文/周雄飛

智能駕駛行業，目前已走上一座“獨木橋”。

這兩年，行業玩家們一方面造出了許多新詞，比如高階智駕、城市NOA或者AI智駕等等；另一邊也在卷技術架構，從最早的BEV+Transformer，到端到端和VLM，再到現在的VLA，仿佛有種“條條大道通羅馬”的陣勢。

但從今年開始，車企或者輔助駕駛解決方案商，想要證明自身在行業中具備優勢地位，只有先走過這座行業的“獨木橋”、搶下對岸的“橋頭堡”——具備L3有條件自動駕駛的能力才行。

這背后是政策在驅動，包括科技部、中國汽車工業協會以及各地方政府，都在今年相繼發布了有關L3有條件自動駕駛的條例規范。華為智能汽車解決方案BU CEO靳玉志也認為，今年會是具備L3商用能力的一年。

基于此，一場L3競速賽就此展開。比如華為乾崑等輔助駕駛解決方案商，以及小鵬、極氪、長安和奇瑞等車企在今年相繼提出了自身實現L3的目標，時間點基本集中在今年到明年。

但要實現L3并非易事。除了要比L2輔助駕駛具備更強的感知能力和算法能力來保證安全之外，還需要持續的資金投入來支撐以上軟硬件能力的迭代升級。正因這樣，L3有條件自動駕駛被行業一致認為很難實現。

在這樣的行業背景下，卻可以看到有一個玩家率先走過這座“獨木橋”，搶下了L3的“橋頭堡”。

今年4月，華為乾崑發布了新一代輔助駕駛系統ADS 4，并且行業首發了高速L3商用解決方案，隨后他們對于ADS 4的技術測試就一直在進行，就連靳玉志也發微博表示，他一直在開ADS 4的Beta版本。

圖源靳玉志微博

飛說智行在最近受邀提前體驗了華為乾崑智駕ADS 4的能力，不僅在主動安全方面做到了前向和后向的全方位防護，輔助駕駛能力還可以識別到很多人類駕駛員都無法看到的障礙物，并及時做出規避，保證行車安全，可以說做到了“超人”的水平。

按照華為乾崑官方透露，ADS 4會在9月陸續進行推送，這意味著華為乾崑將成為行業中率先具備高速L3能力的企業。

華為乾崑之所以能做到這件事，主要得益于華為乾崑智駕的搭載量已經達到100萬輛的規模，基于這樣的規模優勢就能很好地推動算法迭代，再加上最新的WEWA架構，可以幫助華為乾崑實現L3生成仿真訓練的從無到有，讓L3做到安全、舒適以及比人開得好，甚至向更高級別自動駕駛發起沖擊。

對于自動駕駛這漫長的馬拉松征程，華為乾崑準備好了嗎？

1、智駕規模化，通向L3的關鍵“鑰匙”

L3競速賽已經開始了。

7月初，小鵬G7正式上市，由于該車型搭載了三顆自研的圖靈AI芯片，總算力可達到2250 TOPS，小鵬汽車CEO何小鵬表示這款車是具備L3算力的產品。

極氪9X同在7月正式上市，由于搭載了兩顆英偉達Thor-U芯片，讓車端算力達到1400 TOPS，再加上VLA和端到端模型上車，由此這套軟硬件方案被極氪稱為“面向L3級的智能輔助駕駛方案”。

除了小鵬和極氪之外，廣汽集團總經理馮興亞曾透露，到明年L3有條件自動駕駛將實現量產，還計劃在2027年推出L4自動駕駛。奇瑞和長安也不甘示弱，都表示在明年實現L3的落地。

這樣看，以上車企雖然對于L3有所布局或提出計劃，但都沒有拿出具體的L3應用場景。

但需要注意的是，智駕行業中卻有一位玩家率先做到了這件事。

今年4月，華為乾崑發布了ADS 4輔助駕駛系統，由ADS SE基礎版、ADS Pro增強版、ADS Max超階版和ADS Ultra旗艦版組成，其中ADS Ultra旗艦版被宣布具備高速L3的能力，由此成為行業首個高速L3商用解決方案。

圖源華為乾崑

隨著ADS 4輔助駕駛系統這個月逐步推送，尊界S800有可能會率先搭載ADS Ultra旗艦版，這也意味著華為乾崑將成為行業內率先具備L3能力的玩家。

華為乾崑能成為L3競速賽中的“領先玩家”，在飛說智行看來，與他們輔助駕駛系統搭載量已形成規模化有很大關系。

8月12日，靳玉志在微博中宣布，華為乾崑智駕搭載量已經突破100萬輛。能有這一搭載規模，也很正常，因為目前除了鴻蒙智行“五界”之外，嵐圖、深藍、猛士、方程豹和阿維塔等11家品牌旗下的28款車型都搭載了該輔助駕駛方案，其中不乏問界M8、享界S9和嵐圖夢想家等爆款產品。

圖源靳玉志微博

根據中國汽車工業協會(CAAM)的數據，今年中國智能汽車(具備L2級及以上輔助駕駛功能)的保有量預計在700萬-800萬輛左右。粗略估算一下，可以認為國內每七位智能汽車車主中，就可能有一位車主選擇了華為乾崑智駕，這一搭載量規模不可否認屬于行業前列。

對于任何行業來說，要步入發展正軌，都需要走向規模化。這個道理，對于智駕行業來說，更是重要。

因為規模效應能攤薄成本，從而推動商業化盈利，有了錢就可以反哺算法迭代，在做好安全的基礎上進一步提升智駕的體驗和服務，從而吸引更多車企搭載和C端用戶使用，加速更大規模化的落地。

從目前看，華為乾崑已經讓這個規模優勢閉環跑起來了，由此才讓他們具備L3能力成為可能，但這只是一方面的因素。

2、WEWA架構，讓智駕從“類人”變成“超人”

智駕行業的技術架構內卷，一直在進行著。

最早是規則驅動，但由于無法應對真實無限的現實路況，行業玩家們又紛紛選擇用神經網絡替代規則，讓算法學習人類駕駛行為，來達到“類人”的水平。

但人類駕駛數據很難包含所有的場景信息，Corner Case數據更是可遇不可求，更不要說一些用戶的駕駛行為就是有問題的，憑此訓練的端到端模型做出的決策并不可靠。

地平線CEO余凱曾說過“在AI時代，99%的人類駕駛數據都不值得學習”；Momenta CEO曹旭東也有類似的觀點“端到端模型從人類駕駛數據中學習到的并一定都是好的行為。”

在這背景下，構建世界模型，通過云端生成數據，成為更多玩家的選擇。因為生成的數據就可以窮盡所有場景，包括眾多的難例數據供算法仿真訓練，成本更低且效率更高。

目前，華為乾崑、小鵬和理想等品牌也都打造了各自的世界基座模型，商湯絕影也有“開悟”世界模型。

其中，華為乾崑在ADS 4系統中就應用了WEWA架構：WE是云端運行的World Engine世界引擎；WA是車端運行的World Action Model 世界行為模型。

該圖片疑似AI生成

圖源華為乾崑

通過WE世界引擎，華為乾崑就能生成訓練所用的Corner case難例數據，且難例數據密度提升到了現實世界的1000倍。通過這些難例數據對算法進行仿真訓練，再加上“安全優先”的強化學習機制，就可以成為算法訓練和迭代的“訓練場”和“考試場地”。

在靳玉志看來，即使面對1%的極端難例場景，都愿意投入99%的研發資源，因為安全沒有妥協空間。

如果說L2階段，世界模型仿真訓練的數據可以根據真實駕駛員數據生成更多的數據，那么對于L3算法訓練該如何解決數據的問題，畢竟真實的L3駕駛數據目前誰家都沒有。

華為乾崑率先給出了他們的答案：截至2025年4月，已經在世界引擎里進行了6億公里的高速L3仿真和驗證。這一規模的L3仿真訓練案例，在目前行業內幾乎沒有其他玩家能做到。

聊完云端世界模型，再來看車端模型。

目前，為了讓智駕的體驗變得更好，很多車企會把云端的大模型進行修剪和蒸餾，得到參數量1B到7B左右的車端小模型。另外，把VLA模型引入車端，也成為目前行業的一大趨勢。

但不能回避的是，在端云協同的過程中會存在一定的延時性，這樣的延時性會給車內以及其他交通參與者帶來安全隱患。

而對于VLA模型，由于架構中存在LLM大語言模型，不僅會讓車端的模型參數量增加，需要更大的車端算力支持，同時LLM精于語言交互，但對輔助駕駛所需要的空間感知和推理能力比較弱，會讓VLA模型輸出的決策出現誤差。

不同于VLA模型，華為乾崑在車端世界行為模型WA中，從0到1建立了原生基模型，是基于視覺、聽覺和觸覺等車內外多模態傳感器獲取的數據，經過token化后訓練出來的智駕原生基模型，空間推理能力強，距離位置判斷更精準，模型精干，以及效率奇高、響應非常快。

圖源華為乾崑

另外，WA大模型是MoE多專家能力架構，翻譯一下，就是當車端遭遇不同的場景問題時，就可以調用對應的專家算法來解決問題，并不需要“牽一發而動全身”，不僅車端算力要求低，更進一步提升了模型的運行效率與響應速度。

最后WA模型會給出兩類信息，給車用軌跡生成，讓車輛在現實世界中做出安全兼具效率的駕駛行為；另外給人看的場景意圖，讓車內乘客更好地了解算法的決策過程，對駕駛更放心。

可以看到，WEWA架構不是人類能力的簡單復制，而是具有人類安全價值觀并超越人類的AI老司機。根據華為乾崑測試，WEWA架構讓端到端時延降低了50%，通行效率提升20%，重剎率降低30%。換句話說，WEWA架構讓ADS 4更安全、更舒適和更有效率。

通過飛說智行的實測，可以看到ADS 4在面對一些窄路或者車多、人多的場景時，可以做到像人類駕駛員一樣邊避讓邊嘗試向前開，甚至在面對一些人類駕駛員無法看到的障礙物或者很難處理的困難駕駛場景時，也能快速、安全和聰明地進行應對。

ADS 4路測畫面，飛說智行攝

ADS 4在主動安全上則做到了全方位的防護。比如面對80km/h的兒童假人和雨霧障礙車時，該系統可做到及時安全剎停；后向的AEB也能在遇到低矮障礙物或者掛在墻上的消防箱，做到及時響應剎停。

甚至當人類駕駛員處于失能中，ADS 4能一邊通過車內警示音喚醒駕駛員，同時還能保證車輛的穩定行駛，直至自主將車輛行駛到路邊安全區域，呼叫安全救援。

基于這些，在飛說智行看來，ADS 4已經做到了超越人類駕駛員的水平，而更底層的WEWA架構與傳統端到端架構的區別，就是Alpha Zero和 Alpha Go的區別。

因為傳統端到端更多是通過人類駕駛員的真實數據來訓練算法，就像Alpha Go是基于模仿人類來下圍棋，從而戰勝了李世石。而WEWA架構則是通過用AI訓練AI的方式來迭代算法和演化推理能力，就像是Alpha Zero的誕生過程。

基于以上分析，可以看到，正因華為乾崑在WEWA架構上的以上創新，讓ADS 4具備了L3高速的能力。但需要注意的是，華為乾崑打造WEWA架構并不只是為了L3，而是L4、L5等更大的星辰大海。

3、智駕馬拉松：不要“憋大招”，而要步步贏

智能駕駛的征程，本質上是場馬拉松。

就像上文所述，算法架構已經歷了多次迭代，但對于智能輔助駕駛算法架構的終局是什么，目前行業內還沒有一個明確共識，大家對于算法架構的嘗試還處于“百花齊放”的狀態。

更重要的是，如果想要打贏這場行業的淘汰賽，需要體系化的能力，比如持續對算法的迭代進行投入，這種投入除了算力和高質量數據之外，還需要持續不斷地現金支撐，以及政策的支持。

正如靳玉志說的那樣：“每一個車企要來做這塊投入的話，無論開發，還是訓練資源，都是巨大的投資。”

但華為乾崑，卻成為這場馬拉松走得很穩的少數玩家之一，并在之前諸多賽點中獲得了優勢。

把時間倒退到2021年，當年7月特斯拉提出了BEV感知概念，同年華為乾崑就基于Transformer的BEV架構，推出了ADS 1，并在一年后實現量產推送。

2023年4月，華為乾崑發布ADS 2，不僅率先做到了“全國都能開”，還通過引入GOD網絡，率先行業首發了“全向主動安全”的能力。

ADS 3于2024年4月正式發布，在算法架構上徹底拋棄了BEV，采用了端到端大模型，包括GOD網絡和PDP（預測-決策-規劃）網絡，同時，ADS 3還引入了本能安全網絡來提升整體表現。基于以上創新，ADS 3行業首發了車位到車位功能，實現全場景貫通。

圖源華為乾崑 

再到現在的ADS 4，基于WEWA架構，讓華為乾崑率先行業具備了L3高速商用的能力。

做到這些后，華為乾崑并不滿足，因為他們還在計劃新的目標——預計到2030年前實現L4級別的自動駕駛。

這樣看，在行業迭代算法架構的同時，華為乾崑也實現了步步走穩、步步領先的優勢。而這背后，應該得益于他們不計成本的持續布局和投入。

首先在研發層面，華為乾崑目前在計算平臺、域控制器、各式傳感器，到軟件算法、車云服務和地圖等涉及智能駕駛底層能力上，都有研發布局，形成了軟硬結合的體系化研發能力，這一能力是其他玩家很難模仿的。

此外，華為乾崑為了做到自己口中“幫助車企造好車”的目標，按照2024年華為年報顯示，華為乾崑已與產業鏈上下游約600家企業共建合作生態，并且針對車企的合作，開放數據接口和開發工具鏈，支持車企快速定制化開發。

最后就是積極參與到行業標準的建立。比如在去年底，由國際汽車質量標準化協會（IAQSA）主導的《汽車軟件質量安全標準（AutoSQS）》正式發布，而華為乾崑也是這一標準的制定方之一。

“行得穩、才能致得遠。”這是靳玉志一直堅持的理念，從以上分析來看，華為乾崑在此前的發展中很好地踐行了這個理念，飛說智行也相信，華為乾崑在之后的路上，應該也會走得越來越穩。

（本文頭圖來源于TMDB）

       原文標題 : ADS 4推送在即，華為乾崑憑什么率先奪下L3的“橋頭堡”？