智驾下半场，体系能力才能重写排位？

智能汽车行业频繁上演同一剧情，每逢车型大版本更新，评论区总会被同一类追问刷屏：老用户怎么办？

用户顾虑源于现实无奈。车企宣传口径永远跟着下一代走，短则一年，多则三年，旧车型就被「旧硬件」锁死在更新名单之外。

所谓新老用户难两全，成为车企默认的共识。直到蔚来，率先把这堵墙凿穿。

蔚来最新发布的世界模型版本，并不只服务于最新车型，而是同步覆盖蔚来、乐道两大品牌旗下四大平台、十余款新旧车型，惠及超过 70 万用户，即便是 2022 年 3 月交付的蔚来 ET7，也赫然在列。

你能看到，蔚来罕见做到了两件事：

第一，四年前的老车主与今天的新用户，依然可以站在同一条智能进化轨道上。

第二，智驾更新打破「各平台各自为战」的僵局，所有平台无论硬件差异，可以统一进阶。

智能汽车发展史上，今天只有蔚来，能做到这般程度。

究其根本，源于其一整套提前设计的工程体系：同代车型标配相同智能硬件，算力冗余提前埋入，以及，跨代际传感器、芯片平台跑通同一套软件的系统能力。

从蔚来这一切口，可以窥见智能汽车下半场的正确打法。

靠单纯堆硬件、拼算法就能取胜的时代已经过去，工程基建的价值，正以前所未有的强度爆发出来。

正如《终结者》中的天网系统，从 T800 到 T1000，能不断造出硬核的终结者，源于其本身就是一套能自我迭代、可同步部署到所有终端的分布式智能。只要系统在线，旧的机体也能被注入全新的战斗能力。

智能汽车如今也是一套逻辑。

只顾全眼前一局，一款新车型，最多赢得一时；但顾全大局，打造一套能够持续进化的工程体系，能赢得全场。

工程能力的差距，将成为车企未来竞争决胜的分水岭。

01、看不懂的「硬件冗余」，成了六年后的「回旋镖」

六年前，几乎没人能真正读懂蔚来。

彼时智能驾驶还处于摸索期，功能上限基本就是单车道巡航、基础跟车，外加一个体验差强人意的自动泊车。

行业对智能硬件的认知也相当朴素：超过 100TOPS 就算「大算力」，至于激光雷达，还被视作高端车型的选配。

比如 2021 年 4 月发布的智己 L7，智驾芯片选了英伟达 Xavier，后续才升级到单颗 Orin-X。感知硬件标配摄像头和毫米波雷达，激光雷达仅提供选装。

再往上探一档，当时行业为高端车型划出的那条「顶配线」，大概是这样一道公式：单颗 Orin-X 芯片，加上由激光雷达、800 万像素摄像头和毫米波雷达组成的融合传感器矩阵。谁做到这一步，谁就站在高端车型硬件配置的头部。

对比之下，同期横空出世的蔚来 ET7，在这一坐标系里，像一个异类：

智驾芯片：4 颗英伟达 Orin-X，总算力高达 1016TOPS；

传感器配置：标配 1 颗 1550nm 激光雷达，7 颗 800 万像素摄像头。

仅算力一个维度，就碾压同类竞品三倍。更别提，如今市场聚焦的高线数激光雷达，800 万像素摄像头，6 年前就成了蔚来 ET7 的全系标配。

一个值得一提的插曲是，彼时行业对激光雷达的安装位置尚无定论，蔚来第一个「吃螃蟹」，将其置于车顶正中。这一选择同时兼顾了技术探测、整车美学与用户实际价值，如今已成为行业主流。

从安装细节到硬件配置，蔚来的答案在今天不断被证实，但在当时，被看作一种偏执。

此时市场普遍认为，蔚来硬件冗余是用大炮打蚊子，纯属「没必要」。

尤其在一个对单车成本锱铢必较的行业，有声音表示，这种超前部署，本质上是「期货主义」，对用户钱包并不友好。

如今，六年前蔚来扛下的争议，一点点变成一枚精准的回旋镖。

在蔚来战略视野里，硬件冗余是必须要走的路径，它承担着双重作用。

第一层在明处，是当下所应验的，支撑当时蔚来智驾「订阅」商业模式的同时，要保证硬件平台可以坚持两代以上，即满足用户约 6 年的用车周期，使得老车型在停产后同样具备更新资格。

第二层，则是一条暗线，锤炼工程化落地能力。

很多人认为「硬件预埋」是单纯换了把重武器，杀伤力更强，但忽略了一点前提，能拿起雷神之锤，同样需要匹配索尔的实力。

比如 7 个 800 万像素摄像头的背面，其实是高难度、大体量的数据处理。

以及要把 4 颗 Orin-X 融合到一个域控盒子内，开创行业先河，更考验工程部署能力的上限。

蔚来 ET7 搭载 4 颗英伟达 Orin- X

某种程度上，硬件预埋就像在走上坡路，看得更远的代价，是注定付出更多的精力。

但也正是这些必要性工作，把蔚来团队对智驾技术的理解，从纸面参数真实地推向了底层工程落地的纵深，尤其在下一站自研神玑芯片时，开始显出底色。

智驾行业，从头设计一颗芯片，烧的是亿级投入的硬钱，更烧的是对前瞻性技术路线的判断力。猜错路，钱和窗口期都会一次性烧光。而在前瞻性这件事上，蔚来几乎都选对了答案。

包括高线数激光雷达，也包括大算力需求。更深一步，蔚来还还看准了端到端大模型趋势下，纯 Transformer 架构的确定性。

于是，早在 2022 年，蔚来就做了一个关键预判：神经网络架构将会全面转向纯 Transformer 路线，而这套架构对内存带宽的吞噬，远超旧时代 CNN 的 8 到 70 倍。

基于这一认知，蔚来在神玑芯片设计中，预留了超过 500GB/s 的内存带宽。

而再看当下局面，困住各家大模型体验的，正是内存带宽。一边是暴涨的内存价格，一边是 Transformer 的全局矩阵运算对内存空间的吞噬。行业火烧眉毛时，蔚来却凭借提前锁定的超大内存带宽，稳稳坐上了高地。

从硬件冗余到自研芯片的内存设定，蔚来每一步棋在当时看似是「俗手」，联系到一起，却成了改变棋局最终走向的「妙手」。

所以，蔚来每一步棋并不是一次孤立的灵光乍现，更像是基于大局观思考下，连续押注、层层递进的必然结果。

02、软硬一体，自研收益才能最大化

智能驾驶赛道，蔚来最为鲜明的技术标签在于，早早押注世界模型。

蔚来高级副总裁、智驾负责人任少卿给的理由很充分。要真正解决无穷无尽的极端场景，AI 必须像人一样具备时空认知能力。

举个例子，窄路会车时，是减速先通过还是直接刹停，是一个可能长达 1 分钟的长时序过程，涉及对于物理世界中时间、空间的推理判断。

蔚来高级副总裁、智能驾驶研发负责⼈任少卿

任少卿强调，单靠端到端、VLA 其实都无法做长时序推演，唯有世界模型可以根治。

回过头看，今天行业多数玩家从一段式端到端，VLA，再进阶到世界模型，而蔚来早在 2023 年就已将筹码全部推向最优解。

先行锁定终局的结果是，蔚来跳过了反复试错的代价，没有沉没成本与效率空耗，省下来的时间被投入到更务实的工程部署上，即用一套世界模型，覆盖两大品牌、四大平台、十余款车型。

做到这点，源于两大前提。

一是软硬一体的底层工程能力。

软硬一体并非简单的全栈自研，而是软件、硬件可以形成一个闭环。软件能走多远，取决于硬件留了多少余地；硬件下一步往哪走，得靠软件把需求校准出来。

蔚来的确下了很多「软功夫」。

先说一个细节，针对传感器差异做算法优化。

蔚来与乐道车型的硬件配置不同，蔚来选择用一个神经网络同时接入不同供应商、不同型号的传感器，然后通过「热插拔」设计拉平硬件性能。另一个巧劲是，蔚来把传感器 ECU 的处理能力上移到主域控，减少延迟，也给了传感器硬件快速迭代的空间。

更具战略纵深的一步则是：自研 AI 编译器。

编译器本质上是将云端大模型翻译成车端芯片可执行的指令。但问题就出在，不同算法模型对应不同芯片平台，若依赖工程师每次逐一手动适配，效率极为拖沓。

所以，自研 AI 编译器成了必要路径。

值得一提的是，这一动作并不发生于自研神玑芯片时段，而是 2020 年的英伟达平台开发时期。蔚来很早就预知到切换芯片平台的动作，因此选择自研底层的推理引擎和 AI 编译器，并未完全依赖如英伟达的官方工具链，而是只用到其 CUDA 层。

这使得其在自研芯片回归后，只需建立一个类似 CUDA 的硬件配置层，就能快速实现跨芯片的软件兼容与部署，因为底层的工程效率早已准备好。

据悉，自研 AI 编译器能自动生成优化算子，自动进行图优化，进而彻底改变了早期需工程师手写每一层优化代码的困境。

新模型算子开发效率从 1-2 周缩短到 1-2 天，包括在 Orin-X 开发上，推理性能也比行业通用工具提升 20%。

所以，一个正向的连锁反应是：6 年前蔚来把芯片工具链及 AI 编译器环节打通，使得 Orin 芯片可以顺利切换到自研神玑芯片，部署效率上升，进而传导至现在，一套世界模型可以多芯片平台部署上车。

二是世界模型的数据底座足够硬核。

AI 大模型的持续迭代，离不开大算力、强算法，以及指数级增长的数据。但现实是，数据量爆炸带来的存储与训练成本不可承受，corner case 也愈发难以挖掘。

任少卿表示，「两年之前测试城区智驾，出门就可以获得 3 个 case，现在一个版本测试 500 公里，才可能获得一个。」

性能越强，测试就得越「肝」，仅靠工程路测已经兜不住这个问题。

蔚来的解法是群体智能的数据闭环。

具体而言，蔚来将几十万量产车用算力全部调度起来，系统以「影子模式」方式在车端后台运行，一旦模型的推演结果与用户的实际操作发生重大分歧，系统就会判定这是一个有价值的 case，并将相关数据（不涉及用户隐私）加密回传云端。

这种方式产生的数据量明显更为高效，据悉，每周产生车端伴生测试里程为 1 亿公里数据，这一数字体量，需要 1000 辆传统路测车 3 班倒一年才能完成。

而传回云端后，这些数据还要继续「冶炼」：

一是云端训练。通过世界模型训练与推演，自己摸索出正确答案；

二是车端再验证。将训练后的模型重新部署到真实场景中，让模型自主发现、自主探索，实现从「采集→训练→验证」的完整闭环。

由此可窥见一层事实是，有效的 Corner Case 数据，必须通过特定模型在车端或云端算力上运行、筛选才能产生。

尤其是越走到后期的数据，含金量越高，越能精准弥补模型弱点。

任少卿由此提出一个反常识判断：数据的本质是算力，而非可零成本复制的资源。

「模型不一样，数据没办法共享」，他表示，外界普遍认为「数据可以打包交付给供应商」是一种根本性的误解。

也正是在这一数据体系支撑下，蔚来 NWM 世界模型始终具备可持续进化的充分燃料。

综上来看，蔚来软硬一体战略，是一条经过前瞻布局、工程验证与数据闭环咬合的完整路径，也是其它玩家难以短期复制的护城河。

03、蔚来摸着自己过河，行业摸着「蔚来」过河

蔚来最新版本的世界模型上车后，行业第一次真切感受到了「第一梯队」的实力。

有车主在升级 Banyan 3.5.0 平台后，连开数天的第一反应是：进步到离谱。

我们实测感受也高度一致，这套智驾系统仿佛打通了「任督二脉」一般，去年下半年还存在变道犹豫、加减速不合理的诟病，这一版本几乎全部消解。系统可以从容应对极端场景，即便在被垃圾桶、电瓶车包围的小区窄路，可以直接蛇形绕障，操作丝滑远超预期。

蔚来 ES9 世界模型 2.0 版本上海城区实测

基于这样的成绩，再来审视蔚来十余款车型同步更新这件事，分量就完全不同了。

这意味着，不是搭载最强硬件的新车型才能拥有「满血体验」，几十万存量车型的智驾能力，一同往上跳了一大截。与此同时，别人一年能做一个平台的深度适配，蔚来一年能同时往四个平台推送多个版本更新。

六年时间，蔚来终于走到了「工程主义」兑现时刻。

而工程主义源于战略选择，在每一个技术路线尚未明朗的岔路口，蔚来都走了一条短期吃力，但长期正确的路。

2020 年，基于英伟达平台开发算法，却毅然自研 AI 编译器与工具链，降低对厂商的依赖，为自研芯片铺路。

2021 年，在 NT2.0 平台车型上预埋大算力硬件与高性能传感器，为后续五年的持续 OTA 留足余地。

2022 年，自研神玑芯片设计阶段，敏锐判断纯 Transformer 将成为主流，针对性预留大量内存带宽。

2023 年，聚焦智驾根本问题，All in 世界模型路线，而非在端到端、VLA 之间摇摆。

这些选择的背后，上演着相似的剧情。

第一，蔚来在摸着自己过河。彼时这些决策都不被广泛看好，但蔚来坚持不走寻常路、主动选择「窄门」。回头看，每一步都踩在了正确的方向上。

第二，行业又摸着「蔚来」过河。从自研芯片、自研 AI 编译器，到预埋大算力、押注世界模型，这些当年被视为「激进」或「多余」的动作，如今正成为车企与智驾玩家的一致选择，甚至演变为行业公认的技术趋势。

与其说蔚来拿到了「逆袭」、「翻盘」的爽文剧本，不如将其归结于四个字：产业定力。

从六年前，蔚来就知道这条路到底该怎么走，以及这条路又会通向哪里。

过去几年，行业总把蔚来的智驾体验归为「差生」。但现在回看，蔚来与其他玩家不过是终点一致、节奏各异。

多数玩家属于先快后慢：在达成 L2+ 之后，智驾体验陷入「越更新，变化越小」的瓶颈期，甚至出现水平倒退。

蔚来是先慢后快：选择最难但正确的路，先把底层堵点一一打通，再大踏步向前迭代。

还需要强调的是，蔚来的主被动安全能力这些年一直保持行业领先。预计今年下半年安全里程将突破 800 万公里，内部监控的保险出险赔付数据自 2023 年至今已下降近 40%。

这些成绩的背后，是蔚来在产业定力下持续打磨的工程体系在支撑。

智能化下半场，车企越往高处走，越需要抵抗噪音的能力。

当造车与智能驾驶在工程上变得愈发严苛时，大多数人会寻找第二选择，比如涌向技术概念火热的具身智能，去寻找更轻松的生存空间。

蔚来是少数保持产业定力，还在「好好专心卖车」的车企。

蔚来 ES8 搭载智驾小蓝灯

而团队本身的稳定，也是这种定力的缩影。

任少卿是行业里少有的「未换防」的智驾负责人。过去几年，新势力智驾负责人几乎都换过不止一轮，但他的确仍坚守岗位。

六年如一日的深耕正在回报蔚来。几十万用户能切实感知到的体验跃升，正是算法、硬件、数据体系与组织效率共同锻造的工程体系结出的果实。

看向未来，蔚来当然还有很多硬仗要打。Corner Case 的边界仍在向外延伸，高阶自动驾驶的终局远未到来，但产业定力下，长期主义积累的工程复利还会一直显验。

智能化下半场，真正的技术引领，终究要建立在产业定力之上。

$NIO Inc(NIO.US)