端到端不是终点：智能驾驶正在转向会预演、可验证、能量产

观察时间：2026 年 7 月 20 日。本文追踪的是已经发布、进入量产或开始运营验证的技术方向。车企和供应商公布的性能、订单与安全数据仍带有自身口径，不能把技术发布直接等同于跨地区、全天候的无人驾驶能力。

如果只看发布会，2026 年的智能驾驶似乎已经找到了答案：更大的车端芯片、更彻底的端到端、更会解释的 VLA、更逼真的世界模型，以及越来越接近人类的驾驶动作。

但真实道路给出的答案没有这么整齐。

面向消费者的高阶辅助驾驶正在快速降价，却仍要求人类监督；L3 开始取得有限准入，却被严格限制在速度、道路和地区内；Robotaxi 已经积累可观的无人运营里程，但依然依靠昂贵冗余、限定运营域和车队服务体系。

所以这一轮技术升级的核心，不是汽车终于装进了一个“大脑”。它是行业开始承认：

学会开车只是第一步。下一阶段真正稀缺的是，让系统能预演行动后果、证明安全边界，并以汽车工业能够承担的成本稳定交付。

一、先看结论：智能驾驶正在形成三套技术经济学

路线	当前主要产品	硬件倾向	模型倾向	真正瓶颈
大规模 L2/L2+	私家车城区与高速辅助驾驶	中央域控、摄像头为主、雷达与激光雷达按价格带选配	一段式端到端、占用网络、轻量世界模型训练	成本、误触发、接管体验、驾驶员监督
有限场景 L3	高速、拥堵等限定条件自动驾驶	多模态感知、制动转向与供电冗余、驾驶员监测	学习型主模型加独立安全通道	法规准入、责任转移、最小风险状态
限定区域 L4	Robotaxi、Robobus、无人配送	摄像头、成像雷达、激光雷达、清洁系统、自研或高端计算	基础模型、VLA、世界模型、闭环强化学习与运营规则协同	城市复制成本、极端天气、远程协助、车队利用率

这三条路线会互相借技术，却不会很快合并。

L2 的商业目标，是把“好用的辅助驾驶”塞进十几万元甚至更低价的车；L3 的目标，是在明确边界内由系统执行动态驾驶任务，并开始承接相应责任；L4 的目标，是在没有安全员的情况下经营一套交通服务。

责任不同，合理的硬件、模型大小、冗余方式和成本结构自然不同。把它们放在一张“谁最接近完全自动驾驶”的榜单里，反而会丢失最重要的信息。

二、硬件主线不是 TOPS 继续膨胀，而是中央计算开始接管整车

车端算力仍在快速增长。NVIDIA DRIVE AGX Thor 开发平台给出的规格达到 1000 INT8 TOPS、64GB LPDDR5X 和最高 273GB/s 内存带宽；地平线征程 6P 面向量产的一段式端到端方案提供 560 TOPS；Qualcomm 则已经与零跑展示并量产由 Cockpit Elite 与 Ride Elite 组成的跨域中央计算方案，把座舱、辅助驾驶、车身控制和网关放进同一套架构。[1][2][3]

但 TOPS 已经越来越像相机的像素：它能说明上限，却不能单独说明体验。

端到端 Transformer、VLA 和多传感器融合真正消耗的，不只是矩阵乘法峰值，还包括内存带宽、视频解码、传感器 I/O、调度延迟和持续功耗。汽车还要求确定性、功能安全、冷启动、热管理和十年以上生命周期，这与数据中心“多加几张卡”的逻辑完全不同。

中央计算的价值也不只是减少 ECU 数量。它意味着：

座舱 Agent 可以理解导航和驾驶状态，但不能越过安全权限。
智驾、车身和底盘可以共享更完整的车辆状态，缩短动作链路。
一套算力可以通过虚拟化承载不同安全等级的工作负载。
车企可以用软件和 OTA 复用整车平台，而不是每款车重做电子架构。

风险同样明显。域越集中，单点故障半径越大；模型、座舱和车控共享资源后，必须证明高负载下的隔离、实时性和降级策略。

下一轮芯片竞争不会只比“算得多”，而会比“在有限功耗里同时运行多少模型、能否确定性响应、失败后还能保住什么”。

三、传感器没有统一路线：低成本在做减法，高责任在做异构冗余

纯视觉仍然是一条重要路线，因为摄像头便宜、信息密度高，并且最适合从海量消费车队采集数据。更强的 ISP、更高动态范围和时序建模，也在持续抬高视觉上限。

但 2026 年最有意思的硬件进展，不是所有系统都删掉雷达和激光雷达，而是不同责任等级开始选择不同的感知组合。

Waymo 第六代 Driver 使用 1700 万像素成像器，并把摄像头数量降到上一代的一半以下，但它同时保留激光雷达、成像雷达、外部音频接收器和传感器清洁系统。Waymo 的解释很直接：在雨雪、逆光、道路飞溅和百万分之一长尾事件里，安全 AI 需要有韧性的输入。[4]

另一边，激光雷达正在通过芯片化和规模化降低成本。禾赛 ATX 把体积较 AT128 缩小约 60%，并将 MCU、FPGA 和 ADC 集成进自研控制 SoC；该公司宣称 ATX 自 2025 年量产后累计交付已超过 100 万颗。面向 L3/L4 的 ETX 则继续追求更远距离、更高分辨率和车内挡风玻璃后的集成。[5][6]

Tesla 仍然提供了重要的对照路线。它的公开 AI 页面继续强调以视觉与规划 AI、车队数据和自研推理芯片追求通用解；但面向消费者的 FSD 产品页也明确写着“Supervised”，并说明它不是完全自动驾驶、不能取代驾驶员。[14][15] 这提醒我们，感知路线、模型能力和产品责任是三个不同问题，不能因为架构更统一就把监督义务一并删掉。

这说明“激光雷达会不会消失”是一个过于粗糙的问题。更可能发生的是：

入门 L2 用视觉和少量雷达控制 BOM。
中高阶 L2 把激光雷达当作提升主动安全下限的选项。
L3 需要更明确的感知与执行冗余，成像雷达和激光雷达价值上升。
L4 继续使用异构传感器，但通过减少数量、自研芯片和规模制造压低整套成本。

真正的技术分界，不是有没有某一种传感器，而是系统能否知道传感器已经变脏、失准、被遮挡或互相矛盾，并及时进入可控的降级状态。

四、一段式端到端正在量产，但它解决的是工程碎片，不是全部安全问题

传统智驾把感知、预测、规划和控制拆成多个模块。它的优点是边界清楚、容易定位问题；缺点是每个模块都会压缩信息，并在接口处累积人工规则和误差。

一段式端到端尝试把传感器输入直接映射到轨迹或控制动作。按照地平线的产品说明，HSD 已把“从光子输入到轨迹输出”的一段式架构装进量产车型，并用统一的横纵向建模降低延迟和后处理复杂度。[2]

这条路线最大的进步不是车开得更激进，而是系统可以从大量人类驾驶样本里学习连续、协同的动作：什么时候轻微偏移避让、怎样在狭窄路口试探、如何同时控制方向与速度让乘客不晕。

可端到端没有消灭规则，只是改变了规则出现的位置。

交通法规、车辆动力学约束、碰撞边界、接管逻辑、最小风险动作和功能安全，仍然需要显式表达。模型也可能学到数据中的坏习惯，或在分布外场景给出看似平滑却错误的动作。

因此，量产架构更可能是“学习型主驾驶员 + 可验证安全壳”，而不是一个神经网络独自拥有制动、转向和责任的全部权力。

五、VLA 的真实价值，不是让车在路上慢慢写思维过程

视觉-语言-动作模型把场景理解、语言语义和动作输出连接起来。它能理解“前方施工人员示意借道”“校车旁可能有儿童出现”“塑料袋和石块的风险不同”这类难以只靠几何规则表达的问题。

NVIDIA 在 2026 年 5 月发布的 Alpamayo 2 Super 是一个 340 亿参数的推理型 VLA，能够输出高层 Meta-Action、轨迹和因果解释，并用于自动标注、场景理解、模型评审和知识蒸馏。[7]

这里有一个容易被忽略的关键：NVIDIA 明确把它定义为教师模型，再把能力蒸馏到能在车端 Thor 平台运行的小模型。

这是比“把更大的模型塞进车里”更现实的路径。汽车决策需要毫秒级响应、稳定延迟和有限功耗，大型 VLA 更适合在云端或训练中心做四件事：

理解失败片段，自动生成带因果关系的标签。
给长尾场景提出更合理的高层动作。
评审小模型的决策，并把知识蒸馏下去。
为监管和工程团队提供可读解释。

车端运行的则是压缩后的驾驶策略和专用网络。

所以 VLA 近期最先改变的，很可能不是方向盘，而是数据工厂。它把过去需要大量工程师逐帧寻找、分类和标注的工作，变成模型参与的数据生产线。

六、世界模型正在成为智驾的“风洞”，但生成得像不等于物理上正确

世界模型的目标，是在车辆采取动作之后，预测环境将如何变化。它不只是生成一段好看的道路视频，而要回答反事实问题：如果此时不让行会怎样？前车突然急刹，旁边摩托车会往哪里逃？雨夜反光会如何同时影响相机和激光雷达？

Waymo 2026 年发布的世界模型基于 Google DeepMind Genie 3，支持驾驶动作、场景布局和自然语言控制，并能同时生成相机与激光雷达输出。工程师可以改变天气、道路结构、交通参与者和车辆动作，构造现实车队很难反复采集的极端场景。[8]

NVIDIA 的 Cosmos-Dreams 与 AlpaGym 则把生成式场景和闭环强化学习连接起来：模型在仿真中连续做决定，每一次转向和制动都会改变后续观察，而不是只在录制数据上预测一次正确答案。[7]

这是重要跃迁。过去的 open-loop 指标可能显示模型轨迹接近人类，但它无法说明一个小误差持续十秒后会不会把车带进危险位置。closed-loop 才能测试行动与环境相互作用的后果。

不过，世界模型也有自己的“仿真到现实”鸿沟。生成画面可以逼真，却可能违反轮胎附着、遮挡关系、雷达反射或人类行为分布。一个模型如果同时生成考题又给自己打分，还可能形成系统性盲区。

因此世界模型不能替代真实道路、封闭场地和独立验证。它最适合放大测试覆盖率、生成长尾样本和做反事实回放，而不是独自签发安全证明。

七、数据闭环的下一步，是从收集更多里程转向收集更多“有效不确定性”

早期智驾竞争强调车队规模，因为更多车辆意味着更多视频。但普通晴天直路会被重复采集无数次，真正决定能力上限的却是罕见冲突、传感器退化、异常交通参与者和接管前几秒。

下一代数据引擎需要主动寻找四类信息：

主模型与安全模型意见不一致的片段。
驾驶员接管、急刹或明显犹豫前后的片段。
模型置信度高但结果错误的片段。
新城市、新天气、新道路规则带来的分布变化。

VLA 可以帮助自动理解和标注，世界模型可以围绕失败样本生成变体，闭环强化学习可以探索不同动作的后果，影子模式则能在不控制车辆的情况下比较新旧策略。

高精地图也不会简单消失。它会从昂贵、强依赖的静态真值，转向车道拓扑、交通规则和道路先验；实时感知负责判断“今天这里是否还成立”。无图不是没有地图，而是系统不再因为地图过期就失去基本驾驶能力。

未来的数据优势，不属于存储视频最多的公司，而属于最快把一次失败转化为一组可训练、可回放、可验证场景的公司。

八、安全架构正在重新变厚：越端到端，外围越需要可验证

端到端常被描述成删模块，但真正进入高责任场景后，系统外围反而会增加更多独立机制。

Mobileye 正把驾驶员监测和座舱感知合并到 EyeQ6 平台，让系统不仅判断驾驶员有没有睁眼，还结合道路环境判断其注意力是否落在正确位置。[9] NVIDIA 则强调端到端主栈旁仍运行经典安全栈和 Halos 安全框架。L3/L4 还需要冗余供电、制动、转向、定位、网络与最小风险停车。

这不是保守，而是责任变化后的必然结果。

L2 出错时，法律和产品仍要求人类负责；L3 在 ODD 内让系统接管动态驾驶任务，车辆必须处理人类没有及时接管的情况；L4 更没有驾驶员兜底。自动化等级每上升一级，系统需要证明的不是平均体验更顺，而是最坏情况下不会失控。

NHTSA 仍明确区分 L2 辅助驾驶与 L3 至 L5 ADS，并要求相关企业报告符合条件的事故，同时提醒不同厂商的数据采集能力和报告口径并不完全一致。[10] 中国首批 L3 准入也只覆盖北京、重庆指定道路，以及最高 50 或 80 公里的限定条件。[11]

这说明现实中的 L3 不是“按下按钮后全国睡觉”，而是一份非常窄的机器责任合同。

九、量产与运营已经给出两个相反又同时成立的信号

第一个信号是：L4 已经不再只是实验。

Waymo 公布的安全影响数据截至 2026 年 3 月覆盖 2.206 亿英里无安全员里程。在其运营地区和比较方法下，严重伤害或更严重事故率比人类基准低 94%，涉及伤害的事故率低 82%。这些数据来自企业维护的分析框架，但提供了方法、分地区里程和事故编号，已经比只展示一段顺滑视频更接近可验证证据。[12]

百度披露，萝卜快跑 2026 年第一季度完成 320 万次全无人订单，截至 4 月累计服务超过 2200 万单，并继续向海外测试和运营扩展。[13]

第二个信号是：这些成功还不能直接复制到每一辆私家车、每一条道路。

Robotaxi 可以限定城市、维护传感器、持续更新地图、配置远程协助，并把硬件成本摊进多年运营；私家车要在零下冬夜和盛夏暴晒中工作十年，还要面对不按时保养、传感器脏污、轮胎差异和无限路线。

因此，L4 运营规模增长并不自动证明通用私家车无人驾驶马上到来；L2 快速普及也不意味着它只差一个 OTA 就能升级为 L4。

十、产业链会如何变化：利润从单颗传感器转向整套验证闭环

环节	技术方向	可能受益者	主要压力
车端计算	中央计算、异构加速、高带宽内存、安全岛	汽车 SoC、IP、内存、车载网络、操作系统	功耗、散热、车规周期、软件适配
感知硬件	高像素相机、成像雷达、芯片化激光雷达、清洁与自诊断	CMOS、ISP、雷达芯片、激光器、SPAD、光学与清洁系统	价格下探、规格内卷、责任认证
模型工具链	VLA 教师模型、蒸馏、自动标注、世界模型、闭环 RL	云算力、仿真平台、数据引擎、开发工具	训练成本、仿真偏差、数据合规
整车软件	中间件、虚拟化、OTA、影子模式、故障降级	操作系统、Tier 1、软件集成商、车企自研团队	跨车型复杂度、供应商锁定、长期维护
安全与合规	场景库、SOTIF、功能安全、网络安全、事故审计	测试设备、认证机构、保险、监管科技	标准碎片化、责任不清、数据不可比
运营服务	Robotaxi 调度、远程协助、清洁充电、维修和保险	出行平台、车队运营商、城市基础设施	利用率、事故尾部风险、跨城复制成本

过去市场容易把智驾产业链理解成“多卖几颗摄像头、雷达和高算力芯片”。下一阶段更大的价值可能落在模型开发与安全验证之间：失败样本如何回放，OTA 如何证明没有引入回归，世界模型如何经过校准，跨车型传感器差异如何自动适配。

汽车智能驾驶最终不是一个单品市场，而是一套持续十年以上的软件维护和责任管理市场。

十一、未来 12 至 24 个月，我会重点追踪七个指标

第一，车企是否开始公布按 ODD、天气和道路类型拆分的接管与事故数据，而不是只公布总里程。

第二，VLA 是否真正进入量产闭环，包括自动标注、教师蒸馏和决策评审，而不只是发布一个能解释视频的 Demo。

第三，世界模型能否通过真实事故回放、传感器一致性和物理约束测试，证明它不只是视频生成器。

第四，中央计算平台在高温、满负载、OTA 和局部故障下的延迟与降级表现，而不是峰值 TOPS。

第五，L3 从试点准入走向实际用户交付后，接管失败、保险和责任认定如何处理。

第六，激光雷达和成像雷达的量产价格是否继续下降，同时保持清洁、自诊断和车规寿命。

第七，Robotaxi 能否在新增城市保持安全指标和单位经济性，而不是依靠更高远程协助比例换取扩张速度。

这些指标比“又发布了一个更大的模型”更慢，却更接近产业真相。

十二、我的判断：未来不是纯视觉战胜激光雷达，也不是端到端消灭模块化

乐观的路线是，世界模型和闭环训练快速扩大长尾覆盖，传感器与芯片成本继续下降，L2 主动安全显著改善，L3 在清晰 ODD 内稳步开放，L4 在高需求城市形成可持续服务。交通事故、驾驶疲劳和出行成本都可能下降。

悲观的路线是，模型能力增长快于验证能力。车企用端到端和“大模型”包装普通辅助驾驶，消费者高估系统边界；世界模型制造了漂亮但错误的信心；价格战又压缩冗余和测试预算。一次严重事故就可能让整个行业重新进入信任冻结。

更客观、也更可能发生的路线，是智能驾驶长期保持分层：

低价车得到越来越强的 L2 主动安全。
中高端车在特定高速和拥堵场景获得 L3。
Robotaxi 在少数城市先证明 L4 运营，再逐步扩展天气与道路范围。
大型 VLA 和世界模型主要留在云端训练、仿真和审查，小模型负责车端实时执行。
学习型驾驶模型负责能力上限，异构传感器和经典安全机制守住事故下限。

这听起来没有“一夜实现无人驾驶”那么震撼，却更符合汽车工业的规律。

真正成熟的智能驾驶，不是表现得最像一个自信的人类司机，而是知道自己看见了什么、没看见什么，能够推演动作后果，并在无法确定时可靠地把风险收回来。

端到端不是终点。它只是把汽车从规则驱动带进数据驱动。接下来决定胜负的，是谁能把数据驱动变成可验证、可维护、可承担责任的工业系统。