[首發(fā)于智駕最前沿微信公眾號(hào)]自動(dòng)駕駛行業(yè)在經(jīng)歷了規(guī)則驅(qū)動(dòng)、模仿學(xué)習(xí)兩個(gè)階段之后，正在集體轉(zhuǎn)向一個(gè)關(guān)鍵方向，即讓AI理解物理世界本身的運(yùn)行規(guī)律。這個(gè)方向在業(yè)內(nèi)被稱為世界模型，它不再只是讓模型看到什么就反應(yīng)什么，而是要求模型能夠在內(nèi)部對(duì)場(chǎng)景進(jìn)行推演，回答如果我這樣做，接下來(lái)會(huì)發(fā)生什么這類因果性問(wèn)題。

2025年10月，特斯拉AI部門(mén)副總裁Ashok Elluswamy在計(jì)算機(jī)視覺(jué)頂會(huì)ICCV上詳細(xì)介紹了FSD的技術(shù)框架，多攝像頭圖像、導(dǎo)航地圖、車(chē)輛運(yùn)動(dòng)信息和音頻信號(hào)被輸入一個(gè)統(tǒng)一的端到端神經(jīng)網(wǎng)絡(luò)，經(jīng)海量數(shù)據(jù)訓(xùn)練后直接輸出控制信號(hào)。Elluswamy明確指出端到端AI才是自動(dòng)駕駛的未來(lái)，并首次公開(kāi)了特斯拉的神經(jīng)世界模擬器，該模擬器不預(yù)測(cè)動(dòng)作，而是根據(jù)當(dāng)前狀態(tài)與下一步動(dòng)作來(lái)合成未來(lái)狀態(tài)，從而與車(chē)端模型形成閉環(huán)評(píng)估。

幾乎在同一時(shí)期，華為、蔚來(lái)、Momenta、輕舟智航、地平線、商湯絕影、Wayve等企業(yè)先后亮出了各自的世界模型方案。雖然大家把這項(xiàng)技術(shù)都叫世界模型，但具體怎么用、放在哪里、解什么問(wèn)題，各家差異相當(dāng)大。

世界模型到底是個(gè)什么思路？

要理解各家對(duì)于世界模型應(yīng)用的差異，得先把世界模型的底層邏輯搞清楚。

傳統(tǒng)自動(dòng)駕駛系統(tǒng)采用感知、預(yù)測(cè)、規(guī)劃、控制的級(jí)聯(lián)架構(gòu)，每一環(huán)都依賴人類工程師定義的規(guī)則或標(biāo)注數(shù)據(jù)來(lái)銜接。這一方案存在一個(gè)問(wèn)題，那就是這些中間環(huán)節(jié)之間的信息傳遞是有損耗的，上游漏掉的東西下游無(wú)法補(bǔ)救。Elluswamy在ICCV演講中明確提出，模塊化方法中感知、預(yù)測(cè)和規(guī)劃之間的接口定義不明確，而在端到端架構(gòu)中，梯度從控制一直流向傳感器輸入，可以整體優(yōu)化整個(gè)網(wǎng)絡(luò)。

世界模型則嘗試在模型內(nèi)部建立一個(gè)對(duì)外部環(huán)境的壓縮表示，這個(gè)表示不但包含了空間幾何和語(yǔ)義信息，還編碼了因果上下文。在這個(gè)內(nèi)部表示空間中，模型能夠根據(jù)候選動(dòng)作推演未來(lái)的場(chǎng)景演化，其中不只是會(huì)預(yù)測(cè)將會(huì)發(fā)生什么，還能做到如果我采取這個(gè)動(dòng)作，其他交通參與者會(huì)如何反應(yīng)這類的判斷，這意味著模型具備了在決策之前預(yù)演的能力。

圖片源自：網(wǎng)絡(luò)

需要說(shuō)明的是，世界模型與端到端并不是互斥概念。卓馭科技首席科學(xué)家陳曉智在2025年云棲大會(huì)上專門(mén)強(qiáng)調(diào)，世界模型、VLA、一段式端到端等概念并非互斥的技術(shù)路線。實(shí)際上，當(dāng)前多數(shù)企業(yè)的做法是將世界模型的能力嵌入到一個(gè)更大的技術(shù)體系中，有的側(cè)重云端仿真，有的側(cè)重車(chē)端推理。

世界模型一般會(huì)覆蓋3類任務(wù)，即未來(lái)物理世界生成、行為規(guī)劃與決策、聯(lián)合預(yù)測(cè)與規(guī)劃。在實(shí)際落地中，有的企業(yè)側(cè)重云端的數(shù)據(jù)生成和仿真訓(xùn)練，有的將世界模型部署到車(chē)端參與實(shí)時(shí)推理，還有的專門(mén)用它來(lái)做安全評(píng)估和驗(yàn)證。

AI駕校還是隨車(chē)大腦，云端與車(chē)端的路線區(qū)分

雖然很多企業(yè)都在研究世界模型，但各家對(duì)世界模型的部署位置和功能定位存在分歧，這也反映了不同的技術(shù)判斷，即是讓世界模型在云端做好幕后工作，還是把它直接裝進(jìn)車(chē)端參與毫秒級(jí)的實(shí)時(shí)決策。

華為乾崑智駕的WEWA架構(gòu)是云車(chē)分工的代表。2025年底，華為智能汽車(chē)解決方案BU CEO靳玉志詳細(xì)介紹了這一架構(gòu)，它包含云端運(yùn)行的World Engine（世界引擎）和車(chē)端運(yùn)行的World Action Model（世界行為模型）兩個(gè)核心部分。

WEWA架構(gòu)，圖片源自：網(wǎng)絡(luò)

世界引擎被定位為云端駕校，它基于真實(shí)道路數(shù)據(jù)，通過(guò)擴(kuò)散生成模型構(gòu)建難例場(chǎng)景，如一段原本空曠的道路可以在仿真中疊加突然竄出的行人、側(cè)前車(chē)Cut-in、前車(chē)急剎等組合工況，難例密度相比真實(shí)世界提高1000倍，且所有模擬都遵循物理世界規(guī)律。

車(chē)端的世界行為模型則是業(yè)內(nèi)首個(gè)智駕原生基模型，具有全模態(tài)感知能力，能根據(jù)不同場(chǎng)景調(diào)用不同能力，ADS 4系統(tǒng)采用該架構(gòu)后端到端時(shí)延降低50%，通行效率提升20%，重剎率降低30%。

特斯拉的做法在理念上與華為有相似之處，但實(shí)現(xiàn)路徑更激進(jìn)。Elluswamy透露，特斯拉FSD架構(gòu)面臨維度災(zāi)難，以7個(gè)攝像頭×36FPS×500萬(wàn)像素×30秒的視覺(jué)輸入，加上導(dǎo)航地圖和運(yùn)動(dòng)數(shù)據(jù)，綜合起來(lái)約有20億個(gè)輸入token，神經(jīng)網(wǎng)絡(luò)需要將這20億個(gè)token精簡(jiǎn)為2個(gè)輸出（轉(zhuǎn)向和加速）。

圖片源自：網(wǎng)絡(luò)

特斯拉的解法是利用海量車(chē)隊(duì)數(shù)據(jù)從中總結(jié)出關(guān)鍵token，通過(guò)稀疏化和聚合保留最有用的信息。在仿真?zhèn)龋厮估_(kāi)發(fā)了神經(jīng)世界模擬器，基于自建海量數(shù)據(jù)集訓(xùn)練，能夠根據(jù)當(dāng)前狀態(tài)與下一步動(dòng)作生成未來(lái)狀態(tài)，與車(chē)端的端到端基礎(chǔ)模型構(gòu)成閉環(huán)，既用于評(píng)估也用于強(qiáng)化學(xué)習(xí)訓(xùn)練。該模擬器還能讓AI在一天內(nèi)學(xué)習(xí)相當(dāng)于人類500年駕駛經(jīng)驗(yàn)。

蔚來(lái)的NWM（NIO World Model）則將重心放在車(chē)端實(shí)時(shí)推演上。2025年5月，蔚來(lái)自主研發(fā)的NWM首個(gè)版本正式啟動(dòng)推送，覆蓋超過(guò)40萬(wàn)臺(tái)搭載Banyan榕智能系統(tǒng)的車(chē)型。NWM是一個(gè)多元自回歸生成式模型，具備空間理解能力和時(shí)間理解能力，空間上通過(guò)生成模型重構(gòu)傳感器輸入來(lái)泛化地抽取信息，時(shí)間上通過(guò)自回歸模型自動(dòng)建模長(zhǎng)時(shí)序環(huán)境變化。

圖片源自：網(wǎng)絡(luò)

它能在100毫秒內(nèi)推演出216種可能軌跡并尋找最優(yōu)路徑，然后在下一個(gè)100毫秒繼續(xù)根據(jù)外界信息輸入更新內(nèi)部模型，再次預(yù)測(cè)216種可能性，持續(xù)尋找最優(yōu)解。NWM之外，蔚來(lái)還構(gòu)建了生成式仿真模型NSim，兩者配合組成閉環(huán)仿真測(cè)試能力。

Momenta的R7強(qiáng)化學(xué)習(xí)世界模型則采用三層遞進(jìn)架構(gòu)。據(jù)Momenta合伙人、研發(fā)SVP夏炎介紹，第一層是世界模型預(yù)訓(xùn)練，通過(guò)海量真實(shí)駕駛數(shù)據(jù)讓模型習(xí)得物理常識(shí)；第二層是閉環(huán)仿真，通過(guò)虛擬仿真推演極端場(chǎng)景；第三層是強(qiáng)化學(xué)習(xí)，在高度擬真環(huán)境中讓AI反復(fù)試錯(cuò)尋優(yōu)。

Momenta CEO曹旭東在2026年北京車(chē)展上宣布R7實(shí)現(xiàn)量產(chǎn)首發(fā)，提出世界模型與強(qiáng)化學(xué)習(xí)構(gòu)成物理AI的兩大核心支柱。這種分層設(shè)計(jì)把物理常識(shí)學(xué)習(xí)和駕駛行為優(yōu)化解耦開(kāi)來(lái)，預(yù)訓(xùn)練負(fù)責(zé)懂物理，強(qiáng)化學(xué)習(xí)負(fù)責(zé)開(kāi)得好。

輕舟智航則采用VLA+世界模型+強(qiáng)化學(xué)習(xí)的統(tǒng)一架構(gòu)，并明確提出了安全的端到端理念，即將已得到量產(chǎn)驗(yàn)證的時(shí)空聯(lián)合規(guī)劃經(jīng)驗(yàn)融入One Model設(shè)計(jì)中，同時(shí)在離線訓(xùn)練階段構(gòu)建基于運(yùn)動(dòng)模擬的世界模型。其運(yùn)動(dòng)模擬世界模型的特點(diǎn)是生成的仿真視頻更加可控，能保證時(shí)序、空間位置、物體幾何、物理規(guī)則的一致性和正確性，這一點(diǎn)與傳統(tǒng)世界模型側(cè)重生成視覺(jué)逼真度有所不同。

訓(xùn)練伙伴還是安全考官？

在云端應(yīng)用層面，各企業(yè)對(duì)世界模型的功能定位同樣分化出了不同方向。

商湯絕影的絕影開(kāi)悟世界模型側(cè)重生成能力。商湯絕影CEO王曉剛在2025年9月提出，智能駕駛正從規(guī)則式智駕1.0、經(jīng)端到端智駕2.0，邁入生成式智駕3.0階段。在2025年WAIC上，商湯絕影全新升級(jí)了行業(yè)首個(gè)已量產(chǎn)、可交互的“絕影開(kāi)悟”世界模型，發(fā)布了生成式世界模型產(chǎn)品平臺(tái)及業(yè)內(nèi)最大規(guī)模的生成式駕駛數(shù)據(jù)集WorldSim-Drive。王曉剛將世界模型的價(jià)值概括為三個(gè)突破，即突破數(shù)據(jù)瓶頸（生成無(wú)限長(zhǎng)尾場(chǎng)景）、確立更確定的技術(shù)安全邊界（在仿真中不斷嘗試）、通過(guò)自主進(jìn)化達(dá)到超越人類駕駛的體驗(yàn)。

圖片源自：網(wǎng)絡(luò)

Wayve的GAIA-3則走了一條與眾不同的路，它把世界模型定位成安全考官。2025年12月，Wayve正式發(fā)布GAIA-3，一個(gè)參數(shù)規(guī)模達(dá)150億的生成式世界模型，規(guī)模是前代GAIA-2的兩倍，視頻分詞器同樣翻倍，預(yù)訓(xùn)練數(shù)據(jù)量提升十倍，覆蓋多個(gè)大洲、車(chē)型、環(huán)境與駕駛條件。

GAIA-3具備安全關(guān)鍵場(chǎng)景生成能力，可支持離線環(huán)境下的what-if反事實(shí)推理測(cè)試，并具備embodiment transfer功能，能在不同傳感器配置間做一致性評(píng)估。Wayve首席科學(xué)家Jamie Shotton表示，GAIA-3將世界建模從視覺(jué)合成推進(jìn)到真正的自動(dòng)駕駛評(píng)估與驗(yàn)證。早期研究顯示，GAIA-3的仿真測(cè)試結(jié)果與實(shí)際路測(cè)高度一致，并將合成測(cè)試的拒絕率降低了五分之四。這一思路把生成和評(píng)測(cè)合并進(jìn)了同一個(gè)世界模型框架，讓安全驗(yàn)證不再依賴有限的實(shí)際路測(cè)里程。

學(xué)術(shù)界的探索也在推動(dòng)世界模型的通用化。中科院自動(dòng)化所提出的Drive-WM是第一個(gè)與現(xiàn)有端到端規(guī)劃模型兼容的駕駛世界模型，論文發(fā)表于CVPR 2024。Drive-WM采用多視圖聯(lián)合時(shí)空建模，通過(guò)擴(kuò)散模型生成高保真的多視圖駕駛視頻，并結(jié)合多視圖預(yù)測(cè)與端到端規(guī)劃，為規(guī)劃器提供獎(jiǎng)懲反饋以優(yōu)化軌跡選擇。卓馭科技在2025年底也首次對(duì)外發(fā)布了全新的多模態(tài)端到端世界模型，宣告其數(shù)據(jù)驅(qū)動(dòng)的空間智能移動(dòng)基座正式成型。

端到端里的世界模型與VLA，并行的技術(shù)判斷

在世界模型路線逐漸成型的同時(shí)，VLA（視覺(jué)—語(yǔ)言—?jiǎng)幼髂Ｐ停┮苍诳焖侔l(fā)展，行業(yè)圍繞兩條路線的關(guān)系產(chǎn)生了不少討論。

華為的立場(chǎng)很明確。WEWA架構(gòu)中沒(méi)有引入語(yǔ)言模型作為中間層，而是讓世界行為模型直接處理多模態(tài)感知輸入并輸出駕駛動(dòng)作。華為認(rèn)為，在駕駛決策鏈中增加語(yǔ)言推理模塊會(huì)帶來(lái)信息損耗，真正的自動(dòng)駕駛應(yīng)該讓模型直接理解物理世界。

部分企業(yè)則走的是VLA與世界模型并行的路線。小鵬汽車(chē)在2025年4月披露了720億參數(shù)的小鵬世界基座模型，以大語(yǔ)言模型為骨架網(wǎng)絡(luò)，具備視覺(jué)理解能力、長(zhǎng)思維鏈?zhǔn)酵评砟芰蛣?dòng)作生成能力。小鵬的做法是通過(guò)基座模型知識(shí)蒸餾上車(chē)，突破車(chē)端模型參數(shù)量有限的問(wèn)題。其技術(shù)路徑遵循世界模型理解—推演—生成的框架，模型在內(nèi)部重構(gòu)數(shù)字形式的物理世界，預(yù)測(cè)不同決策下環(huán)境的變化，選擇最優(yōu)路徑后直接生成控制動(dòng)作。這種方案試圖在世界模型的空間推理能力和語(yǔ)言模型的常識(shí)推理能力之間找到一個(gè)結(jié)合點(diǎn)。

圖片源自：網(wǎng)絡(luò)

地平線HSD則選擇了讓VLM（視覺(jué)語(yǔ)言模型）只承擔(dān)輔助性角色，僅用于識(shí)別路牌等文字信息，不通過(guò)大語(yǔ)言模型來(lái)理解交通狀況本身，駕駛決策的主體仍然是端到端的視覺(jué)模型加上在世界模型中的強(qiáng)化學(xué)習(xí)。HSD采用一段式端到端+強(qiáng)化學(xué)習(xí)架構(gòu)，實(shí)現(xiàn)從光子輸入到軌跡輸出，通過(guò)強(qiáng)化學(xué)習(xí)在世界模型中自我探索與交互，增強(qiáng)場(chǎng)景理解與推理能力。

值得留意的是，這種路線并行很可能只是過(guò)渡狀態(tài)。商湯絕影CEO王曉剛指出，端到端自動(dòng)駕駛的瓶頸在于人類行為就是智能的天花板，同時(shí)依賴大量高質(zhì)量數(shù)據(jù)，而世界模型和強(qiáng)化學(xué)習(xí)的組合有望突破這個(gè)上限。隨著世界模型在物理常識(shí)建模和因果推理能力上的提升，純視覺(jué)推演有望逐步覆蓋當(dāng)前需要語(yǔ)言模型來(lái)補(bǔ)充的場(chǎng)景理解功能。反過(guò)來(lái)，如果大語(yǔ)言模型的多模態(tài)推理能力持續(xù)進(jìn)化，也可能進(jìn)一步模糊兩條路線的邊界。

繞開(kāi)具體路線的爭(zhēng)論，行業(yè)在一個(gè)根本問(wèn)題上其實(shí)是沒(méi)有分歧的，那就是讓AI真正懂得物理世界的規(guī)律，并在安全的虛擬環(huán)境里不斷試錯(cuò)和成長(zhǎng)，是通向高階自動(dòng)駕駛繞不開(kāi)的一步。

審核編輯 黃宇