2025中国智驾开发者50人（第四期）

2025年度，谁在推动智驾进步？

我们筛选了80多位入围候选人，绝大多数在国内，少数在国外，个别是海外华人。他们的研发成果，体现在过去两年里发生的两次智驾拐点上。但其中的大部分，都很低调。

入围的标准有两条（个别极其优秀者例外）：

1、2025年内，在全球顶会顶刊发表高引论文的第一作者（含合著团队）；

2、2025《智驾天梯榜》年度榜单上榜方案商和主机厂的核心研发人员。

经过核实与比对，最终挑选出50位有代表性的人物。他们的身份，大体分四类：

1、学术研究者，在顶会顶刊上发表高引论文的作者（含合著团队）；

2、研发组织者，定投资、定方向、定目标、定范式、定团队的人，类似奥本海默；

3、研发骨干，负责某一个具体方向的研发统筹，并和兄弟们一起拼搏出成果的人；

4、产品和工程负责人，负责产品定义、用户交互、工程实施的人，做出了非常棒的产品体验，或者保障了连续的工程交付表现。

继第一期推荐11篇卓越论文的作者们，第二期记录理想汽车、小鹏汽车和Momenta智驾关键人物，第三期记录特斯拉和华为的智驾产研负责人之后，本期是第四期，记录的人物全部来自智能驾驶供应商——博世中国、地平线、文远知行（排名不分先后）。

#01

余凯：打造出一个令人信服的“智驾样板间”

职务：地平线创始人兼CEO

过去两年，智驾不断驶入拐点，各家排位在变，但行业竞争结构基本已经清晰，20万以上的智驾市场，蛋糕几乎被特斯拉、华为、理想、小鹏、小米，蔚来瓜分；10-15万级的市场，格局未定，尚未形成独大的局面，以方案商的角度看，地平线眼下的对手只有华为方案（尚界H5）和Momenta。

所以余凯在2025年面对的首要问题，就是能不能拿出一个可以一战的方案，他称之为“智驾样板间”。

具体说，余凯在2025年面临着三个挑战：

1、智驾正在从少数车型的卖点，变成大多数车型的基础配置。这一阶段里，技术领先本身不再自动转化为商业优势，工程能力和规模能力开始决定生死。对一家以芯片和智驾方案为核心的公司来说，如果不能证明方案在大规模量产下依然可控，那么再先进的架构都难被选择。

2、主机厂的策略正在发生分化。头部车企推进自研芯片和算法，中腰部和长尾车企面临资源受限、节奏受限的现实困境。行业内部逐渐形成一个判断，并非所有车企都能在短期内独立完成智驾全栈。问题在于，合作方案是否足够像自研，能否在平台层面保留主机厂的可控空间。

3、地平线自身需要完成商业闭环验证。前期多年投入已经完成技术和生态铺垫，但如果无法在主流价格带形成稳定出货和持续激活，地平线很难向外界证明，这条“软硬结合、面向量产”的路线在经济模型上成立。

在我们看来，这个样板间的目标并不抽象，它需要回答几个极其具体的问题：在单颗征程6算力约束下，城区辅助驾驶可以做到什么程度？在明确的成本边界内，系统能力如何取舍？在真实量产条件下，方案能否被不同主机厂的不同车型快速复用？

在这个方向上，2025年余凯搬出了两招：

1、反向收敛系统复杂度。HSD从设计之初就围绕“单芯片、单套工具链、单一工程范式”展开，感知、规划、控制的目标被重新拉齐，不再为极端长尾场景预留过多隐性冗余。模型规模、算力调度、数据闭环节奏，都被压进一个可被核算的工程框架中。

2、进行更开放自由的合作方式。算法能力不再以功能点对外呈现，而是作为一套完整的城区辅助驾驶基线能力，通过HSD Together的合作模式，嵌入主机厂自身的软件体系，这种方式比白盒交付更开放自由，因为主机厂可以自己去选择供应链，HSD不受硬件供应商限制，一方面能降低主机厂的集成成本，另一方面也为后续差异化演进保留了接口空间，某种程度上，地平线和合作伙伴们一起，向让主机厂让渡了部分话语权。这也是余凯敢拍胸脯说未来3-5年HSD出货千万套的底气。

尽管HSD的性能上限还没有被完全榨出来，但它也是撼动2025下半年智驾拐点的三大供应商方案之一，（另外两家是博世一段式和Momenta R6），合作车型星途ET5上市2周激活量达到12000辆，这个指标证明HSD在规模化商业闭环上初见成效。

#02

苏箐：把概念变成能交付的功能

职务：地平线副总裁兼首席架构师

苏箐在华为时以“感言“著称，到地平线以后，低调了很多。

作为主导HSD落地的研发一号位，苏箐在过去两年要解决的问题，是把工程能力和地平线原有的AI研发能力，有机的结合在一起，并在余凯给定的时间点，交付出一个让大家惊讶的一段式端到端。

在HSD推进量产之前，苏箐和团队首先遇到的难题，并不是模型效果，而是一个更基础、也更残酷的问题：端到端系统，到底能不能在真实车规环境里“活下来”？

一段式端到端在理想状态下，可以从传感器输入直接输出驾驶轨迹，但一旦进入真实道路，就会立刻暴露出系统级风险，时延是否可控？异常行为如何回溯？跨城市、跨场景性能会不会迅速塌陷？这些问题，决定了端到端究竟是研究论文，还是可落地系统。

所以，苏箐必须迈过“五道坎”。其一，是时延与算力的系统级控制。端到端模型天然倾向于更大的规模，而车端算力、功耗和车规稳定性，几乎不会给太多试错空间。苏箐的办法，是围绕征程®6P的算力架构，对模型计算图、特征流转路径以及推理调度进行设计，让端到端在保持完整闭环的同时，实现了从“光子输入到轨迹输出”的低时延响应。这一步，让HSD有了跑起来的可能。

其二，是端到端的安全性与可解释性。在传统分模块系统中，感知、预测、规划可以分别验证，但端到端一旦出问题，很容易变成无法追责的黑箱。他和团队并没有回避这一结构性缺陷，而是通过中间表征约束、行为先验嵌入和多尺度回放机制，为端到端系统构建了可追溯的工程接口，异常行为可以被定位、复现和修正，而不是被“模型不稳定”一笔带过。

其三，是动态与静态世界的统一建模。真实驾驶的难点，从来不只是“看见什么”，而是如何在不断变化的环境中做连续决策。在苏箐主导下，他对动态目标和静态结构进行了统一建模和联合学习，避免了传统系统中动态模块与地图、规则反复对齐的高昂成本，也让系统在复杂城市场景中可以保持连续、稳定的驾驶风格。

第四道坎，是无图与有图的融合。在很长一段时间里，行业将无图和有图视为对立路线。HSD的实践证明，这种对立并不成立。地图在HSD中不再是强规则，而是以弱先验、软约束的形式融入模型学习，使系统在有图时更稳、无图时不崩，大幅降低了跨城市部署的工程成本。

第五道坎，是跨城市泛化的真实代价。传统方案里，每进入一座新城市，几乎都意味着一次新的工程项目。HSD的端到端范式，把系统能力更多锚定在驾驶行为本身，而不是城市特定规则，让跨城市部署从“工程适配”转向“数据驱动的能力扩展”，这是其真正具备规模化潜力的前提。从结果来看，HSD并没有宣称彻底取代传统方案，而是完成了一件更重要的事，它证明了端到端不是减少工程复杂度，而是把复杂度前移到系统设计与工具链层面。

#03

张骞：把感知变成端到端的入口

职务：地平线智能驾驶系统产品线感知团队研发负责人

在端到端体系里，感知的位置发生了根本变化。它不再是“把世界看清楚”，而是决定系统如何理解世界。张骞在2025年承担的，正是这个入口级责任。

传统智驾体系里，感知的目标非常明确：准、稳、可解释。但在端到端系统中，感知要回答的是另一类问题，哪些信息，值得被系统记住？这意味着模型结构、特征表达、时序建模，全部需要重来。

在HSD项目中，张骞负责的是高阶智驾感知方案整体设计，端到端感知与系统的协同，还有工程体系的搭建与落地。这一过程中，他所推动的是一整套方法论，MapTR将地图理解融入在线感知，DiffusionDrive扩展了感知对未来行为的建模方式，Vision Mamba探索替代Transformer的新视觉主干，这些工作背后，有一个共同目标，让感知成为端到端系统可学习的一部分，而不是预设前提。

Vision Mamba在学术上的成功，使它成为2024年度最具影响力的AI论文之一。但真正困难的是，如何让这些模型，在车规芯片上稳定运行。2025年，张骞团队完成的，不只是算法验证，还有模型结构工程化、推理效率与算力匹配、与系统时延预算的深度协同。

最终的结果，是感知第一次真正融入端到端体系，HSD的量产落地，意味着感知不再是“外部输入模块”，而是端到端系统的一部分，行为生成的重要约束条件。

#04

苏治中：把自动驾驶技术拓展到具身智能

职务：地平线机器人实验室负责人

苏治中在2025年面对的问题，来自一个更长期、也更棘手的技术断层：如何让地平线在智能驾驶之外，具备一套可以继续扩展的通用智能技术底座。

在智能驾驶完成规模化量产之后，一个现实逐渐浮出水面：以“驾驶”为中心构建的感知、决策与控制体系，正在接近其能力扩展的边界。模型可以不断变大，数据可以持续积累，但这种路径更多是在既有问题空间内做逼近，而非打开新的能力维度。无论是更复杂的驾驶场景，还是机器人等新形态，都需要一种能够跨任务、跨载体迁移的能力框架。

基于这一判断，苏治中的思路是，从“功能模型”转向“基座模型”，并且直接在具身智能这一更具挑战性的领域中验证其可行性。

在地平线内部，他所负责的机器人实验室被定义为三大核心实验室之一，但其定位并非单纯做前沿探索，而是承担着为公司下一阶段技术形态探路的角色。实验室围绕Manipulation、Mobility和Real2Sim三个方向展开研究，覆盖了机器人操作、移动能力以及从真实世界到仿真环境的闭环迁移。这种布局，本质上是在复现一套比智能驾驶更复杂的感知—决策—执行体系。

在具体落地路径上，苏治中推动了基座模型的构建。他带领团队先后发布了具身智能“小脑基座模型”HoloMotion和“大脑基座模型”HoloBrain。前者聚焦于运动控制与执行层能力，解决“如何稳定、可控地完成动作”；后者面向更高层的感知理解与策略生成，解决“在复杂环境中如何做出合理决策”。

值得注意的是，这些模型并未脱离工程现实。无论是训练方式、数据来源，还是推理结构设计，都刻意考虑了未来在真实硬件和真实系统中的部署可能性。Real2Sim方向的引入，正是为了解决具身智能在工业化过程中普遍面临的数据获取和验证成本问题，通过仿真与现实的闭环，加快模型迭代效率。

从结果上看，苏治中在2025年所推进的工作，已经开始体现出工程与研究并重的特征。团队在CVPR、NeurIPS、AAAI、IROS等顶级会议持续产出成果，同时在具身智能竞赛中取得了包括CVPR 2025 RoboTwin双臂协作真机赛第一名在内的实证成绩。这些结果验证了基座模型思路在真实系统中的可行性。

#05

吴永桥：带博世坐上中国智驾牌桌

职务：博世智能驾控事业部中国区总裁

伴随采埃孚、安波福、电装等企业退出智驾赛道后，博世成了现在唯一留在“圈里”的传统Tire 1。但2025年，吴永桥仍面临2个核心问题：

1、盈利与成本压力失衡。博世2025年整体营业利润率仅1.8%，创金融危机后新低，智驾业务也陷入亏损，激光雷达等核心部件量产成本超预期，下游车企因自身盈利下滑，持续向博世转嫁成本，价格战挤压空间显著。

2、技术与竞争格局被动。第三方智驾供应商呈现华为、Momenta、地平线主导格局，市场份额被快速分割，博世传统模块化方案竞争力被弱化；同时车企全栈自研潮兴起，博世作为Tier1的议价权被削弱，仅华为、宁德时代能在主机厂面前保持溢价能力。

这两个问题都把矛头指向了一处，作为全球最大的Tire 1，博世在中国到底有没有智驾竞争力？他需要让博世尽快出现在中国智驾牌桌上，这是他在过去一年，最核心的挑战。

如何突围？吴永桥的思路，是押注一段式端到端，造一个在20万级有竞争力的智驾方案。

在这个方向上，2025年吴永桥推动了两件大事落地：

1、在18个月内，和文远知行联合开发的WePilot 3.0完成工程交付，搭载在星纪元ES。这是继地平线HSD之后，行业第二个量产的一段式端到端。在博世和文远知行的合作过程中，双方主要就算法应用和工具链等层面进行了联合开发，如行车部分的感知、预测、规划，以及部分工具链，其中博世主要以Tier 1的身份向主机厂提供包含传感器、计算平台、算法应用以及云服务等关键技术要素的全栈式高阶智驾解决方案，如域控硬件、底层软件、中间件、系统集成、闭环工具链、泊车功能等，文远知行的优势集中在算法层面。

2、组织重构，增加AI领域的研发人才密度，陈大宇和张睿等人，在这一年相继入职。在强烈的压力之下，吴永桥赌对了，博世（文远）的一段式方案，在2025年末取得了令人震惊的成功，在智驾大赛、智驾众测以及其他博主的评测中，都拿下极高评价。这让博世这家昔日Tier 1霸主，重新回到人们的视线之中。

#06

陈大宇：让智驾快速进入商业闭环

职务：博世智能驾控中国区副总裁，智驾体验业务中国区负责人

陈大宇在2025年面对的，是一个更具体、也更棘手的问题：如何把博世分散的低、中、高阶智驾能力，拧成一条真正可交付的产品线。

智驾不缺功能，缺的是结构。陈大宇在2025年10月出任博世智能驾控中国区副总裁、智驾体验业务负责人时，博世内部其实已经具备了覆盖低到高阶的完整能力栈。但问题在于，各层级方案彼此独立，主机厂的理解成本偏高，这会导致一个认知偏差，博世很强，但可能“不好用”。

尽管陈大宇的加入时间较晚，但他在2025年仍做出了核心判断，把智驾重新定义为一条连续的产品曲线。这意味着三件事，博世纵横辅助驾驶基础版不只是“入门版”，而是高阶方案（纵横辅助驾驶至尊版）的工程基础；中阶方案（纵横辅助驾驶升级版版）必须承担规模化责任；高阶方案的技术路径，要反向约束低中阶的设计。

在他的推动下，博世开始以“全域产品布局”来重新拆解项目，不再单独卖某一个功能，而是明确给出从L2到高阶辅助的升级路径。

所以在2025年四季度，陈大宇把主要精力放在了三件“硬任务”上，中高阶方案的量产攻坚；项目出海的工程重构；传感器业务为系统服务的转型。

尤其是传感器这条线，过去长期以性能指标为导向，而在2025年开始，被明确要求为系统效率和体验让路。这对一家硬件背景极强的Tier1来说，并不轻松。

到2025年底，博世在中国的智驾产品，开始呈现出清晰结构，主机厂更容易选型，项目推进节奏明显加快，出海项目具备更强复制性。可以说，这是一次“工程型负责人”的胜利，让博世智驾方案像一条完整产品线那样运转起来。

#07

韩旭：把概念变成工程交付

职务：文远知行创始人兼CEO

客观的说，文远的算法，是博世一段式在2025年末崛起的头号功臣。

当特斯拉用 FSD 把one model推向行业主叙事，华为开始在整车与智驾系统层面重构闭环能力时，文远知行如果只停留在“Robotaxi 跑得通”，就很难进入下一阶段的产业牌桌。

所以韩旭在过去一年，所承受的压力在于：端到端如果只是一种科研成果，它不足以支撑一家自动驾驶公司的规模化未来。

2025年，韩旭的关键贡献是把端到端从研究对象，变成可被拆解、被约束、被量产的工程系统。这件事的核心节点，正是文远知行与博世联合开发的WePilot 3.0一段式端到端模型。在这个过程中，韩旭团队实际上解决了三类问题：

1、端到端的“不可解释性”，如何与车规安全共存？通过系统级拆分，把一段式端到端放入可被验证的安全框架中，在输入、输出、约束条件上引入工程边界，同时把“学习到的策略”限定在可被系统级规则校验的范围内。

2、端到端如何跨车型、跨算力平台部署？在与博世的联合方案中，双方将大模型重构成了能迁移的模型结构、可裁剪的算力配置和可标准化的接口层。

3、端到端如何进入真实商业交付，而不是只跑 Robotaxi？这是最难的一步，因为Robotaxi目前能接受高成本、高算力、高维护，而量产车不行。

比起国内的技术成就，我们也关注他对L4的推进节奏。在2025年之前，Robotaxi行业已经被反复唱衰过很多次了。原因并不复杂，技术进展很快，但商业模型始终站不稳。韩旭在这一年面对的现实问题，比“能不能自动驾驶”更直接：如果自动驾驶不能形成可复制的规模化模型，它还能不能继续存在？

他在2025年的核心判断，是Robotaxi必须先“收敛”。过去一年，韩旭推动的最重要方向是对技术与产品形态的收敛。

具体表现为三点，减少过度定制的算法路径；压缩不同城市；不同车型之间的系统差异，他与团队让端到端与传统模块化方案共存，而非对立。这背后的逻辑非常现实，因为Robotaxi的“敌人”，从来不只是技术难度，而是商业规模化运营的复杂度。

2025年，韩旭依然作为核心作者，参与了端到端与跨场景平台化的高引论文。这些论文的关注点，已经明显不同于早期研究，而是更强调系统稳定性、更强调跨任务迁移、更强调数据闭环效率。它们不再只是“证明可行性”，而是为规模化运营提供方法论支撑。

#08

李岩：用一套系统把自动驾驶业务串起来

职务：文远知行联合创始人兼CTO

如果说韩旭面对的是“公司如何跑下去”，那么李岩在2025年承担的，是一个更加底层的问题：技术是否足够通用，才能支撑规模化。李岩的履历横跨学术界与工业界，CMU博士、Facebook、微软核心工程经验、微软亚洲研究院早期成员，在文远知行，他的角色并不是“写最好模型的人”，而是把不同模型、不同感知任务，拧成一套可长期维护的平台，更像是一个角色更重要的系统中枢。

他在2025年做的核心工程，是UniPerception-4D，解决了一个长期存在的问题，为什么自动驾驶的感知系统，始终难以跨车型、跨场景复用？4D 时空感知的意义在于，把时间作为一等公民，把不同传感器、不同任务，纳入统一表示，能减少针对单一场景的“特化设计”。

过去一年，李岩主导的另一项关键工作，是WeRide One通用技术平台。这套平台的目标非常明确，让Robotaxi、无人配送、自动驾驶巴士等业务，共享同一套感知、决策、工具链与数据系统。

这一步的难点在于，平台化意味着牺牲短期最优，换取长期稳定。随着UniPerception-4D和WeRide One的逐步成熟，文远知行在2025年的技术体系呈现出一个重要变化，新业务上线成本下降、不同城市的部署速度加快、技术债开始被系统性消化。

#09

写在最后：

当智能驾驶的发展被不断拆分为模型参数、技术架构和路线分歧时，讨论本身正在变得越来越热闹，但判断却并不总是随之清晰。

从2025年往回看，会发现真正拉开差距的，已经不再是谁率先采用了哪种方案，而是谁能够在复杂现实中，把系统长期运行的风险、成本和体验同时纳入决策之中。这类能力往往不显山露水，却直接决定了产品是否具备持续演进的基础。

智能驾驶进入量产深水区后，工程判断的重要性正在被重新认识。它不只关乎算法是否先进，更关乎组织是否能够对不确定性负责，是否具备在争议中保持节奏的能力。

也正是在这一阶段，行业开始从“路线正确性”的争论，转向对“系统可控性”和“交付确定性”的检验。速度仍然重要，但不再是唯一指标。

《2025中国智驾开发者50人》系列记录的这些面孔，正是处在这一转折点上的关键角色。他们的工作很少成为话题中心，却持续影响着智能驾驶真正落地的方式。在1月31日举行的【2025智驾天梯榜年度盛典】上，我们将邀请其中部分代表，进行现场分享，敬请关注。