不久前，疾進狂飆的“智能駕駛”遭遇史上最嚴監管，一方面是功能受限，另一方面，廠家的“口嗨”被禁。降一降虛火是好事，但技術發展的節奏不會減慢，從本屆上海車展多家頭部企業發布的最新信息可知，商用L3預計將在今年Q4量產上車。
當原有的L2輔助駕駛遭到“被動”祛魅，業界需要為即將到來的L3有條件自動駕駛，找到新的技術背書，證明自己實現了質變，讓用戶不明覺厲的同時，重新托付信任。于是在端到端“爛大街”后，又有一些新的概念和術語被提了出來。
但哪些要素是打造一個靠譜好用的L3系統，所必須的條件？我們綜合了最新信息和各方聲音，總結出了以下幾點：
1.中央集中式電子電氣架構：高帶寬、低時延、足夠的冗余
如果將汽車比作人體，電子電氣架構就是神經系統和大腦，是汽車實現信息交互和復雜操作的關鍵。
從傳統內燃機到智電時代，改變的不只是汽車的驅動能源，還有更深層次電子電氣架構——由分布式到(跨)域集中式再到中央+區域集中式的升級和進化。相當于變各自為政的諸侯割據，為中央集權的大一統，哪種模式的體系運作更有序，效率更高不言而喻。
業界早有共識，中央集中式電子電氣架構是軟件定義汽車的前提。三四年前，筆者就曾撰文分析過各家的開發進度，在國際車企中，特斯拉是先行者，領先傳統車企至少六年；國內小鵬是最先應用中央集成式電子電氣架構的廠商，首發于小鵬G9，相比之下，彼時大部分車企都處在(跨)域集中階段。
前幾年，用戶對電子電氣架構的感知不明顯，原因在于汽車的智能化水平還很初級，能實現的功能相對簡單，體現不出底子上的差距，導致電子電氣架構的重要性被忽視。
隨著智艙智駕技術的快速升級，車輛對數據處理能力、系統集成度以及功能迭代速度的要求大幅提高，傳統分布式電子電氣架構在應對這些復雜需求時，逐漸顯露出性能瓶頸和架構局限。而中央集中式電子電氣架構憑借其強大的計算能力、高效的信息傳輸效率、靈活的軟件升級能力以及高度的系統集成性，能夠更好地滿足智艙智駕技術發展的需求，因此已成為至關重要的技術基座。
于是我們看到，一些廠家在電子電氣架構方面陸續有了新動作。比如近日東風嵐圖發布的天元電子電氣架構，通過將動力域、車身域、座艙域、智駕域四域深度融合，實現了高度集成的中央智慧平臺；別克在上海車展前的品牌日上，推出了“逍遙”超級融合架構，其采用中央集中式電子電氣架構，使得車輛能夠搭載更先進的智能駕駛和智能座艙技術；零跑也在不久前上市了首款采用LEAP 3.0技術架構的新車零跑C10，其中的一大創新技術就是“四葉草”中央集成式電子電氣架構；甚至連燃油車第四代，也因為采用了以集中式控制為核心的新一代GEEA 3.0電子電氣架構，補齊了智能化短板，實現了用車體驗的常用常新。
筆者與自動駕駛領域的工程師交流得知，想要真正滿足L3級自動駕駛，就必須重塑車輛的電子電氣架構，做到高帶寬，低時延，且具備足夠的安全冗余。“這是徹底的顛覆，不是小修小補。”
2.云端世界模型：支撐強化學習的超級母體
繼“端到端大模型”成為行業“標配”后，最近越來越多企業在談到L3、L4自動駕駛時，又提出了“世界模型”的概念，這將是業界下個“軍備競賽”的重點。
此前，駕駛輔助算法完成了從傳統模塊化技術范式，到一段式端到端技術范式的躍遷，實現了更類人的駕駛體驗。如今，頭部企業正在從“端到端+VLM（視覺語言模型）”，進一步升級為有端到端2.0之稱的VLA（視覺-語言-動作模型）。
雖然VLA模型參數更大，對算力的要求更高，智駕能力更強，但它仍是部署在車端的模型，存在一些局限性。比如，預測能力有限，缺乏對物理世界的全面理解，數據生成和場景模擬能力不足，可解釋性差等。隨著自動駕駛向高級別發展，端到端模型亟需一位擁有豐富閱歷經驗的“導師”罩著它。這個導師就是世界模型。
世界模型是一種通過構建物理世界的數字孿生，來模擬環境動態并預測未來狀態的模型。通俗來說，它教的不是具體的駕駛技術，而是如何更好地理解這個世界，從而掌握更強的應變能力；它的教學方法也不是拿人類的優秀駕駛案例，讓端到端模仿學習，而是創造一個“結界”，里面有各種虛擬的駕駛場景，包括極端場景，通過“實踐出真知”的強化學習方式，補齊端到端的短板，提升泛化能力。
小鵬汽車自動駕駛副總裁李力耘認為，強化學習、世界模型和生成式仿真是實現L4不可或缺的技術支撐。
4月“小鵬世界基座模型”正式發布，據廠家介紹，它相當于一個超級母體，未來可通過云端蒸餾小模型的方式，為自動駕駛汽車、AI機器人、飛行汽車等智慧體部署不同的“AI大腦”。小鵬汽車將這套從云到端的生產流程稱為“云端模型工廠”。
華為剛剛發布的乾崑智駕ADS 4，背后是“面向自動駕駛，從類人到超人”的全新WEWA技術架構，包括云端的世界引擎和車端的世界行為模型，可謂英雄所見略同。
據筆者粗略統計，已有超過10家車企和自動駕駛公司提出了世界模型的概念，除了上面提到的兩家，還包括特斯拉、英偉達、蔚來、理想、地平線、商湯、元戎啟行、Momenta等公司。
華泰證券在研報中指出，“世界模型”已成為AI輔助駕駛的新技術趨勢。“各企業在智能駕駛上的競爭從過去拼車端算力和配置，逐漸演進到比拼云端構建的世界模型的能力。”
如何評估世界模型的好壞，目前沒有明確的標準，但各家企業均談到了4個要點：模擬駕駛場景的多樣性、還原真實世界的準確性，以及提取分析有價值的數據和評估駕駛行為的能力。
為了讓外界更好的理解并認同自己的實力，企業一般會強調模型參數、云端算力、模型迭代速度、性能提升度等數值。筆者了解到，小鵬世界基座模型的參數量高達720億，是主流VLA模型的35倍左右，其“云端模型工廠”擁有10EFLOPS的算力，集群運行效率常年保持在90%以上，從云到端的全鏈路迭代周期可達平均5天一次。
華為則表示，架構迭代能夠大幅優化智駕體驗，讓端到端時延降低50%，通行效率提升20%，重剎率降低30%。
3.自研芯片+操作系統：打造“防火墻”的前提
除了以世界模型為核心的軟件算法，硬件也是各家頭部企業重點布局的智駕領域。筆者認為，比激光雷達等感知元件更重要的，是芯片+操作系統共同組成的計算平臺。
此前，業界對于“車企做自動駕駛是否要全棧自研”這件事其實是存在分歧的，尤其是在“是否要自己做芯片”上，由于投入大，門檻高，很多人認為不如“讓專業的人干專業的事”。
筆者通過這些年的觀察，得出的觀點是：有理想抱負的車企，必須實現核心技術全棧自研，其中就包括自研芯片和操作系統，因為這是打造“防火墻”的前提。
一方面，掌握核心技術，企業才能擁有持久競爭力，無論在內燃機時代還是智電時代都是如此。首先，通過自研，廠家可以對芯片的算力、功耗、接口等進行精準優化，滿足自動駕駛場景下高實時性、高可靠性的要求。同時，自研操作系統能針對自動駕駛的特定任務進行調度和資源管理，提升系統整體性能。
其次，軟硬件全棧自研，使車企能夠快速響應市場需求，為用戶提供獨特的自動駕駛體驗和功能，與對手形成差異化競爭優勢。
此外，在如今價格戰如火如荼的大背景下，自研芯片對控制成本也有重要作用。長期來看，自研芯片和操作系統在量產后可以降低車企的采購成本。需要指出的是，不只芯片本身可以省錢，甚至產品整體的BOM成本也能降低。
特斯拉就是最好的例子。得益于超強算法和自研芯片實現的軟硬件充分適配，特斯拉不僅智駕能力顯著提升，新車還取消了毫米波雷達和超聲波雷達配置，硬件平臺成本進一步降低。
另一方面，自研芯片和操作系統也能幫助企業降低風險。一來防止被“卡脖子”，確保產品的穩定生產和交付；二來自動駕駛汽車涉及大量敏感信息，自研芯片和操作系統有助于構建自主可控的安全體系，更好地保障車輛和用戶的信息安全。
目前，比亞迪、蔚小理、零跑等都實現了包括芯片和操作系統在內的全棧自研，還有很多企業雖未宣傳，但也已布局并加速研發。當然，這也是一把雙刃劍，搞好了事半功倍，搞不好可能加速死亡。
4.資金+規模：未來是寡頭的天下
不管是自動駕駛還是AI，對企業來說都是一場豪賭。
第一，它極其燒錢。華為每年在智能汽車領域的研發投入超過100億元，其中70%~80%的投入集中在智能駕駛領域；小鵬汽車已建立“云-軟-硬-芯”的全棧自研AI體系，AI研發投入將由2024年的35億元加碼至今年的45億元；理想汽車一年超過100億的研發投入中，接近一半投向了人工智能領域；比亞迪在2024夢想日上宣布，將在智能化領域投入1000億元，致力于為用戶帶來更智能、便捷的駕駛體驗。
以這些頭部企業為參照，想要在自動駕駛領域實現初步的全棧自研能力，可能需要數十億甚至上百億元的資金。而且隨著技術的不斷發展和迭代，后續還需要持續加大投入。如果達不到這個數額，就不要相信所謂“全棧自研”了。
與“鈔能力”同樣重要，直接決定智駕體驗的，還有規模。雖然世界模型讓海量訓練數據不再是問題，但有了足夠的裝車量，才能獲得足夠的真實反饋，精進算法，積累口碑；有了規模，才有可能攤薄成本，帶來利潤，為研發持續輸血，形成良性的發展閉環。
第二，技術尚未收斂，犯錯風險很高。自動駕駛已經走過很多次彎路，最開始是漸進式路線和跨越式路線之爭，選了后者的大部分企業都已夭折。后續從有圖到無圖，從模塊化范式到一站式端到端范式，每一次技術演進的背后，都是對企業組織架構和戰略布局的一次重大改變，中間白白交了很多“學費”。
能夠支撐起全棧自研，還能承擔犯錯成本的，只有大廠。目前自動駕駛和AI處在最后的窗口期，小鵬、理想這樣的新勢力有望借助資本市場快速沖刺，占領用戶心智，但想要在馬拉松中持續領跑，僅憑自身的體量遠遠不夠，與傳統主機廠聯手，輸出技術擴大體量，或者干脆并入大廠，將是它們接下來的奮斗方向。
在大力出奇跡的競爭邏輯下，未來的智能汽車市場只屬于寡頭。