPT 的生效考据了单一大型神经网罗处理复杂多模态任务的智商。从师法学习到强化学习的锻练形态更动也络续到自动驾驶行业。VLA（Visual-Language-Action，视觉谈话动作模子）、世界模子等机器东谈主领域的筹划也被引入自动驾驶。

VLA 最初被用于让机器东谈主连气儿东谈主类的谈话领导并践诺动作。2023 年，谷歌 DeepMind 发布的 RT2（Robotic Transformer 2）模子将海量图像、文本与机器东谈主动作数据协同锻练，形成了 VLA 模子。随后，开源模子 OpenVLA 应时而生，大大缩短了 VLA 的筹划门槛。

自动驾驶汽车时常被看作一个践诺固定任务的"轮式机器东谈主"，通过连气儿舆图、导航、东谈主类语音领导等，戒指标的盘、油门和刹车。特斯拉的端到端系统架构被觉得哄骗了 VLA 的理念。

中国智驾供应商元帅启行是首个公开声称将 VLA 期间哄骗于自动驾驶的公司。早在 2023 年 9 月，元帅启行就建议研发"感知决策一步到位"的端到端模子，并在 2024 年 4 月追究将其定名为 VLA，谋略本年内量产。

但市集马上变化。本年 3 月，联想短暂晓示将其双系统有谋略切换为 VLA 有谋略，并赶在敌手前边，在本年 8 月率先在联想 i8 上实现了量产。

小鹏谋略本年三季度推送其 VLA 有谋略，比敌手晚几个月，但在车端（Ultra 版）堆了 2200 Tops 算力，其中约 1200 Tops 用于赞成驾驶。同期，联想的 AD Max 算力为 700 Tops，蔚来的神玑 NX9031 芯片算力 1000 Tops。小鹏汽车 CEO 何小鹏预测，特斯拉的下一代硬件平台 AI 5 的算力将会在 2000 Tops — 4000 Tops 之间。

这场算力竞赛也扩张到云霄。特斯拉 2019 年就晓示构建 Dojo 算力集群，2024 年转向外购芯片后大量储备英伟达和三星的芯片，2025 年预测储备累计 8.5 万颗英伟达 H100。小鹏和联想也在云霄算力上增多参加。小鹏默示其云霄算力规模为 10 EFlops，联想称其疏淡 13 EFlops。

两家公司都在用云霄算力研发更大参数目的基座模子。DeepSeek 的生效让车企看到了以可控资本自研基座模子的可能性。联想的基座模子着手用于智能座舱和手机 APP，由联想汽车智能空间 AI 负责东谈主陈伟牵头研发，后延用到自动驾驶。

小鹏负责基座模子研发的恰是当今的自动驾驶中心 1 号位刘光显。在本年 5 月的疏通会上，刘光显默示小鹏基座模子的参数目为 720 亿，是主流 VLA 模子的 35 倍，后续和会事后锻练、强化学习、模子蒸馏等期间生成一个较小的模子（XVLA）再部署到车端。基于并吞个基座模子的 VLM 模子也将在本年里面署到 Ultra 版的智能座舱中。

世界模子：从仿真到控车

在 VLA 除外，联想和华为取舍了另一条旅途：径直把世界模子用于车端及时戒指。此前，世界模子主要被用于数据生成和仿真测试。

AI 行业关于世界模子的筹划始于 2018 年两个 DeepMind 筹划员的论文《World Models》。该模子让 AI 智能体大概通过"想象"进行谋略和学习，再迁徙到真实环境。

机器东谈主仿真平台最早用世界模子或访佛框架让凭空机器东谈主学习操作物体、导航及浅易的握取任务。通过在模子里面进行大量"想象"锻练，减少真实交互次数。

2022 年脱手，特斯拉通过占用网罗构建 3D 空间的作念法哄骗了世界模子的想路。联想和小鹏也随之将世界模子用于仿真测试和云霄锻练。

联想汽车智能驾驶副总裁郎咸一又在旧年接受"云见 Insight "访谈时默示，联想其时用世界模子搭建"考试系统"，在仿真环境中测试研发恶果。小鹏则用世界模子锻练其 720 亿参数的基座模子，模拟车辆在不同位置和视角下的环境变化。

蔚来和华为对世界模子的哄骗愈加激进。蔚来径直将世界模子部署到车端，定名为 NWM。副总裁任少卿文书，NWM 能在行驶中每 0.1 秒生成 216 种可能的轨迹，并评估选出最优解。

华为本年 4 月发布的 WEWA 架构不异将世界模子用于及时控车。华为智能汽车管制有谋略 BU CEO 靳玉志视其为"通向自动驾驶的终极有谋略"。

但是，这些前沿期间仍有待测验。有业内从业者默示，联想里面也在商榷将世界模子用于车端，但因其期间并不闇练，仍在筹划阶段。另一位接近蔚来的东谈主士则默示，蔚来的 NWM 模子尚未系数达到其宣传的预测智商，研发上仍有很长的路要走。

结语

术语蓝本是对期间的精准界说。回归自动驾驶期间的演进，每一个术语的兴起都是行业的一次探索。

特斯拉早期的"黑话"因其始创性实践而被行业继承，且用户体验永远率先。而当下的术语爆炸，好多时期是对往时愿景的提前消耗。

更有甚者，专诚用混沌的黑话去期侮期间试验，弥合与敌手的差距。

当术语从界说自己变成营销热词，用户需要分辨的不仅是各家的期间各异，更是话语包装与现实体验之间的落差。

在这场期间与话语的双重竞赛中，最终的顺利者也许并不是最早建议新认识的公司，而是能将期间承诺转换为用户体验的那一个。

自动驾驶"黑话"手册

1. 规定 / 模子

赞成驾驶系统早期依赖规定（Rules），即工程师编写的领导代码，分为感知（Perception）、谋略（Planning）和戒指（Control） 三个模块。感知模块通过录像头、激光雷达等传感器鸠合车辆周围环境信息；谋略模块基于感知数据制定行驶策略，回避破损并不休优化驾驶轨迹；戒指模块践诺谋略领导，通过线控系统戒指车辆的标的盘、油门和刹车。

模子（Transformer）是通过海量数据锻练出来的神经网罗。它通过分析驾驶场景数据，自行学习其中的复杂规定，连气儿并归纳出各式交通气象的搪塞策略。在处理未见过的场景时，模子大概进行泛化推理，作念出拟东谈主化的决策。从依靠规定到由模子驱动，是自动驾驶系统演进的垂死里程碑。

2. BEV+Transformer

特斯拉建议的视觉感知期间。BEV（Bird's Eye VIew，鸟瞰图）将车辆多个录像头的 2D 图像投射到和洽的 3D 俯瞰坐标系中，形成 360° 的周围环境感知。Transformer（模子）被用来将 2D 图像关连到 3D 的 BEV 空间，并建模远距离物体之间的空间关系。

3. OCC

OCC（Occupancy Network，占用网罗）是用于 3D 环境感知的 AI 模子。它将车辆周围空间别离为无数细小的立方体（体素），通过判断每个体素是否被占用识别物体的存在。这种步调能灵验识别出传统破损物清单除外的未知物体，升迁了自动驾驶系统搪塞"长尾问题"的安全冗余和泛化智商。特斯拉在 AI DAY 上建议了 OCC 期间，尔后国内车企跟进自研。联想沿用了 OCC 的名字，小鹏定名为 XNet，华为定名为 GOD。

4. 前交融 / 后交融

两种多传感器数据交融策略。后交融是早期有谋略，指激光雷达、录像头等传感器先各自沉寂识别指标，再将破除汇总决策。前交融是将不同传感器的特征合并，再交由 AI 模子进行快乐志别。前交融能减少信息蚀本，作念出更准确的判断。

5. 激光雷达 / 纯视觉

自动驾驶的两大感知道路。纯视觉道路依赖于录像头捕捉到的画面，像东谈主眼一样，但对光照条目有一定要求。激光雷达道路是在录像头除外增多激光雷达作为补充，激光雷达大概通过放射激光束来精准测量物体的距离，在昏昧中行驶也不受影响。早期激光雷达的资本腾贵，当今一经下落到 200 好意思元。4D 毫米波雷达的价钱更低，常被看成念激光雷达的"平替"。

特斯拉坚定用户纯视觉道路，觉得激光雷达和录像头的数据可能不一致，形成系统决策冲突。联想本年起标配激光雷达，觉得激光雷达能实现更好的主动安全功能。小鹏取消了激光雷达，用录像头 +4D 毫米波雷达代替。华为和蔚来都在其高阶有谋略中搭载激光雷达，低阶有谋略用纯视觉。

6. 有图 / 无图

早期自动驾驶车依赖高精舆图透露谈路结构信息，但高精舆图的鸠合资本高，且受到地域影响，更新速率慢。"无图"有谋略即不依赖高精舆图的有谋略，通过车载传感器的及时感知来连气儿谈路场景，泛化智商更强，但对车辆的感知和决策智商建议了更高要求。

7. FSD

FSD（Full-Self Driving，系数自动驾驶）是特斯拉的高阶赞成驾驶系统。特斯拉标配的赞成驾驶系统名为 Autopilot（AP），仅具备自符合巡航、车谈保持功能。FSD 在基础版 AP 之上，增多了包括 NOA、信号灯识别、城市谈路自动转向等在内的更全面功能。特斯拉通过 FSD 考据其纯视觉期间道路，并选拔"购买即买断"或"订阅制"的形态向用户提供。

8. NOA

NOA（Navigate on Autopilot，导航赞成驾驶系统）是交融了导航的高阶赞成驾驶功能。车辆可凭据设定的导航线线行驶，实现自动变谈、超车、收支匝谈等功能。凭据哄骗场景可分为高速 NOA 和城市 NOA，高速路况相对浅易，城市谈路的交通参与者稠密、场景更为复杂，因此对算法的要求更高。

特斯拉率先推出该功能并哄骗于其量产车型。国内车企也推出了相应功能，联想络续了 NOA 的称号，华为定名为 NCA（Navigation Cruise Assist，智驾领航赞成）；小鹏名为 NGP（Navigation Guided Pilot，智能导航赞成驾驶），蔚来名为 NOP（Navigate on Pilo，领航赞成功能）。

9. 开城

车企将其城市 NOA 功能在某个城市内向用户绽开。早期由于期间为止，车企时常要派研发东谈主员到指标城市进行大量测试和适配，开城数目被视作展示期间实力的标记。但跟着系统泛化性不休增强，开城的认识一经逐步淡化。今天头部车企的赞成驾驶系统一经不错秘密世界。

10. OTA

空中升级期间（Over-the-Air Technology）通过网罗对车辆软件进行汉典升级。它透彻调动了汽车的功能迭代形态，使汽车大概像手机系和洽样，汉典树立软件舛讹、优化现存功能。

11. CNN

CNN（Convolutional Neural Network）是一种专为图像识别与指标检测联想的深度学习模子，是狡计机视觉的基石。在自动驾驶系统中，CNN 负责处理单个录像头的图像，通过分析来自录像头的视频流，识别路障、行东谈主、交通标志和车谈线等垂死信息。

12. 端到端

端到端（End to end）即系统招揽传感器信号后，流程想考和决策，径直输出行驶轨迹，戒指标的盘和油门、刹车。特斯拉的 FSD V12 版块初度将端到端期间哄骗于赞成驾驶系统。它用一个东谈主工智能模子取代传统的感知、谋略、戒指三大模块，幸免了信息传递损成仇东谈主为规定的为止。

13. 端到端 +VLM

联想建议的将端到端模子和 VLM（Vision – Language Model，视觉谈话模子）王人集的期间架构。让端到端模子作为系统 1，VLM 作为系统 2，分别搪塞 95% 的平日驾驶场景和 5% 的复杂且未知的驾驶场景。但联想已在 2025 年 3 月将这套双系统有谋略切换为 VLA；地平线的 HSD 仍然选拔该期间架构。

14. VLA

VLA（Vision-Language-Action，视觉 - 谈话 - 动作模子）是一种将视觉感知、谈话连气儿与物理动作戒指关连起来的多模态 AI 模子。它通过在海量"图像 - 文本 - 动作"数据上进行协同锻练，使机器大概凭据东谈主类的谈话领导或对视觉场景的深层连气儿，来践诺具体的物理动作。在自动驾驶中，VLA 被属意于让车辆不仅能"看到"环境，还能"连气儿"场景语义，并作念出相应的驾驶动作。

15. OpenVLA

一个在 VLA 领域具有影响力的开源姿首。由加州大学伯克利分校、卡内基梅隆大学和麻省理工学院筹划东谈主员共同发起。该姿首提供一个预锻练好的 VLA 模子给社区免费筹划，缩短了学术界和工业界筹划 VLA 的门槛，加快了该期间在机器东谈主、自动驾驶等领域的哄骗。

16. 师法学习 / 强化学习

师法学习（Imitation Learning）是让 AI 通过不雅察和师法行家活动来进行学习的锻练步调。比如通过分析大量东谈主类驾驶员的实车数据，学习其驾驶策略和技巧。上风是能快速学习到平滑、安全的驾驶格调，局限在于其性能上限受制于示范数据的质地，难以超越学习数据的平均水平。

强化学习（Reinforcement Learning）是让 AI 通过与环境互动，通过赢得"奖励"或"处分"来自主学习最优策略的锻练步调。它能发现东谈主类未尝意象的、超越师法学习上限的管制有谋略。

2016 年，Deepmind 公司使用师法学习和强化学习研发的 AlphaGo 打败围棋冠军李世石。尔后，AlphaGo 的升级版块 AlphaGo Zero 系数扬弃东谈主类棋谱，使用强化学习从零锻练，最终顺服 AlphaGo。

17. 预锻练、后锻练、基座模子

预锻练（Pre-training）和后锻练（Fine-Tuning）是大模子锻练中的两种中枢技能。预锻练是在模子的运行阶段使用大量通用数据进行锻练，让模子学习到通用的、基础的常识和规定。流程预锻练赢得的大型通用模子被称作 "基座模子"。

后锻练是在预锻练得到基座模子之后，针对特定的任务或数据进行再锻练。将模子的通用智商对应到具体的任务需求，同期减少幻觉的产生。后锻练阶段，为了让模子的活动与东谈主类价值不雅和偏好保持一致的"训导锻真金不怕火"阶段被称作对王人锻练（Alignment Training）。

18. 常识蒸馏

常识蒸馏（Knowledge Distillation）是一种模子压缩和迁徙期间，2014 年由"深度学习教父" Geoffrey Hinton、DeepMind 筹划和深度学习负责东谈主副总裁 Oriol Vinyals 和 DeepMind 首席科学家 Jeff Dean 建议。其中枢想想是将一个无边、复杂但性能优异的"教师模子"中所蕴含的常识，移动到一个更小、更高效的"学生模子"中。

在自动驾驶行业，小鹏、联想的 VLA 模子都引入了这一期间，先在云霄锻练超大参数模子，然后蒸馏为一个较小的模子，在车端部署。其公布的云霄模子参数目分别为 72B、32B。

19. 云霄算力 / 车端算力

云霄算力指企业在数据中心构建的狡计集群的算力，主要用于"锻练" AI 大模子，处理海量数据，强调并行狡计智商。小鹏晓示其云霄算力规模为 10 EFlops，联想为 13 EFlops。

车端算力指车上搭载的狡计芯片的算力，负责在车端即时处理传感器数据、运行算法模子，强调低蔓延和高可靠性。

20. Dojo

特斯拉构建的专门用于 AI 锻练的超等狡计机。其中枢是特斯拉自研的 D1 芯片，2023 年 7 月追究投产。但由于效劳、褂讪性、拓荒生态不足英伟达 Cuda 等原因，特斯拉 2024 年转向外购芯片为主。2025 年，特斯拉谋略破耗约 30 亿至 40 亿好意思元购买英伟达的 H100 等硬件。

21. LLM

LLM（Large Language Model，大谈话模子）是一种基于 Transformer 架构、在海量文本数据上锻练出来的 AI 模子，领有坚强的谈话连气儿、生成和推聪慧商。小鹏和联想的基座模子均基于开源的 LLM 模子锻练而成。

22. 世界模子

世界模子（World Model）是一种让智能体在其里濒临真实世界的动态规定进行建模和模拟的模子。世界模子被觉得不错学会连气儿环境的物理规定和因果关系，从而预测往时可能发生的状态序列。

在自动驾驶行业，特斯拉率先哄骗世界模子赞成系统锻练开云体育(中国)官方网站，联想用世界模子进行仿真和测试，蔚来和华为将世界模子哄骗到车端，试图通过世界模子推演周围交通参与者往时的可能轨迹，实现更具前瞻性的拟东谈主化驾驶。蔚来将其系统定名为 NWM（NIO World Model），华为的系统名为 WEWA（World Engine – World Action）。