踢车帮
技术的突破成本极其高，一旦突破，它复制成本又极其低。这个复制的过程，决定了差距，需要强悍的组织能力。
刚刚结束的地平线生态大会上，地平线副总裁&首席架构师苏箐以一场充满“工程人坦诚”的演讲，分享了智能驾驶行业技术变革的深层逻辑，并预言了即将到来的应用变革。
地平线创始人余凯与副总裁苏箐的共识背后，一场由技术范式统一引发的智驾普及风暴正在横扫中国车市。15万元的智驾体验直逼50万元豪车，这仅仅是开始。
商业应用落地，科技普惠开始的先决条件，是智能驾驶方法论的革命性突破。
范式革命
从“代码炼狱”到“世界直觉”
“分水岭事件出现在2024年，就是（特斯拉）FSD的V12（版本），非常非常关键”。
一向心直口快的苏箐坦言，2024年之前，整个行业多多少少都会有一种认知：智能驾驶能用，但不好用，而且看到不到太多变得好用的希望。
在特斯拉FSD V12之前，业界主流的自动驾驶系统（包括特斯拉V11及更早版本）本质上是一个模块化、规则驱动的软件工程系统。
传统智能驾驶开发就像工程师试图用代码编写一部《全球交通百科全书》，将驾驶拆解为感知、决策、规划、控制等独立模块，每个模块塞满“if-then-else”规则。
智能化的革命其实只走完了一半，感知实现了数据驱动，但决策、规划、控制模块依然处于规则指导下。
这样的架构就造成了“对人来说很简单的事，对计算机极难； 对计算机很简单的事，对人反而很难”。
根本问题在于“语义抽象墙”和“规则爆炸”，系统遇到未编程的“五岔畸形路口”就会死机，识别到飘过的塑料袋可能误判为车辆而急刹。
每当遇到一只塑料袋飘过、五岔畸形路口、交警临时手势这样的新场景（Corner Case），工程师就需要“打补丁”更新规则库。
而现实世界的驾驶场景是无限且长尾的，每解决一个漏洞，就像在破船上打一块新补丁，系统越补越复杂，行为却越来越僵化，变得臃肿且脆弱。这种“规则驱动”模式很容易撞上天花板。
这是人与机器思维逻辑的本质区别决定的，我们人类开车考得是“经验、直觉、临场判断”，机器则是依赖“规则、逻辑、高精地图”。
特斯拉FSD V12的“端到端”范式，本质上是思维方式的根本转变。它不再试图教会汽车“思考”，而是让它直接“感觉”，就像我们人类驾驶员那样。
FSD用一个统一的神经网络吞下百亿英里人类驾驶视频，训练目标简单直接：让你的操控动作无限接近视频里的人类司机。
在这个过程中，神经网络为了完成这个看似不可能的任务，被迫在内部构建了一个“世界模型”。
这个“世界模型”不是预设的规则库，而是网络在压缩海量数据时自发涌现出的物理直觉——它能感知前车微小的减速趋势，预判探头行人的意图，在陌生路口凭“感觉”找到通行路径。
革命性的不是功能，而是底层哲学：自动驾驶的答案可能不是更强大的计算机，而是更接近人脑的“直觉”。
驾驶智能第一次从数据中“生长”出来，而非被“设计”出来。苏箐用了一个很直白的比喻：“过去我们是在‘拼乐高’，现在是在‘种树’。”
总有声音在争论，FSD是不是最强，但其实这个问题在苏箐看来不重要，FSD的核心价值是打开了一个内核的范式，深度学习和神经网络就类似于当时的核裂变试验一样。
就像当初的核裂变实验一样，FSD告诉我们这个范式是可能的，只是在什么时候，以什么形式把自动驾驶做到什么程度，其实在第一个人做到之前，没有人知道。
所以，厂商们的动作都很诚实，小鹏、理想、蔚来、Momenta等纷纷宣布“端到端”模型即将上车规划，“端到端的可行性已被证明，行业的认知统一了。”
成本坍塌
当15万的车有了50万的“大脑”
后面的那一半的革命完成，一个新的时代才会有可能来临。
虽然苏箐给自动驾驶泼了盆冷水，“未来三年大概率不会有理论的跨越式变革。”自动驾驶要过苦日子了，但也指明了方向：“接下来是极致优化期。”
范式打通后，Urban L2会迎来一个巨大的发展红利期，从10万的车，到20万的车，辅助驾驶都会非常好用。
“今天大家看到的HSD其实还只是新范式的第一个版本，未来一年会有巨大的提升”。因为“技术的突破成本极高，但复制成本极低。”
苏箐的这句话也正在智能驾驶市场得到残酷验证，今年上半年，搭载地平线征程系列芯片的 深蓝L06、星途ET5等15万级车型密集上市，这些车提供的城区NOA体验，直逼三年前50万级豪车的水平。
地平线创始人余凯博士倡导的“科技普惠”不是口号，而是精确的产业预判。成本结构的“悬崖效应”是这一切的关键。
传统模式下，智能驾驶成本是线性的。每增加一个城市，每开发一个功能，都需要大量工程师重新适配规则，只有少数不计成本投入的玩家可以快速更新产品的体验。
而“端到端”模式下，最大的成本集中于前期模型训练，一旦这个统一的“大脑”成熟，将其部署到新车型、新城市的边际成本急剧下降。
更深远的影响在于技术路径的统一。过去，L2辅助驾驶和L4自动驾驶被看作两个世界：前者成本敏感，接受人类接管；后者不计成本，追求绝对安全。Waymo式的豪华传感器+高精地图+限定区域模式，商业上始终无法跑通。
但苏箐相信，“新的方法论消除了L2和L4之间的技术鸿沟。”
同一个“世界模型”驱动的系统，随着数据增加和训练充分，其安全性可以持续提升，最终在条件成熟时从“辅助”无缝过渡到“替代”。事实上，特斯拉已经用量产版Model Y在验证其Robotaxi的技术内核。
地平线的商业版图也正在这一判断下加速扩张。仅过去半年，地平线先后与比亚迪、大众旗下软件公司CARIAD、零跑等达成深度合作，智能驾驶的普及速度可能远超预期。
效率战争
未来三年，没有奇迹只有内功
当技术路线趋于统一，竞争焦点从“谁更聪明”转向“谁更扎实”。
数据闭环的效率成为新的军备竞赛。“端到端”的核心是数据驱动，谁能以最低成本收集最多“极端场景”，谁能最快完成数据标注、训练、部署的迭代循环，谁就能在这场马拉松中领先半个身位。
余凯在不同场合都强调过“软硬结合”的重要性。
地平线的策略清晰——通过自研BPU芯片架构和工具链，为行业提供高效的“算力底座”。今年推出的征程6系列芯片，算力覆盖从入门到高阶的全场景，正是为应对“极致优化期”的多样化需求。
组织能力成为最终的竞争壁垒。“决定差距的，需要组织能力。”苏箐的这句话在行业震荡期显得尤为深刻。
今年的上海车展上，余凯在接受采访时提到：“智能驾驶的竞争已经进入‘深水区’。”这个深水区，正是苏箐所说的处理“极度拟人化的复杂博弈场景”——比如在狭窄路段与卡车错车时的心理博弈。
这些场景无法通过规则穷举，只能依靠模型真正的“理解”能力，但各个厂商都在推出“世界模型”、VLA的同时，如何度过模型切换时期的体验波动，并展现出持续的进化效率，就是在考验当技术范式的红利逐渐消退，进入到消耗战阶段，团队是否拥有高效工程体系、快速迭代文化和跨学科整合能力。
作为中国AI芯片独角兽初创企业，地平线的策略，是将自己定位为“赋能者”，提供从芯片到开放工具链的全栈方案，降低合作的门槛。
这种“不站队”的开放生态策略，让地平线能够最大范围地接触不同场景的数据，反哺芯片和工具链的迭代。
今年上半年，多个品牌已宣布将高速NOA功能下放至10-15万车型。余凯的预测是：“到2025年，15万级车型将普遍搭载城市NOA。”
这并非激进预测，而是基于技术发展趋势的理性判断，端到端范式带来的最大惊喜是城市泛化能力的质变。
苏箐表示，地平线HSD智能驾驶辅助基于“世界模型”的系统在上海训练后，在成都、武汉能立即处理大部分场景，只需针对极少数极端情况微调。
这意味着智能驾驶的城市扩张成本从“每城数百万研发投入”降为“主要算力成本”。对于车企而言，这不仅是成本节约，更是市场扩展速度的指数级提升。
当技术范式的统一带来成本结构的坍塌，智能驾驶的“民主化进程”比任何人预想的都要快。“智能驾驶将像自动挡一样普及。”而在这场智驾体验极致优化的竞速赛中，持续进化能力反而比短暂领先更重要。
本文作者为踢车帮 孙小树
评论(0)