北京
對于有能力研發駕駛輔助大模型的車企來說，智駕相關的技術一直都是壓箱底的“寶貝”，默認以閉源模式構筑護城河。然而就在近期，小米汽車正式開源了OneVL一步式潛空間語言視覺推理框架。這背后，是怎樣的戰略布局？
編輯：黃忻惟
0.24秒決策，OneVL的表現快又準
根據小米官方數據，OneVL的成績確實硬核：推理延遲最低0.24秒，僅為傳統方案的5.4%，快了18.5倍；在三個主流權威基準測試中全部取得 "潛空間推理模型" 類別中的 SOTA（全球最佳性能） 表現；在NAVSIM規劃基準上得分88.84，首次超越顯式思維鏈方案。這個反應延遲意味著，當車輛以120km/h行駛時，僅前進8 米即可對路況進行反應，大幅提升了容錯率與安全性。
OneVL的核心思路，是讓 AI 將所有思考一次性并行完成，從而在極短時間內完成高質量的駕駛決策。這款大模型，把"看到的"和"想說的"壓縮成兩種token一起處理，視覺的負責物理因果感知，語言的負責駕駛語義理解，形成完整的"內心獨白"。其訓練 - 推理解耦設計，能夠在訓練時用兩個解碼器分別預測未來畫面和重建思維鏈，但在推理時全部移除，實現零額外開銷、能力內化。
極低延遲為量產車端實時部署提供了可行路徑。過去的端到端模型存在兩難：跑在云端則延遲高、依賴網絡；部署在端側則需大幅閹割，導致精度下降。OneVL 的技術路線融合兩者優勢，使架構效率大幅提升，以極低延遲完成端到端高質量自動駕駛決策。更重要的是，開源讓它不是小米獨占的推理框架，而是變成了整個行業可以共同迭代的技術底座。
小米汽車為何打出開源牌？
小米為什么要把核心技術開源？開源不是放棄優勢，而是把比賽拉到了自己更擅長的賽道上。
首先需要指出，OneVL仍處于學術驗證階段，距離真正開車上路還有很長的路要走。它并非完整的智駕系統，目前僅在“視覺理解—隱式推理—軌跡預測”這一核心環節實現技術突破。
一個真正能量產的智駕系統，是一套龐大精密的工程體系。從傳感器的物理安裝與多源標定，到多傳感器數據的深度融合，再到完整的BEV感知棧構建、路徑規劃與車輛控制執行、極端場景下的安全冗余設計，以及海量數據挖掘與車隊OTA閉環——這些環節，OneVL都尚未覆蓋。它目前輸出的只是未來軌跡點，要將這些軌跡點變成車輛方向盤和剎車的安全指令，還需要規劃控制、安全冗余等多個模塊協同工作，以及與車規級芯片的深度適配優化。
看清這一點，反而更能理解小米開源背后的戰略考量——拼生態和迭代速度，不僅通過開源撬動整個行業的智慧，還能夠搶先爭奪標準制定權。
而從行業受益的角度來講，開源OneVL，相當于降低了完成智駕研發的門檻。過去，一個車企要自研端到端大模型，至少需要幾百人的算法團隊、上億的算力投入、兩到三年的研發周期。現在，任何車企都可以基于OneVL做二次開發，研發周期與成本都可大幅縮短。
智駕能力被加速研發普及，削弱了頭部車企的護城河，變成了所有玩家都能擁有的基礎能力。當技術不再是壁壘，真正的競爭就轉向了數據、工程化能力和用戶體驗。而這些領域，恰恰是小米的優勢所在。
決定開源最終走向的關鍵變量
技術層面的突破已經足夠清晰。但OneVL開源最終能產生多大影響，取決于兩個關鍵變量。
第一，社區生態能否真正建立起來。開源不等于生態。舉例來說，Linux之所以成功，不是因為代碼免費，而是因為全世界的開發者都在為它貢獻代碼。小米能否吸引到足夠多的車企、Tier1，甚至高校和獨立開發者參與到OneVL的迭代中，是最重要的變量。
第二，車企是否愿意采用。自動駕駛涉及安全，任何一個決策失誤都可能造成嚴重后果。對于其他車企來說，用開源的智駕模型意味著把最核心的行駛安全交由別人掌控——而且這個"別人"還是直接的競爭對手。車企的信任度和接受程度，將決定OneVL的普及速度。
小米開源OneVL ，打破了自動駕駛領域 “閉門造車” 的傳統格局。這是一次將行業競爭從“技術壁壘”引向“生態共建”的嘗試。生態與接受度的綜合結果，將在很大程度上決定OneVL能否真正成為改變行業的里程碑。
牟經理
82194940/15801346927
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
