端到端智驾量产 开启物理AI时代

　　数智热点

　　随着端到端智驾成熟，汽车产业积累的闭环大模型与车规芯片技术将加速外溢至机器人、低空飞行器等领域，物理AI迎来爆发期。

　　李海楠 ■刘晨曦

　　2026年7月，搭载端到端VLA(视觉—语言—动作)大模型的新车型集中交付，智驾能力从30万元级高端市场一路下探至10万元级大众市场，“像老司机一样开车”成为新车型核心卖点。工信部最新数据显示，当前我国L2级智驾渗透率已达70.5%，NOA(领航辅助驾驶)功能渗透率突破34.2%。

　　热度之下争议并存：端到端是否只是“大力出奇迹”?长尾问题能否破解?小芯片能否支撑大模型?智驾技术能否复制到具身机器人领域?对此，清华大学计算机系教授、清华大学人工智能研究院视觉智能研究中心主任邓志东在接受中国经济时报记者采访时给出判断：端到端架构将智驾推上新台阶，而智驾作为物理AI首个大规模量产场景，其闭环大模型与车规芯片技术将加速外溢至机器人、低空飞行器等领域，从而让物理AI迎来爆发期。

　　01

　　从“能开”到“好开”

　　量产端到端的真实水位

　　“最明显的感受是不‘愣’了，加塞也能处理，不会像以前那样直接急刹。”北京的理想i6车主王女士告诉中国经济时报记者，她今年52岁，之前很少用高速NOA功能，OTA升级VLA大模型后，现在通勤一半以上路程交给智驾，“家里人都说我现在开车反而更稳了。”

　　实际上，体验升级的背后正是自动驾驶及具身智能领域的核心发展范式——“量产车队的数据飞轮”构建持续进化智能系统的“水到渠成”。

　　理想汽车智能驾驶产品负责人杨杰对中国经济时报记者解释称，在自动驾驶侧，量产车队的价值不只是规模，更在于能否持续产出高价值数据。端侧识别筛选罕见Corner Case(极端案例)，将真实道路问题沉淀;结合云端世界模型和强化学习闭环训练、影子模式验证，再通过OTA回到用户场景检验。用户的驾驶行为、接管和体验反馈，都会成为下一轮模型优化的输入。对于陌生极端情况，VLA的语言推理、3D空间理解和快速端侧响应，正在突破纯端到端“见过才会做”的能力边界。

　　这一闭环已落地：理想OTA 8.2版本通过毫秒级方向盘和电门动作数据训练，优化控速、博弈、车距逻辑，大幅提升拟人化体验;小鹏MONA L03搭载无高精地图VLA 2.0.深度参与联合国WP29全球法规制定，成为中国智驾纳入全球标准的标志。

　　但第三方实测显示，当前量产VLA在无标线城中村、极端暴雨、低角度逆光等场景下识别错误率仍较高，非标路口通行效率低于人类，极端场景仍需接管。

　　“长尾问题是数据驱动模型的固有缺陷，与模型大小无关。”邓志东解释，大模型通过规模定律大幅缩小了与人类的差距——“过去小模型离人类驾驶还有‘1公里’，大模型缩到‘1米’，未来更大模型加世界模型才可能缩到‘1厘米’。”他指出，世界模型量产的核心瓶颈是端到端模拟几何与物理常识，需要数据飞轮标注海量相关数据;而无论是超大规模预训练还是车规端侧部署，AI算力芯片都是必须突破的“硬卡点”。

　　02

　　智驾平权

　　技术迭代拉低普及门槛

　　端到端大模型上车的同时，“智驾平权”正从口号变为现实，城市NOA功能已下探至10万元级车型，打破“只有高端车才有智驾”的行业惯例。

　　其中，智驾芯片是重中之重。中国经济时报记者从地平线方面了解到，在智能驾驶领域，其发布的车载智能计算方案“征程6系列”已经形成覆盖高中低阶辅助驾驶需求的完整产品布局。其中，单颗征程6M以128 TOPS算力支持端到端城区NOA方案量产，推动城区辅助驾驶进入10万元级主流市场;征程6P则面向更高性能需求，可支持端到端、VLA、VLM和世界模型等下一代算法方案落地。

　　据地平线方面介绍，其技术核心是软硬结合：地平线智能计算架构(BPU)、编译器和基座模型协同优化，在车规成本、功耗、安全约束下提升有效计算效率，而非简单堆算力。最新一代“黎曼”BPU关键算子算力提升10倍，高精度算子支持超10倍，面向大模型能效提升5倍，将搭载于征程7系列并定位为通用机器人计算架构;第四代天工开物编译器将编译速度从小时级提至分钟级，模型性能提升20%。近日，地平线与大众通过合资公司酷睿程深化合作，大众将基于地平线AI基座大模型自研L3/L4智驾方案，这也是国产AI基础能力向国际车企输出的标志。

　　针对“低价智驾是阉割版”的质疑，邓志东表示，未来1—2年，车规芯片首先要支撑世界模型与大模型智能涌现的大算力需求，落地L3/ L4.再通过技术与商业迭代降本普及，“这一切都需要芯片自主创新，包括非Cuda生态的可控重构，才能掌握降本主动权。”他强调，智驾平权不是低配阉割，而是不同价位匹配对应场景能力——L2本就需要人类监管，把AEB、车道保持、高速NOA等高频场景做好就是对用户有价值，未来高阶智驾会像倒车影像一样成为新车标配。

　　03

　　从车到机器人

　　物理AI时代开启

　　这一轮端到端VLA大模型落地，正在成为具身智能产业的“技术练兵场”。一众车企正积极布局人形机器人，“汽车即机器人”也迅速成为行业共识。

　　邓志东指出，智驾始终处在具身智能赛道最前沿，是大规模商业化落地的关键实践，其积累的“感知—思考—执行—验证—评估”多频闭环大模型技术，以及先进端侧芯片技术，可快速复用于机器人领域，形成跨领域协同进化。

　　在杨杰看来，自动驾驶是具身智能的上半场，即先在大规模真实道路上把“看懂、想清、决策对”的闭环磨成熟;而通用人形机器人是下半场，将同一套物理世界智能从“会移动”延伸到“会操作、会服务”。汽车已验证“看懂、理解、规划”的环境理解能力和导航、避障、运动控制能力，未来可迁移至服务机器人。但灵巧手操作、触觉反馈、人机安全协同仍是新课题，现实路径是先从上料、搬运等可控工业场景起步，重建数据飞轮后再走向家庭服务。

　　芯片端同步布局物理AI。“自动驾驶是地平线构建物理世界AI基座模型的开端，HSD(地平线全场景辅助驾驶系统)可能就是地平线通往未来机器人时代基座模型的关键路径。”地平线方面介绍，在人形机器人等泛物理AI领域，地平线已经开始布局基础模型和端侧计算能力。公司已开源HoloBrain-0机器人基座模型和Holo? Motion-1全身控制“小脑”大模型——后者4亿参数，端侧实现300FPS实时推理，推动大模型进入机器人运动控制闭环。地平线与地瓜机器人技术同源，后者已形成5至500 TOPS算力覆盖，旭日芯片应用于人形、四足、服务机器人和物流AMR等场景，未来双方将依托BPU架构共同打造具身智能大脑底座。

　　“智能驾驶是物理AI的第一个大规模量产场景，每年2000多万辆新车规模，能把大模型成本降下来、技术练成熟，再外溢到机器人、低空飞行器等所有物理AI场景。”在邓志东看来，VLA架构打通“感知—决策—动作”全链路，未来将成为所有智能移动载体的通用底座。随着端到端智驾成熟后，物理AI也将迎来爆发期。

　　从2009年谷歌启动自动驾驶项目算起，自动驾驶已走过17年技术探索期。端到端VLA大模型量产提速落地，让智驾从实验室走向普通消费者;而它打开的，是物理AI时代的第一扇门。