2025飆車大賞：國內輔助駕駛，誰在裸奔，誰在領跑？

輔助駕駛（智駕）已經成為現在的標配，首先必須明確一個認知：輔助駕駛目前僅僅是輔助駕駛，絕不能代替人類開車。 那么在目前狀態下，輔助駕駛究竟誰行誰不行呢？各種路線、方案是什么情況？特斯拉到底是不是國內慫包、國外無敵呢？今天就來聊一聊！

兩種硬件技術路線

目前市面上的智駕方案根據硬件架構和對地圖的依賴程度，分為兩大技術派系。

1. 融合感知：以華為ADS為代表。它們通過激光雷達、毫米波雷達與攝像頭的冗余配合，為系統提供一層“物理護盾”。

在黑夜、大雨或強光逆光等視覺容易“致盲”的極端環境下，激光雷達提供的厘米級三維測距能守住安全下限。

2. 純視覺：以特斯拉FSD以及小鵬最新的“鷹眼”方案為代表。這一流派主張完全模仿人類雙眼，通過海量數據訓練神經網絡來“腦補”深度信息。

雖然這種方案在硬件成本上更低，且因為具備極高的語義捕捉潛力（讀懂路牌、交警手勢）而被認為擁有更高的技術上限（上限指的不是安全，而是信息密度）；但安全下限的保障極度依賴于云端數據計算中心的規模化訓練與海量數據的實時閉環。

小鵬VLA模型是什么？

在智駕大模型領域，目前形成了兩條邏輯截然不同的進化路徑，物理直覺WA（World Action）和認知推理VLA（Vision-Language-Action）。

小鵬、理想為代表的一些品牌，使用的就是VLA大模型，路徑非常簡單，模型計算中心會實時標定視頻每一幀畫面中出現的內容信息，然后將畫面轉換成文字描述，模型會根據文字描述生成下一步指令，最后將指令下發到車輛電腦，完成車輛的動作操作。

VLA的最大好處是大模型不需要告訴車具體怎么躲，無需做人工標定，而是讓車學會自主思考，完成一系列動作。這是一個厚積薄發的過程，雖然起步極難，但一旦“開竅”，表現將遠超人類。

VLA最大的問題是不依賴于云端模型數據規模量和質量，而且必須依賴更強大的車機硬件芯片，以及絕對低延時的網絡通訊狀態，因為海量視頻數據都需要轉換成文字描述信息，一旦硬件運算能力不足，網絡延時高，那么車輛動作就會滯后。要知道，高速行駛的汽車，每一秒的誤判都會造成重大交通事故，是對生命的嚴峻挑戰！

這就是為什么理想、小鵬，不僅要放棄低效率的英偉達，采用自研運算芯片，而且還要對VLA進行本地大模型部署，就是為了降低對網絡通訊的高度依賴。

特斯拉與華為，是一套模型？

華為一直認為VLA方案是“投機取巧”，因為圖像轉換文字描述的過程中，不僅多了一道運算，而且必然會有細節信息的遺漏，造成不可估計的后果。

華為認為開車應是“肌肉記憶”，追求極速物理反應，所以需要省去了語言中介。所以從ASD4.0開始，華為直接宣布絕不走VLA路線，而是堅持 WA（World Action）物理直覺，世界行為模型。這就是馬斯克所說的“第一性原理”，所以特斯拉FSD也是WA模型，當然還包括蔚來。

簡單來說，WA模型更像是黑盒操作，模型的學習過程叫 “自監督學習” (Self-supervised Learning)，主要是玩“預測未來”的游戲，沒有動作指令的專有代碼行。核心步驟有三：

第一步：看電影。把海量的駕駛視頻，喂給云端超算。

第二步：做填空。AI會遮住視頻的下一幀，然后自己猜：“根據現在的路況，下一秒前車會往哪走？我的車該在哪？”

第三步：對答案。AI把自己猜的結果和真實的下一幀視頻對比。如果猜錯了（比如它覺得應該加速，但視頻里老司機剎車了），它就自動調整自己內部的神經元權重。

這就是“學習”的過程： 循環往復幾億次后，它就掌握了物理世界的運行規律。這就不再需要工程師去標定參數，而是AI在大數據中自動找到了最優參數。

為了防止模型不會學壞，只能變成“老司機”，AI會自動選擇那些駕駛分高、沒有事故、動作平順的“老司機”視頻作為教科書，也就是“黃金樣本”。如果視頻里出現了急剎車、碰撞或人工接管，AI 會標記為“負面樣本”，避免學習。

此外華為和特斯拉一樣，都是通過模型蒸餾出一個子模型，直接OTA到車機系統中，出生就是滿級選手，不需要后天的系統學習，并且完全是本地部署，本地響應，可以完全擺脫對于網絡的依賴。

另外，華為和特斯拉一樣，都會在后臺另外部署一套備份安全系統。華為叫做CAS4.0，如果AI判斷失誤，那么CAS4.0系統讀取雷達信息物理級別糾錯，避免碰撞風險。特斯拉則是使用雙AI芯片，使用另外一顆AI芯片監督正在工作的AI芯片，是否出現判斷錯誤。

總之，WA的“學習”本質上是從“邏輯驅動”變成了“數據驅動”。華為和特斯拉之所以強，不是因為他們工程師寫代碼快，而是因為他們家里的“算力中心”大、喂給 AI 的“高質量視頻”多。

到底行不行！

說了半天，那么目前市場上已知的這些智能輔助駕駛技術，到底行不行！

1.華為智駕：就目前來看，老練且領先，華為依然是目前頂級的存在，“端到端”不僅是口號，更體現在極高的博弈上限和系統穩定性。憑借雄厚的經濟實力和“堆人、堆算力”的狀態，華為實現了感知與規控的深度閉環。它的智駕在窄路博弈、復雜環島等場景下的表現最為穩健，是目前公認的第一梯隊。

2.小鵬：小鵬正在經歷從“融合感知”向“純視覺”的劇變。雖然取消了激光雷達，但憑借在 VLA 大模型上的厚積薄發，小鵬在處理城市復雜路口、長尾場景時的智能化程度正迅速提升。它證明了通過正確的方向選擇，可以拋棄冗余硬件，實現更高效的智能。

3.比亞迪：雖然比亞迪車賣得便宜、銷量高，但在高階智駕算法上仍有很長的路要走。比亞迪需要在產品研發和算法迭代上投入更多精力，才能跟上腳步。

4.特斯拉：與華為一樣，都是WA模型方案。雖然特斯拉在國外表現驚人，但因為中國市場受限于數據出境、地圖法規等客觀環境，FSD的實際體驗與國內頭部梯隊相比有不小的差距。在沒有針對中國路況進行本土化打磨之前，6.4萬元的FSD選裝包在現階段性價比不高。

總結

現階段智駕是輔助而非替代，責任始終在人，切勿以命試險。由于多種模型方案，多種技術路線并行發展，使得目前智駕正經歷智能手機初期的“參差不齊”，隨著算力的增強與技術的成熟，L3/L4 級的輔助駕駛終將像手機一樣普惠大眾，成為汽車的基礎配置。