蔚来补上“智驾课”，任少卿总结：智驾技术创新将重构竞争
2026/06/18 20:20阅读量 2
蔚来同时向两代平台18款车型推送最新世界模型，实现同一套智驾代码在不同芯片上运行。任少卿透露，团队自2020年布局AI Infra，通过自研推理引擎、编译器和AI Agent将模型部署时间压缩至2小时内，影子模式每周完成超4000万公里主动安全测试。他认为智驾技术发展已退回鼓励创新的第二阶段，组织架构调整为“4x100米接力跑”以重注预研。
事件概述
6月18日，蔚来同时向NT2.0（8款）、NT2.5（4款）和NT3.0（6款）共计18款车型推送了最新版世界模型，标志着同一套智驾代码可以在不同代际的芯片上运行。
核心解决方案：自研AI Infra
蔚来自2020年起搭建AI Infra，包含自研推理引擎、部署框架和AI编译器，以解决硬件快速迭代带来的跨平台兼容问题。具体措施：
- 自研编译器：实现自动算子优化，将原本需1-2周的部署时间缩短至1-2天，同时使端侧推理性能提升20%以上。
- AI Agent自动化工作流：接管手动盯盘和分布执行流程，将一次完整模型上车部署时间压缩至2小时以内。
数据闭环与验证体系
- 影子模式：在量产车中以影子模式运行待验证大模型，每周无感完成超4000万公里主动安全测试（相当于1000辆测试车全年数据量）。
- Corner Case筛选：车端筛选出的极端案例仅占数据量约5%，但提供远大于常规数据的训练价值。
- 云端世界模型：通过故意制造违反常规的陷阱，强迫神经网络学习在错误状态下恢复。
任少卿核心观点
- 技术发展阶段：2020年左右进入“第三阶段”（堆人、堆策略），2023年因大模型涌现退回“第二阶段”（底层创新可产生差异化）。蔚来因此将组织架构改为“4x100米接力跑”（预研→主线交付→跨平台适配→量产交付），重投预研。
- 数据本质：数据是算力与模型运行的结果。物理AI必须通过自动化手段在真实环境中产生庞大体量且包含Corner Case的数据。
- 与特斯拉对比：特斯拉在数据体量和训练资源上领先至少一个量级，但蔚来在基于世界模型的闭环强化学习方面不落后且局部领先。
- 关于通识学习：通过闭环强化学习让模型明确遵守交规（如不压线、不闯红灯）比直接引入大语言模型更高效。