开yun体育网

想象一下这么的通俗：你坐进驾驶座，办法地已在云表同步。车辆自主驶出地库，流畅汇入晚岑岭车流。当路边遽然冲出一个骑自行车的行东说念主，车身赶快微调标的、轻点刹车，提前半秒遁入险情。

更细节一些：车辆搭载的智能驾驶赞助系统能通过说念路上的抓续动态，接头前哨路面的风险，诊治车速和底盘姿态。

这一切，不再只是智驾模子通过感知当下而作念出的举止，而是基于对物理寰宇的深度推演。让智能驾驶领有这种"预判与推演"技艺的中枢，恰是寰宇模子。

它通过超大界限交融多模态数据，包括数百万公里果真路况、仿真场景与交通轨则，构建出一个动态、可推理的数字化交通寰宇。车辆不再只是"看到"禁绝物，更能磋磨"为什么"。

（图源：华为官网）

浅薄来说，寰宇模子让车领有了"预判的脑子"，而不单是"响应的眼睛"。这一技艺，正迟缓落地成为现实。

本年 4 月，华为乾崑推出了全新升级的 ADS 4 系统，记号着高阶赞助驾驶干涉全新阶段。它背后依托的，恰是华为乾崑自研的 WEWA 架构（World Engine & World Behavior Architecture）：包含云表的寰宇引擎（WE）与车端的寰宇举止模子（WA）。其中 WE 崇拜海量数据检会与场景生成，WA 则终了车端的及时环境推理与拟东说念主化决策。

不独华为，在 2025 年，包括小鹏、商汤等在内的科技公司，皆已将寰宇模子视为终了自动驾驶的必经之路。

本年 9 月，华为乾崑智驾 ADS 4 将不时上车。此次大界限上车的背后，寰宇模子量产上车风潮有望再起，智能驾驶中枢逻辑正发生篡改：系统不再只是学习东说念主类驾驶举止，而是运行磋磨物理礼貌自己。

自动驾驶的贪图，不再只是学习"东说念主类如何作念"，而是运行念念考"如何作念更好"，让驾驶更安全。

端到端之后，智驾寻找"寰宇模子"

从依赖算力、轨则驱动，到引入端到端模子，智能驾驶时刻演进于今，一些根底挑战仍未透顶经管。

2024 年，在特斯拉时刻阶梯的催化与主机厂"无图开城"讲和不时扫尾之后，行业赶快调转标的，集体驶向"端到端"。但越来越多玩家坚忍到，传统的端到端模子并非好意思满解药——它相配依赖高质地、大界限的果真驾驶数据去作念举止"克隆"，本质上是在"效法东说念主"，而非信得过磋磨物理寰宇或终了理会越过。

例如来讲，现实说念路上淌若 90% 的司机在复杂路口取舍刹车不雅望，仅有 10% 粗略流流通过，这时辰智驾系统更可能学会的是"保守泊车"而非"精确决策"。它不分袂举止对错，只效法概率分散；不追求最优解，只拟合常态。

检会这么一个模子，你很难指望它当然"学"成顶尖高东说念主，更可能的后果是开得越来越像一个"平均水平的司机"——游移、保守，以致秉承了东说念主类驾驶举止中总共的常见劣势。

在东说念主工智能界限，端到端模子符合典型的 Scaling Law（界限律例）特质：模子性能随数据量、参数界限和算力增长而提高，且尚未见顶。数据越多、模子越大、算力越强，它的驾驶进展就越拟东说念主、越流畅。

但 Scaling Law 的另一面是，它无法超过数据自己的品性与分散。有哈佛等院校的究诘东说念主员曾在客岁发布的一篇论文中指出，低精度检会会裁减模子的"灵验参数目"。

（图为论文《scaling law for precision》中提议的究诘量化图，在检会后期，用的检会数据越多，量化之后模子性能着落得越猛烈）

也因此，面对果真寰宇中盈篇满籍的隐衷场景，端到端模子依然会泄漏泛化技艺的天花板。在此布景下，行业不再争论"要不要转向端到端"，而是探求如何终了"更安全的自动驾驶"。

寰宇模子便是在这么的布景着落生的。2025 年着手，主机厂和智驾供应商们正在作念通盘对于自动驾驶时刻旅途的取舍题：

选项 A 是透顶烧毁模块化想象、径直取舍"一段式"端到端，或保留感知决策层、有贪图为止层模块，进行"两段式"端到端决策；

选项 B 是引入视觉谈话模子（VLA/VLM），尝试用多模态大模子重构总共驾驶交互逻辑；

选项 C 则是加入寰宇模子，让系统学会磋磨、接头并推理物理寰宇的运行机制。

寰宇模子之是以被推至台前，根底上是为了经管端到端模子"只会效法、不会念念考"的瓶颈。

它的念念路并不复杂：不再只是依靠东说念主类驾驶数据去"效法"，而是尝试让 AI 信得过磋磨驾驶环境、接头改日变化，以致自主生成合理的举止链，靠的是交融深度学习与念念维链（CoT）推理框架。这种架构粗略自主生成连气儿推理链条，迟缓松弛长念念维逻辑的局限，从而大幅提高复杂环境中的判断技艺。

在此进度上，寰宇模子不仅经管了检会数据稀缺和质地不均的问题，更绽开了模子技艺的天花板。

在智驾阶梯的"大转移"中，总共智驾供应商的排行也大有变化，但华为乾崑依旧是稳居第一梯队的那位。凭证佐念念汽研发布的调研数据，2024 年，在国内三方前装赞助驾驶域控全栈软硬一体决策阛阓中，华为乾崑以 79.0% 的完全阛阓份额稳居第一。

（图源：佐念念汽研）

华为乾崑之是以能抓续领跑，不在于盲目奴婢时刻热门，而在于其围绕驾驶本质，走了一条更底层、更专注空间推理的旅途。2025 年 4 月，华为乾崑在第一梯队智驾供应商中源流发布了基于寰宇模子的乾崑智驾 ADS 4 系统。9 月起，乾崑智驾 ADS 4 将运行不时推送。

信得过体现出华为乾崑相反化的，是在行业热议"端到端"和" VLA（视觉谈话模子）"旅途时，它恒久走我方的路。

以 VLA 为例，这类时势尝试在自动驾驶系统中引入大谈话模子，将视觉信号先转成文本描写，再推理成驾驶行为。它上风昭彰：磋磨路标、交规等语义信息愈加松驰，也容易复用现成的大模子时刻。

但华为乾崑看到其短板：谈话模子擅长文本推理，却枯竭对三维空间的精确感知与通顺推演技艺。而车，毕竟是在果真空间中通顺的物体，豪厘之差可能就意味着风险。

"华为不会走向 VLA 的旅途。咱们觉得这么的旅途看似取巧，其实并不是走向信得过自动驾驶的旅途。华为更垂青 WA（寰宇举止模子），也便是 world action，中间免却 language 这个设施。"华为智能汽车经管决策 BU CEO 靳玉志说。

在 2024 年华为斡旋浙江大学发布的一则论文中，华为就提议了 Drive-OccWorld，这是一种以视觉为中心的寰宇模子，粗略借助寰宇模子所具备的"牵挂"与"推演"技艺——积攒环境常识、接头改日景象，从而提高自动驾驶系统的有贪图进展，进一步增强端到端有贪图的安全性与郑重性。

（本图展示了行东说念主横穿马路场景下，寰宇模子依据前三帧历史图像（上图），对改日两秒的占据景象进行的动态接头（下图）。红色圆圈标示出了场景中的显耀挪动物体。图源：华为斡旋浙江大学发布的《Driving in the Occupancy World: Vision-Centric 4D Occupancy Forecasting and Planning via World Models for Autonomous Driving》）

用更系统的模子想象，重塑智驾天花板

业界实施也在标明，寰宇模子已成共鸣。

2023 年，特斯拉在以前的 CVPR2023 上就照旧展示了其寰宇模子的究诘动态，但其时研发尚处于初期，马斯克珍惜的亦然扩散模子 diffusion。此前有不雅点觉得，Diffusion 模子迟缓 refine 接头的进程，可能更接近东说念主类的理会和创造进程，比一些一步到位的生成相貌更有后劲。

（图源：X 平台）

在中国阛阓，蔚来和小鹏则是当今主要在实施寰宇模子的主机厂。2024 年，蔚来发布了中国首个智能驾驶寰宇模子 NWM（NIO World Model），蔚来的寰宇模子具备多模态自追溯特质，粗略在 100 毫秒内推上演 216 种可能场景 / 轨迹。

小鹏依赖的是海量算力和数据检会驱动高阶智驾。当今，小鹏想象的是云表大模子（即寰宇基座模子）和车端小模子并进的门路。云表大模子崇拜"强化学习"和常识创造，车端小模子将常识篡改为短暂的驾驶决策。在小鹏的云表大模子中，LLM（大谈话模子）是其主干，其 VLA 旅途需将视觉等信息篡改成谈话的 token 进行检会，再生成为止行为。

与它们比较，华为乾崑的模子架构一鸣惊人，反而取舍一条开脱了谈话中介的、更稳健、却也更为系统的路。

其中枢翻新，是构建了"云表寰宇引擎（WE）+ 车端寰宇举止模子（WA）"的双层理会架构。前者勤奋于高效生成和迭代顶点场景，终了"以 AI 检会 AI "；后者则交融多模态感知信号，终了及时推理与拟东说念主化为止——相配于为智能驾驶系统装上双要紧脑。

（图为华为的 WEWA 架构）

在云表，华为乾崑依托自研的生成式模子，专注于自动驾驶中最稀缺的顶点场景生成。

生成用于检会的场景最基础且伏击的在于场景的果真性，行业大皆取舍的 Diffusion Transformer 或 3D 高斯散射（3DGS），虽然能生成丰富图像和 3D 场景，但仍面对"顺眼不一定好用"的问题——生成的数据是否妥贴物理礼貌、能否精确袒护系统薄弱设施，才是重要。

华为乾崑的相反化在于两点：一是生成"清苦"，自研生成模子不彊求通用技艺，而是专注 Corner Case，如遽然横穿的行东说念主、暴雨中的滚动禁绝物，集合难以获取的高价值场景；二是闭环果真，通过严格算法校验，确保合成场景的光照、材质、通顺符合果真寰宇物理，不让有劣势的仿真数据混浊系统理会。

浅薄来说，华为乾崑 WE 的本质，是用 AI 给智驾系统"出清苦"，况且出的是"真清苦"，从而系统性地历练出一套更郑重、更安全的驾驶技艺。

为了兜底安全，华为乾崑也云表想象了一套赏罚函数—— Reward 赏罚函数，以检会模子的安全、合规、可靠且符合东说念主类价值不雅的决策和举止技艺。

在车端，与行业大皆取舍"用谈话大模子校正智驾模子"的念念路不同，华为乾崑的寰宇举止模子（WA）取舍了一条更专注、更高效的旅途：它是从零运行检会的、专为智能驾驶而生的举止模子。

靳玉志清晰，WA 便是径直通过举止端，或者说径直通过 vision 这么的信息输入控车，这里的 vision 只是一个代表，它可能来自于声息，可能来自于 vision，也可能来自于触觉。

重要在于"专用"而非"复用"。谈话大模子虽然文本推理技艺强，但枯竭对空间、距离、速率的履行感知，把驾驶决策交给它，好比让一位谈话学家去学开车——他虽然能读懂交规，却很难短暂判断刹车距离或禁绝物地点。

这意味着，华为乾崑的 WA 模子不一定参数界限最大，但它一定最懂"车该如何开"——它专为安全行驶而来，不为流畅对话而生。

（图源：华为官网）

除了模子架构，华为乾崑在智能驾驶界限还领有一个更为直不雅的竞争上风：界限浩大的果真车队，使其界限化落地方面设施更快。

靳玉志近日晓示，乾崑智驾系统的搭载量已松弛 100 万辆，袒护包括东风、长安、广汽、北汽、比亚迪、赛力斯、奇瑞、江淮在内的 11 家车企、28 款车型，改日新上市的车型还包括问界新 M7、尚界 H5、广汽传祺向往 S9 等。当今，华为上车的速率还在加速，靳玉志清晰，华为乾崑智驾决策当今匹配一款车型最快仅需 6 至 9 个月。

这支百万量级的"智能车队"中，每一辆车皆在及时反馈复杂场景：

数据抓续流向云表，经过寰宇引擎（WE）的筛选、重建和增强，生成更灵验的检会场景，迭代出更可靠的驾驶模子。

与此同期，车端的寰宇举止模子（WA）同步施展着"及时推理引擎"的作用，它经受云表下发的优化模子，在土产货交融多模态感知数据，再对周围环境进行精确磋磨与秒级决策。

新模子再通过 OTA 赶快部署回车端，股东全车队全体进化——华为乾崑借此构建了一个"感知 - 云表检会 - 车端进化"的自主进化闭环。

这一技艺闭环，也为华为乾崑迈向更高阶自动驾驶铺平说念路。它不单因循现存的 L2+ 系统优化开yun体育网，更在为 L3 及以上司别的自动驾驶作念准备。界限化的果真数据、专用化的寰宇模子，加上明晰一致的时刻阶梯，共同组成华为乾崑在智驾竞赛中最坚实的护城河。