更深刻了解汽車產業變革

出品： 電動星球

作者：蟹老板本人

6 月 18 日下午，端午節前一天，蔚來開啟了自己世界模型全新版本的推送。

這次全新版本，內部的代號，是世界模型 2.5。當然，并沒有對外說，因為邏輯上，它同樣算是 2 代。而第三代，內部的消息是，下半年？

這個 NWM 2.5 版本，最特別的地方有兩個：

1、升級了全新的架構，來到完整的「世界模型+監督微調+閉環強化學習」三層訓練框架。然后，在國內首次實現了「智能輔助駕駛直出方向盤和加減速踏板操作信號，而不再是輸出采樣軌跡」。

最后這句話，我之所以寫出來，是因為它比較重要。

第一，明確了是「國內首次」、端到端的運動學建模方式；

第二，是這樣做，會帶來更短的路徑、更低的時延，進而在體驗上更加擬人，因為控車會更細膩與精準。

官方說法是：「這是下一代智能輔助駕駛系統底層的控制基礎。」

2、同時向 70 萬的蔚來用戶提供升級，而且是跨平臺、跨車型給出推送的。

簡單理解，就是蔚來四年前開啟交付的 NT2.0 車型，譬如 22 年交付 ET7，也會上這個新版本。

官方說法是：「實現了蔚來世界模型跨平臺、跨車型無需重訓或微調的‘一腦多用’」。

在我的記憶中，這樣大的規模以及這樣的跨平臺、跨車型推送，同樣也是國內首次。如果還有別家已經做過了，歡迎大家指出。

新版本的推送，從 6 月 18 日的上午十點左右開始。陸陸續續的，在各個蔚來的粉絲群中，用戶的反饋開始出現了。

到了 6 月 19 日下午，我們觀察到的反饋，大體都是正向的。當然，也有挑毛病的、吐槽、認為也就這樣的。但大比例上，正如我們自己蔚來群內車主的發言：「開始發酵了，所有的蔚來群都在夸新版智駕。」

同時也看到有人曬出群的聊天記錄，有句話，挺扎心：感覺欠少卿一個道歉了。@ 柳笛6D 在微博中也曬出車主跟他對話時夸贊新版本的截圖。

而將時間拉回到 6 月 17 日的北京中關村 NIOHouse，蔚來的智駕系統工程能力媒體溝通會。任少卿帶著團隊負責產品、工程的兩位博士佘曉麗、林偉，從傳感器講起、從芯片講起、從自研的編譯器講起，包括最后的媒體答疑，站在臺上整整兩個半小時。

看著高強度輸出后、在答疑環節又開始抽鼻子的任少卿，突然有句話「涌現」了出來：任少卿的瞭望與堅持，終于讓蔚來等來了智駕勝利的希望。

當然，今天的這篇文章，正如我五個月之前那篇聊算法的，或許同樣會比較枯燥。

所以，預個警，慎入。只是，就我個人而言，覺得這樣的記錄是有價值的，所以盡可能按照個人理解做了全記錄，也希望對大家有所幫助。

現在開始。

本周專屬福利： 公眾號 后臺回復 【摸魚 】

免費抽取現金紅包和禮品！

蔚來的瞭望

先從 ET7 說起吧，因為這一點在最后還會聊到，算是開頭的草蛇灰線。

這臺車，是 2021 年 1 月在 NIO Day上發布的。不清楚還有多少人還記得它出來時的爭議，以及被嘲笑的情況。

頭上長犄角！想起來了嗎？這臺車開啟了中國智能駕駛在設計上的一個先河——瞭望塔式激光雷達。但剛出來的時候，卻并不是這樣。

「你怎么敢做這件事？」任少卿在溝通會再次說起了當年。

因為從激光雷達的布局角度，當時行業有三個選擇：

1、放保險杠，不影響外觀，最穩妥；

2、放座艙內，有性能損失和玻璃成本問題；

3、放車頂，性能最好、維修成本最低，但挑戰造型。

而蔚來的選擇，是放在車頂了。任少卿說，當時內部的爭論其實比外部更加激烈。而最終，是李斌拍了板。

任少卿回憶到，當時李斌說，如果他們認為技術路線，就是會往這個方向走，以及這樣一種方式就是對于性能最好的方式，

「無論對于設計的同事，還是對于 AD 的同事來說，這是一個機會讓大家能去開拓一個之前沒有做過的領域，能去真正在設計的角度去引領全球的機會。因為汽車工業這么多年，其實想做一個突破性的設計，是非常非常難的。」

六年后，任少卿說，這件事對他觸動極大——當時他加入蔚來不過兩三個月。

「當我們決定一件事情是對的，我們看到一件事情接下來 5 年 10 年的發展方向的時候，即使它今天有一些問題，即使它今天有一些沖突，我們也應該去做，然后時間會證明一切。」

到現在，正如大家所看到的那樣。不僅這樣的瞭望塔激光雷達布局，已經成為全行業的標準配置；甚至，還有「假」的，明明沒有激光雷達，也非要瞭望下——知道的，可以在評論區留個言。

當然，ET7 上在當時受到爭議的，不止是激光雷達的布局，還有 4 顆英偉達 Orin 芯片的上車。

當時，全行業都在用 2 顆，蔚來為啥要用 4 顆——能力不夠？所以「堆料」？

這樣的質疑，哪怕到了 2023 年，蔚來已經開始談群體智能，也依然大量存在，依然并不是那么被認可。

甚至這樣的硬件預埋，不只是激光雷達和芯片，還包括攝像頭。

在 NT2.0 的的車型上，譬如 ET7 上，蔚來是用了 7 顆 800 萬像素的攝像頭。當時的主流其實是更低像素的方案，800 萬像素的攝像頭「第一個是價格會貴，第二個是數據處理的難度其實也更大」，內部同樣有阻力。

任少卿說，當時他們的判斷是，高速領航只是第一步，后面一定會進入城區。城區場景里，路邊的紅綠燈、遠處的標識、旁邊車道偏一些的細節，都需要更高像素的傳感器去捕捉。

「現在我們就認為說，隨著這個行業的發展，大家對于傳感器的質量和分辨率會有根本性的要求。」

所以，他們當時的選擇，在攝像頭也是「先把硬件鋪到位，等著功能追上來」。

而這背后的思考邏輯，其實不是堆料，而是如何確保用戶體驗！

一句話總結，就是他們在當時就想清楚了，這是一張要保證 5 到 10 年用戶體驗、必須要付出的賬單。只是在 2021 年，多數人算的是眼前的賬，以及短期內把車賣出去。

「車從硬件的角度來說，它就是一個 5 年 10 年的事情」，任少卿說，「現在的智能電動汽車，它把機械的部分和電子的部分放在一起，那就產生了一個矛盾——我們怎么能讓電子件被大家使用的時間更長？」

他的方案是：「希望它能堅持兩代以上。」

是的，兩代以上，這也是為何當下的這個全新版本，能支持四年前交付的 ET7 的根本原因。

而在商業上與之相匹配的，則是蔚來智駕一開始就是采用了訂閱制的付費方式。

從任少卿的講述來看，要讓一臺車能堅持兩代以上的智能駕駛好的體驗，要滿足三個前提。

1、硬件就必須當初預埋足夠的冗余；

2、車必須在更長生命周期里持續獲得新版本；

3、在商業上也要確保這樣的持續投入能得到應有的回報。

只不過，有的人只是說說而言，而蔚來與任少卿真得是這樣想，也真這樣做了。

任少卿的代價

但任何事情，一旦有長遠的計劃和行動，往往都會遭遇挑戰與質疑。

蔚來也不例外，任少卿和他的團隊更一度首當其沖。

譬如，從 2023 年到 2025 年底這兩年多，他們就很難受。

當時，華為已經喊出了「全國都能開」，小鵬在講端到端，理想以「車位到車位」全量推送引領了一波潮流，接著掀起了 VLM、VLA 的浪潮。

而蔚來——直到 2023 年 4 月才開啟全域領航輔助 NOP+ 的全量推送。用戶群里在問「蔚來智駕還行不行」，外部討論中「掉隊」是高頻詞。

關于任少卿的傳言也罷、謠言也罷，自然接踵而至。

2024 年中，外界傳出蔚來智駕部門組織架構調整的消息。端到端轉型內部推進不順利，部門壁壘、利益沖突——這些都是后來公開報道里寫過的東西。

在上周的溝通會上，任少卿沒有展開講那段時期的具體沖突。他只說了結果：團隊經歷了幾個月的「痛苦期」——從一個高度流水線化的狀態，變成一個有更多創新空間的組織。

而之所以能完成這樣的轉變，源自任少卿當時的一個關鍵判斷。

任少卿說，一個技術的發展分四個階段：第一階段，目標和評判標準都不清楚。第二階段，知道往哪走、知道怎么評判，但技術路線沒收斂——存在彎道超車的可能。第三階段，路線收斂，拼資源、拼投入。第四階段，性能提升進入晚期，拼產品和體驗細節。

就智能駕駛而言，此前中國的智駕在 2020 年前后看似已經進入了第三階段——大家都是 BEV 加 Transformer 加占用網絡，拼的是誰的工程師多、測試車多、訓練算力大。

但「從 23 年的角度來說，我們認為這個事情又回到了第二階段。它又退回到第二階段，可以開始用更新的技術創新來去解決問題，來去產生差異化。」

這就是世界模型路線的起點。

2023 年底，蔚來內部開始研發世界模型。而當時行業的討論焦點是端到端，是門到門、全國都能開、全國都好開，是端到端 +VLM，乃至接下來的 VLA 等等…….

任少卿說，那時候想得比較簡單：「我們希望第一個模型它能用一個自監督的方式去做訓練，不需要再去標這么多的數據。第二個，我們希望它能變成一個多模態多模混合的統一網絡。」

但選擇，總是要有代價的——在 24 年到 25 年的這兩年間，隨著體驗上的落后，蔚來、蔚來的智駕團隊、任少卿承受了巨大的壓力與罵名。

這樣壓力與罵名不僅來自外部，同樣來自內部。甚至在世界模型 1.0 版本推送（2025 年 5 月）后，還達到了高峰！部分鐵粉甚至公開表達了絕望。

直至 2026 年 1 月，世界模型 2.0 開啟推送，蔚來在行業內首次將閉環強化學習完整應用于智駕研發并實現大規模跑通。用戶開始感受到了向好的變化。

而這一次的最新版本，架構升級為「世界模型+監督微調+閉環強化學習」三層訓練框架后，雖然也有吐槽的聲音，但好評開始大規模出現。

在中關村的 NIOHouse，有媒體問任少卿，怎么看待過去這一兩年來關于他離職的傳言？

任少卿笑了笑，然后來了一句：那些傳我離職的人已經離職了。

編譯器、帶寬和算力池

回過頭來看，這也是為什么任少卿愿意、或者蔚來傳播團隊要在 6 月 18 日搞一場溝通會的原因。在用戶體驗開始有把握了、全行業開始聚焦在世界模型技術路線后，終于才可以講一講自己的核心思考和布局了。否則，就會成為空談。

而與 1 月份聊算法不同，任少卿這一次更偏向于說硬件、談工程、聊底座。最關鍵，其實也就是三件事。

第一件事，自研 AI 編譯器。2020 年起步。

在任少卿決定做自研 AI 編譯器的時，行業的通行做法是用英偉達的通用工具鏈。每一層神經網絡算子，都需要工程師手寫優化代碼。算法每改一次，工程團隊就得跟在后面加班重寫。

任少卿形容那個畫面：「一個算法工程師在前面改得很開心，后面一堆工程的兄弟跑斷腿。」

而當任少卿加入蔚來后，決定開始自研了編譯器，希望實現算子自動優化和多層聯合優化。

直接結果：新模型算子開發周期從 1 到 2 周縮短到 1 到 2 天，推理性能提升 20% 以上。模型從量化到上車，從以天計壓縮到 2 小時以內。

在媒體提問環節，蔚來智駕研發產品系統負責人佘曉麗講了一個小故事。

她說自己當年從華為跳槽過來時，發現蔚來沒有一個傳統意義上的「算子優化團隊」，取而代之的是一個她當時看不懂的 AI 編譯器團隊。

她很直白的表揚：「我對少卿的技術崇拜不是從算法開始的，是從這個部門的設置開始的。」

而到了 2023 年、2024 年，行業才陸續開始談論自研編譯器——「這不是咱們 2020 年就干完的事嗎？」佘曉麗說。

第二件事，芯片內存帶寬。2022 年下的判斷。

那一年英偉達 Orin 剛量產，Transformer 架構還沒在智駕領域變成共識。

任少卿說，當時他們內部做推演：下一代神經網絡大概率會從 CNN 為主轉向 Transformer 為主。兩者的關鍵差異不在計算量——在內存帶寬。Transformer 對內存帶寬的要求是 CNN 的「8 到 70 倍」。

「我們覺得它還是會往純 Transformer 的方向去走」，任少卿說。基于這個假設，蔚來在設計自研神璣芯片時，「部署了超過 500G 的內存帶寬」。這個數字到今天仍然是行業旗艦芯片的兩倍左右。

他在溝通會現場做了一個翻譯。用語言模型來類比：一個 7B 參數的模型，30Hz 推理、每次輸出 5 個 token——在理想情況下需要的內存帶寬剛好約 500GB/s。

「在我們的芯片上，為了去支持后面更多的更強的更大的智駕模型，帶寬的部署是非常有必要的。」

2022 年做的判斷，2025 年神璣量產的時候，Transformer 已經是智駕架構的絕對主流。

第三件事，數據體系。核心是一張圖。

任少卿在溝通會上畫了一條藍線：橫軸是數據量，縱軸是性能指標。

任少卿說，這張圖想要表達的，是性能每提升 3 個點，需要的數據量要翻 10 倍。提升 6 個點，數據要翻 100 倍。提升 18 個點，數據要翻 100 萬倍。

「這是一個好事，好事的意思就是說，反正你給他喂數據，他大概是能提升。但是壞處的意思就是，你的錢包受不了。」

蔚來的解法是群體智能驗證系統。核心思路一句話：用幾十萬臺量產車替代幾百臺測試車。每一臺 NT2 和 NT3 的車，空閑算力都可被調度去跑待驗證版本的仿真測試，去撈那些測試車開一年也碰不到幾次的 corner case。

效率上：主動安全每個月在群體智能里驗證超過 4000 萬公里。跨平臺驗證——四個平臺共用一套系統——驗證效率是各平臺單獨驗證的 2.4 倍。

任少卿說，數據體系的本質「不是拷貝，是算力」。

因為真正有意義的數據不是原始采集的視頻，而是針對一個具體模型的 corner case——要找到它，必須在車端不斷跑模型、不斷篩選。所以他稱之為「車端算力調度體系」。

這三件事最后指向一個方向：底座！只有把底座建好了，才能在過去三五年、技術路線不斷迭代的情況下，借助全新的算法架構，也才能做完驗證并發現正確的算法架構。

打通直出

關于智能駕駛的算法，此前在 1 月份，任少卿曾用一個三層框架來描述：

Code 1.0 是規則：寫死邏輯，遇到問題添規則。

Code 2.0 是數據：用模型把規則壓進參數，通過真實駕駛數據學習。

Code 3.0 是強化學習：不再是「遇到問題添加數據」，而是「遇到問題我給你打分」——構建仿真環境，設定目標線，成功越過給獎勵，壓實線扣兩分。模型自己找到最優解。

這就是世界模型要走的路。

而端午節前發的全新版本，正如開頭所言，從技術角度來看，最關鍵的是在國內首次實現了智駕「直出方向盤和加減速踏板操作信號，而不再是輸出采樣軌跡」——端到端的運動學建模，路徑更短、延遲更低。

而接下來，蔚來還能做什么？

任少卿的答案是：跟底盤域打通。

任少卿說的「打通」，不只是兩個域之間多傳幾個信號。底盤域和智駕域如果走傳統網關轉發，中間至少多一兩層延遲疊加。但要把懸架的實時狀態、轉向當前角度、制動系統的壓力值直接喂進智駕的規劃控制回路里，就必須讓兩個域在數據面上壓平——不是事后「通知」，是實時「同頻」。

這一步能做，前提是底盤和智駕兩邊都自研。供應商方案里，底盤控制器的接口封閉，智駕拿到的往往是經過包裝的間接信號，控制鏈路上天然多了一層翻譯。

所以任少卿說，下一步要把底盤域的打通做完，「把我們在底盤上自研的優勢和智駕上自研的優勢拼起來，最終產生一個對智駕控制里面最小的延遲」——不是多了一個功能，而是少了一層翻譯。少了翻譯，就少了延遲。

回過頭來看，這一點，其實@ AD我是牛梅梅在 5 月 29 日就已經劇透了。

當時，在回應一位博主質疑時，蔚來的@ AD我是牛梅梅說了三個關鍵點：

1、現在模型的輸出不再是從軌跡「翻譯」到轉向與加減速踏板操作，但是轉向與加減速踏板操作的輸出可以形成一個軌跡。也就是說，以前的軌跡是過程，現在的軌跡是結果，模型輸出操控信號和軌跡兜底之間并不沖突。

2、蔚來自研的智能底盤對上層控制有通用的接口，NWM 輸出的信號經統一的接口給到整車應用軟件，智能底盤系統來做不同車型的底盤及整車適配。這也是我們全棧自研、全域打通的好處，各部門之間在統一的數字架構和整車全域操作系統下「施工」，相互之間的「交流」沒有障礙。

以及，最為重要的第三點：「現在是跨過軌跡、直出操作，那后期我們還會做更加底層的輸出嗎？誰知道呢[doge]」

而從我們得知的消息來看，今年下半年，蔚來世界模型還會有一個大的版本迭代。

四年車最新的版本

文章寫到最后，聊一聊媒體提問環節的問答。

只聊兩個。

一個是世界模型和 VLA 的路線之爭。

有媒體在現場直接問。任少卿承認 VLA 的優勢在于「短期效果明顯、與大語言模型生態協同度高」，但他也直言 VLA 是一種「小路」，「距離理想中將絕大多數真實世界數據都轉化為模型能力還差得很遠」。

第二，則是問 FSD 入華。

他說：「這對于整個中國公司對于本身的技術的理性性的判斷和自信，是有好處的…國內（展現出來）的能力證明，其實我們跟世界最好的也是能掰手腕的。」

溝通會中，任少卿有一個很有意思的表達，甚至說完他自己也笑了笑。

大概意思是，他現在開的還是 NT2 的 ET7。但是，「對一個到現在已經 4 年多的車，我覺得還能用上最好的軟件，對我來說覺得是值得的。」

或許任少卿也有感概，多年的堅持，終于在今天等到了初步的肯定。無論是傳感器、芯片、還是編譯器、數據體系、世界模型，所有這些加在一起，最終都要回答一個問題：值不值得。

蔚來這一次的 70 萬用戶同步升級、4 年前的 ET7 車主也在列——這就是值得。

所以任少卿在蔚來 App 內發的全新版本開啟推送的推文，第一行就是：「最早四年前買車的用戶也能享受到最新、最先進的技術成果。」

這或許是他不吐不快的話！但把時間拉回 4 年前——ET7 剛發布時，車頂的激光雷達被截成表情包，4 顆 Orin 被反復算「值不值」，世界模型被質疑「畫餅」。

今天，瞭望塔成為智能駕駛的標志性設計、世界模型成為了主流算法、4 年老車收到最新版本。

任少卿說：「當我們決定一件事情是對的，即使今天有一些問題、有一些沖突，我們也應該去做，然后時間會證明一切。」

而在當下，關于這個全新版本，在許多的認可當中，確然也能看到許多的吐槽。因而，標題中我們寫的是，等到了勝利的希望。

且看，等時間會證明一切！

（完）