本文來自微信公眾號(hào)：云見 Insight，作者：王海璐、倪萍，原文標(biāo)題：《新勢(shì)力造車又“造詞” | 自動(dòng)駕駛“黑話”使用手冊(cè)》，題圖來自：AI生成
“端到端”尚未完全兌現(xiàn)，“VLA”已悄然登場(chǎng)，“世界模型”正在成為新的技術(shù)圖騰……自動(dòng)駕駛行業(yè)的“黑話”越來越多，也越來越難懂了。
理想與小鵬都將 VLA（Visual language Action，視覺語(yǔ)言動(dòng)作模型）押注為下一代技術(shù)架構(gòu)，宣稱其能賦予車輛“思考”能力；華為卻說 VLA 是“取巧”的技術(shù)，轉(zhuǎn)而力推自研的 WA（World Behavior Architecture，世界行為模型），將“世界模型”技術(shù)直接部署于車端；蔚來副總裁任少卿在近期的一次采訪中強(qiáng)調(diào)：蔚來才是“第一個(gè)在國(guó)內(nèi)提出世界模型這個(gè)概念的”。
層出不窮的“黑話”背后，是圍繞著下一代自動(dòng)駕駛技術(shù)的話語(yǔ)權(quán)爭(zhēng)奪戰(zhàn)。當(dāng)硬件與配置趨于同質(zhì)化，智駕能力成為新勢(shì)力最關(guān)鍵的身份標(biāo)簽。搶先定義未來，就意味著搶占用戶認(rèn)知與技術(shù)品牌的高度?；逎摹昂谠挕辈粌H是技術(shù)路線的宣言，更是對(duì)技術(shù)品牌的精心包裝。
然而，喧囂的概念背后，是落地體驗(yàn)的落差與研發(fā)團(tuán)隊(duì)的承壓。正如兩年前小鵬自動(dòng)駕駛副總裁吳新宙所言，“自動(dòng)駕駛不是廣告學(xué)”。但“期貨式”的技術(shù)發(fā)布仍然屢見不鮮。有車企高管曾對(duì)“云見 Insight”坦言他的苦惱：為搶在對(duì)手前發(fā)布，團(tuán)隊(duì)常在技術(shù)未成熟時(shí)便被推至臺(tái)前。臨近交付節(jié)點(diǎn)，團(tuán)隊(duì)人心惶惶。推遲或推送后出現(xiàn)任何失誤都是不可接受的結(jié)果。
技術(shù)本應(yīng)驅(qū)動(dòng)進(jìn)步，但當(dāng)“造詞”的速度比技術(shù)進(jìn)步的更快，用戶獲得的可能不是“顛覆性體驗(yàn)”，而是一個(gè)仍需不斷優(yōu)化的 Beta 版本。本文試圖梳理術(shù)語(yǔ)背后自動(dòng)駕駛技術(shù)的演進(jìn)脈絡(luò)，并為用戶附上一份“黑話使用手冊(cè)”。
黑話的起源
在 2022 年之前，自動(dòng)駕駛行業(yè)的技術(shù)演進(jìn)路徑相對(duì)清晰，主要由特斯拉和 Waymo 定義，技術(shù)術(shù)語(yǔ)也多為對(duì)特定功能的客觀描述。
早期的輔助駕駛系統(tǒng)基于工程師編寫的規(guī)則，分為感知、規(guī)劃、控制三大模塊。自 2016 年起，特斯拉通過自研軟件算法和 FSD 芯片，引領(lǐng)行業(yè)從規(guī)則時(shí)代走向了 AI（Artificial Intelligence，人工智能）。
2021 年和 2022 年，特斯拉連續(xù)舉辦的兩次 AI DAY 對(duì)行業(yè)影響深遠(yuǎn)。第一屆 AI DAY 上，特斯拉公布了 BEV+Transformer 技術(shù)架構(gòu)。該方案將多個(gè)攝像頭捕捉的 2D 圖像統(tǒng)一投射到俯視坐標(biāo)系中，形成車輛周圍 360°的鳥瞰圖（BEV，Bird’s-Eye-View），有效解決了遮擋與透視的問題。同時(shí)，特斯拉也提出了將 2D 圖像直接轉(zhuǎn)換為 3D 矢量空間的占用網(wǎng)絡(luò)（Occupancy Network）的早期概念。
在這之前，傳統(tǒng)的方法是用卷積神經(jīng)網(wǎng)絡(luò)（CNN）分別處理每個(gè)攝像頭的二維圖像，再將其融合到 3D 環(huán)境。而 BEV+Transformer 實(shí)現(xiàn)了跨攝像頭的特征“前融合”，大大提升了感知能力。
這也使得特斯拉擺脫了對(duì)高精地圖的依賴，僅憑車上的傳感器實(shí)現(xiàn)更廣泛的場(chǎng)景泛化能力。其后，特斯拉在 FSD Beta V11 版本中把 NOA（導(dǎo)航輔助駕駛）功能從高速公路擴(kuò)展到城市道路。
中國(guó)的造車新勢(shì)力和輔助駕駛供應(yīng)商們迅速跟進(jìn)了這一技術(shù)。但由于在神經(jīng)網(wǎng)絡(luò)算法上與特斯拉存在差距，且對(duì)于純視覺路線還存在懷疑，它們?cè)缙谄毡槿诤狭思す饫走_(dá)或 4D 毫米波雷達(dá)提供的信息。
2022 年—2023 年，小鵬的 XNGP、蔚來在 NOP+、理想在 AD Max 3.0、華為的 ADS2.0 相繼實(shí)現(xiàn)了自研的 BEV+Transformer 方案量產(chǎn)，并以此為利器，展開無(wú)圖 NOA 的“開城”競(jìng)速。
范式轉(zhuǎn)移：端到端
如果說 2021 年的 AI DAY 引發(fā)了感知技術(shù)變革，那么 2022 年的 AI DAY 則徹底打破了感知與規(guī)劃的界限，推動(dòng)了以“端到端”（End-to-End）為核心的范式轉(zhuǎn)移。
特斯拉在發(fā)布會(huì)上披露了 FSD Beta V12 的架構(gòu)預(yù)覽：用一個(gè)龐大的神經(jīng)網(wǎng)絡(luò)同時(shí)處理感知、規(guī)劃，取代了工程師編寫的 30 萬(wàn)行代碼。升級(jí)后的占用網(wǎng)絡(luò)（Occupancy Network）通過將 3D 空間劃分為微小體素（voxel）來識(shí)別未知障礙物，從而實(shí)現(xiàn)了感知能力的越級(jí)提升。
中國(guó)的新勢(shì)力們?cè)俅巍懊厮估^河”，集體轉(zhuǎn)向端到端架構(gòu)。其中，小鵬更是毅然放棄激光雷達(dá)，全面轉(zhuǎn)向純視覺路線。
然而，出于對(duì)系統(tǒng)安全與成熟度的考量，小鵬和華為早期都采用了相對(duì)保守的“多段式”端到端，將感知和規(guī)劃模塊分別用模型取代，而非完全打通。小鵬發(fā)布的 XBrain 架構(gòu)中，感知采用 Xnet 網(wǎng)絡(luò)驅(qū)動(dòng) BEV+Transformer 架構(gòu)，XPlanner 模型負(fù)責(zé)規(guī)劃。直到 2024 年中，小鵬才宣布向所有扶搖架構(gòu)的車型推送“一段式”的端到端系統(tǒng)。
華為的 ADS 2.0 同樣采用了兩段式端到端（BEV 感知+PDP 預(yù)測(cè)規(guī)劃），并于 2024 年宣布在 ADS 3.0 上升級(jí)為“端到端”的架構(gòu)，去掉 BEV 網(wǎng)絡(luò)，以 GOD 網(wǎng)絡(luò)負(fù)責(zé)感知，PDP 網(wǎng)絡(luò)負(fù)責(zé)預(yù)決策規(guī)劃。不過，有業(yè)內(nèi)智駕高管曾在今年年中對(duì)“云見 Insight”指出，華為當(dāng)時(shí)的技術(shù)方案實(shí)質(zhì)上仍屬多段式。
一位自動(dòng)駕駛行業(yè)的技術(shù)人員道出其中的挑戰(zhàn)：早期中國(guó)新勢(shì)力對(duì)模型的認(rèn)知有限，多段式設(shè)計(jì)更易于保障安全。傳統(tǒng)系統(tǒng)出了問題，工程師可以通過修改代碼解決。但端到端模型是一個(gè)黑盒，上限更高，下限也更低。“如果出了問題，都不知道怎么改?！?/strong>
蔚來向端到端技術(shù)的轉(zhuǎn)變配合著組織架構(gòu)調(diào)整。2024 年 6 月，蔚來宣布將感知和規(guī)劃合并為大模型團(tuán)隊(duì)，全力推進(jìn)端到端研發(fā)。半年后，任少卿接管該部門。 2025 年 1 月，基于端到端架構(gòu)的智能系統(tǒng) Banyan 榕 3.1.0 正式推送。
理想在 2024 年發(fā)布了“端到端 +VLM”雙系統(tǒng)方案。端到端模型負(fù)責(zé)“快思考”，處理大多數(shù)常規(guī)場(chǎng)景；VLM 模型負(fù)責(zé)“深思考”，應(yīng)對(duì)少數(shù)復(fù)雜情況。
智能駕駛芯片和方案供應(yīng)商地平線更早提出了類似架構(gòu)，今年 4 月發(fā)布了基于征程 6P 的 HSD 方案，采用一段式端到端 +VLM 架構(gòu)。該方案計(jì)劃于今年 11 月在奇瑞星紀(jì)元 ET5 上量產(chǎn)上車。
在 9 月的一次媒體交流會(huì)上，地平線副總裁、戰(zhàn)略部、智駕產(chǎn)品規(guī)劃與市場(chǎng)部負(fù)責(zé)人呂鵬把端到端系統(tǒng)的演化分為三代：
第一代：兩段式端到端，感知和規(guī)劃模塊分開處理車輛的橫縱向的信息，然后把任務(wù)拼接起來，整個(gè)體驗(yàn)比較割裂。
第二代：一段式端到端 + 重后處理。端到端系統(tǒng)直接輸出的軌跡存在很多缺陷，因此后期需要用規(guī)則去修正橫縱向信息，再結(jié)合到一起。
第三代：更徹底的端到端。感知信息輸入，輸出行駛軌跡。與前兩代相比，響應(yīng)更快，信息損失更少，橫縱向協(xié)調(diào)性更好，最終駕駛體驗(yàn)更擬人。
在 4 月的媒體交流會(huì)上，地平線 CEO 余凱坦言：雖然各家都在極力宣傳自己的方案領(lǐng)先，但在當(dāng)時(shí)，國(guó)內(nèi)還沒有真正的一段式端到端。
自動(dòng)駕駛車是“輪式”機(jī)器人
在端到端之前，自動(dòng)駕駛行業(yè)主要跟在特斯拉后面“抄作業(yè)”。但隨著特斯拉不再披露技術(shù)細(xì)節(jié)，中國(guó)新勢(shì)力們只能邊追趕、邊摸索。爆火的生成式 AI 和人形機(jī)器人行業(yè)成為了它們的新老師。
2023 年，ChatGPT 的成功驗(yàn)證了單一大型神經(jīng)網(wǎng)絡(luò)處理復(fù)雜多模態(tài)任務(wù)的能力。從模仿學(xué)習(xí)到強(qiáng)化學(xué)習(xí)的訓(xùn)練方式轉(zhuǎn)變也延續(xù)到自動(dòng)駕駛行業(yè)。VLA（Visual-Language-Action，視覺語(yǔ)言動(dòng)作模型）、世界模型等機(jī)器人領(lǐng)域的研究也被引入自動(dòng)駕駛。
VLA 最初被用于讓機(jī)器人理解人類的語(yǔ)言指令并執(zhí)行動(dòng)作。2023 年，谷歌 DeepMind 發(fā)布的 RT2（Robotic Transformer 2）模型將海量圖像、文本與機(jī)器人動(dòng)作數(shù)據(jù)協(xié)同訓(xùn)練，形成了 VLA 模型。隨后，開源模型 OpenVLA 應(yīng)運(yùn)而生，大大降低了 VLA 的研究門檻。
自動(dòng)駕駛汽車常常被看作一個(gè)執(zhí)行固定任務(wù)的“輪式機(jī)器人”，通過理解地圖、導(dǎo)航、人類語(yǔ)音指令等，控制方向盤、油門和剎車。特斯拉的端到端系統(tǒng)架構(gòu)被認(rèn)為應(yīng)用了 VLA 的理念。
中國(guó)智駕供應(yīng)商元戎啟行是首個(gè)公開宣稱將 VLA 技術(shù)應(yīng)用于自動(dòng)駕駛的公司。早在 2023 年 9 月，元戎啟行就提出研發(fā)“感知決策一步到位”的端到端模型，并在 2024 年 4 月正式將其命名為 VLA，計(jì)劃今年內(nèi)量產(chǎn)。
但市場(chǎng)迅速變化。今年 3 月，理想突然宣布將其雙系統(tǒng)方案切換為 VLA 方案，并趕在對(duì)手前面，在今年 8 月率先在理想 i8 上實(shí)現(xiàn)了量產(chǎn)。
小鵬計(jì)劃今年三季度推送其 VLA 方案，比對(duì)手晚幾個(gè)月，但在車端（Ultra 版）堆了 2200 Tops 算力，其中約 1200 Tops 用于輔助駕駛。同期，理想的 AD Max 算力為 700 Tops，蔚來的神璣 NX9031 芯片算力 1000 Tops。小鵬汽車 CEO 何小鵬預(yù)測(cè)，特斯拉的下一代硬件平臺(tái) AI 5 的算力將會(huì)在 2000 Tops—4000 Tops 之間。
這場(chǎng)算力競(jìng)賽也蔓延到云端。特斯拉 2019 年就宣布構(gòu)建 Dojo 算力集群，2024 年轉(zhuǎn)向外購(gòu)芯片后大量?jī)?chǔ)備英偉達(dá)和三星的芯片，2025 年預(yù)計(jì)儲(chǔ)備累計(jì) 8.5 萬(wàn)顆英偉達(dá) H100。小鵬和理想也在云端算力上增加投入。小鵬表示其云端算力規(guī)模為 10 EFlops，理想稱其超過 13 EFlops。
兩家公司都在用云端算力研發(fā)更大參數(shù)量的基座模型。DeepSeek 的成功讓車企看到了以可控成本自研基座模型的可能性。理想的基座模型起初用于智能座艙和手機(jī) APP，由理想汽車智能空間 AI 負(fù)責(zé)人陳偉牽頭研發(fā)，后延用到自動(dòng)駕駛。
小鵬負(fù)責(zé)基座模型研發(fā)的正是現(xiàn)在的自動(dòng)駕駛中心 1 號(hào)位劉顯明。在今年 5 月的溝通會(huì)上，劉顯明表示小鵬基座模型的參數(shù)量為 720 億，是主流 VLA 模型的 35 倍，后續(xù)會(huì)通過后訓(xùn)練、強(qiáng)化學(xué)習(xí)、模型蒸餾等技術(shù)生成一個(gè)較小的模型（XVLA）再部署到車端?；谕粋€(gè)基座模型的 VLM 模型也將在今年內(nèi)部署到 Ultra 版的智能座艙中。
世界模型：從仿真到控車
在 VLA 之外，理想和華為選擇了另一條路徑：直接把世界模型用于車端實(shí)時(shí)控制。此前，世界模型主要被用于數(shù)據(jù)生成和仿真測(cè)試。
AI 行業(yè)對(duì)于世界模型的研究始于 2018 年兩個(gè) DeepMind 研究員的論文《World Models》。該模型讓 AI 智能體能夠通過“想象”進(jìn)行規(guī)劃和學(xué)習(xí)，再遷移到真實(shí)環(huán)境。
機(jī)器人仿真平臺(tái)最早用世界模型或類似框架讓虛擬機(jī)器人學(xué)習(xí)操作物體、導(dǎo)航及簡(jiǎn)單的抓取任務(wù)。通過在模型內(nèi)部進(jìn)行大量“想象”訓(xùn)練，減少真實(shí)交互次數(shù)。
2022 年開始，特斯拉通過占用網(wǎng)絡(luò)構(gòu)建 3D 空間的做法應(yīng)用了世界模型的思路。理想和小鵬也隨之將世界模型用于仿真測(cè)試和云端訓(xùn)練。
理想汽車智能駕駛副總裁郎咸朋在去年接受“云見 Insight”訪談時(shí)表示，理想當(dāng)時(shí)用世界模型搭建“考試系統(tǒng)”，在仿真環(huán)境中測(cè)試研發(fā)成果。小鵬則用世界模型訓(xùn)練其 720 億參數(shù)的基座模型，模擬車輛在不同位置和視角下的環(huán)境變化。
蔚來和華為對(duì)世界模型的應(yīng)用更加激進(jìn)。蔚來直接將世界模型部署到車端，命名為 NWM。副總裁任少卿闡述，NWM 能在行駛中每 0.1 秒生成 216 種可能的軌跡，并評(píng)估選出最優(yōu)解。
華為今年 4 月發(fā)布的 WEWA 架構(gòu)同樣將世界模型用于實(shí)時(shí)控車。華為智能汽車解決方案 BU CEO 靳玉志視其為“通向自動(dòng)駕駛的終極方案”。
然而，這些前沿技術(shù)仍有待檢驗(yàn)。有業(yè)內(nèi)從業(yè)者表示，理想內(nèi)部也在討論將世界模型用于車端，但因其技術(shù)并不成熟，仍在研究階段。另一位接近蔚來的人士則表示，蔚來的 NWM 模型尚未完全達(dá)到其宣傳的預(yù)測(cè)能力，研發(fā)上仍有很長(zhǎng)的路要走。
結(jié)語(yǔ)
術(shù)語(yǔ)原本是對(duì)技術(shù)的精確定義?；仡欁詣?dòng)駕駛技術(shù)的演進(jìn)，每一個(gè)術(shù)語(yǔ)的興起都是行業(yè)的一次探索。
特斯拉早期的“黑話”因其開創(chuàng)性實(shí)踐而被行業(yè)接納，且用戶體驗(yàn)始終領(lǐng)先。而當(dāng)下的術(shù)語(yǔ)爆炸，很多時(shí)候是對(duì)未來愿景的提前消費(fèi)。
更有甚者，故意用模糊的黑話去混淆技術(shù)本質(zhì)，彌合與對(duì)手的差距。
當(dāng)術(shù)語(yǔ)從定義本身變成營(yíng)銷熱詞，用戶需要分辨的不僅是各家的技術(shù)差異，更是話語(yǔ)包裝與現(xiàn)實(shí)體驗(yàn)之間的落差。
在這場(chǎng)技術(shù)與話語(yǔ)的雙重競(jìng)賽中，最終的勝利者也許并不是最早提出新概念的公司，而是能將技術(shù)承諾轉(zhuǎn)化為用戶體驗(yàn)的那一個(gè)。
自動(dòng)駕駛“黑話”手冊(cè)
1. 規(guī)則/模型
輔助駕駛系統(tǒng)早期依賴規(guī)則（Rules），即工程師編寫的指令代碼，分為感知（Perception）、規(guī)劃（Planning）和控制（Control） 三個(gè)模塊。感知模塊通過攝像頭、激光雷達(dá)等傳感器采集車輛周圍環(huán)境信息；規(guī)劃模塊基于感知數(shù)據(jù)制定行駛策略，躲避障礙并不斷優(yōu)化駕駛軌跡；控制模塊執(zhí)行規(guī)劃指令，通過線控系統(tǒng)控制車輛的方向盤、油門和剎車。
模型（Transformer）是通過海量數(shù)據(jù)訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)。它通過分析駕駛場(chǎng)景數(shù)據(jù)，自行學(xué)習(xí)其中的復(fù)雜規(guī)律，理解并歸納出各種交通狀況的應(yīng)對(duì)策略。在處理未見過的場(chǎng)景時(shí)，模型能夠進(jìn)行泛化推理，做出擬人化的決策。從依靠規(guī)則到由模型驅(qū)動(dòng)，是自動(dòng)駕駛系統(tǒng)演進(jìn)的重要里程碑。
2. BEV+Transformer
特斯拉提出的視覺感知技術(shù)。BEV（Bird's Eye VIew，鳥瞰圖）將車輛多個(gè)攝像頭的 2D 圖像投射到統(tǒng)一的 3D 俯視坐標(biāo)系中，形成 360°的周圍環(huán)境感知。Transformer（模型）被用來將 2D 圖像關(guān)聯(lián)到 3D 的 BEV 空間，并建模遠(yuǎn)距離物體之間的空間關(guān)系。
3. OCC
OCC（Occupancy Network，占用網(wǎng)絡(luò)）是用于 3D 環(huán)境感知的 AI 模型。它將車輛周圍空間劃分為無(wú)數(shù)微小的立方體（體素），通過判斷每個(gè)體素是否被占用識(shí)別物體的存在。這種方法能有效識(shí)別出傳統(tǒng)障礙物清單之外的未知物體，提升了自動(dòng)駕駛系統(tǒng)應(yīng)對(duì)“長(zhǎng)尾問題”的安全冗余和泛化能力。特斯拉在 AI DAY 上提出了 OCC 技術(shù)，此后國(guó)內(nèi)車企跟進(jìn)自研。理想沿用了 OCC 的名字，小鵬命名為 XNet，華為命名為 GOD。
4. 前融合/后融合
兩種多傳感器數(shù)據(jù)融合策略。后融合是早期方案，指激光雷達(dá)、攝像頭等傳感器先各自獨(dú)立識(shí)別目標(biāo)，再將結(jié)果匯總決策。前融合是將不同傳感器的特征合并，再交由 AI 模型進(jìn)行同意識(shí)別。前融合能減少信息損失，做出更準(zhǔn)確的判斷。
5. 激光雷達(dá)/純視覺
自動(dòng)駕駛的兩大感知路線。純視覺路線依賴于攝像頭捕捉到的畫面，像人眼一樣，但對(duì)光照條件有一定要求。激光雷達(dá)路線是在攝像頭之外增加激光雷達(dá)作為補(bǔ)充，激光雷達(dá)能夠通過發(fā)射激光束來精確測(cè)量物體的距離，在黑暗中行駛也不受影響。早期激光雷達(dá)的成本高昂，現(xiàn)在已經(jīng)下降到 200 美元。4D 毫米波雷達(dá)的價(jià)格更低，常被當(dāng)做激光雷達(dá)的“平替”。
特斯拉堅(jiān)決用戶純視覺路線，認(rèn)為激光雷達(dá)和攝像頭的數(shù)據(jù)可能不一致，造成系統(tǒng)決策沖突。理想今年起標(biāo)配激光雷達(dá)，認(rèn)為激光雷達(dá)能實(shí)現(xiàn)更好的主動(dòng)安全功能。小鵬取消了激光雷達(dá)，用攝像頭 +4D 毫米波雷達(dá)代替。華為和蔚來都在其高階方案中搭載激光雷達(dá)，低階方案用純視覺。
6. 有圖/無(wú)圖
早期自動(dòng)駕駛車依賴高精地圖知曉道路結(jié)構(gòu)信息，但高精地圖的采集成本高，且受到地域影響，更新速度慢。“無(wú)圖”方案即不依賴高精地圖的方案，通過車載傳感器的實(shí)時(shí)感知來理解道路場(chǎng)景，泛化能力更強(qiáng)，但對(duì)車輛的感知和決策能力提出了更高要求。
7. FSD
FSD（Full-Self Driving，完全自動(dòng)駕駛）是特斯拉的高階輔助駕駛系統(tǒng)。特斯拉標(biāo)配的輔助駕駛系統(tǒng)名為 Autopilot（AP），僅具備自適應(yīng)巡航、車道保持功能。FSD 在基礎(chǔ)版 AP 之上，增加了包括 NOA、信號(hào)燈識(shí)別、城市道路自動(dòng)轉(zhuǎn)向等在內(nèi)的更全面功能。特斯拉通過 FSD 驗(yàn)證其純視覺技術(shù)路線，并采用“購(gòu)買即買斷”或“訂閱制”的方式向用戶提供。
8. NOA
NOA（Navigate on Autopilot，導(dǎo)航輔助駕駛系統(tǒng)）是融合了導(dǎo)航的高階輔助駕駛功能。車輛可根據(jù)設(shè)定的導(dǎo)航路線行駛，實(shí)現(xiàn)自動(dòng)變道、超車、進(jìn)出匝道等功能。根據(jù)應(yīng)用場(chǎng)景可分為高速 NOA 和城市 NOA，高速路況相對(duì)簡(jiǎn)單，城市道路的交通參與者眾多、場(chǎng)景更為復(fù)雜，因此對(duì)算法的要求更高。
特斯拉率先推出該功能并應(yīng)用于其量產(chǎn)車型。國(guó)內(nèi)車企也推出了相應(yīng)功能，理想延續(xù)了 NOA 的名稱，華為命名為 NCA（Navigation Cruise Assist，智駕領(lǐng)航輔助）；小鵬名為 NGP（Navigation Guided Pilot，智能導(dǎo)航輔助駕駛），蔚來名為 NOP（Navigate on Pilo，領(lǐng)航輔助功能）。
9. 開城
車企將其城市 NOA 功能在某個(gè)城市內(nèi)向用戶開放。早期由于技術(shù)限制，車企往往要派研發(fā)人員到目標(biāo)城市進(jìn)行大量測(cè)試和適配，開城數(shù)量被視作展示技術(shù)實(shí)力的象征。但隨著系統(tǒng)泛化性不斷增強(qiáng)，開城的概念已經(jīng)逐漸淡化。今天頭部車企的輔助駕駛系統(tǒng)已經(jīng)可以覆蓋全國(guó)。
10. OTA
空中升級(jí)技術(shù)（Over-the-Air Technology）通過網(wǎng)絡(luò)對(duì)車輛軟件進(jìn)行遠(yuǎn)程升級(jí)。它徹底改變了汽車的功能迭代方式，使汽車能夠像手機(jī)系統(tǒng)一樣，遠(yuǎn)程修復(fù)軟件漏洞、優(yōu)化現(xiàn)有功能。
11. CNN
CNN（Convolutional Neural Network）是一種專為圖像識(shí)別與目標(biāo)檢測(cè)設(shè)計(jì)的深度學(xué)習(xí)模型，是計(jì)算機(jī)視覺的基石。在自動(dòng)駕駛系統(tǒng)中，CNN 負(fù)責(zé)處理單個(gè)攝像頭的圖像，通過分析來自攝像頭的視頻流，識(shí)別路障、行人、交通標(biāo)志和車道線等重要信息。
12. 端到端
端到端（End to end）即系統(tǒng)接收傳感器信號(hào)后，經(jīng)過思考和決策，直接輸出行駛軌跡，控制方向盤和油門、剎車。特斯拉的 FSD V12 版本首次將端到端技術(shù)應(yīng)用于輔助駕駛系統(tǒng)。它用一個(gè)人工智能模型取代傳統(tǒng)的感知、規(guī)劃、控制三大模塊，避免了信息傳遞損失和人為規(guī)則的限制。
13. 端到端+VLM
理想提出的將端到端模型和 VLM（Vision–Language Model，視覺語(yǔ)言模型）結(jié)合的技術(shù)架構(gòu)。讓端到端模型作為系統(tǒng) 1，VLM 作為系統(tǒng) 2，分別應(yīng)對(duì) 95% 的日常駕駛場(chǎng)景和 5% 的復(fù)雜且未知的駕駛場(chǎng)景。但理想已在 2025 年 3 月將這套雙系統(tǒng)方案切換為 VLA；地平線的 HSD 仍然采用該技術(shù)架構(gòu)。
14. VLA
VLA（Vision-Language-Action，視覺-語(yǔ)言-動(dòng)作模型）是一種將視覺感知、語(yǔ)言理解與物理動(dòng)作控制關(guān)聯(lián)起來的多模態(tài) AI 模型。它通過在海量“圖像-文本-動(dòng)作”數(shù)據(jù)上進(jìn)行協(xié)同訓(xùn)練，使機(jī)器能夠根據(jù)人類的語(yǔ)言指令或?qū)σ曈X場(chǎng)景的深層理解，來執(zhí)行具體的物理動(dòng)作。在自動(dòng)駕駛中，VLA 被寄望于讓車輛不僅能“看到”環(huán)境，還能“理解”場(chǎng)景語(yǔ)義，并做出相應(yīng)的駕駛動(dòng)作。
15. OpenVLA
一個(gè)在 VLA 領(lǐng)域具有影響力的開源項(xiàng)目。由加州大學(xué)伯克利分校、卡內(nèi)基梅隆大學(xué)和麻省理工學(xué)院研究人員共同發(fā)起。該項(xiàng)目提供一個(gè)預(yù)訓(xùn)練好的 VLA 模型給社區(qū)免費(fèi)研究，降低了學(xué)術(shù)界和工業(yè)界研究 VLA 的門檻，加速了該技術(shù)在機(jī)器人、自動(dòng)駕駛等領(lǐng)域的應(yīng)用。
16. 模仿學(xué)習(xí)/強(qiáng)化學(xué)習(xí)
模仿學(xué)習(xí)（Imitation Learning）是讓 AI 通過觀察和模仿專家行為來進(jìn)行學(xué)習(xí)的訓(xùn)練方法。比如通過分析大量人類駕駛員的實(shí)車數(shù)據(jù)，學(xué)習(xí)其駕駛策略和技巧。優(yōu)勢(shì)是能快速學(xué)習(xí)到平滑、安全的駕駛風(fēng)格，局限在于其性能上限受制于示范數(shù)據(jù)的質(zhì)量，難以超越學(xué)習(xí)數(shù)據(jù)的平均水平。
強(qiáng)化學(xué)習(xí)（Reinforcement Learning）是讓 AI 通過與環(huán)境互動(dòng)，通過獲得“獎(jiǎng)勵(lì)”或“懲罰”來自主學(xué)習(xí)最優(yōu)策略的訓(xùn)練方法。它能發(fā)現(xiàn)人類未曾想到的、超越模仿學(xué)習(xí)上限的解決方案。
2016 年，Deepmind 公司使用模仿學(xué)習(xí)和強(qiáng)化學(xué)習(xí)研發(fā)的 AlphaGo 擊敗圍棋冠軍李世石。此后，AlphaGo 的升級(jí)版本 AlphaGo Zero 完全摒棄人類棋譜，使用強(qiáng)化學(xué)習(xí)從零訓(xùn)練，最終戰(zhàn)勝 AlphaGo。
17. 預(yù)訓(xùn)練、后訓(xùn)練、基座模型
預(yù)訓(xùn)練（Pre-training）和后訓(xùn)練（Fine-Tuning）是大模型訓(xùn)練中的兩種核心手段。預(yù)訓(xùn)練是在模型的初始階段使用大量通用數(shù)據(jù)進(jìn)行訓(xùn)練，讓模型學(xué)習(xí)到通用的、基礎(chǔ)的知識(shí)和規(guī)律。經(jīng)過預(yù)訓(xùn)練獲得的大型通用模型被稱作 “基座模型”。
后訓(xùn)練是在預(yù)訓(xùn)練得到基座模型之后，針對(duì)特定的任務(wù)或數(shù)據(jù)進(jìn)行再訓(xùn)練。將模型的通用能力對(duì)應(yīng)到具體的任務(wù)需求，同時(shí)減少幻覺的產(chǎn)生。后訓(xùn)練階段，為了讓模型的行為與人類價(jià)值觀和偏好保持一致的“素質(zhì)教育”階段被稱作對(duì)齊訓(xùn)練（Alignment Training）。
18. 知識(shí)蒸餾
知識(shí)蒸餾（Knowledge Distillation）是一種模型壓縮和遷移技術(shù)，2014 年由“深度學(xué)習(xí)教父”Geoffrey Hinton、DeepMind 研究和深度學(xué)習(xí)負(fù)責(zé)人副總裁 Oriol Vinyals 和 DeepMind 首席科學(xué)家 Jeff Dean 提出。其核心思想是將一個(gè)龐大、復(fù)雜但性能優(yōu)異的“教師模型”中所蘊(yùn)含的知識(shí)，轉(zhuǎn)移到一個(gè)更小、更高效的“學(xué)生模型”中。
在自動(dòng)駕駛行業(yè)，小鵬、理想的 VLA 模型都引入了這一技術(shù)，先在云端訓(xùn)練超大參數(shù)模型，然后蒸餾為一個(gè)較小的模型，在車端部署。其公布的云端模型參數(shù)量分別為 72B、32B。
19. 云端算力/車端算力
云端算力指企業(yè)在數(shù)據(jù)中心構(gòu)建的計(jì)算集群的算力，主要用于“訓(xùn)練”AI 大模型，處理海量數(shù)據(jù)，強(qiáng)調(diào)并行計(jì)算能力。小鵬宣布其云端算力規(guī)模為 10 EFlops，理想為 13 EFlops。
車端算力指車上搭載的計(jì)算芯片的算力，負(fù)責(zé)在車端即時(shí)處理傳感器數(shù)據(jù)、運(yùn)行算法模型，強(qiáng)調(diào)低延遲和高可靠性。
20. Dojo
特斯拉構(gòu)建的專門用于 AI 訓(xùn)練的超級(jí)計(jì)算機(jī)。其核心是特斯拉自研的 D1 芯片，2023 年 7 月正式投產(chǎn)。但由于效率、穩(wěn)定性、開發(fā)生態(tài)不及英偉達(dá) Cuda 等原因，特斯拉 2024 年轉(zhuǎn)向外購(gòu)芯片為主。2025 年，特斯拉計(jì)劃花費(fèi)約 30 億至 40 億美元購(gòu)買英偉達(dá)的 H100 等硬件。
21. LLM
LLM（Large Language Model，大語(yǔ)言模型）是一種基于 Transformer 架構(gòu)、在海量文本數(shù)據(jù)上訓(xùn)練出來的 AI 模型，擁有強(qiáng)大的語(yǔ)言理解、生成和推理能力。小鵬和理想的基座模型均基于開源的 LLM 模型訓(xùn)練而成。
22. 世界模型
世界模型（World Model）是一種讓智能體在其內(nèi)部對(duì)真實(shí)世界的動(dòng)態(tài)規(guī)律進(jìn)行建模和模擬的模型。世界模型被認(rèn)為可以學(xué)會(huì)理解環(huán)境的物理規(guī)則和因果關(guān)系，從而預(yù)測(cè)未來可能發(fā)生的狀態(tài)序列。
在自動(dòng)駕駛行業(yè)，特斯拉率先應(yīng)用世界模型輔助系統(tǒng)訓(xùn)練，理想用世界模型進(jìn)行仿真和測(cè)試，蔚來和華為將世界模型應(yīng)用到車端，試圖通過世界模型推演周圍交通參與者未來的可能軌跡，實(shí)現(xiàn)更具前瞻性的擬人化駕駛。蔚來將其系統(tǒng)命名為 NWM（NIO World Model），華為的系統(tǒng)名為 WEWA（World Engine–World Action）。
本文來自微信公眾號(hào)：云見 Insight，作者：王海璐、倪萍