不久前，疾进狂飙的“智能驾驶”遭遇史上最严监管，一方面是功能受限，另一方面，厂家的“口嗨”被禁。降一降虚火是好事，但技术发展的节奏不会减慢，从本届上海车展多家头部企业发布的最新信息可知，商用L3预计将在今年Q4量产上车。

当原有的L2辅助驾驶遭到“被动”祛魅，业界需要为即将到来的L3有条件自动驾驶，找到新的技术背书，证明自己实现了质变，让用户不明觉厉的同时，重新托付信任。于是在端到端“烂大街”后，又有一些新的概念和术语被提了出来。

但哪些要素是打造一个靠谱好用的L3系统，所必须的条件？我们综合了最新信息和各方声音，总结出了以下几点：

1.中央集中式电子电气架构：高带宽、低时延、足够的冗余

如果将汽车比作人体，电子电气架构就是神经系统和大脑，是汽车实现信息交互和复杂操作的关键。

从传统内燃机到智电时代，改变的不只是汽车的驱动能源，还有更深层次电子电气架构——由分布式到(跨)域集中式再到中央+区域集中式的升级和进化。相当于变各自为政的诸侯割据，为中央集权的大一统，哪种模式的体系运作更有序，效率更高不言而喻。

业界早有共识，中央集中式电子电气架构是软件定义汽车的前提。三四年前，笔者就曾撰文分析过各家的开发进度，在国际车企中，特斯拉是先行者，领先传统车企至少六年；国内小鹏是最先应用中央集成式电子电气架构的厂商，首发于小鹏G9，相比之下，彼时大部分车企都处在(跨)域集中阶段。

前几年，用户对电子电气架构的感知不明显，原因在于汽车的智能化水平还很初级，能实现的功能相对简单，体现不出底子上的差距，导致电子电气架构的重要性被忽视。

随着智舱智驾技术的快速升级，车辆对数据处理能力、系统集成度以及功能迭代速度的要求大幅提高，传统分布式电子电气架构在应对这些复杂需求时，逐渐显露出性能瓶颈和架构局限。而中央集中式电子电气架构凭借其强大的计算能力、高效的信息传输效率、灵活的软件升级能力以及高度的系统集成性，能够更好地满足智舱智驾技术发展的需求，因此已成为至关重要的技术基座。

于是我们看到，一些厂家在电子电气架构方面陆续有了新动作。比如近日东风岚图发布的天元电子电气架构，通过将动力域、车身域、座舱域、智驾域四域深度融合，实现了高度集成的中央智慧平台；别克在上海车展前的品牌日上，推出了“逍遥”超级融合架构，其采用中央集中式电子电气架构，使得车辆能够搭载更先进的智能驾驶和智能座舱技术；零跑也在不久前上市了首款采用LEAP 3.0技术架构的新车零跑C10，其中的一大创新技术就是“四叶草”中央集成式电子电气架构；甚至连燃油车吉利第四代博越L，也因为采用了以集中式控制为核心的新一代GEEA 3.0电子电气架构，补齐了智能化短板，实现了用车体验的常用常新。

笔者与自动驾驶领域的工程师交流得知，想要真正满足L3级自动驾驶，就必须重塑车辆的电子电气架构，做到高带宽，低时延，且具备足够的安全冗余。“这是彻底的颠覆，不是小修小补。”

2.云端世界模型：支撑强化学习的超级母体

继“端到端大模型”成为行业“标配”后，最近越来越多企业在谈到L3、L4自动驾驶时，又提出了“世界模型”的概念，这将是业界下个“军备竞赛”的重点。

此前，驾驶辅助算法完成了从传统模块化技术范式，到一段式端到端技术范式的跃迁，实现了更类人的驾驶体验。如今，头部企业正在从“端到端+VLM（视觉语言模型）”，进一步升级为有端到端2.0之称的VLA（视觉-语言-动作模型）。

虽然VLA模型参数更大，对算力的要求更高，智驾能力更强，但它仍是部署在车端的模型，存在一些局限性。比如，预测能力有限，缺乏对物理世界的全面理解，数据生成和场景模拟能力不足，可解释性差等。随着自动驾驶向高级别发展，端到端模型亟需一位拥有丰富阅历经验的“导师”罩着它。这个导师就是世界模型。

世界模型是一种通过构建物理世界的数字孪生，来模拟环境动态并预测未来状态的模型。通俗来说，它教的不是具体的驾驶技术，而是如何更好地理解这个世界，从而掌握更强的应变能力；它的教学方法也不是拿人类的优秀驾驶案例，让端到端模仿学习，而是创造一个“结界”，里面有各种虚拟的驾驶场景，包括极端场景，通过“实践出真知”的强化学习方式，补齐端到端的短板，提升泛化能力。

小鹏汽车自动驾驶副总裁李力耘认为，强化学习、世界模型和生成式仿真是实现L4不可或缺的技术支撑。

4月“小鹏世界基座模型”正式发布，据厂家介绍，它相当于一个超级母体，未来可通过云端蒸馏小模型的方式，为自动驾驶汽车、AI机器人、飞行汽车等智慧体部署不同的“AI大脑”。小鹏汽车将这套从云到端的生产流程称为“云端模型工厂”。

华为刚刚发布的乾崑智驾ADS 4，背后是“面向自动驾驶，从类人到超人”的全新WEWA技术架构，包括云端的世界引擎和车端的世界行为模型，可谓英雄所见略同。

据笔者粗略统计，已有超过10家车企和自动驾驶公司提出了世界模型的概念，除了上面提到的两家，还包括特斯拉、英伟达、蔚来、理想、地平线、商汤、元戎启行、Momenta等公司。

华泰证券在研报中指出，“世界模型”已成为AI辅助驾驶的新技术趋势。“各企业在智能驾驶上的竞争从过去拼车端算力和配置，逐渐演进到比拼云端构建的世界模型的能力。”

如何评估世界模型的好坏，目前没有明确的标准，但各家企业均谈到了4个要点：模拟驾驶场景的多样性、还原真实世界的准确性，以及提取分析有价值的数据和评估驾驶行为的能力。

为了让外界更好的理解并认同自己的实力，企业一般会强调模型参数、云端算力、模型迭代速度、性能提升度等数值。笔者了解到，小鹏世界基座模型的参数量高达720亿，是主流VLA模型的35倍左右，其“云端模型工厂”拥有10EFLOPS的算力，集群运行效率常年保持在90%以上，从云到端的全链路迭代周期可达平均5天一次。

华为则表示，架构迭代能够大幅优化智驾体验，让端到端时延降低50%，通行效率提升20%，重刹率降低30%。

3.自研芯片+操作系统：打造“防火墙”的前提

除了以世界模型为核心的软件算法，硬件也是各家头部企业重点布局的智驾领域。笔者认为，比激光雷达等感知元件更重要的，是芯片+操作系统共同组成的计算平台。

此前，业界对于“车企做自动驾驶是否要全栈自研”这件事其实是存在分歧的，尤其是在“是否要自己做芯片”上，由于投入大，门槛高，很多人认为不如“让专业的人干专业的事”。

笔者通过这些年的观察，得出的观点是：有理想抱负的车企，必须实现核心技术全栈自研，其中就包括自研芯片和操作系统，因为这是打造“防火墙”的前提。

一方面，掌握核心技术，企业才能拥有持久竞争力，无论在内燃机时代还是智电时代都是如此。首先，通过自研，厂家可以对芯片的算力、功耗、接口等进行精准优化，满足自动驾驶场景下高实时性、高可靠性的要求。同时，自研操作系统能针对自动驾驶的特定任务进行调度和资源管理，提升系统整体性能。

其次，软硬件全栈自研，使车企能够快速响应市场需求，为用户提供独特的自动驾驶体验和功能，与对手形成差异化竞争优势。

此外，在如今价格战如火如荼的大背景下，自研芯片对控制成本也有重要作用。长期来看，自研芯片和操作系统在量产后可以降低车企的采购成本。需要指出的是，不只芯片本身可以省钱，甚至产品整体的BOM成本也能降低。

特斯拉就是最好的例子。得益于超强算法和自研芯片实现的软硬件充分适配，特斯拉不仅智驾能力显著提升，新车还取消了毫米波雷达和超声波雷达配置，硬件平台成本进一步降低。

另一方面，自研芯片和操作系统也能帮助企业降低风险。一来防止被“卡脖子”，确保产品的稳定生产和交付；二来自动驾驶汽车涉及大量敏感信息，自研芯片和操作系统有助于构建自主可控的安全体系，更好地保障车辆和用户的信息安全。

目前，比亚迪、蔚小理、零跑等都实现了包括芯片和操作系统在内的全栈自研，还有很多企业虽未宣传，但也已布局并加速研发。当然，这也是一把双刃剑，搞好了事半功倍，搞不好可能加速死亡。

4.资金+规模：未来是寡头的天下

不管是自动驾驶还是AI，对企业来说都是一场豪赌。

第一，它极其烧钱。华为每年在智能汽车领域的研发投入超过100亿元，其中70%~80%的投入集中在智能驾驶领域；小鹏汽车已建立“云-软-硬-芯”的全栈自研AI体系，AI研发投入将由2024年的35亿元加码至今年的45亿元；理想汽车一年超过100亿的研发投入中，接近一半投向了人工智能领域；比亚迪在2024梦想日上宣布，将在智能化领域投入1000亿元，致力于为用户带来更智能、便捷的驾驶体验。

以这些头部企业为参照，想要在自动驾驶领域实现初步的全栈自研能力，可能需要数十亿甚至上百亿元的资金。而且随着技术的不断发展和迭代，后续还需要持续加大投入。如果达不到这个数额，就不要相信所谓“全栈自研”了。

与“钞能力”同样重要，直接决定智驾体验的，还有规模。虽然世界模型让海量训练数据不再是问题，但有了足够的装车量，才能获得足够的真实反馈，精进算法，积累口碑；有了规模，才有可能摊薄成本，带来利润，为研发持续输血，形成良性的发展闭环。

第二，技术尚未收敛，犯错风险很高。自动驾驶已经走过很多次弯路，最开始是渐进式路线和跨越式路线之争，选了后者的大部分企业都已夭折。后续从有图到无图，从模块化范式到一站式端到端范式，每一次技术演进的背后，都是对企业组织架构和战略布局的一次重大改变，中间白白交了很多“学费”。

能够支撑起全栈自研，还能承担犯错成本的，只有大厂。目前自动驾驶和AI处在最后的窗口期，小鹏、理想这样的新势力有望借助资本市场快速冲刺，占领用户心智，但想要在马拉松中持续领跑，仅凭自身的体量远远不够，与传统主机厂联手，输出技术扩大体量，或者干脆并入大厂，将是它们接下来的奋斗方向。

在大力出奇迹的竞争逻辑下，未来的智能汽车市场只属于寡头。