智駕下半場，體系能力才能重寫排位？

智能汽車行業頻繁上演同一劇情，每逢車型大版本更新，評論區總會被同一類追問刷屏：老用户怎麼辦？

用户顧慮源於現實無奈。車企宣傳口徑永遠跟着下一代走，短則一年，多則三年，舊車型就被「舊硬件」鎖死在更新名單之外。

所謂新老用户難兩全，成為車企默認的共識。直到蔚來，率先把這堵牆鑿穿。

蔚來最新發布的世界模型版本，並不只服務於最新車型，而是同步覆蓋蔚來、樂道兩大品牌旗下四大平台、十餘款新舊車型，惠及超過 70 萬用户，即便是 2022 年 3 月交付的蔚來 ET7，也赫然在列。

你能看到，蔚來罕見做到了兩件事：

第一，四年前的老車主與今天的新用户，依然可以站在同一條智能進化軌道上。

第二，智駕更新打破「各平台各自為戰」的僵局，所有平台無論硬件差異，可以統一進階。

智能汽車發展史上，今天只有蔚來，能做到這般程度。

究其根本，源於其一整套提前設計的工程體系：同代車型標配相同智能硬件，算力冗餘提前埋入，以及，跨代際傳感器、芯片平台跑通同一套軟件的系統能力。

從蔚來這一切口，可以窺見智能汽車下半場的正確打法。

靠單純堆硬件、拼算法就能取勝的時代已經過去，工程基建的價值，正以前所未有的強度爆發出來。

正如《終結者》中的天網系統，從 T800 到 T1000，能不斷造出硬核的終結者，源於其本身就是一套能自我迭代、可同步部署到所有終端的分佈式智能。只要系統在線，舊的機體也能被注入全新的戰鬥能力。

智能汽車如今也是一套邏輯。

只顧全眼前一局，一款新車型，最多贏得一時；但顧全大局，打造一套能夠持續進化的工程體系，能贏得全場。

工程能力的差距，將成為車企未來競爭決勝的分水嶺。

01、看不懂的「硬件冗餘」，成了六年後的「迴旋鏢」

六年前，幾乎沒人能真正讀懂蔚來。

彼時智能駕駛還處於摸索期，功能上限基本就是單車道巡航、基礎跟車，外加一個體驗差強人意的自動泊車。

行業對智能硬件的認知也相當樸素：超過 100TOPS 就算「大算力」，至於激光雷達，還被視作高端車型的選配。

比如 2021 年 4 月發佈的智己 L7，智駕芯片選了英偉達 Xavier，後續才升級到單顆 Orin-X。感知硬件標配攝像頭和毫米波雷達，激光雷達僅提供選裝。

再往上探一檔，當時行業為高端車型劃出的那條「頂配線」，大概是這樣一道公式：單顆 Orin-X 芯片，加上由激光雷達、800 萬像素攝像頭和毫米波雷達組成的融合傳感器矩陣。誰做到這一步，誰就站在高端車型硬件配置的頭部。

對比之下，同期橫空出世的蔚來 ET7，在這一座標系裏，像一個異類：

智駕芯片：4 顆英偉達 Orin-X，總算力高達 1016TOPS；

傳感器配置：標配 1 顆 1550nm 激光雷達，7 顆 800 萬像素攝像頭。

僅算力一個維度，就碾壓同類競品三倍。更別提，如今市場聚焦的高線數激光雷達，800 萬像素攝像頭，6 年前就成了蔚來 ET7 的全系標配。

一個值得一提的插曲是，彼時行業對激光雷達的安裝位置尚無定論，蔚來第一個「吃螃蟹」，將其置於車頂正中。這一選擇同時兼顧了技術探測、整車美學與用户實際價值，如今已成為行業主流。

從安裝細節到硬件配置，蔚來的答案在今天不斷被證實，但在當時，被看作一種偏執。

此時市場普遍認為，蔚來硬件冗餘是用大炮打蚊子，純屬「沒必要」。

尤其在一個對單車成本錙銖必較的行業，有聲音表示，這種超前部署，本質上是「期貨主義」，對用户錢包並不友好。

如今，六年前蔚來扛下的爭議，一點點變成一枚精準的迴旋鏢。

在蔚來戰略視野裏，硬件冗餘是必須要走的路徑，它承擔着雙重作用。

第一層在明處，是當下所應驗的，支撐當時蔚來智駕「訂閲」商業模式的同時，要保證硬件平台可以堅持兩代以上，即滿足用户約 6 年的用車週期，使得老車型在停產後同樣具備更新資格。

第二層，則是一條暗線，錘鍊工程化落地能力。

很多人認為「硬件預埋」是單純換了把重武器，殺傷力更強，但忽略了一點前提，能拿起雷神之錘，同樣需要匹配索爾的實力。

比如 7 個 800 萬像素攝像頭的背面，其實是高難度、大體量的數據處理。

以及要把 4 顆 Orin-X 融合到一個域控盒子內，開創行業先河，更考驗工程部署能力的上限。

蔚來 ET7 搭載 4 顆英偉達 Orin- X

某種程度上，硬件預埋就像在走上坡路，看得更遠的代價，是註定付出更多的精力。

但也正是這些必要性工作，把蔚來團隊對智駕技術的理解，從紙面參數真實地推向了底層工程落地的縱深，尤其在下一站自研神璣芯片時，開始顯出底色。

智駕行業，從頭設計一顆芯片，燒的是億級投入的硬錢，更燒的是對前瞻性技術路線的判斷力。猜錯路，錢和窗口期都會一次性燒光。而在前瞻性這件事上，蔚來幾乎都選對了答案。

包括高線數激光雷達，也包括大算力需求。更深一步，蔚來還還看準了端到端大模型趨勢下，純 Transformer 架構的確定性。

於是，早在 2022 年，蔚來就做了一個關鍵預判：神經網絡架構將會全面轉向純 Transformer 路線，而這套架構對內存帶寬的吞噬，遠超舊時代 CNN 的 8 到 70 倍。

基於這一認知，蔚來在神璣芯片設計中，預留了超過 500GB/s 的內存帶寬。

而再看當下局面，困住各家大模型體驗的，正是內存帶寬。一邊是暴漲的內存價格，一邊是 Transformer 的全局矩陣運算對內存空間的吞噬。行業火燒眉毛時，蔚來卻憑藉提前鎖定的超大內存帶寬，穩穩坐上了高地。

從硬件冗餘到自研芯片的內存設定，蔚來每一步棋在當時看似是「俗手」，聯繫到一起，卻成了改變棋局最終走向的「妙手」。

所以，蔚來每一步棋並不是一次孤立的靈光乍現，更像是基於大局觀思考下，連續押注、層層遞進的必然結果。

02、軟硬一體，自研收益才能最大化

智能駕駛賽道，蔚來最為鮮明的技術標籤在於，早早押注世界模型。

蔚來高級副總裁、智駕負責人任少卿給的理由很充分。要真正解決無窮無盡的極端場景，AI 必須像人一樣具備時空認知能力。

舉個例子，窄路會車時，是減速先通過還是直接剎停，是一個可能長達 1 分鐘的長時序過程，涉及對於物理世界中時間、空間的推理判斷。

蔚來高級副總裁、智能駕駛研發負責⼈任少卿

任少卿強調，單靠端到端、VLA 其實都無法做長時序推演，唯有世界模型可以根治。

回過頭看，今天行業多數玩家從一段式端到端，VLA，再進階到世界模型，而蔚來早在 2023 年就已將籌碼全部推向最優解。

先行鎖定終局的結果是，蔚來跳過了反覆試錯的代價，沒有沉沒成本與效率空耗，省下來的時間被投入到更務實的工程部署上，即用一套世界模型，覆蓋兩大品牌、四大平台、十餘款車型。

做到這點，源於兩大前提。

一是軟硬一體的底層工程能力。

軟硬一體並非簡單的全棧自研，而是軟件、硬件可以形成一個閉環。軟件能走多遠，取決於硬件留了多少餘地；硬件下一步往哪走，得靠軟件把需求校準出來。

蔚來的確下了很多「軟功夫」。

先説一個細節，針對傳感器差異做算法優化。

蔚來與樂道車型的硬件配置不同，蔚來選擇用一個神經網絡同時接入不同供應商、不同型號的傳感器，然後通過「熱插拔」設計拉平硬件性能。另一個巧勁是，蔚來把傳感器 ECU 的處理能力上移到主域控，減少延遲，也給了傳感器硬件快速迭代的空間。

更具戰略縱深的一步則是：自研 AI 編譯器。

編譯器本質上是將雲端大模型翻譯成車端芯片可執行的指令。但問題就出在，不同算法模型對應不同芯片平台，若依賴工程師每次逐一手動適配，效率極為拖沓。

所以，自研 AI 編譯器成了必要路徑。

值得一提的是，這一動作並不發生於自研神璣芯片時段，而是 2020 年的英偉達平台開發時期。蔚來很早就預知到切換芯片平台的動作，因此選擇自研底層的推理引擎和 AI 編譯器，並未完全依賴如英偉達的官方工具鏈，而是隻用到其 CUDA 層。

這使得其在自研芯片迴歸後，只需建立一個類似 CUDA 的硬件配置層，就能快速實現跨芯片的軟件兼容與部署，因為底層的工程效率早已準備好。

據悉，自研 AI 編譯器能自動生成優化算子，自動進行圖優化，進而徹底改變了早期需工程師手寫每一層優化代碼的困境。

新模型算子開發效率從 1-2 周縮短到 1-2 天，包括在 Orin-X 開發上，推理性能也比行業通用工具提升 20%。

所以，一個正向的連鎖反應是：6 年前蔚來把芯片工具鏈及 AI 編譯器環節打通，使得 Orin 芯片可以順利切換到自研神璣芯片，部署效率上升，進而傳導至現在，一套世界模型可以多芯片平台部署上車。

二是世界模型的數據底座足夠硬核。

AI 大模型的持續迭代，離不開大算力、強算法，以及指數級增長的數據。但現實是，數據量爆炸帶來的存儲與訓練成本不可承受，corner case 也愈發難以挖掘。

任少卿表示，「兩年之前測試城區智駕，出門就可以獲得 3 個 case，現在一個版本測試 500 公里，才可能獲得一個。」

性能越強，測試就得越「肝」，僅靠工程路測已經兜不住這個問題。

蔚來的解法是羣體智能的數據閉環。

具體而言，蔚來將幾十萬量產車用算力全部調度起來，系統以「影子模式」方式在車端後台運行，一旦模型的推演結果與用户的實際操作發生重大分歧，系統就會判定這是一個有價值的 case，並將相關數據（不涉及用户隱私）加密回傳雲端。

這種方式產生的數據量明顯更為高效，據悉，每週產生車端伴生測試里程為 1 億公里數據，這一數字體量，需要 1000 輛傳統路測車 3 班倒一年才能完成。

而傳回雲端後，這些數據還要繼續「冶煉」：

一是雲端訓練。通過世界模型訓練與推演，自己摸索出正確答案；

二是車端再驗證。將訓練後的模型重新部署到真實場景中，讓模型自主發現、自主探索，實現從「採集→訓練→驗證」的完整閉環。

由此可窺見一層事實是，有效的 Corner Case 數據，必須通過特定模型在車端或雲端算力上運行、篩選才能產生。

尤其是越走到後期的數據，含金量越高，越能精準彌補模型弱點。

任少卿由此提出一個反常識判斷：數據的本質是算力，而非可零成本複製的資源。

「模型不一樣，數據沒辦法共享」，他表示，外界普遍認為「數據可以打包交付給供應商」是一種根本性的誤解。

也正是在這一數據體系支撐下，蔚來 NWM 世界模型始終具備可持續進化的充分燃料。

綜上來看，蔚來軟硬一體戰略，是一條經過前瞻佈局、工程驗證與數據閉環咬合的完整路徑，也是其它玩家難以短期複製的護城河。

03、蔚來摸着自己過河，行業摸着「蔚來」過河

蔚來最新版本的世界模型上車後，行業第一次真切感受到了「第一梯隊」的實力。

有車主在升級 Banyan 3.5.0 平台後，連開數天的第一反應是：進步到離譜。

我們實測感受也高度一致，這套智駕系統彷彿打通了「任督二脈」一般，去年下半年還存在變道猶豫、加減速不合理的詬病，這一版本幾乎全部消解。系統可以從容應對極端場景，即便在被垃圾桶、電瓶車包圍的小區窄路，可以直接蛇形繞障，操作絲滑遠超預期。

蔚來 ES9 世界模型 2.0 版本上海城區實測

基於這樣的成績，再來審視蔚來十餘款車型同步更新這件事，分量就完全不同了。

這意味着，不是搭載最強硬件的新車型才能擁有「滿血體驗」，幾十萬存量車型的智駕能力，一同往上跳了一大截。與此同時，別人一年能做一個平台的深度適配，蔚來一年能同時往四個平台推送多個版本更新。

六年時間，蔚來終於走到了「工程主義」兑現時刻。

而工程主義源於戰略選擇，在每一個技術路線尚未明朗的岔路口，蔚來都走了一條短期吃力，但長期正確的路。

2020 年，基於英偉達平台開發算法，卻毅然自研 AI 編譯器與工具鏈，降低對廠商的依賴，為自研芯片鋪路。

2021 年，在 NT2.0 平台車型上預埋大算力硬件與高性能傳感器，為後續五年的持續 OTA 留足餘地。

2022 年，自研神璣芯片設計階段，敏鋭判斷純 Transformer 將成為主流，針對性預留大量內存帶寬。

2023 年，聚焦智駕根本問題，All in 世界模型路線，而非在端到端、VLA 之間搖擺。

這些選擇的背後，上演着相似的劇情。

第一，蔚來在摸着自己過河。彼時這些決策都不被廣泛看好，但蔚來堅持不走尋常路、主動選擇「窄門」。回頭看，每一步都踩在了正確的方向上。

第二，行業又摸着「蔚來」過河。從自研芯片、自研 AI 編譯器，到預埋大算力、押注世界模型，這些當年被視為「激進」或「多餘」的動作，如今正成為車企與智駕玩家的一致選擇，甚至演變為行業公認的技術趨勢。

與其説蔚來拿到了「逆襲」、「翻盤」的爽文劇本，不如將其歸結於四個字：產業定力。

從六年前，蔚來就知道這條路到底該怎麼走，以及這條路又會通向哪裏。

過去幾年，行業總把蔚來的智駕體驗歸為「差生」。但現在回看，蔚來與其他玩家不過是終點一致、節奏各異。

多數玩家屬於先快後慢：在達成 L2+ 之後，智駕體驗陷入「越更新，變化越小」的瓶頸期，甚至出現水平倒退。

蔚來是先慢後快：選擇最難但正確的路，先把底層堵點一一打通，再大踏步向前迭代。

還需要強調的是，蔚來的主被動安全能力這些年一直保持行業領先。預計今年下半年安全里程將突破 800 萬公里，內部監控的保險出險賠付數據自 2023 年至今已下降近 40%。

這些成績的背後，是蔚來在產業定力下持續打磨的工程體系在支撐。

智能化下半場，車企越往高處走，越需要抵抗噪音的能力。

當造車與智能駕駛在工程上變得愈發嚴苛時，大多數人會尋找第二選擇，比如湧向技術概念火熱的具身智能，去尋找更輕鬆的生存空間。

蔚來是少數保持產業定力，還在「好好專心賣車」的車企。

蔚來 ES8 搭載智駕小藍燈

而團隊本身的穩定，也是這種定力的縮影。

任少卿是行業裏少有的「未換防」的智駕負責人。過去幾年，新勢力智駕負責人幾乎都換過不止一輪，但他的確仍堅守崗位。

六年如一日的深耕正在回報蔚來。幾十萬用户能切實感知到的體驗躍升，正是算法、硬件、數據體系與組織效率共同鍛造的工程體系結出的果實。

看向未來，蔚來當然還有很多硬仗要打。Corner Case 的邊界仍在向外延伸，高階自動駕駛的終局遠未到來，但產業定力下，長期主義積累的工程複利還會一直顯驗。

智能化下半場，真正的技術引領，終究要建立在產業定力之上。

$蔚來(NIO.US)