【導(dǎo)讀】自特斯拉FSD V12率先將端到端大模型引入量產(chǎn)車以來，"規(guī)則驅(qū)動"向"數(shù)據(jù)驅(qū)動"的范式轉(zhuǎn)移已成為行業(yè)共識——動作是否流暢、能否應(yīng)對長尾場景、決策是否擬人化，取代了傳統(tǒng)的功能清單，成為衡量智能駕駛體驗(yàn)的新標(biāo)尺。在這場由方法論革新引發(fā)的浪潮中，蔚來經(jīng)歷了從規(guī)則構(gòu)建到數(shù)據(jù)驅(qū)動的艱難轉(zhuǎn)身，如今又以"世界模型+閉環(huán)強(qiáng)化學(xué)習(xí)"的全新架構(gòu)重新出發(fā)。當(dāng)技術(shù)路線的迷霧逐漸散去，蔚來新版NOA能否憑借這套端到端強(qiáng)化學(xué)習(xí)體系，在復(fù)雜的中國城市場景中實(shí)現(xiàn)真正的"擬人化"突破，重回行業(yè)第一梯隊(duì)？

Part 1、蔚來的輔助駕駛的轉(zhuǎn)型

在中國智能駕駛的迭代中，特斯拉提出的端到端一個拐點(diǎn)，在出現(xiàn)了這個技術(shù)變化之后，城市NOA中擬人化變成了非常重要的評價點(diǎn)，規(guī)則味比較重，是落后的標(biāo)志。

體驗(yàn)上主要是動作機(jī)械、加減速轉(zhuǎn)向不流暢、卡頓，無法應(yīng)對各種Corner case， FSD V12、V13 V14 的一路發(fā)展，在方法論上特斯拉是一路牽引整個行業(yè)的發(fā)展。

在蔚來的第一代車型，是圍繞規(guī)則來構(gòu)建的輔助駕駛，確定變道距離、確定的加減速邏輯、確定的安全邊界。在中國復(fù)雜的城市場景復(fù)雜度下并不完善。

從規(guī)則開始，蔚來花了很多時間來切換技術(shù)路線。轉(zhuǎn)向數(shù)據(jù)驅(qū)動過程中，用模型把規(guī)則“壓縮”進(jìn)參數(shù)里，讓系統(tǒng)通過學(xué)習(xí)大量真實(shí)駕駛數(shù)據(jù)，自己學(xué)會如何變道、擇道。

數(shù)據(jù)驅(qū)動的問題是，同一個場景下，人類的行為并不一致。在道路上，人的習(xí)慣和交通流量都會影響決策，從結(jié)果來看，能看到不同的駕駛員在不同的位置換道，模型學(xué)到的是一種“折中選擇”，為了安全往往選擇保守跟隨，或者說要真正實(shí)現(xiàn)“高效、主動通行”，伴隨著不少的小事故。

為了平衡風(fēng)險，引入更強(qiáng)的地圖和路徑引導(dǎo)、采集專家駕駛數(shù)據(jù)并減少行為差異，或者加回一部分規(guī)則邏輯。這些都是中國在這段時間走過的路。

Part 2、蔚來新版的NOA

蔚來世界模型在2026年的目標(biāo)是回到行業(yè)的數(shù)一數(shù)二的位置。方法是對智能輔助駕駛?cè)邪l(fā)迭代方法進(jìn)行調(diào)整，引入世界模型 + 閉環(huán)強(qiáng)化學(xué)習(xí)的模式。

這也是以端到端系統(tǒng)為基礎(chǔ)，核心分為三步：

基礎(chǔ)行為習(xí)得：通過學(xué)習(xí)海量人類駕駛行為，讓模型形成駕駛答題本，標(biāo)記各類場景下的行為概率，習(xí)得駕駛基本肌肉記憶；

環(huán)境深度理解：模型從當(dāng)前時刻出發(fā)，預(yù)測自身下一步多種動作，并推演不同動作對周圍環(huán)境的影響，及環(huán)境變化對自身行為的反作用，實(shí)現(xiàn)長達(dá)數(shù)分鐘的長時序思考，這是核心運(yùn)行機(jī)制；

閉環(huán)強(qiáng)化校準(zhǔn)：在虛擬「駕駛考場」中，通過數(shù)上億輪專業(yè)場景訓(xùn)練和評估反饋，讓模型精準(zhǔn)理解「好行為與差行為的區(qū)別」，基于駕駛常識和人類經(jīng)驗(yàn)校準(zhǔn)行為「答題本」，這一過程即為閉環(huán)強(qiáng)化學(xué)習(xí)。

這里要回答幾個關(guān)鍵問題，強(qiáng)化學(xué)習(xí)到底解決了什么問題？這是給結(jié)果打分，讓模型自己學(xué)，模型輸出行為后，系統(tǒng)會根據(jù)結(jié)果給予正向或負(fù)向反饋，讓模型在反復(fù)嘗試中學(xué)會什么是“更優(yōu)解”，過程本身就是一種自我校正。

在實(shí)際訓(xùn)練中，通過獎勵評估機(jī)制直接給行為打分；利用真實(shí)人類行為反饋，反推出獎勵信號， 模型在其中會經(jīng)歷自監(jiān)督學(xué)習(xí)，逐步形成穩(wěn)定的決策偏好。

舉例來說先構(gòu)建一個仿真環(huán)境，在其中設(shè)定一條“目標(biāo)線”，車輛如果順利完成左轉(zhuǎn)并線，就得到獎勵；完成得越快、越平順，獎勵越高。

在此基礎(chǔ)上，只保留少量必要的約束，比如壓實(shí)線會被扣分，但不再寫復(fù)雜規(guī)則。在哪個位置變道、如何跨越三條車道、怎樣兼顧效率與安全，全部交給模型在仿真環(huán)境中自行探索。

在這樣的基礎(chǔ)上不需要為每一個特殊路口單獨(dú)采集數(shù)據(jù)。只要仿真環(huán)境中構(gòu)建出“相似結(jié)構(gòu)”的場景，模型就能遷移能力，避免了為成百上千個復(fù)雜路口重復(fù)采數(shù)據(jù)的低效過程。目標(biāo)簡單、約束少，讓模型自己找路徑。

規(guī)則一旦極簡，反而更穩(wěn)定、更通用。

Part 3、實(shí)際的體驗(yàn)

在我們的實(shí)際體驗(yàn)中，換道策略、導(dǎo)航選道，在道路中的剎車控制都有很大的改善。

偏航和復(fù)雜路口，是需要“提前判斷”的場景，NOA的系統(tǒng)在快到路口才反應(yīng)一般感受會很差或者就錯了（要么壓實(shí)線要么錯了），需要在更早的階段就意識到，模型會提前接收到“未來懲罰”，從而主動調(diào)整決策。

實(shí)際上，在擬人化抉擇上，比如判斷安心感充足時果斷切入，不魯莽擠壓旁車；目標(biāo)車道擁堵時，緩慢前行并持續(xù)尋找變道空隙；通過蠕行尋找通行空隙，這些行為都是挺大的改善。

結(jié)論

蔚來的探索揭示了一個核心趨勢：智能駕駛的下半場競爭，本質(zhì)上是"學(xué)習(xí)效率"與"泛化能力"的較量。世界模型賦予系統(tǒng)長時序推演能力，讓車輛能夠"預(yù)見"而非"反應(yīng)"；閉環(huán)強(qiáng)化學(xué)習(xí)則通過虛擬考場中的億級輪次訓(xùn)練，使模型在極少規(guī)則約束下自主尋優(yōu)，實(shí)現(xiàn)從"學(xué)會開車"到"開好車"的躍遷。實(shí)際體驗(yàn)中換道策略的果斷、復(fù)雜路口的提前預(yù)判、擁堵場景下的蠕行尋隙，都是這一技術(shù)路線落地的直觀印證。